Advertisement

Epidemiologische Studien mit Umweltbezug in Deutschland

  • Alexandra Schneider
  • Regina Rückerl
  • Marie Standl
  • Iana Markevych
  • Barbara Hoffmann
  • Susanne Moebus
  • Karl-Heinz Jöckel
  • Alisa Weber
  • Caroline Herr
  • Annette Heißenhuber
  • Uta Nennstiel-Ratzel
  • Stefanie Heinze
  • Christine Schulz
  • Marike Kolossa-Gehring
  • Hildegard Niemann
  • Antje Gößwald
  • Tamara Schikowski
  • Anke Hüls
  • Dorothee Sugiri
  • Annette Peters
Leitthema
  • 397 Downloads

Zusammenfassung

Unsere Umwelt beeinflusst Gesundheit und Wohlbefinden des Menschen, von der Geburt bis ins hohe Alter. In diesem Überblick werden die wichtigsten epidemiologischen Studien und Gesundheitsmonitoringsysteme in Deutschland erläutert, die unter anderem auch Umwelteinflüsse in verschiedenen Bevölkerungsgruppen untersuchen und Gesundheitseffekte abschätzen. Die darin jeweils untersuchten Umweltfaktoren werden beschrieben. Diese Studien an Kindern und Erwachsenen schaffen eine Basis für Vorhersagen und präventive Maßnahmen. Die hohe Anzahl der erfassten umweltbezogenen Faktoren und die Intensität ihrer Untersuchung unterscheiden sich in den Studien, ebenso wie die (phänotypische) Charakterisierung der Studienteilnehmenden. Dennoch bilden die gewonnenen Daten eine Grundlage für die zukünftige Forschungsarbeit. Hierzu ist allerdings eine flächendeckende dauerhafte Erfassung der Daten zu den verschiedenen Umweltfaktoren notwendig.

Da der Anteil der in städtischen Gebieten lebenden Bevölkerung in Zukunft weiter steigen wird, werden Umweltfaktoren wie Luftverschmutzung, Lufttemperatur, Lärm, aber auch soziale Ungerechtigkeit zukünftig die Gesundheit und Lebensqualität der Bevölkerung maßgeblich beeinflussen. Die Herausforderung einer alternden Gesellschaft, aber auch die mögliche Adaptation der Bevölkerung an diverse Umweltstimuli machen einen multidisziplinären Ansatz erforderlich. Gerade aus umweltepidemiologischer Sicht sind hier die gesammelten Daten der in diesem Artikel aufgezeigten Kohortenstudien in Deutschland ein wertvoller Schatz, denn nur damit können Zusammenhänge zwischen Umwelteinflüssen und Gesundheit erforscht und public-health-relevante präventive Maßnahmen identifiziert werden.

Die NAKO-Gesundheitsstudie, die in den kommenden Jahrzehnten die größte verfügbare Ressource für Gesundheitsdaten sein wird, sollte in zukünftige Aktivitäten zur Erforschung von Umwelteinflüssen eingebunden werden.

Schlüsselwörter

Umwelt Kohorte Gesundheitsmonitoring Epidemiologie Gesundheit 

Epidemiological studies with environmental relevance in Germany

Abstract

Our environment is a major factor in determining health and well-being throughout life, from conception into old age. This overview illustrates the most important epidemiological studies and health monitoring systems in Germany, which investigate environmental influences in various population subgroups and estimate related health effects. Environmental factors examined in each study are described. The mentioned studies in children and adults build the basis for predictions and preventive measures. The number of the assessed environmental factors, the depth of the examinations as well as the (phenotypical) characterization of the study participants differ. Still, the obtained data build a base for important future research. However, for this, a permanent and Germany-wide assessment of environmental factors is necessary.

The proportion of the European population living in urban areas is projected to increase in the future. Therefore, environmental factors such as air pollution, air temperature, and noise, but also social inequality, are likely to have a negative effect on health and quality of life of the population. The challenge of the aging population as well as potential adaptation processes to the diverse environmental stimuli requires multidisciplinary approaches. From an environmental epidemiology view, the collected data from the described studies are of immense value because only with this data can associations between environment and health be investigated and public health-relevant preventive measures be identified.

The NAKO health study will be the largest resource of health data and should therefore be included in future activities related to the investigation of environmental health effects in Germany.

Keywords

Environment Cohorts Health monitoring Epidemiology Health 

Notes

Danksagung

Wir danken folgenden Personen, die an der Durchführung der Studien beteiligt waren:

GINIplus: C. P. Bauer, D. Berdel, A. von Berg, M. Gappa, J. Heinrich, S. Koletzko, L. Libuda, T. Schikowski, M. Standl.

LISA: A. von Berg, M. Gappa, J. Heinrich, I. Lehmann, M. Standl.

GME: L. Baghi, K. Baranek, O. Bayer, U. Becker, I. Bockmann, G. Bolte, W. Doerk, T. Frieß-Hesse, H. Fromme, C. Gampenrieder, A. Heißenhuber, S. Heinze, L. Hendrowarsito, C. Herr, D. Hierhammer, G. Hölscher, J. Huß, M. Jung, G. Koch-Singer, M. Kohlhuber, S. Kranebitter, R. von Kries, J. Kuhn, M. Kühnel, F. Lang, B. Liebl, A. Lüders, H. Mayrhofer, N. Meyer, C. Mitschek, G. Morlock, M. Mosetter, M. Motzet, F. Nairz, U. Nennstiel-Ratzel, D. Nürnberg, A. Pfister, L. Riemer, G. Rohrhirsch, D. Rudolph, G. Schick, R. Schmid, E. Schneider, H. Seidler, R. Sittig, R. Stangl, W. Strauch, H. Thamm, T. Tontsch, D. Twardella, A. Weber, B. Weise, M. Wildner, G. Winter, G. Woelk, L. Wolf, A. Wunder, A. Zirngibl.

Gesundheitsmonitoring des Robert Koch-Instituts (NUSt0, NUSt2, Survey Ost, BGS98, KiGGS Basis, KiGGS Welle 2, DEGS, GEDA): B.-M. Kurth, T. Ziese und das Epidemiologische Datenzentrum/Forschungsdatenzentrum, Epidemiologische Zentrallabor, Fachgebiet Monitoring und Surveymethoden.

GerES V: S. Bach, R. Bethke, K. Bossmann, C. Brunner, C. Bunge, M. Bunz, I. Chorus, A. Conrad, A. Duffek, U. Fiddicke, C. Fitzner, C. Fritsch, A. Gies, A. Herz, C. Höra, L. Kaiser, A. Kämpfe, S. Kara, H. Kizgin, M. Krüger, J. Kura, P. Lepom, A. Lüdecke, C. Merdan, A. Naulin, K. Neumann, A. Pietsch, D. Plaß, S. Pohlmann, D. Pötzsch, T. Rapp, F. Riebel, E. Rucic, G. Sawal, N. Schechner, M. Schmied-Tobies, G. Schwedler, Y. Sonar, N. Steinkühler, W. Straff, M. Tobollik, J. Wellmitz, T. Wilkens, E. Wolter, C. Wurziger, C. Zigelski.

KORA: A. Peters (Sprecherin), J. Heinrich, R. Holle, R. Leidl, C. Meisinger, K. Strauch. Die Forschungsplattform KORA (Kooperative Gesundheitsforschung in der Region Augsburg) wurde initiiert und finanziert vom Helmholtz Zentrum München – Deutsches Forschungszentrum für Gesundheit und Umwelt, das vom Bundesministerium für Bildung und Forschung (BMBF) sowie vom Freistaat Bayern gefördert wird. Darüber hinaus wurde die KORA-Forschung im Rahmen des Münchner Zentrums für Gesundheitswissenschaften (MC Health) der Ludwig-Maximilians-Universität als Teil von LMUinnovativ unterstützt.

Heinz-Nixdorf-Recall-Studie (HNR): K. Amundts, S. Caspers, S. Cichon, N. Dragano, R. Erbel, D. Führer-Sakel, B. Hoffmann, K.-H. Jöckel, S. Moebus, M. M. Nöthen, A. Stang, Ch. Weimar. Die HNR-Studie wird unterstützt durch die Heinz Nixdorf Stiftung (Chairman: Martin Nixdorf, Past Chairman: G. Schmidt (†)), das Bundesministerium für Bildung und Forschung, die DFG (Project SI 236/8-1, SI 236/9-1, HO 3314/2-1 und 2‑3, HO 3314/4-3, JO 170/8-1) und die EU (FP7/2007–2011 Grant Agreement Number: 211250).

SALIA: T. Schikowski (Sprecherin), K. Fuks, A. Hüls, U. Krämer, E. Link, D. Sugiri. Die Mortalitätsuntersuchung in der SALIA-Kohorte wurde vom Land NRW und dem IBE Institut für Medizinische Informationsverarbeitung Biometrie und Epidemiologie München durchgeführt.

Einhaltung ethischer Richtlinien

Interessenkonflikt

A. Schneider, R. Rückerl, M. Standl, I. Markevych, B. Hoffmann, S. Moebus, K.-H. Jöckel, A. Weber, C. Herr, A. Heißenhuber, U. Nennstiel-Ratzel, S. Heinze, C. Schulz, M. Kolossa-Gehring, H. Niemann, A. Gößwald, T. Schikowski, A. Hüls, D. Sugiri und A. Peters geben an, dass kein Interessenkonflikt besteht.

Bei allen in dem Beitrag beschriebenen Studien wurde von den Teilnehmerinnen und Teilnehmern eine Einverständniserklärung unterzeichnet; wo es notwendig war, liegt zu jeder Studie ein positives Votum der jeweils zuständigen Ethikkommission vor.

Literatur

  1. 1.
    GBD Risk Factors Collaborators (2016) GRF Global, regional, and national comparative risk assessment of 84 behavioural, environmental and occupational, and metabolic risks or clusters of risks, 1990–2016: a systematic analysis for the Global Burden of Disease Study 2016. Lancet 390(10100):1345–1422.  https://doi.org/10.1016/S0140-6736(17)32366-8 CrossRefGoogle Scholar
  2. 2.
    Heinrich J, Bruske I, Schnappinger M et al (2012) Two German birth cohorts: GINIplus and LISAplus. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 6–7:864–874CrossRefGoogle Scholar
  3. 3.
    Weikl F, Tischer C, Probst AJ et al (2016) Fungal and bacterial communities in indoor dust follow different environmental determinants. PLoS ONE 11:e154131.  https://doi.org/10.1371/journal.pone.0154131 CrossRefPubMedPubMedCentralGoogle Scholar
  4. 4.
    Thiering E, Markevych I, Bruske I et al (2016) Associations of residential long-term air pollution exposures and satellite-derived greenness with insulin resistance in German adolescents. Environ Health Perspect 8:1291–1298CrossRefGoogle Scholar
  5. 5.
    Markevych I, Schoierer J, Hartig T et al (2017) Exploring pathways linking greenspace to health: theoretical and methodological guidance. Environ Res 158:301–317CrossRefPubMedGoogle Scholar
  6. 6.
    Kurth BM, Bergmann KE, Hölling H, Kahl H, Kamtsiuris P, Thefeld W (2002) Der bundesweite Kinder- und Jugendgesundheitssurvey. Gesundheitswesen 64(Suppl 1):3–11CrossRefGoogle Scholar
  7. 7.
    Pearce N, Weiland S, Keil U et al (1993) Self-reported prevalence of asthma symptoms in children in Australia, England, Germany and New Zealand: an international comparison using the ISAAC protocol. Eur Respir J 10:1455–1461Google Scholar
  8. 8.
    Goodman R (1997) The strengths and difficulties questionnaire: a research note. J Child Psychol Psychiatry 5:581–586CrossRefGoogle Scholar
  9. 9.
    Ravens-Sieberer U, Bullinger M (1998) Assessing health-related quality of life in chronically ill children with the German KINDL: first psychometric and content analytical results. Qual Life Res 5:399–407CrossRefGoogle Scholar
  10. 10.
    Michaelis R (2004) Das „Grenzsteinprinzip“ als Orientierungshilfe für die pädiatrische Entwicklungsbeurteilung. Entwicklungspädiatrie. Hans Marseille, MünchenGoogle Scholar
  11. 11.
    Robbins AM et al (1992) The Meaningful Use of Speech Scale (MUSS)Google Scholar
  12. 12.
    Robbins AM, Renshaw JJ, Berry SW (1991) Evaluating meaningful auditory integration in profoundly hearing-impaired children. Am J Otol 12(Suppl):144–150PubMedGoogle Scholar
  13. 13.
    Ommen O, Reckendrees B, Seefeld L, Stander V, Müller U (2014) Einstellungen, Wissen und Verhalten der Allgemeinbevölkerung zum InfektionsschutzGoogle Scholar
  14. 14.
    Gößwald A, Lange M, Kamtsiuris P, Kurth BM (2012) DEGS: Studie zur Gesundheit Erwachsener in Deutschland. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 55(6-7):775–780.  https://doi.org/10.1007/s00103-012-1498-z CrossRefPubMedGoogle Scholar
  15. 15.
    Schulz C, Conrad A, Becker K, Kolossa-Gehring M, Seiwert M, Seifert B (2007) Twenty years of the German Environmental Survey (GerES): human biomonitoring—temporal and spatial (West Germany/East Germany) differences in population exposure. Int J Hyg Environ Health 3–4:271–297CrossRefGoogle Scholar
  16. 16.
    Kurth BM, Lange C, Kamtsiuris P, Hölling H (2009) Gesundheitsmonitoring am Robert Koch-Institut. Sachstand und Perspektiven. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 52(5):557–570.  https://doi.org/10.1007/s00103-009-0843-3 CrossRefPubMedGoogle Scholar
  17. 17.
    Hölling H, Schlack R, Kamtsiuris P, Butschalowsky H, Schlaud M, Kurth BM (2012) Die KiGGS-Studie. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 6:836–842CrossRefGoogle Scholar
  18. 18.
    Kreuter H, Klaes L, Hoffmeister H, Laser U (1995) Ergebnisse und Konsequenzen der Deutschen Herz-Kreislauf-Präventionsstudie, in Prävention von Herz-Kreislauf-Erkrankungen. Juventa, BerlinGoogle Scholar
  19. 19.
    Bellach BM (1999) Der Bundes-Gesundheitssurvey 1998. Erfahrungen, Ergebnisse, Perspektiven. Gesundheitswesen 2(Sonderheft):2Google Scholar
  20. 20.
    Kurth BM, Kamtsiuris P, Holling H et al (2008) The challenge of comprehensively mapping children’s health in a nation-wide health survey: design of the German KiGGS-Study. BMC Public Health 196.  https://doi.org/10.1186/1471-2458-8-196 PubMedPubMedCentralCrossRefGoogle Scholar
  21. 21.
    Mauz E, Gößwald A, Kamtsiuris P et al (2017) Neue Daten für Taten. Die Datenerhebung zur KiGGS Welle 2 ist beendet. J Health Monit (S3):2–28.  https://doi.org/10.17886/RKI-GBE-2017-099 CrossRefGoogle Scholar
  22. 22.
    Holle R, Happich M, Lowel H, Wichmann HE, MKS Group (2005) KORA—a research platform for population based health research. Gesundheitswesen 67(Suppl 1):19–25CrossRefPubMedGoogle Scholar
  23. 23.
    Peters A, Döring A, Ladwig KH et al (2011) Multimorbidität und erfolgreiches Altern. Ein Blick auf die Bevölkerung im Rahmen der KORA-Age-Studie. Z Gerontol Geriatr 2(Suppl. 2):13Google Scholar
  24. 24.
    Cyrys J, Pitz M, Heinrich J, Wichmann HE, Peters A (2008) Spatial and temporal variation of particle number concentration in Augsburg, Germany. Sci Total Environ 1–3:168–175CrossRefGoogle Scholar
  25. 25.
    Beelen R, Raaschou-Nielsen O, Stafoggia M et al (2014) Effects of long-term exposure to air pollution on natural-cause mortality: an analysis of 22 European cohorts within the multicentre ESCAPE project. Lancet 9919:785–795CrossRefGoogle Scholar
  26. 26.
    Cesaroni G, Forastiere F, Stafoggia M et al (2014) Long term exposure to ambient air pollution and incidence of acute coronary events: prospective cohort study and meta-analysis in 11 European cohorts from the ESCAPE Project. BMJ 348:f7412.  https://doi.org/10.1136/bmj.f7412 CrossRefPubMedPubMedCentralGoogle Scholar
  27. 27.
    Stafoggia M, Cesaroni G, Peters A et al (2014) Long-term exposure to ambient air pollution and incidence of cerebrovascular events: results from 11 European cohorts within the ESCAPE project. Environ Health Perspect 9:919CrossRefGoogle Scholar
  28. 28.
    Fuks KB, Weinmayr G, Basagaña X et al (2016) Long-term exposure to ambient air pollution and traffic noise and incident hypertension in seven cohorts of the European study of cohorts for air pollution effects (ESCAPE). Eur Heart J 13:983–990Google Scholar
  29. 29.
    Wolf K, Popp A, Schneider A et al (2016) Association between long-term exposure to air pollution and biomarkers related to insulin resistance, subclinical inflammation, and adipokines. Diabetes 11:3314–3326CrossRefGoogle Scholar
  30. 30.
    Panni T, Mehta AJ, Schwartz JD et al (2016) Genome-wide analysis of DNA methylation and fine particulate matter air pollution in three study populations: KORA F3, KORA F4, and the normative aging study. Environ Health Perspect 7:983–990Google Scholar
  31. 31.
    Schmermund A, Möhlenkamp S, Stang A et al (2002) Assessment of clinically silent atherosclerotic disease and established and novel risk factors for predicting myocardial infarction and cardiac death in healthy middle-aged subjects: rationale and design of the Heinz Nixdorf RECALL Study. Am Heart J 2:212–218CrossRefGoogle Scholar
  32. 32.
    Caspers S, Moebus S, Lux S et al (2014) Studying variability in human brain aging in a population-based German cohort-rationale and design of 1000BRAINS. Front Aging Neurosci 149.  https://doi.org/10.3389/fnagi.2014.00149 CrossRefPubMedPubMedCentralGoogle Scholar
  33. 33.
    Bonberg N, Pesch B, Ulrich N et al (2017) The distribution of blood concentrations of lead (Pb), cadmium (Cd), chromium (Cr) and manganese (Mn) in residents of the German Ruhr area and its potential association with occupational exposure in metal industry and/or other risk factors. Int J Hyg Environ Health 6:998–1005CrossRefGoogle Scholar
  34. 34.
    Büns C, Klemma O, Wurzler S et al (2012) Comparison of four years of air pollution data with a mesoscale model. Atmos Res 13:404–417.  https://doi.org/10.1016/j.atmosres.2012.07.009 CrossRefGoogle Scholar
  35. 35.
    Memmesheimer M, Friese E, Ebel A et al (2004) Long-term simulations of particulate matter in Europe on different scales using sequential nesting of a regional model. Int J Environ Pollut.  https://doi.org/10.1504/IJEP.2004.005530 CrossRefGoogle Scholar
  36. 36.
    Hennig F, Sugiri D, Tzivian L et al (2016) Comparison of land-use regression modeling with dispersion and chemistry transport modeling to assign air pollution concentrations within the Ruhr area. Atmosphere (Basel) 3:48CrossRefGoogle Scholar
  37. 37.
    Hoffmann B, Moebus S, Mohlenkamp S et al (2007) Residential exposure to traffic is associated with coronary atherosclerosis. Circulation 5:489–496CrossRefGoogle Scholar
  38. 38.
    Hoffmann B, Moebus S, Dragano N et al (2009) Residential traffic exposure and coronary heart disease: results from the Heinz Nixdorf Recall Study. Biomarkers 14(Suppl 1):74–78.  https://doi.org/10.1080/13547500902965096 CrossRefPubMedGoogle Scholar
  39. 39.
    Hoffmann B, Weinmayr G, Hennig F et al (2015) Air quality, stroke, and coronary events: results of the Heinz Nixdorf Recall Study from the Ruhr Region. Dtsch Arztebl Int 12:195–201Google Scholar
  40. 40.
    Hennig F, Fuks K, Moebus S et al (2014) Association between source-specific particulate matter air pollution and hs-CRP: local traffic and industrial emissions. Environ Health Perspect 7:703–710CrossRefGoogle Scholar
  41. 41.
    Orban E, Arendt M, Hennig F et al (2017) Is long-term particulate matter and nitrogen dioxide air pollution associated with incident monoclonal gammopathy of undetermined significance (MGUS)? An analysis of the Heinz Nixdorf Recall study. Environ Int 108:237–245.  https://doi.org/10.1016/j.envint.2017.08.007 CrossRefPubMedGoogle Scholar
  42. 42.
    Orban E, McDonald K, Sutcliffe R et al (2016) Residential road traffic noise and high depressive symptoms after five years of follow-up: results from the Heinz Nixdorf recall study. Environ Health Perspect 5:578–585CrossRefGoogle Scholar
  43. 43.
    Tzivian L, Dlugaj M, Winkler A et al (2016) Long-term air pollution and traffic noise exposures and mild cognitive impairment in older adults: a cross-sectional analysis of the Heinz Nixdorf recall study. Environ Health Perspect 9:1361–1368Google Scholar
  44. 44.
    Tzivian L, Jokisch M, Winkler A et al (2017) Associations of long-term exposure to air pollution and road traffic noise with cognitive function—an analysis of effect measure modification. Environ Int 103:30–38.  https://doi.org/10.1016/j.envint.2017.03.018 CrossRefPubMedGoogle Scholar
  45. 45.
    Cyrys J, Eeftens M, Heinrich J et al (2012) Variation of NO2 and Nox concentrations between and within 36 European study areas: results from the ESCAPE study. Atmos Environ 62:374–390.  https://doi.org/10.1016/j.atmosenv.2012.07.080 CrossRefGoogle Scholar
  46. 46.
    Eeftens M, Beelen R, de Hoogh K et al (2012) Development of Land Use Regression models for PM(2.5), PM(2.5) absorbance, PM(10) and PM(coarse) in 20 European study areas; results of the ESCAPE project. Environ Sci Technol 20:11195–11205CrossRefGoogle Scholar
  47. 47.
    Eeftens M, Tsai M‑Y, Ampe C et al (2012) Spatial variation of PM2.5, PM10, PM2.5 absorbance and PMcoarse concentrations between and within 20 European study areas and the relationship with NO2—Results of the ESCAPE project. Atmos Environ 62:303–317.  https://doi.org/10.1016/j.atmosenv.2012.08.038 CrossRefGoogle Scholar
  48. 48.
    Beelen R, Hoek G, Vienneau D et al (2013) Development of NO2 and NOx land use regression models for estimating air pollution exposure in 36 study areas in Europe—The ESCAPE project. Atmos Environ 72:10–23.  https://doi.org/10.1016/j.atmosenv.2013.02.037 CrossRefGoogle Scholar
  49. 49.
    Schikowski T, Sugiri D, Ranft U et al (2007) Does respiratory health contribute to the effects of long-term air pollution exposure on cardiovascular mortality? Respir Res 20.  https://doi.org/10.1186/1465-9921-8-20 PubMedPubMedCentralCrossRefGoogle Scholar
  50. 50.
    Schikowski T, Sugiri D, Reimann V, Pesch B, Ranft U, Kramer U (2008) Contribution of smoking and air pollution exposure in urban areas to social differences in respiratory health. BMC Public Health 179.  https://doi.org/10.1186/1471-2458-8-179 PubMedPubMedCentralCrossRefGoogle Scholar
  51. 51.
    Schikowski T, Vossoughi M, Vierkotter A et al (2015) Association of air pollution with cognitive functions and its modification by APOE gene variants in elderly women. Environ Res 142:10–16.  https://doi.org/10.1016/j.envres.2015.06.009 CrossRefPubMedGoogle Scholar
  52. 52.
    Brauer M, Hystad P (2014) Commentary: cities and health … let me count the ways. Epidemiology 4:526–527CrossRefGoogle Scholar
  53. 53.
    Franck U, Herbarth O, Roder S et al (2011) Respiratory effects of indoor particles in young children are size dependent. Sci Total Environ 9:1621–1631CrossRefGoogle Scholar
  54. 54.
    Tischer C, Casas L, Wouters IM et al (2015) Early exposure to bio-contaminants and asthma up to 10 years of age: results of the HITEA study. Eur Respir J 2:328–337CrossRefGoogle Scholar
  55. 55.
    Vierkotter A, Schikowski T, Ranft UU et al (2010) Airborne particle exposure and extrinsic skin aging. J Invest Dermatol 12:2719–2726CrossRefGoogle Scholar
  56. 56.
    Gehring U, Heinrich J, Kramer U et al (2006) Long-term exposure to ambient air pollution and cardiopulmonary mortality in women. Epidemiology 5:545–551CrossRefGoogle Scholar
  57. 57.
    Kramer U, Herder C, Sugiri D et al (2010) Traffic-related air pollution and incident type 2 diabetes: results from the SALIA cohort study. Environ Health Perspect 9:1273–1279CrossRefGoogle Scholar
  58. 58.
    Huls A, Kramer U, Herder C et al (2017) Genetic susceptibility for air pollution-induced airway inflammation in the SALIA study. Environ Res 152:43–50CrossRefPubMedGoogle Scholar
  59. 59.
    EEA (2010) The European environment—state and outlook 2010Google Scholar
  60. 60.
    Schneider A, Rückerl R, Breitner S, Wolf K, Peters A (2017) Thermal control, weather, and aging. Curr Environ Health Rep 4(1):21–29.  https://doi.org/10.1007/s40572-017-0129-0 CrossRefPubMedGoogle Scholar
  61. 61.
    Tiesler CM, Birk M, Thiering E et al (2013) Exposure to road traffic noise and children’s behavioural problems and sleep disturbance: results from the GINIplus and LISAplus studies. Environ Res 123:1–8.  https://doi.org/10.1016/j.envres.2013.01 CrossRefPubMedGoogle Scholar
  62. 62.
    Buters JT, Kasche A, Weichenmeier I et al (2008) Year-to-year variation in release of Bet v 1 allergen from birch pollen: evidence for geographical differences between West and South Germany. Int Arch Allergy Immunol 2:122–130CrossRefGoogle Scholar
  63. 63.
    Markevych I, Smith MP, Jochner S et al (2016) Neighbourhood and physical activity in German adolescents: GINIplus and LISAplus. Environ Res 147:284–293.  https://doi.org/10.1016/j.envres.2016.02.023 CrossRefPubMedGoogle Scholar
  64. 64.
    Schulz C, Kolossa-Gehring M, Gies A (2017) Die Deutsche Umweltstudie zur Gesundheit von Kindern und Jugendlichen 2014–2017 (GerES V) – das Umweltmodul in KiGGS Welle 2. J Health Monit 8(S3):47–54.  https://doi.org/10.17886/RKI-GBE-2017-102 CrossRefGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  • Alexandra Schneider
    • 1
  • Regina Rückerl
    • 1
  • Marie Standl
    • 1
  • Iana Markevych
    • 1
    • 2
  • Barbara Hoffmann
    • 3
  • Susanne Moebus
    • 4
  • Karl-Heinz Jöckel
    • 4
  • Alisa Weber
    • 5
  • Caroline Herr
    • 2
    • 5
  • Annette Heißenhuber
    • 5
  • Uta Nennstiel-Ratzel
    • 5
  • Stefanie Heinze
    • 2
    • 5
  • Christine Schulz
    • 6
  • Marike Kolossa-Gehring
    • 6
  • Hildegard Niemann
    • 7
  • Antje Gößwald
    • 7
  • Tamara Schikowski
    • 8
  • Anke Hüls
    • 8
  • Dorothee Sugiri
    • 8
  • Annette Peters
    • 1
  1. 1.Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH), Institut für EpidemiologieHelmholtz Zentrum MünchenNeuherbergDeutschland
  2. 2.Institut und Poliklinik für Arbeits‑, Sozial- und UmweltmedizinLudwig-Maximilians-Universität MünchenMünchenDeutschland
  3. 3.Institut für Arbeits‑, Sozial- und Umweltmedizin, Medizinische FakultätUniversitätsklinikum DüsseldorfDüsseldorfDeutschland
  4. 4.Zentrum für Urbane Epidemiologie, Institut für Medizinische Informatik, Biometrie und Epidemiologie, Uniklinikum EssenUniversität Duisburg-EssenEssenDeutschland
  5. 5.Bayerisches Landesamt für Gesundheit und Lebensmittelsicherheit, München und OberschleißheimMünchenDeutschland
  6. 6.UmweltbundesamtBerlinDeutschland
  7. 7.Abteilung für Epidemiologie und GesundheitsmonitoringRobert Koch-InstitutBerlinDeutschland
  8. 8.IUF – Leibniz Institut für Umweltmedizinische ForschungDüsseldorfDeutschland

Personalised recommendations