Regionale Unterschiede der Pflegebedürftigkeit in Deutschland

Transkript

1 Regionale Unterschiede der Pflegebedürftigkeit in Deutschland Sozialräumliche Muster der Pflege im Alter Daniel Kreft und Gabriele Doblhammer Universität Rostock und Rostocker Zentrum zur Erforschung des Demografischen Wandels

2 Hintergrund Demografische / gesundheitliche Trends der letzten Jahrzehnte Wachsender Anteil von Personen in den höheren und höchsten Altersjahren in den letzten und in den kommenden Jahren Stark zunehmendes Risiko des Eintretens einer schwerwiegenden, lang andauernden Erkrankung/Behinderung mit steigendem Alter Starke Zunahme der Zahl pflegebedürftiger Personen sowie von pflegenden Angehörigen zu beobachten/erwarten

3 Hintergrund Quelle: Statistische Ämter des Bundes und der Länder, Pflegestatistik * Anmerkung: Pflegereform im Sommer 2008 hat Einfluss auf die Vergleichbarkeit

4 Hintergrund Gesundheitswissenschaftliche Entwicklung Medizin-ethischer Grundsatz der Gleichbehandlung/Chancengleichheit und das Grundgesetzpostulat der Herstellung gleichwertiger Lebensverhältnisse (Artikel 72 Absatz 2 GG): Bedeutungsgewinn regional differenzierter Analysen in den letzten Jahren Hohe Relevanz der regionalspezifischen Pflegebedarfsentwicklung und deren Einflussfaktoren für die gesundheitswissenschaftliche Forschung und Versorgungsplanung

5 Hypothesen 1 Forschungsfragen Teil I 1. Gibt es geografische Muster der Pflegebedürftigkeit in Deutschland im Jahre 2009? 2. Wie stark sind die regionalen Unterschiede/Ungleichheiten in den einzelnen Bundesländern? Teil II Gibt es einen Zusammenhang zwischen dem Niveau der Pflegebedürftigkeit und speziellen soziostrukturellen Eigenschaften der Regionen?

6 Daten und Methoden 2 Datenquellen und Fallzahlen Daten: Deutsche Pflegestatistik 2009 (SUF via KDFV) Fallzahlen: etwa 2,4 Mio. Personen Regionen: 412 (Land-)Kreise und kreisfreie Städte (Stand 09) Weitere Daten aus der amtlichen Regionalstatistik: Demographie: Bevölkerungsbestandszahlen (nach Alter) Sterbefallzahlen (nach Alter) Regionalmerkmale: Einwohnerdichte (bzw. Gebietsstände) Verfügbares Einkommen der privaten Haushalte Arbeitslosenquote 6

7 Daten und Methoden 2 Design und Methoden Ökologisches Studiendesign, d.h. Untersuchungseinheiten sind Regionen (Land-/Kreise und kreisfeie Städte) Teil I Regionale Pflegeprävalenz-Muster Long-Term Care-Free Life Expectancy (LTCF LE) bzw. Health Ratio (HR) berechnet für: Männer und Frauen Altersgruppen (0; 1-4; 5-9; 10-14; ; 85+) Alle (Land-)Kreise und kreisfreien Städte in Deutschland Teil II Multivariate Analysen Multiple lineare Meta-Regressionsmodelle (mit Random Effects) Geschlechtsspezifische Modelle (Exemplarisch: Personen im Alter 70-84)

8 Daten und Methoden 2 Operationalisierung Gesundheitsindikator Long-Term Care-Free Life Expectancy (LTCF LE) Basierend auf den EU-Strukturindikatoren der Disability-Free Life Expectancy (DFLE) oder der Healthy Life Expectancy (HLE) Indikator des Gesundheitszustands einer Population Grundlage zur Berechnung des Health Ratio (HR) Definition des HR: Anteil verbleibender Lebensjahre ohne Pflegebedarf an der Restlebenserwartung Interpretation: Hohes Health Ratio (HR) = Gute gesundheitliche Situation 8

9 Daten und Methoden 2 Operationalisierung Unabhängige Variablen: Regionale Eigenschaften 1. Siedlungsstruktur Indikator: Einwohnerdichte 2. Regionale wirtschaftliche Lage Indikator: Verfügbares Einkommen der priv. HH. je Kopf. Sozialstruktur der Region Indikator: Arbeitslosenquote 4. Gesundheitsstruktur der Region Indikator: Niveau der vorzeitigen Sterblichkeit im Alter zwischen 1 und 44 Einteilung in Quintile (Referenzgruppe: 1. Quintil = geringste Werte) 9

10 Ergebnisse Ergebnisse Teil I * * gekürzte Darstellung gegenüber Vortragsversion 10

11 Ergebnisse Health Ratio für Männer im Alter Health Ratio für Frauen im Alter Anzahl an Regionen ~10% ~10% Anzahl an Regionen ~10% ~10% 75,0 80,0 85,0 90,0 95,0 60,0 65,0 70,0 75,0 80,0 85,0 Health Ratio für Männer im Alter Mittelwert = 90,2 Median = 90,7 SD =,4 Health Ratio für Frauen im Alter Mittelwert = 77,5 Median = 78,1 SD =,9 n = 412 n = 412 Quelle: Statistische Ämter des Bundes und der Länder, Pflegestatistik 2009 eigene Berechnung und Darstellung 11

12 Ergebnisse Health Ratio für Männer im Alter Baden-Württemberg Rheinland-Pfalz Schleswig-Holstein Saarland Bayern Sachsen Nordrhein-Westfalen Hessen Sachsen-Anhalt Niedersachsen Thüringen Brandenburg Mecklenburg-Vorpommern Health Ratio für Männer im Alter Interquartilsabstand des Health Ratio (70-84) Health Ratio für Frauen im Alter Baden-Württemberg Schleswig-Holstein Saarland Bayern Rheinland-Pfalz Sachsen Nordrhein-Westfalen Thüringen Hessen Sachsen-Anhalt Niedersachsen Brandenburg Mecklenburg-Vorpommern Health Ratio für Frauen im Alter Interquartilsabstand des Health Ratio (70-84) Zum Vergleich - Berlin: HR = 87,95% (Männer) bzw. 75,10% (Frauen) und Hamburg: HR = 91,64% (Männer) bzw. 79,44% (Frauen) Quelle: Statistische Ämter des Bundes und der Länder, Pflegestatistik 2009, eigene Berechnung und Darstellung 1

13 Ergebnisse Ergebnisse Teil II * * gekürzte Darstellung gegenüber Vortragsversion 14

14 Ergebnisse Mittelwerte des HR (95% KI) für Personen im Alter nach Quintilen des verfügbaren Einkommens der privaten Haushalte je Kopf Quintilen der Bevölkerungsdichte Quintile (1=niedrig, 5=hoch) Quintilen der Arbeitslosenquote Quintilen des Niveaus vorzeitiger Sterblichkeit Quintile (1=niedrig, 5=hoch) Frauen Männer Quelle: Statistische Ämter des Bundes und der Länder, Pflegestatistik 2009, Regionaldatenbank Deutschland, eigene Berechnung 15

15 Diskussion Zusammenfassung der Ergebnisse: Teil I: Ausgeprägte regionale Muster vorhanden, die über die Grenzen der Bundesländer hinausgehen Auch innerhalb der (Flächen-)Bundesländer z.t. große Disparitäten Diskussion 4 Teil II: Feststellung eines niedrigeren Health Ratio (d.h. höheres Pflegerisiko) in Regionen mit 1) geringer wirtschaftlicher Performance (*), 2) geringer Einwohnerdichte (**), ) hoher Arbeitslosigkeit (**) oder 4) hoher vorzeitiger Sterblichkeit (*). 18

16 Diskussion 4 Diskussion Probleme (Auswahl): Design-Probleme: Aggregatdatenanalyse Wohnorts-Selektionseffekte denkbar Kausalitätsmessung nicht möglich Datengrundlage: Messung von Pflegebedarfsanerkennung, nicht des grundsätzlichen Pflegebedarfs Unterschätzung zu erwarten Ausblick: Aufbauende Trendanalysen angestrebt Anwendung von Methoden der räumlichen Statistik 19

17 Vielen Dank für Ihre Aufmerksamkeit 20