• Berichtcategorie:Onderzoek

De onderzoekers van het Ineqkill- project onderzoeken de ongelijkheid in sterfte in België. Het voorbije jaar werkten ze vooral met de geanonimiseerde gegevens over doodsoorzaken die op nationaal, arrondissementeel en gemeentelijk niveau beschikbaar zijn. Die data leidden reeds tot enkele interessante inzichten. In deze blogtekst nemen we de voorlopige conclusies van doctoraatsstudent Philippe Paeps over kanker onder de loep.

Een beetje context…

Philippes huidige onderzoek focust op ruimtelijke ongelijkheid in kankersterfte. Hij onderzoekt met andere woorden of de woonplaats van een persoon invloed heeft op de kans om aan kanker te overlijden.

De sterfte door kanker is de voorbije eeuw sterk toegenomen. In België steeg het aandeel van kankersterfte van ongeveer 3% in 1900 tot meer dan 25% in 2022. Momenteel sterven in België volgens de tellingen van Statbel, het officieel bureau voor statistiek van België, jaarlijks meer dan 27.000 mensen aan deze ziekte. Maar deze cijfers verhullen diepgaande sociaaleconomische en ruimtelijke ongelijkheden. Anno 2025 is er vaak een verhoogd risico op kankersterfte in achtergestelde, kwetsbare en kansarme gebieden.

Welke gebieden in het verleden het meest getroffen werden, was tot nu toe minder duidelijk. Ruimtelijke vergelijkende kankerstudies zijn schaars, vooral voor de periode voorafgaand aan de jaren 1970. Dit heeft te maken met de uitdagingen die later in deze bijdrage besproken zullen worden.

Internationaal is het belang van het in kaart brengen van kankersterfte nochtans aanzienlijk gegroeid. Onderzoek toont immers aan dat kanker niet alleen wordt bepaald door persoonsgebonden risicofactoren zoals geslacht of leeftijd, maar ook door externe risicofactoren die gerelateerd zijn aan de omgeving, zoals waar je woont en waar je werkt. Factoren zoals blootstelling aan milieuvervuiling, en de toegang en afstand tot medische zorg kunnen van invloed zijn op het aantal gevallen van kanker.

Daarnaast spelen individuele keuzes in levensstijl en culturele voorkeuren zoals roken en voedingsgewoonten een sterke rol in de sterfte aan kanker. Deze keuzes zijn vaak ook gerelateerd aan de omgeving. Bijvoorbeeld, in het zuidoosten van België zijn er significant hogere cijfers van longkankers doordat het rookgedrag daar hoger ligt dan elders.

Om een beter inzicht te krijgen in de huidige ruimtelijke verschillen in sterfte, kan inzicht in de historische wortels van de ziekte nuttig zijn. Daarom is het onderzoek van Philippe naar de ruimtelijke verspreiding van kanker in het verleden zo belangrijk.

Welke gebieden werden het meest getroffen door kanker, en waarom?

Philippes onderzoek is een eerste stap in het beantwoorden van de vraag welke gebieden het zwaarst werden getroffen door kanker, en waarom.

Hij maakt gebruik van gegevens uit onder meer Le Mouvement de la Population et de l’Etat Civil, een omvangrijke reeks registers waarin cijfers over het bevolkingsverloop in België zijn opgetekend, en Demobel, een recente demografische databank van Statbel. Met deze gegevens kan Philippe de sterfte door kanker in kaart brengen en vergelijken doorheen de twintigste eeuw.

Alhoewel de registers van Le Mouvement reeds in 1841 starten, hebben we pas vanaf 1903 data over kanker ter beschikking. Daarvoor werd kanker vaak ofwel niet, ofwel heel slecht geregistreerd. De wetgever zag duidelijk een groter gevaar in de infectieziekten en dat vertaalde zich in de doodsoorzakenregistratie. In een volgend stadium van zijn onderzoek zal Philippe o.a. ook werken met de databank van S.O.S. Antwerpen om een gedetailleerder beeld te krijgen van kanker in de 19de eeuw.

Het in kaart brengen van sterfte door kanker klinkt echter een stuk eenvoudiger dan het in werkelijkheid is. Het visualiseren van kankersterfte over een lange periode brengt namelijk diverse praktische uitdagingen met zich mee:

  • Veranderende administratieve grenzen

Aan het begin van de 20ste eeuw telde België 2.629 gemeenten terwijl dit aantal tegen het einde van de eeuw was teruggelopen tot slechts 589. Met welke gemeentegrenzen moeten we werken om consistentie in ons onderzoek te waarborgen? Welke geografische eenheid geeft het beste de evolutie van kankersterfte door de jaren heen weer?

Figuur 1: Bruto sterftecijfer kanker 1947-1948-1949 (totaal aantal doden per 10.000 inwoners).
Bron: Le Mouvement de la Population et de l’Etat Civil, België 1947-1949.
Linksboven : 2670 gemeenten, weergegeven met historische grenzen. Rechtsboven : 589 gemeenten, met de grenzen van 1991. Linksonder: 41 districten (grenzen van 1983). Rechtsonder: een “gesmoothte”(vereenvoudigde) kaart die clusters met een reikwijdte tot 10 km toont.

De historische gemeentegrenzen leveren moeilijk te interpreteren kaarten op. De vele kleine gemeenten vertonen vaak grillige en moeilijk leesbare patronen door de lage inwonertallen. Het gebruik van hedendaagse grenzen heeft daarentegen het nadeel dat veel oude gemeenten worden samengevoegd, ook al waren ze historisch erg verschillend van aard. Bijvoorbeeld, aan het begin van de 20ste eeuw was Antwerpen al een echte metropolis, terwijl de gemeenten Berchem, Deurne en Wilrijk nog een meer landelijk karakter hadden.

Philippe heeft verschillende kaarten getest en stelde vast dat de historische grenzen beter het effect van lokale omgevingsfactoren tonen, zoals de aanwezigheid van industrie of radon. Kaarten met de hedendaagse gemeentegrenzen zijn dan weer beter geschikt om regionale verschillen weer te geven en tonen de effecten van levensstijl zoals roken en slechte voeding.

Voor internationale vergelijkingen raadt Philippe aan om te werken met de 41 – later 43 – Belgische arrondissementen. Dit heeft meerdere voordelen: ten eerste zijn de arrondissementen voldoende groot om diverse statistische berekeningen te maken, ten tweede zijn de grenzen over tijd stabieler, en ten laatste is er veel sociaaleconomisch en -demografisch vergelijkingsmateriaal op dit niveau beschikbaar, wat Philippe in het volgende deel van zijn onderzoek zal gebruiken .

  • Kleine aantallen

Een tweede uitdaging waarmee onderzoekers te maken krijgen, is de analyse van gemeenten met erg kleine bevolkingsaantallen, waardoor het aantal kankerdoden vaak zeer laag is. Dit maakt het moeilijk om betrouwbare patronen te identificeren.

Als oplossing heeft Philippe de data van meerdere jaren per gemeente gebundeld en de gemiddelden berekend. Deze techniek staat bekend als ‘temporele  aggregatie’ en biedt een betrouwbaarder beeld van de sterfte. Door de gegevens over verschillende jaren te bundelen, worden de patronen duidelijker zichtbaar. Een voorbeeld hiervan zien we op de volgende kaarten.

Figuur 2 : Percentage kankerdoden t.o.v. het totale aantal doden. Boven: percentage kankerdoden in 1910. Onder: gemiddeld percentage kankerdoden in de jaren 1905, 1909 en 1910. Bron: Le Mouvement de la Population et de l’Etat Civil, gemeenten België 1905-1909-1910.

Op bovenstaande kaarten met de historische grenzen zien we op de bovenste kaart het aantal kankerdoden in 1910, op de onderste kaart zien we het gemiddeld aantal kankerdoden in de jaren 1905-1909-1910. Donkerbruine regio’s zijn regio’s met hoge kankersterfte, hoe lichter de kleur, hoe minder sterfte door kanker.

De onderste kaart toont duidelijk andere patronen dan de bovenste. Zo zien we dat de provincie Luxemburg, waar veel gemeenten erg lage bevolkingsaantallen hadden, verschuift van lichtgeel op de bovenste kaart naar voornamelijk donkergeel op de onderste. De kankersterfte is er dus hoger dan op basis van de analyse van één enkel jaar uitschijnt.

Op andere plaatsen is de sterfte dan weer opmerkelijk lager; in het noorden van Antwerpen toonden enkele gemeenten uitzonderlijk hoge kankersterfte in 1910: Broechem bijvoorbeeld vertoonde 25% kankersterfte in 1910 terwijl het Belgische gemiddelde aan kankersterfte toen slechts 4.26% was. In absolute termen vertaalt zich dit voor Broechem in vijf kankerdoden op een totaal van vijfentwintig. Dit hoge aantal was echter eenmalig, een toevallige vertekening in dat jaar. Door het gemiddelde van meerdere jaren te nemen, krijgen we dus een accurater beeld van het kankerrisico in die tijd voor deze gemeenten (alhoewel Broechem op de rechterkaart nog steeds 9.38% kankersterfte vertoont).

  • Veranderende registratie- en classificatiepraktijken

De registratiemethodes van doodsoorzaken veranderden doorheen de tijd. In het begin van de 20ste eeuw was het vaak aan familie, vrienden of buren om de doodsoorzaak te melden bij de gemeentelijke instanties, bij gebrek aan dokters. Volgens de Belgische overheid was er in 1910 in 59% van de 2.629 gemeenten geen dokter aanwezig.

Uit een analyse van de doodsoorzakenregisters blijkt dat kanker in deze periode zelden werd gemeld, niet noodzakelijk omdat de ziekte afwezig was, maar wel omdat deze niet altijd als dusdanig werd geregistreerd of herkend. Bij de registratie gebruikten familie en buren vaak algemene termen zoals ‘ouderdom’ in plaats van gespecialiseerde medische termen zoals ‘kanker’ of ‘carcinoom’. Bovendien werden gevallen van kanker ook regelmatig geclassificeerd onder restcategorieën en ‘niet- of slecht gedefinieerde ziekten’ (een aanwas van de maag, een borstaandoening, … ).

Deze historische registratiepraktijken beïnvloeden de gegevens die we kunnen gebruiken voor kaartanalyses. Door betere diagnose- en registratietechnieken in de loop van de 20ste eeuw konden meer overlijdens als kanker worden geïdentificeerd. Tot 1951 werden gegevens over verschillende types kanker (zoals long-, borst-, maagkanker) op nationaal niveau nauwelijks of niet bijgehouden. In het Antwerpse doodsoorzakenregister werden deze echter wel geregistreerd, wat de gegevens uit deze bronnen bijzonder waardvol maakt voor het verder onderzoek van Philippe. Met de verbetering van de diagnose van kanker zien we een gestage afname van de andere categorieën.

Figuur 3 Evolutie van het procentueel aantal sterfgevallen door  ‘kanker’, ‘ouderdom’ en ‘niet of slecht gedefinieerde ziekten’ in België, 1903-1991. Bronnen : Le Mouvement de la Population et de l’Etat Civil, België 1903-1971 & Demobel 1976-1991.

Bijzonder is dat kankerdoden mogelijk minder werden geregistreerd vanwege privacyoverwegingen. Historisch gezien, rustte er wellicht een taboe op de ziekte. Dit veranderde duidelijk vanaf 1954, toen de registratie van doodsoorzaken door artsen geanonimiseerd werd wat een toename in de rapportage van kankersterfte tot gevolg had. In Oost-Vlaanderen gebeurde deze praktijk al vanaf de jaren 1930, wat mogelijk de vroegere stijging van geregistreerde kankergevallen in die provincie verklaart.

  • Beschikbaarheid en vergelijkbaarheid van gegevens

In het onderzoek van Philippe worden gegevens steeds relatief weergegeven : als percentage (van de totale sterfte), of als bruto sterftecijfer (ten opzichte van het bevolkingscijfer). Het probleem is dat deze indicatoren geen rekening houden met de leeftijdsstructuur en samenstelling van de bevolking. Als oplossing hanteren demografen daarom vaak gestandaardiseerde cijfers. Standaardisatiemethoden worden veel gebruikt om sterftecijfers van verschillende bevolkingen met elkaar te vergelijken, waarbij correcties voor de leeftijdsopbouw van de bevolking worden aangebracht. Dit voorkomt dat verschillen tussen tijdsperioden en regio’s worden vertekend door demografische ontwikkelingen, en biedt een betrouwbaarder zicht op lange termijntrends.

Als voorbeeld staan hieronder vier kaarten voor de jaren 1969-1970-1971 die gebaseerd zijn op exact dezelfde informatie, maar telkens een andere indicator van mortaliteit tonen: linksboven het aantal slachtoffers van kanker in percentages, rechtsboven in bruto sterftecijfers, en links- en rechtsonder in gestandaardiseerde cijfers.

Figuur 4 : Kaarten gebaseerd op percentages (linksboven), op bruto sterftecijfers voor kanker (rechtsboven), en op gestandaardiseerde cijfers (de kaarten onderaan zijn gebaseerd op dezelfde data en methode, maar worden op een alternatieve manier voorgesteld).

Standaardisatie vereist gedetailleerde gegevens uit meerdere bronnen, die jammer genoeg niet altijd beschikbaar of bewaard zijn. Vooral de leeftijdsstructuur van de gemeenten in de vroege 20ste eeuw (uitgezonderd die voor de grote steden) was een uitdaging. Hierdoor moest het INEQKILL-team creatieve oplossingen bedenken. Voor de jaren en plaatsen zonder leeftijdsstructuur, gebruikten ze de gegevens van de arrondissementen die ze vervolgens projecteerden op de gemeenten. Een kunstmatige ingreep, maar één die verduidelijkend werkte.

Conclusie

De bruto sterftecijfers en percentages die Philippe heeft berekend, wijzen in het algemeen op belangrijke regionale verschillen in kankersterfte. In de loop van de twintigste eeuw verschoof het zwaartepunt van de hoogste bruto sterftecijfers en percentages van kanker van het zuiden van België naar het noorden.

Tot ver in de 20ste eeuw waren de gebieden met de hoogste kankersterftecijfers, zoals verwacht, vooral sterk geïndustrialiseerde en/of verstedelijkte gebieden zoals rond Antwerpen, Gent en Luik. Mogelijke oorzaken zijn de blootstelling aan carcinogene of kankerverwekkende stoffen in industriegebieden, en meer en betere medische faciliteiten in de steden, wat ook leidt tot betere registratiepraktijken.

De gestandaardiseerde cijfers schetsen echter een genuanceerder beeld, met opvallende clusters van kankerdoden aan beide kanten van de taalgrens. Opmerkelijk is dat in de eerste helft van de twintigste eeuw hoge cijfers niet enkel te vinden zijn rond industriegebieden en in de steden, maar ook in diverse rurale gebieden verspreid over België, zoals in de arrondissementen Ieper, Diksmuide, Eeklo, Ath en Waremme.

Het ontrafelen van deze paradox is onderdeel  van Philippes verdere onderzoek, waar hij kankersterfte zal onderzoeken in relatie tot diverse socio-economische indicatoren op arrondissementsniveau (zoals alfabetiseringsgraad, welvaart, medicalisering, etc.).Later dit jaar zal Philippe ook aan de slag gaan met de doodsoorzakenregisters van Antwerpen. Hij is niet alleen geïnteresseerd in het profiel van de slachtoffers van kanker, maar ook naar de overgang van voornamelijk infectie-gerelateerde kankers (zoals lever-, darm-, en baarmoederhalskanker) naar niet-infectiegerelateerde kankers (long-, borst-, prostaatkanker) in de 20ste eeuw.

Wie het onderzoek van Philippe en collega’s in detail wil nalezen, kan dat hier:

Philippe Paeps, Isabelle Devos, Sylvie Gadeyne, Sven Vrielinck en Torsten Wiedemann, « Tracing the tumors: navigating challenges in mapping cancer trends across twentieth-century Belgium », Espace populations sociétés 2024. URL : http://journals.openedition.org/eps/14597; DOI : https://doi.org/10.4000/12tpv