Gesundheitswesen 2014; 76(07): 453-461
DOI: 10.1055/s-0034-1372619
Originalarbeit
© Georg Thieme Verlag KG Stuttgart · New York

Identifizierung und Charakterisierung von Gesundheitsverhaltenstypen bei 11- bis 17-Jährigen Jungen und Mädchen – Eine Clusteranalyse auf Basis der Daten des Kinder- und Jugendgesundheitssurveys (KiGGS)

Identification and Characterisation of Health Behaviours in 11- to 17-Year-Old Adolescents: A Cluster Analysis Based on the German Health Interview and Examination Survey for Children and Adolescents
T. Höpker
1   Abteilung Epidemiologie von Krebserkrankungen, AG Nationale Kohorte, Deutsches Krebsforschungszentrum, Heidelberg
,
T. Lampert
2   Fachgebiet GBE, Robert Koch-Institut, Berlin
,
J. Spallek
3   AG3 Epidemiologie & International Public Health, Fakultät für Gesundheitswissenschaften, Universität Bielefeld, Bielefeld
› Author Affiliations
Further Information

Publication History

Publication Date:
10 July 2014 (online)

Zusammenfassung

Hintergrund: Gesundheitsverhaltensweisen werden in der Jugendphase gebildet oder gefestigt und können in späteren Lebensjahren zu Erkrankungen mit hoher Krankheitslast, verminderter Lebensqualität und frühzeitiger Mortalität führen. Ziel dieser Analyse ist die Identifizierung von Clustern verschiedener Gesundheitsverhaltenstypen und die Charakterisierung der Clusterzugehörigkeit anhand unterschiedlicher soziodemografischer und sozioökonomischer Faktoren.

Methodik: Basierend auf den Daten des Kinder- und Jugendgesundheitssurveys (KiGGS) wurden 6 813 Jugendliche im Alter von 11 bis 17 Jahren zur Identifizierung der Cluster mittels Two-Step-Clusteranalyse herangezogen. Im Anschluss einer Diskriminanzanalyse zur Prüfung der Stabilität und Validität der Clusterlösung wurde die Assoziation zwischen Clusterzugehörigkeit und möglichen Determinanten mittels binärer logistischer Regressionsanalysen ausgewertet.

Ergebnisse: Nach der Auswertung konnten die 11- bis 13-Jährigen in 5 Cluster, die 14- bis 17-Jährigen in 3 Cluster zusammengeführt werden. In beiden Altersgruppen konnten ein eher gesundheitsförderndes sowie -schädigendes Cluster identifiziert werden. In diesen Clustern zeigte sich die stärksten Assoziationen zwischen Clusterzugehörigkeit und determinierenden Faktoren (z. B. Rauchstatus von Freunden, Gewichtsstatus, Alter). Für die Clusterbildung waren vor allem körperliche Aktivität sowie Tabak- und Alkoholkonsum maßgeblich verantwortlich.

Schlussfolgerung: Die Ergebnisse dieser Untersuchung – insbesondere die Identifizierung und Charakterisierung von Jugendlichen mit gesundheitsriskanten Verhaltensweisen – liefern einen wichtigen Beitrag für die Ableitung von zielgruppenspezifischer Interventionen der Prävention und Gesundheitsförderung.

Abstract

Background: Negative patterns of health behaviour regarding health are developed and solidified internalised in adolescence. In later years, they can lead to diseases which contribute to a high burden of disease, reduced quality of life and premature mortality in later years. The purpose of this analysis is the identification of clusters with different health behavioural types and the characterisation of cluster membership on the basis of different socio-economic and socio-demographic factors.

Methods: Based on the dataset of the German Health Interview and Examination Survey for Children and Adolescents (KiGGS), 6 813 adolescents aged between 11 and 17 years were included in the identification of the clusters by a 2-step cluster analysis. Subsequent to the discriminant analysis for testing the stability and validity of the cluster solutions, the associations between cluster membership and possible determinants were evaluated by binary logistic analysis.

Results: After that adolescents aged 11–13 years could be merged to 5 clusters, whilst adolescents aged 14–17 years could be merged to 3 clusters. In both age groups, clusters manifesting tendencies conducive to and clusters manifesting tendencies not conducive to health promotion could be identified. In these clusters, the strongest association between cluster membership and the determining factors (e. g., smoking status of friends, health status) could be found. Primarily responsible for cluster generation were physical activity as well as tobacco and alcohol consumption.

Conclusion: The results of this analysis – especially the identification of clusters based on adolescents with behavioural patterns unconducive to long-term health – represent a contribution to creating interventions specific to target groups with regard to preventative education and health promotion.