Regionalisierung von Gesundheitsindikatoren – Ergebnisse der GEDA-Studien 2009 und 2010

Hintergrund: In Deutschland besteht zunehmend ein Bedarf an kleinräumigen Daten zur Gesundheit der Bevölkerung. Im Beitrag werden die bundesweit repräsentativen Gesundheitssurveys des RKI genutzt, um regionale Disparitäten in der Gesundheit zu untersuchen. Daten und Methoden: Es werden Daten der Studien „Gesundheit in Deutschland aktuell„ 2009 und 2010 (n=43.312) verwendet. Regionale Unterschiede werden hinsichtlich der Prävalenz von Adipositas sowie der 12-Monats-Prävalenz von Diabetes mellitus analysiert. Dazu werden den Daten der GEDA-Studie Regionalindikatoren aus den Datenbanken INKAR 2009 des BBSR sowie „Regionaldatenbank Deutschland„ von Destatis zugespielt. Bei der Prävalenzschätzung kommen im Rahmen der sog. Small-Area-Estimation [1, 2] logistische multilevel Regressionsmodelle mit erklärenden Variablen auf der Individual- und Kontextebene zur Anwendung. Ergebnisse: Die Ergebnisse sprechen auf der Ebene der Raumordnungsregionen und auf der Ebene der Kreise und kreisfreien Städte dafür, dass in Deutschland beträchtliche regionale Disparitäten hinsichtlich der betrachteten Gesundheitsindikatoren bestehen. Nach Kontrolle für das Alter und Geschlecht der Befragten, ist das Median Odds Ratio (MOR [3]) für den Vergleich der Kreise signifikant und variiert zwischen 1,17 (Diabetes) und 1,25 (Adipositas). Nach Aufnahme der kontextuellen Determinanten in die Modelle war das MOR für Diabetes nicht mehr signifikant. Für das Risiko von Adipositas zeigte sich dagegen weiterhin eine signifikante Variation der Prävalenz über die Kreise. Bei der Schätzung der Prävalenzen auf Kreisebene wurden daher für das Risiko von Adipositas auch zufällige Effekte (Random Intercepts) berücksichtigt, während für die Prävalenz von Diabetes nur die sog. fixed effects einbezogen wurden. Diskussion: Die GEDA-Studien sind aufgrund ihres Stichprobendesigns und ihres Stichprobenumfangs geeignet, um regionale Disparitäten in der Gesundheit zu untersuchen. Auf Basis der Small-Area-Estimation zeigten sich dabei signifikante regionale Disparitäten hinsichtlich der betrachteten Gesundheitsindikatoren. Während sich diese Unterschiede für die 12-Monats-Prävalenz von Diabetes weitgehend auf die sozialstrukturellen Eigenschaften der Regionen zurückführen ließen, gab es beim Risiko von Adipositas auch eine davon unabhängige, regionale Variation der Prävalenzen.

Literatur:

[1] Rao JNK (2003) Small area estimation. John Wiley, Hoboken, N.J. [2] Li W, Kelsey JL, Zhang Z, Lemon SC, Mezgebu S, Boddie-Willis C, Reed GW (2009) Small-area estimation and prioritizing communities for obesity control in Massachusetts. Am J Public Health 99:511–519 [3] Larsen K, Merlo J (2005) Appropriate Assessment of Neighborhood Effects on Individual Health: Integrating Random and Fixed Effects in Multilevel Logistic Regression. Am J Epidemiol 161:81–88