Statistische Datenanalyse

Die statistische Analyse zur Beantwortung der Fragestellungen für die Kinder in Baden-Württemberg teilt sich in drei Schritte auf. Zunächst wird die Stichprobe beschrieben und ihre Repräsentativität gegenüber der restlichen Stichprobe aus der Baden-Württemberg-Studie untersucht. Anschließend folgen deskriptive Analysen der Sitzdauer und Überprüfungen der Gruppenunterschiede sowie der Zusammenhänge mit den zuvor genannten Faktoren dieser Kinder. Schließlich wird auch die Bildschirmzeit deskriptiv dargestellt, bevor die zuvor genannten Gruppenunterschiede und Anteile der Bildschirmzeit sowie der Zusammenhang der Bildschirmzeit mit der Sitzdauer untersucht werden.

2.2.7.1 Stichprobenbeschreibung und Vergleich der Repräsentativität

Zunächst wird die Stichprobe mit 231 Datensätzen deskriptiv untersucht, um sie anhand ihrer Basismerkmale (Geschlecht, Alter, Migration, Haushaltseinkommen, etc.) zu beschreiben. Dabei wird die Kohorte mit der restlichen Stichprobe (n = 1749) aus der Baden-Württemberg Studie verglichen und Unterschiede bezüglich der Basismerkmale überprüft. Auf diese Weise soll die Repräsentativität der Kohorte für die Gesamtheit der Kinder aus Baden-Württemberg Studie explorativ beurteilt werden. Für die Vergleiche der beiden unabhängigen Stichproben (Stichprobe vs. Reststichprobe) werden bei kategorialen Variablen Chi²-Tests verwendet. Um für metrische Variablen den Test zu wählen, werden diese zunächst anhand des Kolmogorov-Smirnov-Tests auf Normalverteilung geprüft.

Wenn eine Normalverteilung nicht abgelehnt werden kann, werden die Unterschiede intervallskalierter Daten anhand von t-Tests untersucht. Insofern nicht von einer Normalverteilung ausgegangen werden kann, wird das nichtparametrische Äquivalent, der Mann-Whitney-U-Test verwendet. Da hier viele Basismerkmale beider Stichproben miteinander verglichen werden und es sich hier um einen explorativen Vergleich handelt wird keine Adjustierung für multiples Testen eingesetzt. Das Signifikanzniveau wird dabei jeweils auf p ≤ 0,05 festgesetzt.

2.2.7.2 Tägliche Sitzdauer

Zunächst wird die intervallskalierte Variable Sitzdauer der 231 Grundschulkinder aus Baden-Württemberg deskriptiv untersucht. Für jeden Studienteilnehmer wird über die gesamte Messzeit sowie für vorhandene Tage vom Wochenende und Wochentage jeweils die mittlere Sitzdauer bestimmt. Diese berechneten einzelnen Mittelwerte der Kinder bilden die Grundlage für die Analyse der täglichen Sitzdauer für die untersuchten Gruppen (Geschlecht, Migration, Gewicht etc.), aus denen u.a. Mittelwerte und Standardabweichungen für den Gruppenvergleich ermittelt werden. Danach werden alle drei Variablen der Sitzdauer (Gesamt, Wochenende, Woche) mittels des Kolmogorov-Smirnov-Tests auf Normalverteilung untersucht. Nachdem der Test kein signifikantes

43 Ergebnis erzielte, wird für die mittlere tägliche Sitzdauer eine Normalverteilung angenommen.

Für die Identifikation von Risikogruppen bzw. Risikofaktoren bezüglich der Sitzdauer werden Unterschiede anhand der ausgewählten Einflussfaktoren (Geschlecht, Migration, Gewicht, Aktivitätslevel, Haushaltseinkommen, Bildungsstand der Eltern, Wochentag) untersucht. Die Literaturarbeit zeigt eindeutige Evidenz für den Zusammenhang der Sitzdauer mit dem Alter (Stierlin et al., 2015). Das Alter wird hier allerdings aus den Analysen ausgeschlossen, da 94,4 Prozent der Kinder sechs oder sieben Jahre alt waren.

Anhand der geringen Streuung werden hier keine aussagekräftigen Erkenntnisse erwartet.

Für die Analyse der Gruppenunterschiede werden die Mittelwerte der täglichen Sitzdauer innerhalb der Gruppen (Geschlecht, Migrationshintergrund, Aktivitätslevel) jeweils anhand von t-Tests für unabhängige Stichproben durchgeführt. Zur Testung des Gewichtsstatus, des Haushaltseinkommens und des Bildungsstandes der Eltern wird eine einfaktorielle Varianzanalyse (ANOVA) herangezogen. Insofern signifikante Ergebnisse durch die Varianzanalyse vorliegen, wird der Bonferroni-Test verwendet, um die Unterschiede zwischen den Gruppen paarweise weiter zu überprüfen. Für den Vergleich der Messwerte zwischen Wochentag und Wochenende wird der gepaarte t-Test genutzt.

Alle Zusammenhänge der eingeschlossenen Faktoren (Geschlecht, Migrationsstatus, Haushaltseinkommen, Bildungsstand der Eltern, Gewichtsstatus, Aktivitätsniveau, Wochentag) mit der gesamten täglichen Sitzdauer werden zunächst jeweils univariat mittels einer Korrelation untersucht. Dabei wird der Korrelationskoeffizient nach Pearson bei metrischen (Aktivitätsminuten, Gewicht) und nach Spearman bei ordinalskalierten Variablen (Einkommen, Bildungsniveau) bzw. dichotomen (Geschlecht, Aktivitätsniveau) berechnet. Danach wird eine multiple lineare Regression mit der täglichen Sitzdauer als abhängige Zielgröße durchgeführt, welche für Geschlecht und Gewicht adjustiert wird. Für das Regressionsmodell werden vor allem Basismerkmale als Einflussgrößen berücksichtigt, die bereits in der Literaturarbeit untersucht wurden (Geschlecht, Migrationshintergrund, Gewicht, Faktoren des sozioökonomischen Status). Damit soll die Übertragbarkeit der Literaturergebnisse auf die Stichprobe mit deutschen Grundschulkindern untersucht werden. Darüber hinaus soll die körperliche Aktivität als modifizierbarer Faktor berücksichtigt werden, in dem Modell dargestellt durch die leichte körperliche Aktivität (LPA) und die moderate bis intensive körperliche Aktivität (MVPA). Die Variable zum Erreichen der WHO Empfehlungen (dichotomes Aktivitätsniveau) wird vor dem Hintergrund der bevorzugten metrischen Variablen (LPA, MVPA) im Regressionsmodell vernachlässigt. Für den Einschluss der leichten körperlichen Aktivität (LPA) und der moderaten bis intensiven körperlichen Aktivität (MVPA) in das Regressionsmodell wird vorab die Abhängigkeit dieser beiden Variablen anhand einer Korrelation (nach Pearson) untersucht. Insofern ein deutlicher Zusammenhang bestünde, würden zwei getrennte Modelle erstellt werden. Die durch das Regressionsmodell erklärende Varianz für die tägliche Sitzdauer der Kinder wird anhand des korrigierten Regressionskoeffizienten im Quadrat (R²) angegeben. Das Signifikanzniveau wird auch für die Analysen der Sitzdauer auf p ≤ 0,05 festgesetzt.

2.2.7.3 Bildschirmzeit

Da nicht von allen Kindern Angaben zur Berechnung der Bildschirmzeit vorhanden sind, liegt für diese Analyse, wie in Kapitel 2.2.1.5 bereits erläutert, eine etwas kleinere

44 Stichprobe vor (n = 198, fehlend = 33). Alle Variablen werden nochmals mit dem Kolmogorov-Smirnov-Test auf Normalverteilung untersucht. Sowohl für die Bildschirmzeit als auch für die Prozentanteile der Bildschirmzeit an der Sitzdauer erreichte das Testergebnis Signifikanz, weshalb keine Normalverteilung dieser beiden Variablen angenommen wurde. Um dennoch die Voraussetzungen für parametrische Testungen zu erfüllen, werden diese beiden Variablen logarithmiert. Dieses Vorgehen wird gewählt, um eine bessere Vergleichbarkeit der Ergebnisse zur Bildschirmzeit mit den vorangegangenen Resultaten der Sitzdauer, aber auch mit anderen Studien zu ermöglichen. Auch die Bildschirmzeit wird zunächst deskriptiv anhand von Mittelwerten und Standardabweichungen untersucht und beschrieben. Ebenso wird die Sitzdauer mit dem kleineren Datensatz erneut deskriptiv analysiert, um diese in Relation zur Bildschirmzeit korrekt analysieren zu können.

Analog zum Analyseverfahren der täglichen Sitzdauer werden, nachdem normalverteilte Daten vorliegen, zur Identifikation von Risikogruppen mit langer Bildschirmzeit und der Darstellung des Anteils der Bildschirmzeit an der gesamten Sitzdauer die Unterschiede der Dauer, sowie des prozentualen Anteils der Bildschirmzeit nach Geschlecht, Migration und Aktivitätslevel (aktiv vs. inaktiv) mit dem t-Test bzw. dem gepaarten t-Test (Wochentage vs.

Wochenendtage) geprüft. Die Gruppenunterschiede für Variablen mit drei oder mehr Ausprägungen (Länge der Sitzdauer, Gewichtsstatus, Haushaltseinkommen, Bildungsstand der Eltern) werden anhand einer einfaktoriellen Varianzanalyse (ANOVA) untersucht. Insofern signifikante Ergebnisse durch die Varianzanalyse vorliegen, wird der Bonferroni-Test verwendet, um die Unterschiede zwischen den Gruppen paarweise weiter zu überprüfen.

Schließlich wird auch der Zusammenhang der Bildschirmzeit in Minuten mit der täglichen Sitzdauer in Minuten mittels des Pearson Korrelationskoeffizienten insgesamt, am Wochenende und unter der Woche untersucht. Darüber hinaus wird dieser Zusammenhang ebenfalls anhand des Pearson Korrelationskoeffizienten innerhalb der jeweiligen untersuchten Gruppen einzeln überprüft, d.h. für Mädchen bzw. Jungen, für Kinder mit bzw.

ohne Migrationshintergrund, für aktive bzw. inaktive Kinder, für Kinder mit geringer, mittlerer bzw. langer Sitzdauer, getrennt nach Bildungsniveau (primär, sekundär, tertiär) und nach den Stufen des Haushaltseinkommens, sowie getrennt innerhalb der drei Gewichtsgruppen (Unter-, Normal-, bzw. Übergewicht und Adipositas). Anhand einer multiplen linearen Regression, welche für Geschlecht und Gewicht adjustiert ist, werden die Zusammenhänge der Sitzdauer mit den signifikanten Variablen aus dem ersten Regressionsmodell der Einflussfaktoren und ergänzt um die Bildschirmzeit untersucht. Außerdem soll der Zusammenhang der Bildschirmzeit mit der täglichen Sitzdauer auch innerhalb der drei Gruppen mit langer, mittlerer und geringer Sitzdauer anhand einer adjustierten Regression durchgeführt werden, da diese besonders wichtige Interessensgruppen für die Fragestellung darstellen. Die erklärende Varianz der Regressionsmodelle wird anhand des korrigierten Regressionskoeffizienten im Quadrat (R²) angegeben. Das Signifikanzniveau wird für die Analysen der Bildschirmzeit auch bei p ≤ 0,05 festgesetzt.

Alle Berechnungen wurden mit dem Statistikprogramm von IBM „SPSS Statistics“

durchgeführt (IBM Corp. Released 2012. IBM SPSS Statistics for Windows, Armonk, NY:

IBM Corp). Dabei wurden Ergebnisse, die auch in den bereits publizierten Artikeln zu finden sind, mit den Versionen 21 und 25 generiert. Für darüberhinausgehende Analysen wurde die aktuelle Version 26 verwendet.

45