30 november 2021

Dataverantwoording: een veranderende eetomgeving

De eetomgeving in ons straatbeeld verandert in rap tempo. We zien de laatste 10 jaar een opmars van de snelle en vette hap. Dat gevoel had je misschien al, maar wij keken naar zo'n 28 duizend voedsellocaties in Nederland om dat gevoel wat meer draagvlak te geven. In onze data-analyse, onderdeel van het project VET!, worden allerlei keuzes gemaakt die invloed hebben op het eindresultaat. Die keuzes leggen we hier uit.

Onderzoeksbureau Locatus rijdt het land door om informatie over alle winkels en winkelgebieden te verzamelen. Waardevolle informatie als je wilt weten waar je een nieuwe winkel wilt openen. Maar ook waardevol als je wilt weten welke soort winkels er waar zijn bijgekomen.

In de productie Zo is jouw eetomgeving veranderd in de afgelopen 10 jaar kijken we naar data van alle winkels in de jaren 2011 en 2021 waar voedsel verkocht werd. Deze leggen we per buurt en gemeente naast elkaar om stijgingen en dalingen te berekenen.

Het verzamelen van winkelgegevens is het verdienmodel van Locatus, Hierdoor kunnen we helaas niet de ruwe data vrijgeven die de basis vormt van ons onderzoek.

Wanneer is een verkooppunt ongezond?

Dat is de eerste vraag die we beantwoord willen hebben om onze data-analyse te kunnen uitvoeren. Wij maken gebruik van de categorieën die Locatus hanteert en maken een eigen indeling. Welke ongezonde voedselaanbieders zijn er bijgekomen? We delen de branche categorieën van Locatus op in verswinkels en ongezond. Fastfood (alleen al goed voor een stijging van 1000 winkels in 10 jaar tijd), grillrooms, ijssalons, crepes-/wafel-/donutzaken, pannenkoekenhuizen, winkels met zoetwaren en bezorg- en afhaaltenten delen we in bij ongezond.

Met name de laatste categorie ligt genuanceerd. Hier zitten alle verkooppunten bij die voedsel verkopen, maar wat niet op die plek opgegeten wordt. Hier kunnen af en toe gezonde varianten tussen zitten. Op voorhand hebben we alle aanbieders met 'sushi' of 'salade' in de naam niet als ongezond bestempeld. Maar het grootste gedeelte van de afhaaltenten hebben we toch onder ongezond geschaard. Temeer omdat 90 procent van het assortiment van alle afhaaltenten ongezond is. Dit blijkt uit onderzoek van de Wageningen Universiteit.

Dan zijn er nog een aantal categorieën die we niet hebben ingedeeld bij ongezond. Denk aan ketens zoals Subway, de Coffeecompany of Bagels & Beans. Hier valt over te discussiëren. Want sommigen zullen zeggen: 'Bij Subway kan je ook gezonde broodjes bestellen', maar experts zullen zeggen: 'Die broodjes zijn veel te groot'. Of: 'Bij de Coffeecompany wordt alleen maar koffie gedronken’. Terwijl tegelijkertijd vanaf de toonbank de chocolademuffins je aanlokkelijk aankijken. Je ziet het: te veel discussie. En helaas kunnen we niet in de verkoopcijfers kijken van elke voedselaanbieder. Daarom hebben we lunchrooms buitenbeschouwing gelaten. Ook supermarkten, en restaurants laten we buiten de analyse omdat zij zowel ongezond als gezond voedsel verkopen.

Ook blijkt uit ons onderzoek dat verswinkels in 10 jaar tijd landelijk met bijna 1200 verkooppunten zijn gedaald. Onder verswinkels scharen we groente- en fruitboeren, bakkers, kaasboeren, boederijwinkels, poelieren, slagers en viswinkels. En als uitzondering de aanbieders die bij bezorg/afhaal stonden en waarin de naam van de winkel het woord ‘salade’ in voorkomt.

Als je meer wil weten over de indelingen die Locatus maakt, staan hier verschillende overzichten.

Hoe zijn de overgewichtcijfers per buurt berekend?

De buurt-, gemeentelijke- en landelijke overgewichtscijfers hebben we gehaald uit de meest recente Gezondheidsmonitor 2020. Opgesteld door GGD Nederland, het CBS en het RIVM. De Gezondheidsmonitor 2020 is een enquête met ruim een half miljoen respondenten. Landelijk kan je dan een sterk percentage (50.8%) noemen, de steekproef is dan zo groot dat je die gerust representatief kan noemen. Op gemeentelijk niveau kom je ook een eind omdat er in elke gemeente alsnog veel inwoners met de enquête mee gedaan hebben. Maar omdat er vaak te weinig respondenten per wijk of buurt zijn en het aandeel respondenten dan niet representatief zijn, gebruikt het RIVM het 'SMAP'-model waarmee de cijfers geschat kunnen worden. Hieruit komt per buurt een schatting met soms een grote foutmarge.

Als je meer over het SMAP-model wilt weten, kun je bij deze verantwoording terecht. Wil je zelf de cijfers in duiken? Dan kan je hier terecht.

Nog een interessante vraag voor ons is: zien we in buurten die te maken hebben met een stijging van het aantal ongezonde voedsellocaties ook een stijging van het aantal inwoners met overgewicht? We hebben verschillende wetenschappers gesproken in Amsterdam, Rotterdam en Maastricht die deze vraag onderzoeken. Maar een eenduidig antwoord krijgen we niet. Gedragswetenschapper Eva van den Broek haalt in onze productie een onderzoek aan uit de Verenigde Staten waar dit wel te zien is.

We zouden dus de stijging van het overgewicht per buurt willen weten. Zelf kunnen we dit onderzoek op de methode die wij hanteren nog niet uitvoeren. De eerste keer dat de Gezondheidsmonitor op deze manier gehouden werd was in 2012, maar die cijfers zijn door veranderende buurtindelingen nog niet te vergelijken met de nieuwste cijfers van 2020. Het RIVM werkt op dit moment aan cijfers waarin je wel Gezondheidsmonitors van verschillende jaren kan vergelijken, maar dat laat nog even op zich wachten.

Hoe komen de cijfers per arme of rijke buurt tot stand?

Om te weten of er een verschil zit in het aanbod aan ongezonde voedsellocaties tussen verschillende soorten buurten, hebben we een indeling gemaakt van drie categorieën waar weinig, gemiddeld en veel huishoudens met een laag inkomen wonen. We focussen ons op buurten met een woonfunctie waar tenminste 500 mensen wonen, en dus niet op centraal gelegen buurten waar ook veel dagjesmensen en toeristen komen. Dit heeft namelijk effect op het voedselaanbod.

Vervolgens maakten we een gelijke verdeling van het aantal buurten binnen de drie categorieën. Daarna keken we hoeveel mensen er wonen en hoeveel ongezonde voedsellocaties er gevestigd zijn. Als we dit naast elkaar leggen, blijkt dat mensen die in een buurt wonen met relatief veel huishoudens met een laag inkomen bijna twee keer zoveel keus hebben in ongezond voedsel.

Hoe we de eetomgeving van scholen in kaart brengen

Het VET-project gaat over gezond opgroeien. Daarom hebben we voor uitzendingen en artikelen ook middelbare scholen bezocht waar leerkrachten ons vertellen dat zij zich zorgen maken over de slechte lunches die leerlingen nuttigen. Tieners gaan voor hun lunch naar de kantine, maar kijken ook vooral buiten school wat er te halen valt. Daarom hebben we de winkelgegevens van Locatus weer gebruikt om te kijken hoeveel ongezonde voedsellocaties er rond de middelbare scholen gevestigd zijn. En om er ook achter te komen of leerlingen meer of minder worden verleid dan 10 jaar geleden.

We hebben gekozen om de directe omgeving van de middelbare scholen te analyseren. Leerlingen zullen hun lunch ook bij winkels verder dan 5 minuten lopen halen. Maar je moet ergens een grens trekken en in 5 minuten loopafstand van school zou je in elke pauze snel iets kunnen halen. Maar hoe 'vang' je —als het ware— alle voedsellocaties binnen de gekozen afstand om vervolgens het verschil tussen 2011 en 2021, en daarmee de groei in aantal ongezonde voedseltenten te laten zien? Dat is nog wel een technisch klusje...

Gebieden tekenen rond 1600 middelbare scholen

We beginnen met de vestigingsadressen van alle middelbare scholen in 2021 van DUO (data van 2021 is op te vragen bij DUO).

Vervolgens zetten we via 'geocoding' (zie bijvoorbeeld deze handige tool van LocalFocus) alle adressen in het databestand van DUO om in coördinaten. Dat resulteert in een dataset met coördinaten van zo'n 1600 vestigingen.

Vervolgens hebben we via een 'R library' de Openrouteservice API gebruikt. Met deze service (die gebruik maakt van een Open Source variant op Google Maps: OpenStreetMap) kan je gebieden (ookwel: ‘isochrones’ of ‘polygonen’) ‘tekenen’ rond een bepaald coördinaat. Hoe groot dat gebied is hangt af van de opdracht die je meegeeft, in ons geval dus 5 minuten lopen.

Dit proces herhalen we zo’n 1600 keer door middel van een code script in programmeertaal R, die een soort geautomatiseerde loop maakt. Binnen een aantal minuten heb je nu voor elke schoolvestiging naast de coördinaten ook een gebiedje van 5 minuten lopen rond de school dat rekening houdt met het wegennet.

Als we dan een dataset maken waarin we alleen alle coördinaten van de ongezonde voedsellocaties filteren binnen de gebieden krijg je een resultaat zoals op de kaart te zien is in deze productie

Kaart detail met de eetomgevingen van middelbare scholen

Maar dan hebben we nog alleen de situatie rond alle scholen in 2021. Om erachter te komen of het aanbod is gestegen of gedaald doen we hetzelfde voor alle scholen die ook al in 2011 bestonden. Dan houden we bijna 900 scholen over. Als we dan kijken naar het verschil in het aantal voedsellocaties tussen 2011 en 2021 zien we een toename. Als je bijvoorbeeld kijkt naar de fastfoodaanbieders komen we op een verschil uit van 1442 in 2021 - 1029 in 2011 = 413 fastfoodlocaties. Dat is een toename van 40,1 procent.

Dan zijn we nog benieuwd hoe het zit met scholen die relatief veel leerlingen hebben uit een 'laag sociaal economisch milieu'. Omdat we zien dat het voor mensen met een kleinere portemonnee vaak lastiger is de gezonde keuze te maken (1, 2), is een interessante vraag of tieners uit deze milieus ook tijdens schooltijd worden blootgesteld aan meer ongezonde keuzes.

Daarvoor hebben we de Sociaal Economische Status (SES), een door wetenschapper veelgebruikte indicator, nodig van elke middelbare school. Die hebben we gevonden in de achterstandsscores berekend door het CBS. Op basis van deze scores bepaalt het ministerie van Onderwijs of een school meer of minder geld krijgt voor de begeleiding van achterstandsleerlingen. Dit CBS-model houd daarbij rekening met bepaalde ‘omgevingskenmerken’ van leerlingen, namelijk:

  • het opleidingsniveaus van de vader,
  • het opleidingsniveau van de moeder,
  • de herkomst van de ouders,
  • de verblijfsduur in Nederland van de moeder,
  • of de ouders in de schuldsanering zitten.

Voor elke schoolvestiging rolt er een getal uit tussen 0 - 1000. Deze dataset gebruiken we om de scholen te verdelen in drie gelijke groepen: schoolvestigingen met veel, gemiddeld en weinig leerlingen met een potentiële leerachterstand.

Als we dan per groep kijken naar hoeveel ongezonde winkels er rond de scholen gevestigd zijn valt op dat daar in 2021 weinig tot geen verschil in zit. Pas als we kijken naar het verschil met 2011 zien we een snellere stijging (+48%) bij scholen met veel achterstandsleerlingen dan bij scholen waar weinig leerlingen met een potentiële achterstand op zitten (+32%). Rond achterstandsscholen is dus een ‘inhaalslag’ gemaakt in het aanbod van ongezond voedsel.

Meer over dit onderzoek:

Bekijk meer artikelen over: Vet!

Auteurs

T.B.

Thomas de Beus

Datajournalist