Regionalisierung von Gesundheitsindikatoren

Abstract

Die bundesweit repräsentativen Gesundheitssurveys des Robert Koch-Instituts wurden bisher nicht herangezogen, um Aussagen zu regionalen Unterschieden in der gesundheitlichen Lage zu machen. Mit der „Small-Area-Estimation“ wird ein Verfahren beschrieben, das es künftig ermöglichen soll, zu kleinräumigen Schätzwerten für Gesundheitsindikatoren zu gelangen. Im vorliegenden Beitrag werden anhand dieses Verfahrens mit den Daten der Studie „Gesundheit in Deutschland aktuell 2009“ regionale Unterschiede auf Kreisebene für den allgemeinen Gesundheitszustand („nicht gut“ oder „sehr gut“), die Rauchquote und die Prävalenz von Adipositas analysiert. Dazu werden den Daten der GEDA-Studie Regionalindikatoren aus der INKAR-Datenbank 2009 zugespielt. Die Ergebnisse werden mit thematischen Karten grafisch dargestellt. Anschließend werden die Ergebnisse den Daten aus dem Mikrozensus 2005 des Statistischen Bundesamtes gegenübergestellt. Dabei zeigt sich eine große Übereinstimmung beider Datenquellen. Die Small-Area-Estimation hat somit das Potenzial, zukünftig kleinräumige epidemiologische Daten für die Gesundheitsberichterstattung bereitzustellen. Dadurch könnte in Zukunft etwa die Evidenz für die Planung von Präventionsmaßnahmen weiter verbessert werden.

The representative health surveys conducted by the Department of Epidemiology and Health Reporting weren’t used before to provide estimates for the spatial distribution of health outcomes. We are discussing the possibilities of providing these outcomes using methods for ‘Small-Area-Estimation’. In the study we are using data of the “German Health Update 2009” (GEDA) to analyze regional inequalities for self-assessed health status, smoking and obesity on the district level in Germany. The small area estimates are provided by multilevel logistic regression models using additional regional statistical data from the official INKAR 2009 database of regional indicators for Germany. We are mapping the results of our analysis for the district level (NUTS-3) using simple thematic maps. Afterwards we compared the results of our small area models with conventional estimates that were based on the official German small scale census. The results showed that our estimates are in line with the prevalences of the census. Overall the results suggest that Small-Area-Estimation methods have a big potential to provide regionalized health indicators for the health reporting in Germany.