A Network Analysis of Built Environment Features and Depressive Symptoms over an 18-year period

Eine 18-jährige Netzwerkanalyse an über 10.000 Frauen in Bristol zeigt, dass zwar einzelne bauliche Umweltmerkmale nur schwach mit depressiven Symptomen verbunden sind, ein kombinierter Faktor aus diesen Merkmalen jedoch kurz- bis mittelfristig signifikant mit depressiven Beschwerden assoziiert ist, dieser Effekt jedoch über einen Zeitraum von 18 Jahren nicht stabil bleibt.

Das Wesentliche

Städtebau und trübe Gedanken: Eine 18-jährige Reise durch Bristol

Stellen Sie sich vor, Ihre Stadt ist wie ein riesiges, komplexes Organismus, und Ihre Stimmung ist wie das Wetter, das sich über diesem Organismus verändert. Die Frage, die sich die Forscherinnen in dieser Studie stellten, war: Welche Teile dieses städtischen Organismus machen uns eigentlich unglücklich?

Hier ist die Geschichte der Studie, einfach erklärt:

1. Das große Rätsel: Ist es die Dichte oder der Park?

Schon lange wissen wir, dass das Leben in der Stadt manchmal mit Depressionen zusammenhängt. Aber die Wissenschaft war sich uneinig: Ist es die hohe Bevölkerungsdichte (zu viele Menschen auf engem Raum), die uns stresst? Oder ist es der Mangel an Grünflächen? Oder vielleicht die Verkehrslärm?

Bisher haben Forscher oft nur einen Faktor isoliert betrachtet – wie einen einzelnen Schraubenschlüssel, um ein ganzes Uhrwerk zu reparieren. Die Idee war: „Wenn wir nur die Grünflächen erhöhen, wird alles besser."

Diese Forscherinnen dachten sich jedoch: „Nein, eine Stadt ist wie ein riesiges Spinnennetz. Alles hängt mit allem zusammen." Sie wollten nicht nur einen Faden ziehen, sondern das ganze Netz untersuchen.

2. Die Detektive und ihr 18-jähriger Fall

Die Forscherinnen (Faye Sanders, Lucy Waldren, Vilte Baltramonaityte und Esther Walton) nutzten Daten von über 10.000 Frauen in Bristol, Großbritannien. Sie haben über einen Zeitraum von 18 Jahren hinweg geschaut, wie sich die Wohnorte dieser Frauen veränderten und wie sich ihre Stimmung entwickelte.

Sie stellten sich drei Fragen:

1. Wie hängen die verschiedenen Stadtmerkmale (Grün, Verkehr, Gebäude) untereinander zusammen?
2. Welches einzelne Merkmal macht uns am ehesten traurig?
3. Bleiben diese Zusammenhänge über die Jahre stabil, oder ändern sie sich?

3. Die überraschende Entdeckung: Der „Einzelkämpfer" vs. das „Team"

Das Ergebnis war eine echte Überraschung, fast wie bei einem Detektiv, der den Täter sucht, aber feststellt, dass es keinen einzelnen Täter gibt.

• Der Mythos vom Einzelnen: Als sie jeden einzelnen Faktor (z. B. nur „wie nah ist der nächste Park?" oder „wie laut ist der Verkehr?") für sich allein betrachteten, war der Zusammenhang mit Depressionen winzig klein. Es war, als würde man versuchen, ein riesiges Schiff mit einem einzelnen kleinen Paddel zu bewegen. Kein einzelner Faktor konnte die Stimmung der Menschen wirklich erklären.
• Die Wahrheit des Teams: Aber als sie die Stadtmerkmale als ein Team betrachteten – also das gesamte Bild aus Grünflächen, Verkehr, Gebäuden und Dichte zusammen – sah es anders aus.
  • Die Analogie: Stellen Sie sich vor, Sie essen einen Salat. Wenn Sie nur einen einzigen Gurkenschnitt probieren, schmeckt er vielleicht nicht nach viel. Aber wenn Sie den ganzen Salat mit Dressing, Tomaten und Käse zusammen essen, schmeckt er etwas Bestimmtes.
  • Die Studie zeigte: Es ist nicht ein Faktor, sondern die Kombination aller Faktoren, die unsere Stimmung beeinflusst. Ein „Stadt-Team" aus Grün, Ruhe und guter Erreichbarkeit wirkt sich positiv aus, während ein „Stadt-Team" aus viel Beton, Lärm und Stau negativ wirkt.

4. Die Zeitreise: Was bleibt, was geht?

Über die 18 Jahre hinweg beobachteten sie etwas Interessantes:

• Kurz- und mittelfristig (nach 4 Jahren) war dieser „Stadt-Effekt" noch spürbar.
• Aber nach 18 Jahren war dieser direkte Einfluss fast verschwunden.
• Die Metapher: Stellen Sie sich vor, Sie ziehen in ein neues Haus. Die Farbe der Wände (die Stadt) beeinflusst Ihre Stimmung am Anfang stark. Aber nach 18 Jahren sind andere Dinge wichtiger geworden: Ihre Familie, Ihre Arbeit, Ihre Gesundheit. Die Farbe der Wände verblasst im Vergleich zu diesen großen Lebensfaktoren.

5. Was bedeutet das für uns? (Die Lehre)

Die wichtigste Botschaft dieser Studie ist eine Nachricht an Stadtplaner und Politiker:

Hören Sie auf, nur an einem Schraubenschlüssel zu drehen!

Es bringt wenig, nur mehr Bäume zu pflanzen, wenn der Verkehr weiterhin chaotisch ist und die Wohnungen zu klein. Um die psychische Gesundheit der Menschen zu verbessern, müssen wir das ganze System betrachten. Wir brauchen Städte, die als Ganzes funktionieren:

• Nicht nur Grünflächen, sondern auch gute Wege.
• Nicht nur weniger Lärm, sondern auch soziale Treffpunkte.
• Ein ausgewogenes Ökosystem aus Beton und Natur.

Fazit:
Unsere Städte sind wie ein großes Orchester. Wenn nur die Geige (Grünflächen) spielt, aber die Trommeln (Verkehr) und die Bläser (Gebäude) schreien, entsteht kein schöner Klang, sondern ein Durcheinander. Um uns glücklicher zu machen, müssen wir das ganze Orchester stimmen, nicht nur ein einziges Instrument.

Die Studie zeigt uns also: Ein glückliches Leben in der Stadt entsteht nicht durch eine einzelne Wunderlösung, sondern durch das harmonische Zusammenspiel aller Elemente unseres städtischen Zuhauses.

Technische Zusammenfassung

Titel: Eine Netzwerkanalyse von Merkmalen der gebauten Umwelt und depressiven Symptomen über einen Zeitraum von 18 Jahren

Autoren: Faye Sanders, Lucy Waldren, Vilte Baltramonaityte, Esther Walton (Universität Bath, UK)

---

1. Problemstellung und Forschungsfrage

Die Urbanisierung gilt seit langem als Risikofaktor für psychische Erkrankungen, insbesondere Depressionen. Bisherige Forschung stützt sich jedoch häufig auf Einzelindikatoren (z. B. nur die Bevölkerungsdichte) als Proxy für die gesamte „städtische Umwelt" (Urbanicity). Dies ist problematisch, da die gebaute Umwelt aus komplexen, miteinander verflochtenen Faktoren besteht (z. B. Grünflächen, Fußgängerfreundlichkeit, Infrastrukturdichte).
Es ist unklar:

1. Ob spezifische Merkmale der gebauten Umwelt oder deren Kombination depressive Symptome antreiben.
2. Ob diese Assoziationen über die Zeit stabil bleiben.
3. Ob herkömmliche Regressionsanalysen, die direkte Beziehungen fokussieren, die systemischen Interaktionen zwischen Umweltfaktoren adäquat abbilden können.

Die Studie zielt darauf ab, diese Lücken durch eine Netzwerkanalyse zu schließen, die Interaktionen innerhalb eines Systems modelliert, und dies über einen 18-jährigen Längsschnitt hinweg zu untersuchen.

---

2. Methodik

Studiendesign und Stichprobe:

• Kohorte: Avon Longitudinal Study of Parents and Children (ALSPAC).
• Teilnehmer: 10.310 Frauen (Mütter), die in Bristol, UK, lebten.
• Zeitraum: Querschnitts- und Längsschnittdaten bei der Einschreibung (durchschnittliches Alter 28 Jahre), nach 4 Jahren (32 Jahre) und nach 18 Jahren (~48 Jahre).
• Datengrundlage: Preregistrierte Analyse (Open Science Framework) mit Imputation fehlender Daten (MICE).

Variablen:

• Unabhängige Variablen (Bebaute Umwelt): 10 Merkmale, abgeleitet via GIS (Geoinformationssystem) basierend auf dem Wohnort der Teilnehmerinnen. Dazu gehören: Bevölkerungsdichte, Grünflächen (NDVI), Fußgängerfreundlichkeit (Walkability), Gebäudedichte, Infrastrukturdichte (Einrichtungen, Buslinien, Straßenkreuzungen), Entfernung zur nächsten Straße und Verkehrslast.
• Abhängige Variable: Depressive Symptome. Gemessen mittels Crown Crisp Experiential Index (CCEI) zu den Zeitpunkten 1 und 2 sowie mittels der SF-36 Mental Health Subskala zum Zeitpunkt 3 (18 Jahre).
• Kovariaten: Alter, sozioökonomisches Risiko (SES), Rauchstatus, familiäre Depressionsgeschichte, Verweildauer am Wohnort.

Statistische Analyse:

1. Netzwerkanalyse (Gaussian Graphical Models):
   • Verwendung des qgraph-Pakets in R mit EBICglasso-Schätzung.
   • Modellierung der partiellen Korrelationen zwischen allen Umweltvariablen und depressiven Symptomen, adjustiert für Kovariaten.
   • Berechnung von Netzwerkkennzahlen: Expected Influence (Einflussstärke), Closeness (Zentralität) und Betweenness.
   • Validierung durch nicht-parametrisches Bootstrapping (1.000 Resamples) zur Prüfung der Stabilität der Kantengewichte.
2. Explorative Faktoranalyse (EFA) und Bestätigende Faktoranalyse (CFA):
   • Da Einzelkorrelationen schwach waren, wurde geprüft, ob die Umweltmerkmale gemeinsam einen latenten Faktor bilden.
   • Erstellung eines „Bebauten-Umwelt-Faktors" (Built Environment Factor) basierend auf den stark korrelierten Indikatoren.
3. Regressionsanalysen:
   • Prüfung, ob der abgeleitete Umweltfaktor depressive Symptome zu den drei Zeitpunkten vorhersagt.

---

3. Wichtige Ergebnisse

A. Netzwerkanalyse der gebauten Umwelt:

• Die Merkmale der gebauten Umwelt waren stark untereinander korreliert (z. B. Korrelation zwischen Einrichtungsdichte und -vielfalt: $r = 0.96$).
• Stärkste Verbindung: Zwischen „Fußgängerfreundlichkeit" (Walkability) und „Vielfalt der Einrichtungen" (Facility Richness) mit einem Kantengewicht von 0,58.
• Einflussfaktoren: Entgegen der Hypothese, dass die Bevölkerungsdichte den größten Einfluss hat, zeigten Grünflächen und Fußgängerfreundlichkeit die höchste Expected Influence (erwartete Einflussstärke) in allen drei Netzwerken.
• Grünflächen korrelierten negativ mit dichtebezogenen Faktoren (z. B. Bevölkerungsdichte, Gebäudedichte).

B. Assoziationen mit depressiven Symptomen:

• Einzelne Merkmale: Die direkten Assoziationen (Kantengewichte) zwischen einzelnen Umweltvariablen und depressiven Symptomen waren konsistent schwach (nahe Null, meist $< \pm 0.02$) und zeigten über die Zeit keine stabilen Muster.
• Keine Bestätigung der Hypothesen: Es gab keine starken, stabilen positiven Verbindungen zu Verkehrslast oder negativen Verbindungen zu Grünflächen, wie in der Literatur oft postuliert.

C. Faktoranalyse und longitudinale Regression:

• Die EFA ergab einen dominanten ersten Faktor, der ca. 49 % der Varianz der Umweltmerkmale erklärte (ein „Bebauter-Umwelt-Faktor").
• Regressionsmodelle:
  • Der Bebauten-Umwelt-Faktor sagte depressive Symptome signifikant voraus zum Zeitpunkt der Einschreibung ($\beta = 0.148, p < .001$) und nach 4 Jahren ($\beta = 0.114, p = .011$).
  • Nach 18 Jahren war dieser Zusammenhang nicht mehr signifikant ($\beta = -0.005, p = .950$).
• Dies deutet darauf hin, dass der kombinierte Einfluss der Umwelt auf die psychische Gesundheit eher kurz- bis mittelfristig relevant ist, aber über lange Zeiträume (18 Jahre) an Stabilität verliert oder durch andere Faktoren überlagert wird.

---

4. Hauptbeiträge und Signifikanz

1. Paradigmenwechsel von Einzelindikatoren zu Systemen: Die Studie zeigt, dass die Betrachtung einzelner Umweltfaktoren (wie nur Bevölkerungsdichte) die komplexen Beziehungen zur psychischen Gesundheit unterschätzt. Die kombinierte Wirkung mehrerer Merkmale (der latente Faktor) ist ein besserer Prädiktor als einzelne Variablen.
2. Netzwerkanalyse als Methode: Die Anwendung der Netzwerkanalyse offenbarte, dass Umweltfaktoren in Clustern (z. B. Transport vs. Einrichtungen) interagieren und dass Grünflächen/Fußgängerfreundlichkeit zentrale Knotenpunkte sind, nicht die reine Bevölkerungsdichte.
3. Zeitliche Instabilität: Die Ergebnisse unterstreichen, dass Assoziationen zwischen Umwelt und Depression nicht statisch sind. Während ein gemeinsamer Umweltfaktor kurzfristig signifikant ist, verblasst dieser Effekt über einen Zeitraum von 18 Jahren. Dies hat Implikationen für die Planung langfristiger städtebaulicher Interventionen.
4. Methodische Präzision: Durch die Nutzung von Netzwerkanalysen und Faktoranalysen konnte gezeigt werden, dass scheinbar schwache Einzelkorrelationen auf eine hohe Multikollinearität und systemische Interdependenzen zurückzuführen sind, die nur durch aggregierte Modelle sichtbar werden.

Fazit:
Die Studie liefert Evidenz dafür, dass städtebauliche Maßnahmen zur Verbesserung der psychischen Gesundheit nicht auf einzelne Faktoren (wie mehr Grünflächen allein) fokussieren sollten, sondern auf ein multidimensionales System (Kombination aus Grünflächen, Fußgängerfreundlichkeit und Infrastruktur). Gleichzeitig warnt sie davor, langfristige Effekte (über 18 Jahre) ohne Berücksichtigung sich ändernder Lebensumstände und anderer Einflussfaktoren zu erwarten.