Advertisement

Wie „repräsentativ“ sind GKV-Daten?

Demografische und soziale Unterschiede und Ähnlichkeiten zwischen einer GKV-Versichertenpopulation, der Bevölkerung Niedersachsens sowie der Bundesrepublik am Beispiel der AOK Niedersachsen
  • J. Jaunzeme
  • S. Eberhard
  • S. GeyerEmail author
Originalien und Übersichten

Zusammenfassung

Anhand von Daten der AOK Niedersachsen wird im vorliegenden Beitrag untersucht, ob sich die Versicherten hinsichtlich sozialstruktureller Merkmale von der Bevölkerung Niedersachsens und der Bundesrepublik unterscheiden. Die Vergleichsdaten stammen von den statistischen Ämtern; sie sind nach den gleichen Kriterien kodiert und können daher direkt für Vergleiche verwendet werden. Die Geschlechterverteilung unter den AOK-Versicherten unterscheidet sich von der in der Bevölkerung Niedersachsens und in der gesamten Bundesrepublik kaum. Gering sind auch die Unterschiede bei der Altersverteilung. Unter den AOK-Versicherten ist der Anteil der Beschäftigten bei den männlichen Versicherten etwa gleich groß wie in Niedersachsen und in Deutschland, bei Frauen ist er geringer. Die Beschäftigten unter den AOK-Versicherten sind im Durchschnitt niedriger qualifiziert als in Niedersachen und in Deutschland, die höheren Qualifikationsgruppen sind jedoch ausreichend stark vertreten. Wesentliche sozialstrukturelle Merkmale sind bei den AOK-Versicherten teilweise anders verteilt als in der Gesamtbevölkerung Niedersachsens bzw. in Gesamtdeutschland. Die diesbezügliche Repräsentativität ist jedoch keine Voraussetzung dafür, um Zusammenhänge zwischen sozialstrukturellen Merkmalen und gesundheitlichen Beeinträchtigungen bzw. Mustern der Inanspruchnahme medizinischer Leistungen untersuchen zu können. Entscheidend ist, dass in allen Subgruppen genügend Personen vorhanden sind. Aufgrund der hohen Fallzahl ist dies in den AOK-Daten gegeben.

Schlüsselwörter

Routinedaten Bevölkerungsvergleiche Repräsentativität Gesetzliche Krankenversicherung Sozialstruktur 

How “representative” are SHI (statutory health insurance) data?

Demographic and social differences and similarities between an SHI-insured population, the population of Lower Saxony, and that of the Federal Republic of Germany using the example of the AOK in Lower Saxony

Abstract

Using data obtained from a statutory health insurance (AOK) in the federal state of Lower Saxony, this study examined whether there were differences between the insured population compared with that of Lower Saxony (Niedersachsen) and of Germany with respect to social structural characteristics. Data for the comparisons were provided by the statistical office of Germany, and all datasets were coded according to the same criteria. The differences in gender distribution and age distribution between the AOK, Lower Saxony, and Germany were small. The share of employed individuals among the insured compared with those of Lower Saxony and Germany did not differ for males, but it was lower in women. In the insured population a higher proportion of individuals had lower qualification levels than in Lower Saxony or in Germany; the number of individuals with higher qualifications was, however, sufficient to permit statistical analyses. There were differences in the distributions of social structural characteristics between the health insurance population on the one hand and the populations of Lower Saxony and of Germany on the other. Due to the high number of cases, it is nevertheless possible to analyze associations between social structural variables, health impairments, and patterns of health care utilization.

Keywords

Routine data Population-based comparisons Representativity Statutory health insurance Social structure 

Notes

Danksagung

Wir danken Ingrid Schubert, Peter Ihle, Sascha Abbas und Rebecca Hein (Forschungsgruppe Primärmedizinische Versorgung, Universität Köln) für eine konstruktive Diskussion des Textes und den beiden anonymen Gutachtern für ihre sehr hilfreichen Kommentare.

Interessenkonflikt

Der korrespondierende Autor weist für sich und seine Koautoren auf folgende Beziehungen hin: Sveja Eberhard ist Mitarbeiterin der AOK Niedersachsen, bei Siegfried Geyer und Jelena Jaunzeme bestehen keine Interessenskonflikte.

Literatur

  1. 1.
    Schnee M (2008) Sozioökonomische Strukturen und Morbidität in den gesetzlichen Krankenkassen. In: Böcken J, Braun B, Amhof R (Hrsg) Gesundheitsmonitor 2008. Gesundheitsversorgung und Gestaltungsoptionen aus der Perspektive der Bevölkerung. Verlag Bertelsmann Stiftung, Gütersloh, S 88–104Google Scholar
  2. 2.
    Hoffmann F, Icks A (2012) Unterschiede in der Versichertenstruktur von Krankenkassen und deren Auswirkungen für die Versorgungsforschung: Ergebnisse des Bertelsmann-Gesundheitsmonitors. Gesundheitswesen 74:291–297PubMedCrossRefGoogle Scholar
  3. 3.
    Hoffmann F, Icks A (2011) Diabetes prevalence based on health insurance claims: large differences between companies. Diabet Med 28:919–923PubMedCrossRefGoogle Scholar
  4. 4.
    Mielck A (2000) Soziale Ungleichheit und Gesundheit. Huber, BernGoogle Scholar
  5. 5.
    Braun B, Müller R (2006) Gesundheitsberichterstattung mit GKV-Daten. In: Müller R, Braun B (Hrsg) Vom Quer- zum Längsschnitt mit GKV-Daten. Schwäbisch Gmund: GEK, Gmünder Ersatzkasse: 6–22Google Scholar
  6. 6.
    Bowles D, Damm O, Greiner W (2011) Gesundheitsbezogene Versorgungsforschung mit GKV-Routinedaten – Grenzen am Beispiel der Prophylaxe venöser Thromboembolien in der Hüft- und Kniegelenkendoprothetik. Gesundh Ökon Qual Manag 16:96–107CrossRefGoogle Scholar
  7. 7.
    Geyer S (2008) Sozialstruktur und Krankheit: Analysen mit Daten der gesetzlichen Krankenversicherung. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 51:1164–1172CrossRefGoogle Scholar
  8. 8.
    Huber J, Mielck A (2010) Morbidität und Gesundheitsversorgung bei GKV- und PKV-Versicherten Forschungsstand empirischer Studien. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 53:925–938CrossRefGoogle Scholar
  9. 9.
    Swart E, Ihle P (2005) Routinedaten im Gesundheitswesen. Hans Huber, BernGoogle Scholar
  10. 10.
    Schubert I, Köster I, Küpper-Nybelen J, Ihle P (2008) Versorgungsforschung mit GKV-Routinedaten. Nutzungsmöglichkeiten versichertenbezogener Krankenkassendaten für Fragestellungen der Versorgungsforschung. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 51:1095–1105CrossRefGoogle Scholar
  11. 11.
    Arbeitsgruppe Erhebung und Nutzung von Sekundärdaten (AGENS) (2008) Gute Praxis Sekundärdatenanalyse, Revision nach Überarbeitung. http://www gesundheitsforschung-bmbf de/_media/GPS pdf. URL: http://www.gesundheitsforschung-bmbf.de/_media/GPS.pdfGoogle Scholar
  12. 12.
    (o A) (2007) Sachverständigenrat zur Begutachtung der Entwicklung im Gesundheitswesen. Gutachten 2007 des Sachverständigenrates zur Begutachtung der Entwicklung im Gesundheitswesen: Kooperation und Verantwortung. Voraussetzungen einer zielorientierten Gesundheitsversorgung. Drucksache 16/6339. Deutscher Bundestag, BerlinGoogle Scholar
  13. 13.
    Statistische Ämter des Bundes und der Länder. Regionaldatenbank Deutschland. http://www regionalstatistik deGoogle Scholar
  14. 14.
    Bundesagentur für Arbeit (2012) Schlüsselverzeichnis für Angaben zur Tätigkeit in den Meldungen zur Sozialversicherung, Version 2003. http://www arbeitsagentur de/nn_27830/Navigation/zentral/Veroeffentlichungen/Schluesselverzeichnis/Schluesselverzeichnis-Nav.html. URL: http://www.arbeitsagentur.de/nn_27830/Navigation/zentral/Veroeffentlichungen/Schluesselverzeichnis/Schluesselverzeichnis-Nav.htmlGoogle Scholar
  15. 15.
    Bundesministerium für Arbeit und Sozialordnung (2006) Verordnung über die Erfassung und Übermittlung von Daten für die Träger der Sozialversicherung. Bundesgesetzblatt 1:152Google Scholar
  16. 16.
    Finkenstädt V, Keßler T (2012) Die sozioökonomische Struktur der PKV-Versicherten – Ergebnisse der Einkommens- und Verbrauchsstichprobe 2008. Wissenschaftliches Institut der PKV, KölnGoogle Scholar
  17. 17.
    Schubert I, Ihle P, Köster I (2010) Interne Validierung von Diagnosen in GKV Routinedaten: Konzeption mit Beispielen und Falldefinition. Gesundheitswesen 72:316–322PubMedCrossRefGoogle Scholar
  18. 18.
    Hach I, Rentsch A, Ruhl U, Becker E et al (2003) Validität von Krankenscheindiagnosen psychischer Störungen. Gesundheitswesen 65:359–364PubMedCrossRefGoogle Scholar
  19. 19.
    Geyer S (2005) Die Bestimmung der sozioökonomischen Position in Prozessdaten und ihre Verwendung in Sekundärdatenanalysen. In: Swart E, Ihle P (Hrsg) Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven. Huber, Bern, S 203–214Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2013

Authors and Affiliations

  1. 1.Medizinische Soziologie OE 5420Medizinische Hochschule HannoverHannoverDeutschland
  2. 2.AOK NiedersachsenHannoverDeutschland

Personalised recommendations