Regionalisierung von Gesundheitsindikatoren

Transkript

1 Bundesinstitut im Geschäftsbereich des Bundesministeriums für Gesundheit Regionalisierung von Gesundheitsindikatoren Ein neuer Ansatz zur Nutzung von Gesundheitssurveys Dr. Lars Eric Kroll Dr. Thomas Lampert

2 Adressaten der Gesundheitsberichterstattung des Bundes

3 Publikationsformen der GBE Gesundheitsberichte Themenhefte GBE kompakt (gemeinsam mit DESTATIS)

4 Ausgewählte Datenquellen der GBE

5 Bundesweit repräsentative Gesundheitssurveys des Gesundheitsmonitorings n ca pro Welle n ca pro Welle n ca pro Welle

6 Regionale Verortung der Probanden in den Gesundheitssurveys 180 Sample Points 167 Sample Points 99% der Probanden sind regional auf Kreisebene zu verorten

7 Ziele der Anwendung der Small Area Estimation Nutzung des inhaltlichen Potenzials der RKI-Erhebungen für Aussagen zu regionalen Differenzen in Deutschland. Bereitstellung von subjektiven Gesundheitsinformationen auf regionaler Ebene, um dazu beizutragen, mögliche Gesundheitsrisiken zu erkennen. Bereitstellung von ergänzenden Informationen für Akteure im Bereich von Prävention und Gesundheitsförderung für die Definition von regionalen Handlungsschwerpunkten und Zielgruppen.

8 Vorgehen bei der Small Area Estimation 1. Schätzwerte aus Stichproben streuen um den wahren Wert in der Grundgesamtheit. 2. Bei kleinen Stichproben (auf Kreisebene) ist diese Streuung potentiell sehr groß. 3. In SAE-Modellen wird anhand der empirischen Streuung der Schätzwerte über die Kreise eine Verteilungsfunktion geschätzt, anhand derer der potentielle Stichprobenfehler der einzelnen Kreise verringert werden kann. 4. Zudem werden Regionaldaten verwendet, um die Streuung der Stichprobe zu erklären und dadurch die Güte der Schätzung weiter zu verbessern.

9 1. Anwendung: Vergleich des Anteils von Adipositas zwischen GEDA 2009 und Mikrozensus 2005 Indikator: Prävalenz von Adipositas (BMI>=30, basierend auf Selbstangaben) Subjektive Gesundheit, Rauchquote (nicht dargestellt) Ansatz: Vergleich von SAE-Schätzwerten auf Basis von GEDA 2009 mit dem Mikrozensus 2005 Stichproben: GEDA 2009 (n=21.262), MZ2005 (n= ca ) Analyseebene: 97 Raumordnungsregionen

10 1. Anwendung der SAE: Vergleich des Anteils von Adipositas zwischen GEDA 2009 und Mikrozensus 2005

11 2. Anwendung Analyse regionaler Differenzen in der Prävalenz von Adipositas und Diabetes Indikatoren: Adipositas (BMI>=30, basierend auf Selbstangaben) Diabetes Mellitus (ärztlich diagnostiziert lt. Proband, 12-Monatsprävalenz, alle Typen) Ansatz: SAE-Schätzwerten auf Basis von GEDA 2009 und 2010 Stichproben: GEDA 2009 und 2010 (n=43.312), Analyseebene: 413 Kreise und 97 Raumordnungsregionen Ziel: Auswirkung der Modellgüte auf die Sicherheit der Schätzwerte analysieren

12 2. Anwendung: Kombinierter Datensatz aus GEDA 2009 und 2010 Fallzahlen für die kleinräumige Betrachtung: Befragte pro Kreis n = 104 (SD= 131, min=12, max=1996) Befragte pro ROR n = 443 (SD=353, min=115, max=1996)

13 Regionalindikatoren aus der Datenbank INKAR 2009 Quelle: BBSR 2009

14 Vorhergesagte Werte für Adipositas mit 95%-KI CI s for linear prediction based on the fixed portion MOR ROR+Kreis =1,12*1,11 CI s for linear prediction based on the fixed portion plus posterior modal estimates of the random effects

15 Prävalenz von Adipositas auf Kreis- und ROR-Ebene Datenbasis: GEDA 2009, 2010 (Kroll, Lampert 2012) Kreise ROR

16 Vergleich zum Mikrozensus 2005 Datenbasis: GEDA 2009, 2010 (Kroll, Lampert 2012) GEDA (SAE) Mikrozensus

17 Vorhergesagte Werte für Diabetes (12-Monats- Prävalenz) mit 95%-KI (inkl. RE) CI s for linear prediction based on the fixed portion MOR ROR+Kreis =1,00*1,00 CI s for linear prediction based on the fixed portion plus posterior modal estimates of the random effects

18 12-Monats-Prävalenz von Diabetes auf Kreis- und ROR-Ebene Datenbasis: GEDA 2009, 2010 (Kroll, Lampert 2012) Kreise ROR

19 Vergleich der SAE Ergebnisse mit den Daten von epidemiologischen Kohortenstudien Datenbasis: GEDA 2009, 2010 (Kroll, Lampert 2012; Schipf et al. 2012) GEDA 2009 und 2010 (SAE, Alter 18+) Schipf et al. (2012, Alter 45-74)

20 Zusammenfassung Die Daten der RKI-Surveys ermöglichen es, anhand der Methode der Small-Area Estimation zu kleinräumigen Schätzwerten für Prävalenzen zu gelangen. Die tiefstmögliche Ebene sind die Stadt- und Landkreise. Die Güte der SAE-Modelle (gemessen an Intraklassenkorrelation bzw. MOR) hat aber einen großen Einfluss auf die Sicherheit der Schätzwerte. Je nach Verwendungszweck und Anforderungen an die statistische Sicherheit der Prognose sollten höhere räumliche Ebenen gewählt werden. Dabei besteht aber das sog. Modifiable Area Unit Problem (MUP).

21 Ausblick Bisher wurden methodische Vorstudien zur Einschätzung der Güte der SAE und zur Weiterentwicklung der Methode durchgeführt. Problematisch ist, dass nur wenige Möglichkeiten zur externen Validierung der SAE-Ergebnisse zur Verfügung stehen. Durch die Weiterentwicklung der Algorithmen mittlerweile möglich, für jeden Indikator aus dem Gesundheitsmonitoring SAE- Modelle mit statistisch guten Schätzwerten zu erhalten. Derzeit in der Diskussion darüber, wie und in welcher Form wir die Ergebnisse in die GBE einfließen werden (Hauptproblem: Validierung)

22 Vielen Dank für Ihre Aufmerksamkeit! Dr. Lars Eric Kroll Robert Koch-Institut - FG 27 Abteilung 2 - Postfach D Berlin Phone: +49 (0) Fax: +49 (0) l.kroll@rki.de