Schätzung kleinräumiger Krankheitshäufigkeiten für die deutsche Bevölkerung anhand von Routinedaten am Beispiel von Typ-2-Diabetes

Estimation of regional diabetes type 2 prevalence in the German population using routine data

Jan Breitkreuz, Gabriela Brückner, Jan Pablo Burgard, Joscha Krause, Ralf Münnich (), Helmut Schröder and Katrin Schüssel
Additional contact information
Jan Breitkreuz: Wissenschaftliches Institut der AOK
Gabriela Brückner: Wissenschaftliches Institut der AOK
Jan Pablo Burgard: Universität Trier
Joscha Krause: Universität Trier
Ralf Münnich: Universität Trier
Helmut Schröder: Wissenschaftliches Institut der AOK
Katrin Schüssel: Wissenschaftliches Institut der AOK

AStA Wirtschafts- und Sozialstatistisches Archiv, 2019, vol. 13, issue 1, No 5, 35-72

Abstract: Zusammenfassung Die Erfassung regionaler Krankheitsverteilungen ist ein zentrales Element in der Planung und Gestaltung adäquater Gesundheitsversorgung. In der öffentlichen Gesundheitsberichtserstattung liegen Schätzungen kleinräumiger Krankheitshäufigkeiten in der Regel nicht vor. Aufgrund begrenzter Ressourcen und zu wenigen ortsspezifischen Beobachtungen ist es meist nicht möglich regionale Krankheitsverteilungen mit hinreichender Genauigkeit zu quantifizieren. Hier repräsentieren Krankenkassendaten eine wichtige Alternative. Der Versichertenstamm einer Krankenkasse ist meist viel größer als der Stichprobenumfang einer Gesundheitserhebung. Zusätzlich handelt es sich bei den Daten einer Krankenkasse um Abrechnungsdaten, welche automatisch erfasst und nicht aufwändig erhoben werden müssen. Doch wenn regionale Krankheitshäufigkeiten anhand von Krankenkassendaten geschätzt werden, muss beachtet werden, dass der Versichertenstamm einer Krankenkasse keine zufällige Teilpopulation der Gesamtbevölkerung darstellt. Aufgrund verschiedener Eigenschaften des deutschen Gesundheitssystems ist die Kassenzugehörigkeit einer Person informativ für ihre Morbidität hinsichtlich verschiedener Krankheiten. Folglich muss eine Bias-Korrektur bei der Schätzung erfolgen, um valide Ergebnisse zu erhalten. Im Zuge des AOK-internen Projekts Gesundheitsatlas des Wissenschaftlichen Instituts der AOK (WIdO) wurde zusammen mit der Universität Trier eine Methodik entwickelt, welche diese Problematik behandelt. Sie ermöglicht die Quantifizierung kleinräumiger Krankheitshäufigkeiten anhand von anonymisierten Krankenkassendaten mit einer Multi-Source-Schätzung. Durch multivariate Analyseverfahren sowie modellbasierte Inferenz werden die anonymisierten AOK-Routinedaten und stationäre Behandlungshäufigkeiten aller Krankenhausfälle zu einer Bias-korrigierenden Schätzmethodik kombiniert. In dem vorliegenden Beitrag wird diese Methodik beschrieben und ihre Effektivität am Beispiel von Diabetes Mellitus Typ 2 demonstriert. Ausgehend vom Versichertenstamm der AOK – die Gesundheitskasse sowie deren Leistungsdaten werden alters- und geschlechtsreferenzierte Krankheitshäufigkeiten auf Kreisebene für die gesamte deutsche Bevölkerung geschätzt. Es kann gezeigt werden, dass der Ansatz plausible Ergebnisse auf regionalen Ebenen liefert und somit die Darstellung der gesundheitlichen Lage in bisher nicht erreichter Detailtiefe ermöglicht.

Keywords: Diabetes Mellitus; Multi-Source-Schätzung; Prävalenz; Routinedaten; Selektivitätsverzerrung; Diabetes mellitus; Multi-source estimation; Prevalence; Routine data; Selection bias; C31; C51; C52; I13; I18 (search for similar items in EconPapers)
Date: 2019
References: View references in EconPapers View complete reference list from CitEc
Citations: View citations in EconPapers (1)

Downloads: (external link)
http://link.springer.com/10.1007/s11943-019-00241-z Abstract (text/html)
Access to the full text of the articles in this series is restricted.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:astaws:v:13:y:2019:i:1:d:10.1007_s11943-019-00241-z

Ordering information: This journal article can be ordered from
http://www.springer. ... ce/journal/11943/PS2

DOI: 10.1007/s11943-019-00241-z

Access Statistics for this article

AStA Wirtschafts- und Sozialstatistisches Archiv is currently edited by Ralf Münnich

More articles in AStA Wirtschafts- und Sozialstatistisches Archiv from Springer, Deutsche Statistische Gesellschaft - German Statistical Society
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().