BorgerundersøgelseEpidemiologisk studie · Amager / CPH
Lufthavnen & dit helbred
Hjælp med at dokumentere sammenhængen mellem din afstand til lufthavnen og de symptomer du oplever. Alle svar er anonyme og opdateres i realtid.
Du har allerede besvaret undersøgelsen - tak!
Se resultater
Inden du svarer - læs dette først
Dette er en borgerdrevet epidemiologisk undersøgelse, der undersøger, om der er en sammenhæng mellem nærhed til CPH Lufthavn og de helbredsgener beboere oplever. Spørgeskemaet er udviklet af Jakob Terkelsen, digital designer og fullstack-udvikler, der til dagligt udarbejder digitale løsninger for Aarhus Kommune. Spørgeskemaet er udarbejdet i samarbejde med læge Lise Hornung, cand.scient.san.publ. Enrika L. Østergård samt ph.d. i folkesundhed og epidemiolog Marie Villumsen - og bygger på den samme metode som en lignende undersøgelse ved Prøvestenen, der viste et klart og reproducerbart eksponerings-respons-mønster.
Sådan fungerer det: Jo flere, der svarer, jo stærkere bliver evidensen. Dine svar indgår i en statistisk analyse, der ser på om symptomerne er hyppigere og mere alvorlige jo tættere man bor på lufthavnen. Det er præcis det mønster - kaldet en biologisk gradient - der er et af de stærkeste epidemiologiske signaler for ægte årsagssammenhæng.
Tidsforbrug
Ca. 3–5 minutter
Anonymitet
Zone + retning gemmes
Præcision
Kun zone + retning gemmes
Hvad du skal tænke på: Angiv kun gener og symptomer du regelmæssigt oplever, og som du selv mistænker har sammenhæng med lufthavnen - det kan være støj, lugt, luftkvalitet eller en kombination. Kroniske diagnoser skal kun angives hvis de opstod efter du flyttede til området. Er du ansat i lufthavnen, er du også meget velkommen - klik blot på lufthavnsområdet på kortet.
Datasikkerhed og samtykke - læs venligst:
Ved at indsende dit svar accepterer du følgende vilkår:
Hvad gemmes: Afstandszone (fx "3–5 km"), vindretning (én af 8 verdenshjørner), aldersgruppe, rygestatus, trafikeksponering og de symptomer og diagnoser du angiver. Dit præcise klik på kortet gemmes ikke.
Delt, offentligt tilgængeligt datasæt: Data stilles frit tilgængeligt, så andre forskere, journalister og myndigheder kan foretage egne analyser. Det kan ikke udelukkes, at en person med kendskab til din specifikke sygdomshistorik - i kombination med din omtrentlige zone og retning - i meget sjældne tilfælde vil kunne gætte, hvem der har besvaret. Risikoen er lille, men ikke nul. Vurderer du at din sygdomshistorik er usædvanlig nok til at udgøre en identifikationsrisiko, opfordres du til at undlade at angive kroniske diagnoser, eller til ikke at deltage.
Ingen kommerciel brug: Data bruges udelukkende til epidemiologisk forskning og offentlig formidling.
Din placering *
Klik på kortet for at markere din omtrentlige bopæl. Det præcise klik gemmes ikke - kun afstandszone og retning registreres.
Klik på kortet for at angive det valgte område
Baggrundsinformation *
Hvorfor spørger vi om alder? Risikoen for kræft, hjerte-karsygdomme og indberetning af symptomer stiger med alderen - alder er en af de stærkeste confoundere i epidemiologi. Aldersgruppen bruges til at stratificere analyserne (fx separat gradient for <46 år vs. ≥46 år), så vi kan teste om afstandsmønsteret består når aldersfordelingen kontrolleres.
Støjgener og -symptomer fra lufthavnen
Markér de gener og symptomer du oplever regelmæssigt (mindst månedligt), og som du vurderer, skyldes flystøj
Symptomer
Gener og adfærdspåvirkning
Hvor generet er du samlet set af flystøj? (0 = slet ikke, 10 = ekstremt)*
010?
↑ Flyt slideren for at besvare
Tilføj evt. andre støjrelaterede symptomer eller gener som du oplever ifm. flystøj
Luftkvalitet og lugtgener
Markér de gener og symptomer du oplever regelmæssigt (mindst månedligt) og vurderer skyldes luftforurening eller lugt fra lufthavnen
Symptomer
Gener og adfærdspåvirkning
Hvor generet er du samlet set af lugt og luftforurening fra lufthavnen? (0 = slet ikke, 10 = ekstremt)*
010?
↑ Flyt slideren for at besvare
Tilføj evt. andre symptomer eller gener relateret til luftforureningen
Psykosocial belastning og livskvalitet
Markér påvirkninger på din trivsel og dagligdag du direkte tilskriver at bo i nærheden af lufthavnen
Adfærd og medicinbrug
Gener og adfærdspåvirkning
Tilføj evt. anden psykosocial påvirkning som følge af støj eller luftforurening
Du er registreret som ansat i lufthavnsområdet. For ansatte er kun alder, rygning og kroniske diagnoser relevante - spørgsmål om boligstøj, luftgener og eksponeringstidslinje vises ikke. Kroniske diagnoser nedenfor er særligt vigtige for undersøgelsen.
Kroniske og alvorlige sygdomme
Angiv kun lægediagnosticerede tilstande hos dig eller hjemmeboende familiemedlemmer der opstod efter I flyttede hertil, og som du mistænker kan have sammenhæng med luftkvalitet, støj eller luftforurening fra lufthavnen.
Hjerte-kar (stærkest epidemiologisk evidens)
Luftveje
Kræft (diagnosticeret efter flytning hertil)
Øvrige
Tilføj anden relevant diagnose
Eksponeringstidslinje *
Flystøj
Luftforurening og lugtgener
Noget gik galt. Tjek din forbindelse og prøv igen.
Alle svar er anonyme - ingen personoplysninger gemmes
Tak for dit bidrag
Du er med til at skabe evidensbaseret dokumentation til brug over for myndighederne.
Datagrundlag: Alle besvarelser med gyldig zone og retning.
Inkluderet: beboere i 1,25–25 km, ansatte i 0–1,25 km (vises som grøn zone).Ekskluderet: svar uden zone eller retning.
Cirklernes størrelse = antal besvarelser. Farven går fra blå (få symptomer) til rød (mange). Et klart mønster med rødere cirkler tæt på lufthavnen er stærkt kausalitetsbevis.
Symptombyrde vs. afstand
Analyse 2 - Dosis-respons
Datagrundlag: Beboerrespondenter opdelt på de 5 afstandszoner.
Inkluderet: beboere (1,25–25 km).Ekskluderet: ansatte (0–1,25 km).
Gennemsnitligt antal rapporterede symptomer pr. person opdelt på afstandszone. Et systematisk fald fra venstre mod højre er det klassiske eksponerings-respons-signal.
Symptomer pr. retning - 1–5 km
Analyse 3
Data: kun beboere i 1,25–5 km (nærzonen), gns. symptomtælling pr. retning.
Højere forekomst af symptomer i områder, der oftere er placeret i vindretningen fra lufthavnen, indikerer luftbåren forurening frem for blot støj.
Obs. om retningsfordelingen: Analysen er begrænset til en radius på 1–5 km. Der forventes få eller ingen svar fra syd til nordøst (SØ, Ø, NØ, N) da det primært er Øresund og Sverige - her bor meget få respondenter.
Alvorlighed vs. afstand
Data: beboere der har besvaret slider for støj/luft (ICBEN 0–10).
Selvvurderet gennemsnitsalvorlighed pr. afstandszone.
Symptomer vs. bopælsvarighed og afstand
Analyse 2b - Varighed × afstand
Datagrundlag: Beboerrespondenter krydstabuleret på afstandszone og hvor længe de har boet i området; hver søjle er gns. antal kliniske symptomer pr. person i cellen.
Inkluderet: beboere (1,25–25 km) med angivet bopælsvarighed.Ekskluderet: ansatte; celler uden svar vises som "-".
Kombinerer to eksponeringsmål: hvor tæt man bor på lufthavnen og hvor længe man har boet der. Hvis både kortere afstand og længere bopælstid (større kumuleret eksponering) hænger sammen med flere symptomer, styrker det dosis-respons-fortolkningen.
Beregningsgrundlag - gennemsnit og n pr. celle
Kronisk sygdom og kræft vs. afstand
Analyse 4 - Kronisk morbiditet
Datagrundlag: Andel af respondenter pr. zone med ≥1 lægediagnosticeret kronisk tilstand opstået efter flytning hertil.
Inkluderet: beboere med ≥2 års bopæl (kronisk-spørgsmålet vises kun for disse).Ekskluderet: ansatte; beboere med <2 års bopæl.
Andel af respondenter med mindst én kronisk diagnose (inkl. kræft) pr. afstandszone.
Lægediagnosticerede sygdomme - opstået efter flytning til området
Alle respondenter
Datagrundlag: Alle besvarelser (beboere + ansatte) der har angivet ≥1 kronisk diagnose opstået efter flytning hertil.
Inkluderet: beboere ≥2 år + alle ansatte.
Alle angivne tilstande er lægediagnosticerede og opstod efter flytning til denne adresse. Lungekræft, hjertesygdom og slagtilfælde er de stærkest evidensbaserede endpoints for kronisk støj- og luftforureningseksponering (WHO, HYENA-studiet, Health Effects Institute). Selv 1–2 % udgør en markant overrepræsentation: den alderstandardiserede baggrundsrate for lungekræft i Danmark er ~0,15 % pr. år - enhver koncentration i et geografisk defineret nærområde er et alvorligt signal.
KræftHjerte-karLuftvejeØvrige
Symptomhyppighed - beboere
Kun kliniske symptomer
Datagrundlag: Beboerrespondenter, kun symptom-mærkede items (ikke adfærdsgener).
Inkluderet: beboere (1,25–25 km), kliniske symptomer fra støj/luft/psyko.Ekskluderet: ansatte; adfærds-/genepåvirkning (vises separat nedenfor).
Andel af beboerrespondenter der rapporterer hvert symptom. Disse tal indgår i Bradford Hill-beregningerne.
StøjLuftforureningPsykosocialt
Signatursymptomer - det der gør fundet unikt
Specificitet
Datagrundlag: Andel af beboere der rapporterer specifikke fysiologiske symptomer, opdelt på nær- og fjernzone.
Inkluderet: beboere; nær = 1,25–5 km, fjern = 7,5–25 km.Ekskluderet: ansatte; mellemzone (5–7,5 km).
Generel støjgene er uspecifik. Fysiologiske symptomer som hovedpine og kvalme er langt mere specifikke for en reel sundhedspåvirkning fra luftbåren forurening - og det er deres overrepræsentation tæt på lufthavnen, der gør undersøgelsens fund usædvanligt.
Generhyppighed - beboere
Adfærdspåvirkning
Datagrundlag: Beboerrespondenter, kun adfærds-/gener-mærkede items.
NB: indgår ikke i Bradford Hill-beregningerne - vises kun for at belyse den samlede belastning.
Andel der rapporterer adfærdsmæssige og sociale konsekvenser (gener).
StøjLuftforureningPsykosocialt
Hvornår begyndte generne? - gennemsnit pr. afstandszone
Datagrundlag: Beboere der har angivet et debut-årstal for støj og/eller luft/lugt.
Ekskluderet: svar med "Oplever ingen mærkbare gener" og "Husker ikke præcist".
Gennemsnitligt årstal for debut af gener, opdelt på afstandszone. Hvis lufthavnens påvirkning breder sig udad over tid - i takt med stigende trafik, nye ruter og ændrede flyveveje - forventes det inderste bælte at have det tidligste gennemsnitsår, og tallene stiger gradvist ud mod periferien.
Statistisk analyse (beboere)
Metodologisk note - klik for at læse inden fortolkning
Udvalgsbias: Selvvalgt sample - respondenter med stærke symptomer er sandsynligvis overrepræsenterede. Ansatte ekskluderet: Besvarelser markeret som ansatte (eller fra 0–1,25 km-zonen) indgår ikke i beboeranalyserne. Hvad analysen KAN vise: Dosis-respons-mønstre er robuste overfor udvalgsbias. Hvad analysen IKKE kan bevise: Kausalitet alene. Brug resultaterne som argument for en officiel undersøgelse.
1. Dosis-respons-analyse
Datagrundlag: Beboerrespondenter, opgjort som andel med ≥1 klinisk symptom pr. afstandszone.
Inkluderet: beboere (1,25–25 km).Ekskluderet: ansatte; adfærdsgener tæller ikke som symptom.
Bradford Hill-kriterierne kræver en klar biologisk gradient: symptomraten bør stige proportionalt med eksponering (kortere afstand = højere eksponering).
2. Lineær gradient - alle zoner
Datagrundlag: Vægtet lineær regression - én observation pr. zone (rate, n, midpunkts-afstand), vægtet med n.
Inkluderet: alle beboerzoner med n ≥ 1.
Modellen tilpasses på form: rate(d) = β₀ + β₁·d. En negativ hældning og høj R² bekræfter et stærkt dosis-respons-signal på tværs af alle afstandszoner - ikke blot de to yderste.
3. Odds Ratio (OR) med 95 % Konfidensinterval
Datagrundlag: 2×2-krydstabel (eksponeret/ueksponeret × symptom/ingen symptom) på nærzonen (1,25–5 km) vs. fjernzonen (7,5–25 km) - samme tabel som χ²-testen i analyse 4.
Inkluderet: beboere i nær- (1,25–5 km) og fjernzonen (7,5–25 km).Ekskluderet: ansatte; mellemzonen (5–7,5 km) udelades for at undgå "wash-out".Mål: Odds Ratio er det korrekte statistiske mål for tværsnitsundersøgelser - se forklaring i tolkningsfeltet nedenfor.
Sammenligner symptom-odds i nærzonen (1,25–5 km) med fjernzonen (7,5–25 km).
-
Odds Ratio (OR)
-
95 % KI nedre
-
95 % KI øvre
Beregner…
Beregningsgrundlag og formel
4. Statistisk signifikanstest (χ²)
Datagrundlag: Pearsons χ²-test for uafhængighed på 2×2-tabel.
Inkluderet: beboere i nær (1,25–5 km) og fjern (7,5–25 km).Ekskluderet: mellemzone (5–7,5 km) - anvendes kun i regressionen for at undgå "wash-out".
H₀: Ingen sammenhæng | Hₐ: Signifikant sammenhæng (α = 0,05) | Nær = 1,25–5 km, Fjern = 7,5–25 km
Hvad er en confounder? En confounder er en bagvedliggende faktor, der både hænger sammen med eksponeringen (afstand til lufthavnen) og med symptomerne - og som derfor kan skabe et falsk signal. Eksempel: er beboere tæt på lufthavnen ældre, kunne flere symptomer skyldes alder frem for forureningen. Vi justerer derfor for alder, rygning og vejtrafikstøj.
Metode: Del A pooler nær-vs-fjern odds ratio inden for strata (Mantel-Haenszel). Del B genberegner afstandsgradienten i hver undergruppe.Ekskluderet: ansatte; pr. analyse også respondenter uden svar på den relevante baggrundsvariabel.
A · Justeret odds ratio (Mantel-Haenszel)
Her sammenlignes den ujusterede odds ratio (symptomer nær vs. fjern lufthavnen) direkte med den justerede - dvs. den samme sammenligning beregnet separat inden for hvert lag af confounderen og derefter vejet sammen. Det viser sort på hvidt, om effekten holder, efter der er justeret.
B · Afstandsgradient pr. undergruppe (stratificeret)
Som supplement genberegnes hele afstandsgradienten (hældning %/km) separat i hver undergruppe. Består den negative gradient - også blandt aldrigrygere, yngre/ældre og dem uden vejtrafikstøj - er confounding fra disse faktorer usandsynlig.
Om undersøgelsen
Dette er en borgerdrevet epidemiologisk undersøgelse med formål om at undersøge en mulig sammenhæng mellem eksponering for støj og luftforurening fra lufthavnen og de symptomer beboere oplever.
Undersøgelsen er udarbejdet af Jakob Terkelsen, digital designer og fullstack-udvikler hos Aarhus Kommune, i samarbejde med læge Lise Hornung samt cand.scient.san.publ. Enrika L. Østergård og ph.d. i Folkesundhed og Epidemiologi Marie Villumsen. Jakob har udført en lignende undersøgelse ift. luftforureningen omkring Prøvestenen, der viste et klart og reproducerbart eksponerings-respons-mønster - det klassiske epidemiologiske signal for kausal sammenhæng.
Fire analytiske søjler er designet ind: (1) geografisk klyngning tæt på lufthavnen, (2) systematisk symptomfald med stigende afstand (lineær gradient), (3) korrelation med vindretning for luftbårne stoffer, og (4) overrepræsentation af kronisk sygdom og kræft hos naboerne.
Anonymitet
Der gemmes ingen personhenførbare oplysninger. Klikket på kortet bruges kun lokalt til at beregne afstand og retning, hvormed det kun er afstandsinterval og retning der gemmes.
Teknisk opsætning
GitHub Pages + Firebase Firestore. Koden og metoden er open source, og kan tilgås på GitHub