Advertisement

Methodische Überlegungen für das Datenlinkage von Primär- und Sekundärdaten im Rahmen arbeitsepidemiologischer Studien

  • S. MarchEmail author
  • M. Iskenius
  • J. Hardt
  • E. Swart
Originalien und Übersichten

Zusammenfassung

Mit Blick auf die alternde Bevölkerung erlangt der Themenkomplex „Arbeit, Alter und Gesundheit“ eine zunehmende Bedeutung. Ein zentraler Aspekt arbeitsepidemiologischer Forschung ist daher die Frage, welche Arbeitsbedingungen krank machen und welche Faktoren für ein langes Verbleiben im Berufsleben maßgeblich sind. Bislang bedient sich die arbeitsepidemiologische Forschung hierfür unterschiedlicher Primär- und Sekundärdatenquellen, aber nur vereinzelt des Instruments des Datenlinkage. Die hier vorgestellte Studie verknüpft 2 große Datensätze zu einer „Age-Work-Matrix“ auf Basis der Klassifikation der Berufe von 1988 (berufliche Tätigkeit als Schlüsselvariable). Einer der verwendeten Datenkörper besteht aus der repräsentativen BIBB/BAuA-Befragung für Erwerbstätige aller Berufsgruppen in Deutschland 2005/06, der andere aus den Arbeitsunfähigkeitsmeldungen von Versicherten einer deutschlandweit vertretenen gesetzlichen Krankenkasse. Mit dem Matrix-Ansatz sollen Zusammenhänge zwischen subjektiv erlebten psychosozialen Belastungen und möglichen gesundheitlichen Auswirkungen untersucht werden. Die verwendeten Krankenkassendaten bieten mit den Angaben zur Arbeitsunfähigkeit einen Indikator für gesundheitliche Beeinträchtigungen. Die Nutzbarkeit der Arbeitsunfähigkeitsdaten in arbeitsepidemiologischen Studien, deren methodische Herausforderungen sowie die realisierten Lösungen werden diskutiert.

Schlüsselwörter

Arbeitsunfähigkeit Routinedaten Arbeitsepidemiologie Datenlinkage Age-Work-Matrix 

Methodological considerations for data linkage of primary and secondary data in occupational epidemiology studies

Abstract

Within the scope of an aging population, the topic age, work and health becomes more and more important. So far, research in occupational epidemiology utilizes various primary or secondary data sources. However, data linkage has rarely been used as an instrument in this field. The study presented here combines two large databases within a so-called “age–work matrix”, stratified by sex, age group and occupational group. This matrix is based on the German classification of occupations and uses its occupation codes as a key variable. The first database is the representative BIBB/BAuA employment survey for employees of all occupations in Germany 2005/06. The second database consists in sickness absence data of the insurees of a German statutory health insurance fund. Using the matrix approach, the study investigates associations of reported subjectively perceived psychosocial work strains and health impairments provided by health insurance claims data. These claims data offer sickness absence data as an indicator for health impairments. Usability of sickness absence data for studies in occupational epidemiology, their methodological challenges and the solutions realized in this study are discussed.

Keyword

Sickness absence Claims data Occupational epidemiology Data linkage Age-work matrix 

Notes

Interessenkonflikt

Die korrespondierende Autorin weist für sich und ihre Koautoren auf folgende Beziehungen hin: Die Studie wurde von der BARMER GEK im Rahmen des Projekts „BEK-GEK Arbeit & Alter“ finanziell unterstützt. Alle Autoren geben an, dass bei dieser Studie keine Interessenkonflikte bestanden.

Literatur

  1. 1.
    Kroll LE, Müters S, Dragano N (2011) Arbeitsbelastungen und Gesundheit. Zahlen und Trends aus der Gesundheitsberichterstattung des Bundes. GBE Kompakt 5/2011. Robert Koch-Institut, BerlinGoogle Scholar
  2. 2.
    Nieuwenhuijsen MJ (Hrsg) (2003) Exposure assessment in occupational and environmental epidemiology. Oxford University Press, Oxford New YorkGoogle Scholar
  3. 3.
    McDonald C (Hrsg) (2000) Epidemiology of work related diseases, 2. Aufl. BMJ Books, LondonGoogle Scholar
  4. 4.
    Faus-Keßler T, Brüske-Hohlfeld I, Scherb H et al (1992) Einführung in die arbeitsmedizinische Epidemiologie. Sonderschrift S 29. Schriftenreihe der Bundesanstalt für Arbeitsschutz. Wirtschaftsverlag NW, BremerhavenGoogle Scholar
  5. 5.
    Checkoway H, Pearce N, Kriebel D (2004). Research methods in occupational epidemiology. Monographs in epidemiology and biostatistics. Oxford Univ. Press, OxfordGoogle Scholar
  6. 6.
    Hall A, Braun U, Herget H et al (2010) BIBB/BAuA-Erwerbstätigenbefragung 2006. Arbeit und Beruf im Wandel, Erwerb und Verwertung beruflicher Qualifikationen. Abschlussbericht zu Forschungsprojekt 2.2101. Bundesinstitut für Berufsbildung, Bonn. https://www2.bibb.de/tools/fodb/pdf/eb_22101.pdfGoogle Scholar
  7. 7.
    Robert Koch-Institut (Hrsg) (2011) Daten und Fakten: Ergebnisse der Studie Gesundheit in Deutschland aktuell 2009. Robert Koch-Institut, BerlinGoogle Scholar
  8. 8.
    Bonitz D, Bödeker W (2000) Routineberichterstattung auf der Basis von Arbeitsunfähigkeitsmeldungen der Gesetzlichen Krankenversicherung. Gesundheitswesen 62:525–537PubMedCrossRefGoogle Scholar
  9. 9.
    Liebers F, Caffier G (2009) Berufsspezifische Arbeitsunfähigkeit durch Muskel-Skelett-Erkrankungen in Deutschland. Abschlussbericht zum Projekt F 1996, 1. Aufl. Bundesanstalt für Arbeitsschutz und Arbeitsmedizin, Dortmund. http://www.baua.de/de/Publikationen/Fachbeitraege/F1996.pdf;jsessionid=AF253A84349E35F794D663B7A3FF0477.1_cid246?__blob=publicationFile&v=8Google Scholar
  10. 10.
    Zoike E, Bödeker W (2008) Berufliche Tätigkeit und Arbeitsunfähigkeit. Repräsentative arbeitsweltbezogene Gesundheitsberichterstattung mit Daten der Betriebskrankenkassen. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 51:1155–1163CrossRefGoogle Scholar
  11. 11.
    Kroll LE (2011) Konstruktion und Validierung eines allgemeinen Index für die Arbeitsbelastung in beruflichen Tätigkeiten anhand von ISCO-88 und KldB-92. Methoden Daten Analysen 5:63–90Google Scholar
  12. 12.
    Iskenius M, Hardt J, Müller BH, Hasselhorn HM (2012) Gesundheitsindikatoren in einer älter werdenden Erwerbsbevölkerung – Eine Untersuchung auf Basis der BIBB/BAuA-Befragung des Jahres 2006. Arbeitsmed Sozialmed Umweltmed 47(4):240–251Google Scholar
  13. 13.
    Röttger C, Bender S, Friedel H et al (2005) Rekonstruktion von Erwerbsverläufen aus Sekundärdaten zur Bestimmung beruflicher Belastungen. In: Swart E, Ihle P (Hrsg) Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven. Hans Huber, Bern, S 281–290Google Scholar
  14. 14.
    Iskenius M (2011) Berufliches Belastungs- und Beanspruchungsprofil in einer älter werdenden Erwerbsgesellschaft. Bergische Universität Wuppertal, Wuppertal (unveröff. Bericht)Google Scholar
  15. 15.
    Fletcher RH, Fletcher SW, Wagner EH (1996) Clinical epidemiology. The essentials, 3. Aufl. Williams & Wilkins, BaltimoreGoogle Scholar
  16. 16.
    Siefer A, Beermann B (2010) Grundauswertung der BIBB/BAuA-Erwerbstätigenbefragung 2005/2006 mit den Schwerpunkten Arbeitsbedingungen, Arbeitsbelastungen und gesundheitliche Beschwerden. Dortmund, Berlin, Dresden: Bundesanstalt für Arbeitsschutz und Arbeitsmedizin (unveröff., auf Anfrage bei den Autoren erhältlich)Google Scholar
  17. 17.
    Hall A (2009) Die BIBB/BAuA-Erwerbstätigenbefragung 2006 – Methodik und Frageprogramm im Vergleich zur BIBB/IAB-Erhebung 1998. Wissenschaftliche Diskussionspapiere, 107. Bundesinstitut für Berufsbildung, BonnGoogle Scholar
  18. 18.
    BARMER GEK (Hrsg) (2010). BARMER GEK Gesundheitsreport 2010 Teil 1. Gesundheitskompetenz in Unternehmen stärken, Gesundheitskultur fördern. http://www.barmer-gek.de/barmer/web/Portale/Versicherte/Komponenten/gemeinsame__PDF__Dokumente/Reports/2010__Gesundheitsreport, property=Data.pdfGoogle Scholar
  19. 19.
    Sozialgesetzbuch Fünftes Buch (SGB V) – Gesetzliche Krankenversicherung – (Artikel 1 des Gesetzes v. 20. Dezember 1988, BGBl. I S. 2477). http://www.gesetze-im-internet.de/bundesrecht/sgb_5/gesamt.pdfGoogle Scholar
  20. 20.
    Gemeinsamer Bundesausschuss (2006) Richtlinien des Gemeinsamen Bundesausschusses über die Beurteilung der Arbeitsunfähigkeit und die Maßnahmen zur stufenweisen Wiedereingliederung (Arbeitsunfähigkeits-Richtlinien) nach § 92 Abs. 1 Satz 2 Nr. 7 SGB V. http://www.g-ba.de/downloads/62-492-56/RL_Arbeitsunfaehigkeit-2006-09-19.pdfGoogle Scholar
  21. 21.
    Meyer M, Stallauke M, Weirauch H (2011). Krankheitsbedingte Fehlzeiten in der deutschen Wirtschaft im Jahr 2010. In: Badura B, Ducki A, Schröder H et al (Hrsg) Fehlzeiten-Report 2011. Führung und Gesundheit. Springer, Heidelberg, S 223–384Google Scholar
  22. 22.
    Sozialgesetzbuch Viertes Buch (SGB IV) – Gemeinsame Vorschriften für die Sozialversicherung – (Artikel I des Gesetzes vom 23. Dezember 1976, BGBl. I S. 3845). http://www.gesetze-im-internet.de/bundesrecht/sgb_4/gesamt.pdfGoogle Scholar
  23. 23.
    Datenerfassungs- und -übermittlungsverordnung – DEÜV (Verordnung über die Erfassung und Übermittlung von Daten für die Träger der Sozialversicherung). http://www.gesetze-im-internet.de/de_v/BJNR034310998.htmlGoogle Scholar
  24. 24.
    Bundesagentur für Arbeit (2007) Schlüsselverzeichnis für die Angaben zur Tätigkeit in den Meldungen der Sozialversicherung – Ausgabe 2007. http://www.arbeitsagentur.de/zentraler-Content/A01-Allgemein-Info/A016-Infomanagement/Publikation/pdf/SchluesselverzeichnisSozVers.pdfGoogle Scholar
  25. 25.
    Schulz D, Dreyer-Tümmel A, Behrens J (1997) Die Angaben zur beruflichen Tätigkeit in den Daten der gesetzlichen Krankenversicherung – ihr Beitrag zur verlaufsbezogenen Analyse berufsbedingter Belastungen und ihrer Folgen. In: Ferber L von, Behrens J (Hrsg) Public Health Forschung mit Gesundheits- und Sozialdaten – Stand und Perspektiven – Memorandum zur Analyse und Nutzung von Gesundheits- und Sozialdaten. Asgard Verlag Hippe, Sankt Augustin, S 75–82Google Scholar
  26. 26.
    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. Hans Huber, Bern, S 203–213Google Scholar
  27. 27.
    Damm K, Lange A, Zeidler J et al (2012) Einführung des neuen Tätigkeitsschlüssels und seine Anwendung in GKV-Routinedatenauswertungen. Möglichkeiten und Limitationen. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 55:238–244CrossRefGoogle Scholar
  28. 28.
    Bundesanstalt für Arbeit (Hrsg) (1988) Klassifizierung der Berufe, Systematisches und alphabetisches Verzeichnis der Berufsnennungen. BfA, Nürnberg. http://statistik.arbeitsagentur.de/Statischer-Content/Grundlagen/Klassifikation-der-Berufe/KldB1975-1992/Generische-Publikationen/KldB1988-Systematischer-Teil.pdfGoogle Scholar
  29. 29.
    Hartmann J, Schütz G (2006) BIBB/BAuA-Erwerbstätigenbefragung 2005/2006. Vercodung der offenen Angaben zu den Erwerbs- und Ausbildungsberufen sowie zu den Wirtschaftszweigen. TNS Infratest Sozialforschung, MünchenGoogle Scholar
  30. 30.
    Swart E, Ihle P (Hrsg) (2005) Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven. Hans Huber, BernGoogle Scholar
  31. 31.
    Bödeker W (2005) Gesundheitsberichterstattung und Gesundheitsforschung mit Arbeitsunfähigkeitsdaten der Krankenkassen. In: Swart E, Ihle P (Hrsg) Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven. Hans Huber, Bern, S 57–78Google Scholar
  32. 32.
    Swart E, Arbeitsgruppe Erhebung und Nutzung von Sekundärdaten und Arbeitsgruppe Epidemiologische Methoden (2008) GPS – Gute Praxis Sekundärdatenanalyse: Revision nach grundlegender Überarbeitung. Gesundheitswesen 70:54–60CrossRefGoogle Scholar
  33. 33.
    Busch K (2011) Die Arbeitsunfähigkeit in der Statistik der GKV. In: Badura B, Ducki A, Schröder H et al (Hrsg) Fehlzeiten-Report 2011. Führung und Gesundheit. Springer, Heidelberg, S 385–392Google Scholar
  34. 34.
    Dreyer-Tümmel A, Behrens J, Schulz D (1997) Erwerbsverlaufsforschung mit Krankenkassendaten. In: von Ferber L, Behrens J (Hrsg) Public Health Forschung mit Gesundheits- und Sozialdaten – Stand und Perspektiven – Memorandum zur Analyse und Nutzung von Gesundheits- und Sozialdaten. Asgard, Sankt Augustin, S 93–113Google Scholar
  35. 35.
    Bödeker W (2010) Arbeitsunfähigkeitsanalysen. In: Badura B, Walter U, Hehlmann T (Hrsg) Betriebliche Gesundheitspolitik. Der Weg zur gesunden Organisation, 2. Aufl. Springer, Berlin Heidelberg New York Tokyo, S 239–245Google Scholar
  36. 36.
    DAK Forschung (Hrsg) (2011) DAK-Gesundheitsreport 2011. Analyse der Arbeitsunfähigkeitsdaten. Schwerpunktthema: Wie gesund sind junge Arbeitnehmer? DAK-Gesundheit, Hamburg. http://www.dak.de/content/filesopen/Gesundheitsreport_2011.pdfGoogle Scholar
  37. 37.
    Wiemer S, Schweitzer R, Paulus W (2011) Die Klassifikation der Berufe 2010 – Entwicklung und Ergebnis. Statistisches Bundesamt: Wirtschaft und Statistik 2011(3):274–288Google Scholar
  38. 38.
    Björk J, Strömberg U (2002) Effects of systematic exposure assessment errors in partially ecologic case-control studies. Int J Epidemiol 31:154–160PubMedCrossRefGoogle Scholar
  39. 39.
    Webster TF (2007) Bias magnification in ecologic studies: a methodological investigation. Environmental Health 6:17PubMedCrossRefGoogle Scholar
  40. 40.
    Morgenstern H (2000). Ecologic study. In: Gail MH, Benichou J (Hrsg) Encyclopedia of epidemiologic methods. Wiley, Chichester, S 315–336Google Scholar
  41. 41.
    Greenland S (1992) Divergent biases in ecologic and individual-level studies. Stat Med 11:1209–1223PubMedCrossRefGoogle Scholar
  42. 42.
    Greenland S (2001) Ecologic versus individual-level sources of bias in ecologic estimates of contextual health effects. Int J Epidemiol 30:1343–1350PubMedCrossRefGoogle Scholar
  43. 43.
    March S, Rauch A, Thomas D et al (2012) Datenschutzrechtliche Vorgehensweise bei der Verknüpfung von Primär- und Sekundärdaten in einer Kohortenstudie: die lidA-Studie. Gesundheitswesen 74(12):834–835 [Langfassung: Gesundheitswesen 74(12):e122–e129]Google Scholar
  44. 44.
    Swart E, March S, Thomas D et al (2011) Erfahrungen mit der Datenverknüpfung von Primär- und Sekundärdaten in einer Interventionsstudie. Gesundheitswesen 73(12):860–861 [Langfassung: Gesundheitswesen 73(12):e126–e132]Google Scholar
  45. 45.
    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

Copyright information

© Springer-Verlag Berlin Heidelberg 2013

Authors and Affiliations

  1. 1.Institut für Sozialmedizin und Gesundheitsökonomie (Institutsleitung Prof. Dr. med. B.-P. Robra, M.P.H.)Medizinische Fakultät der Otto-von-Guericke-Universität MagdeburgMagdeburgDeutschland
  2. 2.Institut für Sicherheitstechnik, Bereich Empirische ArbeitsforschungBergische Universität WuppertalWuppertalDeutschland
  3. 3.Institut für Medizinische Informatik, Biometrie und EpidemiologieMedizinische Fakultät, Universität Duisburg-EssenEssenDeutschland

Personalised recommendations