Einzugsbereiche von Arztpraxen und die Rolle der räumlichen Distanz für die Arztwahl der Patienten

Transkript

1 Einzugsbereiche von Arztpraxen und die Rolle der räumlichen Distanz für die Arztwahl der Patienten Gerhard FÜLÖP, Thomas KOPETSCH und Pascal SCHÖPE Dieser Beitrag wurde nach Begutachtung durch das Programmkomitee als reviewed paper angenommen. 1 Einleitung Im Gesundheitswesen manifestiert sich wie in keiner anderen Branche das grundsätzliche Spannungsverhältnis zwischen freier Marktwirtschaft und staatlicher Planung. Aus wohlfahrtstheoretischer Sicht liegen von einigen Ausnahmen abgesehen keine ausreichenden Erkenntnisse über Marktversagensgründe im Bereich des Gesundheitswesens vor, die umfassende staatliche Eingriffe oder die Notwendigkeit einer vollständig staatlich organisierten Gesundheitsversorgung rechtfertigen würden (vgl. BREYER et al. 2003, S. 172). Damit könnten die Akteure des Gesundheitswesens wie in vielen anderen Bereichen auch weitgehend frei von staatlichen Regulierungen agieren. In den allermeisten entwickelten Volkswirtschaften liegt allerdings eine hohe Regulierungsdichte im Gesundheitswesen vor. Neben staatlichen Vorgaben für Krankenversicherungen existieren vielfältige weitere Vorgaben für die Akteure im Gesundheitsbereich. In einigen Ländern wird sogar die Berufsfreiheit dergestalt eingeschränkt, dass durch Krankenhausplanungen die Standorte von Krankenhäusern vorgegeben werden. Daneben existieren häufig auch Bedarfsplanungen für niedergelassene Ärzte. Diese massiven staatlichen Eingriffe lassen sich nicht allokationstheoretisch, sondern nur durch andere Konzepte rechtfertigen. Für das Gesundheitswesen wird argumentiert, dass Gesundheitsleistungen Leistungen der öffentlichen Daseinsvorsorge darstellen, und daher erstens unabhängig von den persönlichen Einkommens- und Vermögensverhältnissen des Einzelnen und zweitens unabhängig vom Wohnort angeboten werden sollen. In Bezug auf das Angebot von Gesundheitsleistungen wird die Gleichartigkeit der Lebensverhältnisse gefordert. Das bedeutet, dass ein flächendeckendes Angebot an Gesundheitsleistungen bereitzustellen ist, das es ermöglicht, die entsprechenden Leistungen ohne weite Wege und lange Wartezeiten in Anspruch zu nehmen. Die Realisierung dieses Zieles ist allerdings nur durch entsprechende planerische Interventionen möglich. In Deutschland existiert seit 1972 eine Krankenhausplanung auf der Ebene der Bundesländer. Eine Bedarfsplanung für niedergelassene Ärzte wurde 1993 eingeführt. Diese Bedarfsplanung wurde vor dem Hintergrund der Ärzteschwemme konzipiert und sollte dazu dienen, die Zahl der niedergelassenen Ärzte zu begrenzen. Sie agiert auf der Ebene der Kreise und kreisfreien Städte, gibt dabei aber keine konkreten Arztsitze vor, die zu besetzten wären, sondern gewährt grundsätzlich freie Standortwahl der Praxis, wenn das Gebiet nicht gesperrt ist. In gesperrten Planungsbereichen ist dagegen grundsätzlich keine Niederlassung mehr möglich. Das Ziel der Bedarfsplanung, den Arztzahlzuwachs zu begrenzen, konnte zwar erreicht werden, allerdings besteht in Deutschland nunmehr vielfach bereits ein Ärztemangel. Zur Zeit öffnen sich Lücken in der vertragsärztlichen Versorgung, da niedergelassene Ärzte in den Ruhestand gehen, ohne einen Nachfolger zu finden. Der Nachwuchsman-

2 Einzugsbereiche von Arztpraxen und die Rolle der räumlichen Distanz 219 gel im ärztlichen Bereich macht es inzwischen notwendig, den lokalen Bedarf konkreter bestimmen zu können, um das zunehmend knapper werdende Gut Arzt dort zu anzusiedeln, wo es tatsächlich benötigt wird. Um eine flächendeckende, wohnortnahe Versorgung der Bevölkerung mit ambulanten ärztlichen Leistungen über eine Bedarfsplanung gewährleisten zu können, sind Kenntnisse über das Arztwahlverhalten der Patienten, über die Größe von Einzugsgebieten von Arztpraxen und damit die Reichweitenempfindlichkeit der Bevölkerung in Bezug auf die einzelnen Arztgruppen notwendig. In diesem Beitrag werden dazu empirische Ergebnisse dargestellt, die anhand von Echtdaten aus dem realen Versorgungsgeschehen das Arztwahlverhalten der Bevölkerung sowie die Größe der Einzugsgebiete von Arztpraxen charakterisieren. 2 Methoden zur Abgrenzung der Einzugsgebiete von Arztpraxen Als Einzugsgebiete oder Einzugsbereiche werden im Bereich der Raumplanung zusammenhängende Gebiete bezeichnet, deren Bevölkerung sich unter Nutzung geeigneter Verbindungswege zu einem gemeinsamen Zentrum hin bewegt. Das Einzugsgebiet eines niedergelassenen Arztes ist demzufolge das Gebiet, aus dem seine Patienten stammen. Damit lassen sich die wesentlichen Determinanten eines Arzteinzugsgebietes wie folgt beschreiben: Von den Patienten akzeptierter Zeit- und Wegeaufwand; Attraktivität des Arzt-Standorts (Lagegunst, Verkehrsanbindung, Angebotsstruktur, Spezialisierung, Angebotsdimension, Konkurrenzsituation, Reputation); Struktur des Umlandes. Für die Bestimmung der Einzugsgebietsgröße gibt es eine Vielzahl von Methoden. Die verschiedenen Arten der Abgrenzung reichen über einfache theoretische Verfahren wie die Pufferzonen-Methode (auch als Radius- oder Ringbuffer-Methode bekannt), die Isozonen- Methode (Zeit-Distanz-Methode), der Zuordnung nach Nächstgelegenheit bis hin zu komplexeren Verfahren wie den Gravitationsmodellen nach REILLY und CONVERSE (deterministische Ansätze) sowie HUFF und LÖFFLER (probabilistische Ansätze). Für das entwickelte Modell der Gelegenheitenpräferenz im Gesundheitswesen wurde ein modifiziertes Gravitationsmodell von HUFF zugrunde gelegt. 3 Das Modell der Gelegenheitenpräferenz im Gesundheitswesen Das zugrunde liegende Modell muss überregionale Versorgungsbeziehungen berücksichtigen können. Dies deswegen, weil die jeweils mitversorgte Region in der Regel eine scheinbar zu niedrige Versorgungsdichte, die mitversorgende Region eine scheinbar zu hohe Versorgungsdichte aufweist, wobei sich aber in Wahrheit oft eine gegenseitige Kompensation ergibt. Diese Wahrheit kann aber nicht abgebildet werden, wenn mit starren Grenzen von Versorgungsgebieten gearbeitet wird, was jedoch der komplexen Realität mit Patienten-Interaktionen und für die Patienten anfallenden Reisezeiten nicht gerecht wird. Ein Lösungsansatz für dieses Problem sind probabilistische Gravitationsmodelle, die die Lagegunst und Erreichbarkeit von Anbieterstandorten (bspw. Ärzte) sowie die Reaktion der Nachfrager (z. B. Patienten) auf die gegebenen räumlichen Konstellationen abbilden können. Diese Modelle ermöglichen die Analyse auf kleinräumiger Ebene und ohne jegliche

3 220 G. Fülöp, T. Kopetsch und P. Schöpe starre bzw. undurchlässige Regionsgrenzen. Im Modell von HUFF ist das Einzugsgebiet theoretisch unendlich groß. Mit zunehmender Entfernung vom Standort nehmen allerdings die Interaktionswahrscheinlichkeiten ab, bis sie extrem niedrig sind bzw. gegen Null tendieren. Dabei wird die Zahl der Wanderungen zwischen den Standorten i und j als Ergebnis jener Massenanziehungskraft interpretiert, die auf die Masse der Einwohner EW (i) in der Wohngemeinde i aufgrund der Summe der Anziehungskräfte der in den Gemeinden j verteilten Massen an Anbietern A (j) (bspw. Ärzte) einwirkt. Um die Patienten-Interaktionen zwischen Wohn- und Anbieterstandorten nach diesem Ansatz zu ermitteln, wird das von HUFF (1963) entwickelte Modell der Gelegenheitenpräferenz auf das Gesundheitswesen übertragen. Die Modellierung der Patienten-Interaktionen von den Wohnstandorten i hin zu den Kapazitäten A j an den konkurrierenden Arzt- Standorten j erfolgt nach folgender gegenüber der ursprünglichen Fassung nach HUFF modifizierter Berechnungsvorschrift 1 : p = α d β Aj e n α d β Aj e j= 1 mit p = Wahrscheinlichkeit der Patienten-Interaktion von i nach j (Interaktionswahrscheinlichkeit) A j = Kapazität der Gesundheitseinrichtungen (z. B. Anzahl der Ärzte) am Anbieterstandort j n = Anzahl der Anbieterstandorte j in der Region e = Euler sche Zahl d = Reisezeit zwischen den Standorten i und j α = Attraktivitätsparameter β = Distanzempfindlichkeit der Patienten wobei n j= 1 p = 1 1 Das Wahrscheinlichkeitsmaß von HUFF lautet im Original folgendermaßen: p = A d n j= 1 j j λ A d Die Wahrscheinlichkeit p, dass ein Bewohner des Ortes i den Einkaufsort j aufsucht, ist abhängig von der Distanz zwischen Wohnort und Einkaufsorten sowie von der Attraktivität der Einkaufsorte. Das HUFF-Modell wurde aus folgenden Gründen in der dargestellten Form modifiziert: Bei Verwendung der e-funktion statt des d hoch minus lamda nimmt die Ausprägung für e hoch minus d mal beta bei d = 0 den Wert 1 an, sodass die Attraktivität derjenigen Ärzte mit Sitz am Wohnstandort der Nachfrager (Patienten) zu 100 % (folglich ohne jegliche Entfernungs-Abgewichtung) in die Berechnungen eingehen genau der gewünschte Effekt; hingegen wäre der Term A j mal d hoch minus lamda entsprechend dem ursprünglichen HUFF-Modell bei d =0 nicht definiert (bzw. unendlich ) ein unlogischer und nicht erwünschter Effekt; aus diesen Gründen wird in der Literatur als Distanzfunktion eher die Exponentialfunktion (e-funktion) empfohlen als die Version gemäß dem ursprünglichen HUFF-Modell (vgl. z.b. STEINBACH, 1980, S. 113 sowie BÖKE- MANN, 1982, S. 43). λ

4 Einzugsbereiche von Arztpraxen und die Rolle der räumlichen Distanz 221 Der Inhalt der Formel kann wie folgt zusammengefasst werden: Die Interaktionswahrscheinlichkeit p zwischen zwei beliebigen Orten i und j ergibt sich als Quotient der mit der inversen Distanz zwischen i und j gewichteten Attraktivität A i des Zielortes i und der Summe der ebenfalls distanzgewichteten Attraktivitäten A j aller Orte. Mit diesem Modell können die derzeitigen Patienten-Interaktionen modellhaft nachgebildet und künftige Patienten-Interaktionen bei geänderten Anbieter-Standorten abgeschätzt werden. Ebenso können die erwartete Anzahl von Patienten an einem Anbieterstandort sowie die Anzahl der erwarteten Kontakte je Arzt ermittelt werden. Durch Veränderung von Anzahl und Standorten der Ärzte kann simuliert werden, wie sich diese Änderungen auswirken würden. Damit lassen sich aus Anbieter-Sicht (Arzt-Sicht) folgende Fragen beantworten: Wie wird sich die Einrichtung einer Arztpraxis am Standort x (zusätzlich zu den bereits bestehenden Arztpraxen) auf die Patientenströme hin zu den Ärzten auswirken? Mit wie vielen Arztkontakten könnte ein Arzt bei Einrichtung seiner Praxis am Standort x (zusätzlich zu den bereits bestehenden Arztpraxen) ungefähr rechnen? Wird die Einrichtung dieser zusätzlichen Arztpraxis am Standort x das wirtschaftliche Überleben der Arztpraxen am benachbarten Standort y in Frage stellen? Zur Beurteilung der Versorgungssituation in den Wohngemeinden aus Nachfrager-Sicht (Patienten-Sicht) ist hingegen bspw. der über die Interaktionswahrscheinlichkeit ermittelte Distanzerwartungswert von Interesse. Dieser ergibt sich aus dem erwarteten Interaktionsverhalten p zwischen Patienten-Wohnstandorten i und den Arzt-Anbieterstandorten j aus DEW = p d i n i= 1 mit DEWi = Distanzerwartungswert für den Wohnstandort i und gibt jene Reisezeit an, die die Patienten aus der Wohngemeinde i bei gegebener Anbieter-Struktur im Durchschnitt für ihren Besuch beim Arzt aufwenden werden. Der zentrale Parameter in dem entwickelten Modell der Gelegenheitspräferenzen für das Gesundheitswesen ist β, welcher die Reichweitenempfindlichkeit der Patienten widerspiegelt. Dieser Koeffizient wird im folgenden Kapitel näher untersucht. 4 Empirische Messung der Distanzempfindlichkeit 4.1 Rolle der Distanzempfindlichkeit Der Koeffizient β, der die Distanz- oder Reichweitenempfindlichkeit der Patienten abbildet determiniert u. a. auch die Größe des Einzugsgebietes und damit das Versorgungspotenzial einer Arztpraxis (Abbildung 1). Um das Modell der Gelegenheitenpräferenz und die daraus abgeleiteten Indikatoren in der Analyse und Planung anwenden zu können, werden die tatsächlichen Werte von β benötigt. Die Kenntnis der wahren Werte von beta ist für die Versorgungsplanung wichtig, da davon die persönliche Wahrnehmung der tatsächlichen Versorgungslage entscheidend abhängt.

5 222 G. Fülöp, T. Kopetsch und P. Schöpe Abb. 1: Auswirkungen von β auf das Versorgungspotenzial eines Arztstandortes (Quelle: Eigene Darstellung) Im Folgenden werden die Werte für den Parameter β arztgruppenspezifisch mittels empirischer Daten aus dem realen Versorgungsgeschehen in Deutschland geeicht (kalibriert). 4.2 Die Daten Für die Kalibration des Distanzempfindlichkeits-Parameters β wurden die vollständigen Patientendaten für 14 Arztgruppen aus Baden-Württemberg, Brandenburg, Hamburg und Westfalen-Lippe in anonymisierter Form zugrunde gelegt. Die Datenmenge umfasst insgesamt 60,5 Mio. Fälle (Baden-Württemberg 24 Mio., Brandenburg 8 Mio., Hamburg 2,5 Mio., Westfalen-Lippe 26 Mio.). Die Patientendaten wurden zunächst auf Basis der Information über die Anschrift geocodiert. Im Folgenden wurden jene Fälle entfernt, die außerhalb einer um die Bundeslandgrenzen liegenden Pufferzone von 75 km lagen. Lagen Mehrfachkontakte zu einem Arzt vor, wurden die Daten über den Arzt- und Patientenidentifizierungsschlüssel aggregiert, sodass bei häufigen Kontakten eines Patienten zum selben Arzt letztendlich nur ein Patientenkontakt gezählt wurde. Lagen Kontakte zu fachübergreifenden Gemeinschaftspraxen vor, wurden diese eliminiert, da ein arztgruppenspezifisches Ergebnis zu ermitteln war. Ebenso wurden die aufgesuchten Ärzte geocodiert. Arztgruppenspezifisch wurden die Daten über den individuellen Siedlungsflächenschlüssel2 aggregiert, so dass die Patienten- Interaktion auf die Siedlungsfläche des Arztes gerichtet war. Analog dazu wurde mit den Patienten verfahren. Auch die Patientendaten wurden über den Siedlungsflächenschlüssel aggregiert, allerdings arztgruppen- und arztstandortbezogen. Die Information über Patienten, die Ärzte unterschiedlicher Arztgruppen aufsuchten, ging hierbei nicht verloren. Im Ergebnis konnte ausgewiesen werden, welche Anzahl an Patienten einer Siedlungsfläche A 2 Als räumliche Bezugsgröße für die Beschreibung der Standorte von Ärzten dienten eigens zugeschnittene Siedlungsflächen, die die zusammenhängend bebauten Gebiete innerhalb einer Gemeinde wiedergeben. Jeder Fläche wurde ein eigener Identifikationsschlüssel (ID) zugewiesen. Die ersten neun Stellen der ID repräsentieren den amtlichen Gemeindeschlüssel (Ortskennzahl) der Bezugsgemeinde.

6 Einzugsbereiche von Arztpraxen und die Rolle der räumlichen Distanz 223 die Siedlungsfläche B mit einem oder mehreren Ärzten einer bestimmten Arztgruppe aufgesucht haben. Auf Basis von rund für Deutschland ausgewiesenen Siedlungsflächen konnten mithilfe einer Kürzesten-Wege-Matrix 3 die realen Reisezeiten im Individualverkehr für die Interaktionen zwischen allen Flächen ermittelt werden. 4.3 Vorgehensweise/Methodik Die systematische Messung der Distanzempfindlichkeit in Differenzierung nach verschiedenen Arztgruppen kann für diesen Bereich auf empirischer Basis erfolgen, über die Methode der iterativen Kalibration (schrittweise Ermittlung der bestmöglichen Parameterwerte durch Einsetzen alternativer Parameterkombinationen trial and error ). Dabei stellt sich heraus, dass sich der beste (= die Realität der Patienten-Interaktionen am besten abbildende) Wert für die Distanzempfindlichkeit β eindeutig identifizieren lässt, da die empirisch ermittelte Verlaufskurve der Modellgüte (bewertet über die Summe der einwohnergewichteten Abweichungen zwischen realen und modellierten Interaktionswahrscheinlichkeiten pro Wohngemeinde) immer einen eindeutig besten Wert für β erkennen lässt (vgl. Beispiel in Abbildung 2 mit einem optimalen β = 0,19 unter Annahme von α = 1). Abb. 2: Iterative Kalibration des optimalen Werts für die Distanzempfindlichkeit β (Quelle: Eigene Berechnungen) 3 Die Kürzeste-Wege-Matrix umfasst alle zwischen sämtlichen Siedlungsflächen möglichen Reisezeiten (Individualverkehr-Verbindungen) in Sekunden bei wegezeitminimaler Routenwahl. Die Berechnung der Reisezeiten erfolgte auf Grundlage eines vollständigen digitalen Straßennetzes, welches 15 verschiedene Straßentypen mit individuellen Durchschnittsgeschwindigkeiten unterscheidet. Die zugrunde gelegte Matrix enthält rund 2,5 Milliarden berechnete Entfernungen.

7 224 G. Fülöp, T. Kopetsch und P. Schöpe Die Wahrscheinlichkeit für die Patienten-Interaktion von einer Wohnstandort-Siedlungsfläche i zur Arztsiedlungsfläche j (p) mit der Reisezeit d wurde über das dargestellte Modell der Gelegenheitenpräferenz ermittelt. Dabei wurde α (alpha) gleich eins gesetzt (vernachlässigt). Für die Ermittlung des optimalen β je Arztgruppe wurde wie folgt vorgegangen: In einem ersten Schritt wurden in einer quadratischen Matrix jeweils im Modell die berechneten Interaktions-Wahrscheinlichkeiten von einer Siedlungsfläche in die anderen eingetragen. In einem zweiten Schritt wurden in einer analogen Matrix jeweils die (auf den Abrechnungsdaten basierenden) realen Interaktions-Wahrscheinlichkeiten von einer Siedlungsfläche in die anderen eingetragen. Anschließend wurden die Differenzen der Werte aus den jeweils einander entsprechenden Zellen in beiden Matrizen und zu diesen jeweils die Absolutbeträge ermittelt. Diese Werte wurden schließlich einwohnergewichtet und über alle Siedlungsflächen der betreffenden Region addiert. Dieser einwohnergewichtete Gesamtfehlerwert steht für die Abweichung zwischen Modell und Realität. Die beste Anpassung des Modells an die Realität ist bei jenem β erreicht, bei dem dieser Gesamtfehlerwert minimal wird (vgl. auch Abb. 2). Um diesen optimalen β-wert zu finden, wurde der oben genannte Vergleich der Matrizen für stufenweise variiertes β wiederholt und so für jede Arztgruppe das optimale β ermittelt (kalibriert). 4.4 Ergebnisse Für die β-kalibration wurden die realen Versorgungsdaten mehrerer Bundesländer mit den Simulationsergebnissen (bei schrittweise variiertem β) verglichen und in der Folge das β mit der geringsten Differenz zwischen simulierten und realen Patientenströmen ermittelt. Die Kalibration erfolgte einzeln für jede der 14 verschiedenen Arztgruppen. Abschließend wurde für jede Arztgruppe der einwohnergewichtete Mittelwert über die jeweils pro Bundesland ermittelten optimalen β-werte gebildet und so ein Schätzwert für das optimale β in Deutschland insgesamt ermittelt (vgl. Tabelle 1). Tabelle 1: Ergebnisse der arztgruppenspezifischen Kalibrierung von β (Quelle: Eigene Berechnungen) Arztgruppe β (opt.) Arztgruppe β (opt.) Hausärzte 0,28 Radiologen 0,18 Urologen 0,22 Frauenärzte 0,17 Augenärzte 0,21 Orthopäden 0,17 HNO-Ärzte 0,21 Nervenärzte 0,17 Kinderärzte 0,20 Fachinternisten 0,15 Chirurgen 0,20 Psychotherapeuten 0,11 Hautärzte 0,19 Anästhesisten 0,04 Bei der systematischen Messung der Distanzempfindlichkeit auf Basis der Echtdaten zeigt sich, dass sich für die verschiedenen Arztgruppen erwartungsgemäß auch unterschiedliche

8 Einzugsbereiche von Arztpraxen und die Rolle der räumlichen Distanz 225 Optimal-Werte für β ergeben, wobei sich diese Optimal-Werte, zwischen 0,04 und 0,28 bewegen. Aus den Werten wird deutlich, dass Hausärzte, Augenärzte, HNO-Ärzte und Urologen räumlich enger beschränkte Einzugsgebiete aufweisen, da ihre Patienten eine hohe Distanzempfindlichkeit entwickeln, während fachärztlich tätige Internisten, Nervenärzte, Psychotherapeuten und Anästhesisten über ausgedehntere Einzugsbereiche verfügen, da ihre Patienten bereit sind, auch weitere Strecken zu ihnen zurückzulegen. 5 Die Rolle der räumlichen Distanz für die Arztwahl der Patienten 5.1 Grundsätzliche Überlegungen und Methode Während bisher eine arztzentrierte Betrachtung vorgenommen wurde es wurde der einzelne Arzt betrachtet und überprüft, wo seine Patienten wohnen wird nunmehr eine patientenbezogene Analyse vorgenommen. Die interessierende Fragestellung ist, ob Menschen bei der Wahl des niedergelassenen Arztes die Wegezeit minimieren (Aufwandsminimierung), oder ob sie bewusst nicht den nächstgelegen Arzt aufsuchen, sondern den Arzt ihres Vertrauens (Akt der Präferenzäußerung). Dabei wurde wie folgt vorgegangen: Es wurde jeder einzelne Patient in Baden-Württemberg betrachtet und analysiert, ob er den Arzt aufgesucht hat, dessen Praxis am nächsten zu seinem Wohnstandort liegt oder ob er einen Arzt konsultiert hat, dessen Standort weiter entfernt liegt. Die Patientendaten aus der Abrechnung des ersten Quartals 2007 aus Baden-Württemberg wurden geocodiert und so die Entfernungen zu den jeweils aufgesuchten (ebenfalls geocodierten) Ärzte ermittelt. Diese Entfernungen wurden verglichen mit den Entfernungen der jeweils nächstgelegenen Ärzte in der betreffenden Arztgruppe. Um Ergebnisverfälschungen in den Randgebieten des Bundeslandes auszuschließen, wurde eine Pufferzone von 15 km (von der Bundeslandsgrenze nach innen) definiert. Die innerhalb dieser Zone befindlichen Patienten wurden in die Berechnungen nicht einbezogen, da deren nächstgelegener Arzt ggf. außerhalb liegt. Bei der Untersuchung nach der Nächstgelegenheit wurde das MapInfo- Tool Distance Calculator genutzt (find the closest point [nächstgelegener Arztsitz] bzw. calculate distance to destination [aufgesuchter Arztsitz]). 5.2 Ergebnisse und Interpretationen zur Nächstgelegenheit Zur Beurteilung der Frage, inwieweit Patienten den ihrem Wohnstandort jeweils nächstgelegenen Arzt aufsuchen, wurde für jeden Patienten arztgruppenspezifisch die durchschnittliche Entfernung des nächsten Arztes sowie jene des tatsächlich besuchten Arztes ermittelt. Weiter wurde der Anteil jener Patienten ermittelt, die den nächstgelegenen (und nicht einen weiter entfernten Arzt der jeweiligen Arztgruppe) aufgesucht haben (vgl. Tabelle 2). Diese Untersuchungsergebnisse basieren jeweils auf Luftlinienentfernungen, Differenzen zwischen tatsächlichen und nächsten Entfernungen von unter zwei Kilometern wurden grundsätzlich als Besuch des nächstliegenden Arztes gewertet. Die Ergebnisse belegen die Annahme, dass Patienten mit hoher Wahrscheinlichkeit den jeweils ihrem Wohnstandort nächstgelegenen Arzt aufsuchen (je nach Arztgruppe zwischen 57 % und 75 %, ausgenommen Anästhesisten und Psychotherapeuten, vgl. Tabelle 2).

9 226 G. Fülöp, T. Kopetsch und P. Schöpe Tabelle 2: Ergebnisse zur Nächstgelegenheit aufgesuchter niedergelassener Ärzte (Quelle: Eigene Berechnungen) Arztgruppe Relativer Anteil Nächstarztbesucher Anzahl Ärzte Anteil Ärzte*) Ärzte je Ew Ärzte je 100 qkm Radiologen 74,7 % 286 1,9 % 2,6 0,8 Urologen 74,5 % 297 1,9 % 2,7 0,8 Hausärzte 71,5 % ,5 % 52,3 15,7 HNO-Ärzte 70,5 % 453 2,9 % 4,2 1,2 Chirurgen 70,3 % 443 2,9 % 4,1 1,2 Augenärzte 69,2 % 638 4,1 % 5,9 1,7 Hautärzte 68,9 % 416 2,7 % 3,8 1,1 Kinderärzte 67,9 % 777 5,1 % 7,2 2,1 Orthopäden 62,7 % 652 4,2 % 6,0 1,8 Nervenärzte 61,4 % 659 4,3 % 6,1 1,8 Frauenärzte 57,4 % ,0 % 11,4 3,4 Fachinternisten 56,9 % ,8 % 21,1 6,3 Psychotherapeuten 38,5 % 744 4,8 % 6,9 2,0 Anästhesisten 31,4 % 326 2,1 % 3,0 0,9 *) Anteil der Arztgruppe an der Gesamtheit der Ärzte 2006 (Anteil der nicht angeführten, sonstigen Ärzte: 3,7 %) 6 Resümee Die Ergebnisse aus den verschiedenen GIS-basierten Methoden zur Ermittlung und Beschreibung von Arzt-Einzugsbereichen sowie von Parametern zur Nächstgelegenheit und zur Distanzempfindlichkeit sind in der Gegenüberstellung stimmig und bestätigen sich gegenseitig. Eine lineare Regressionsanalyse ergibt einen positiven Zusammenhang, wobei das korrigierte R 2 0,782 beträgt. Der Korrelationskoeffizient liegt bei 0,894. Je höher der Prozent-Anteil jener Patienten, die pro Arztgruppe den jeweils nächstgelegenen Arzt aufsuchen, umso höher tendenziell auch die Distanzempfindlichkeit β in der betreffenden Arztgruppe und umgekehrt. Damit wird die Plausibilität und Stimmigkeit beider Methoden im direkten Vergleich bestätigt und der methodische Ansatz in Bezug auf das beschriebene Interaktionsmodell der Gelegenheitenpräferenz bekräftigt. Auf dieser Basis kann nun eine kleinräumige Versorgungsplanung zur Sicherstellung einer flächendeckenden, wohnortnahen Versorgung mit ambulanten ärztlichen Leistungen erfolgen.

10 Einzugsbereiche von Arztpraxen und die Rolle der räumlichen Distanz 227 Literatur BÖKEMANN, D. (1982): Theorie der Raumplanung. München/Wien. BREYER, F. et al. (2003): Gesundheitsökonomie. 4. Aufl. Berlin. CONVERSE, P. D. (1949): New Laws of Retail Gravitation. In: Journal of Marketing, 14, S HUFF, D. L. (1963): A Probability Analysis of Shopping Center Trading Areas. In: Land Economics, 53, S JERMANN, J. (2005): GIS-basiertes Konzept zur Modellierung von Einzugsbereichen auf Bahn-Haltestellen, Zürich. LÖFFLER, G. (1999): Marktgebiet und Einzugsbereich mathematisch-statistische Modellansätze zu ihrer Abgrenzung. In: HEINRITZ, G. (Hrsg.): Die Analyse von Standorten und Einzugsbereichen Methodische Grundfragen der geographischen Handelsforschung. Passau, S REILLY, W. J. (1929): The Law of Retail Gravitation. New York. STEINBACH, J. (1980): Theoretische und methodische Grundlagen für ein Modell des sozialbestimmten räumlichen Verhaltens. Wien.