Influenzaimpfungen bei über 65-jährigen: scanstatistische Bestimmung und Interpretation räumlicher und raum-zeitlicher Cluster

Die räumliche Analyse von Impfquoten stellt in der Versorgungsforschung einen wichtigen Ansatz dar, um Interventionsräume zu identifizieren und die gesundheitliche Versorgung zu verbessern. Das Ziel des vorliegenden Papers ist die Identifikation von räumlichen und raum-zeitlichen Clustern mit hohen und niedrigen Quoten der Influenzaimpfung. Zusätzlich sollen Erklärungsansätze mittels Schätzung raumbasierter Einflussfaktoren gegeben werden.

Die Grundlage bildeten Abrechnungsdaten der KVWL von 2012 bis 2017. Für die Detektion von Influenzaimpfquoten wurde eine Kohorte gesetzlich Versicherter über 65 Jahren aggregiert auf PLZ-5-Ebene gebildet, die mindestens zwei Arztbesuche in einer Grippesaison aufwiesen (alters- und geschlechtsstandardisiert). Als Methodik wurde die räumliche Scanstatistik mit dem diskreten Poisson Wahrscheinlichkeitsmodell gewählt, die hohe und niedrige relative Risiken von Impfquoten in Clustern ausweist.

Die Impfquoten zeigen eine deutliche räumliche Heterogenität mit einer Tendenz zur Clusterung an (Global Moran“s I = 0,20; p < 0,001). Räumliche Cluster können im Ruhrgebiet, im Münsterland und im Sauerland detektiert werden. Die 10 Cluster mit den höchsten Log-Likelihood-Raten (LLR) und niedrigsten p-Werten zeigen ein Relatives Risiko (RR) von RR = 1,21 (LLR = 5,7; Anzahl PLZ = 5) im Maximum und RR = 0,74 (LLR = 98,6; Anzahl PLZ = 1) im Minimum. Nach Abgleich mit dem zeitlichen Trend lokaler Impfquoten erweisen sich diese als stabil. In der raum-zeitlichen Analyse beträgt das Cluster-Maximum RR = 1,22 (LLR = 69,6; Anzahl PLZ = 7; Zeitraum: 2014 – 16) und das Cluster-Minimum RR = 0,70 (LLR = 67,7; Anzahl PLZ = 1; Zeitraum: 2014 – 16). Raumbasierte Einflussfaktoren auf die Impfquote sind u.a. sozio-ökonomische Faktoren, der Bildungsstand und die Impfquote des Vorjahres.

Die Identifikation von persistenten Clustern und einer flankierenden Schätzung von Einflussfaktoren ermöglicht eine räumliche Priorisierung und unterstützt gezielte raum- und adressatenspezifische Maßnahmen.