Advertisement

Nutzungsmöglichkeiten von Routinedaten der Gesetzlichen Krankenversicherung in der Gesundheitsberichterstattung des Bundes

  • C. Ohlmeier
  • J. Frick
  • F. Prütz
  • T. Lampert
  • T. Ziese
  • R. Mikolajczyk
  • E. Garbe
Originalien und Übersichten

Zusammenfassung

Die Gesundheitsberichterstattung (GBE) des Bundes übernimmt zentrale Aufgaben in der Politikberatung sowie bei der Information der Öffentlichkeit über den Gesundheitszustand und das Gesundheitsverhalten der Bevölkerung. Routinedaten der Gesetzlichen Krankenversicherungen (GKV) wurden hierzu bisher wenig genutzt. GKV-Routinedaten ermöglichen Analysen zur Häufigkeit von Krankheiten und Risikofaktoren sowie von Krankheitsverläufen, des Inanspruchnahmeverhaltens von Gesundheitsleistungen und der Mortalität. Vorteile der Nutzung von GKV-Daten für die GBE des Bundes ergeben sich aus der sektorübergreifenden Perspektive und der weitgehenden Abwesenheit von Selektions- und Recall-Bias in der jeweiligen Versicherungspopulation. Zudem ermöglichen es die großen Stichprobenumfänge und die kontinuierliche Erhebung der Daten, selbst bei tiefgliedriger Stratifizierung belastbare Aussagen über den Gesundheitszustand der Versicherten zu treffen. Dem stehen Nachteile, die sich aus dem Abrechnungscharakter der Daten ergeben, sowie die hohen administrativen Hürden im Genehmigungsprozess zur Datennutzung entgegen. Vor dem Hintergrund einer zukünftig vereinfachten Verfügbarkeit von Daten aller GKV-Versicherten für forschende Einrichtungen im Rahmen des Versorgungsstrukturgesetzes stellen GKV-Routinedaten eine interessante Datenbasis für die GBE des Bundes dar.

Schlüsselwörter

GKV-Routinedaten Gesundheitsberichterstattung Deutschland Versorgungsstrukturgesetz Datenquellen 

Use of routine data from statutory health insurances for federal health monitoring purposes

Abstract

Federal health monitoring deals with the state of health and the health-related behavior of populations and is used to inform politics. To date, the routine data from statutory health insurances (SHI) have rarely been used for federal health monitoring purposes. SHI routine data enable analyses of disease frequency, risk factors, the course of the disease, the utilization of medical services, and mortality rates. The advantages offered by SHI routine data regarding federal health monitoring are the intersectoral perspective and the nearly complete absence of recall and selection bias in the respective population. Further, the large sample sizes and the continuous collection of the data allow reliable descriptions of the state of health of the insurants, even in cases of multiple stratification. These advantages have to be weighed against disadvantages linked to the claims nature of the data and the high administrative hurdles when requesting the use of SHI routine data. Particularly in view of the improved availability of data from all SHI insurants for research institutions in the context of the “health-care structure law”, SHI routine data are an interesting data source for federal health monitoring purposes.

Keywords

SHI routine data Health monitoring Germany Health-care structure law Data sources 

Notes

Danksagungen

Die Autoren danken den folgenden Krankenkassen für die Überlassung ihrer Daten für diese Studie: AOK Bremen/Bremerhaven, Techniker Krankenkasse und hkk.

Einhaltung ethischer Richtlinien

Interessenkonflikt. C. Ohlmeier, J. Frick, F. Prütz, T. Lampert, T. Ziese, R. Mikolajczyk und E. Garbe weisen auf folgende Beziehungen hin: Das diesem Bericht zugrunde liegende Vorhaben wurde vom Robert Koch-Institut unter dem Förderkennzeichen 1362/1-922 gefördert.

Dieser Beitrag enthält keine Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Lampert T, Horch K, List S et al (2010) Gesundheitsberichterstattung des Bundes: Ziele, Aufgaben und Nutzungsmöglichkeiten. GBE-Kompakt 1(1):1–7Google Scholar
  2. 2.
    Robert Koch-Institut (Hrsg) (2006) Koronare Herzkrankheit und akuter Myokardinfarkt Gesundheitsberichterstattung des Bundes. Heft 33. BerlinGoogle Scholar
  3. 3.
    Robert Koch-Institut (Hrsg) (2012) Rückenschmerzen. Gesundheitsberichterstattung des Bundes. Heft 53. BerlinGoogle Scholar
  4. 4.
    Robert Koch Institut (Hrsg) (2005) Körperliche Aktivität. Gesundheitsberichterstattung des Bundes. Heft 26. BerlinGoogle Scholar
  5. 5.
    Jordan S, Lippe E von der (2012) Angebote der Prävention – Wer nimmt teil? GBE-Kompakt 3(5):1–9Google Scholar
  6. 6.
    Kamtsiuris P, Bergmann E, Rattay P, Schlaud M (2007) Inanspruchnahme medizinischer Leistungen: Ergebnisse des Kinder- und Jugendgesundheitssurveys (KiGGS). Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 50(5–6):836–850Google Scholar
  7. 7.
    Robert Koch-Institut (Hrsg) (2009) Inanspruchnahme alternativer Methoden in der Medizin. Gesundheitsberichterstattung des Bundes. Heft 9. BerlinGoogle Scholar
  8. 8.
    Robert Koch-Institut (Hrsg) (2011) Daten und Fakten: Ergebnisse der Studie „Gesundheit in Deutschland aktuell 2009“. BerlinGoogle Scholar
  9. 9.
    Robert Koch-Institut (Hrsg) (2011) Sterblichkeit, Todesursachen und regionale Unterschiede. Gesundheitsberichterstattung des Bundes. Heft 52. BerlinGoogle Scholar
  10. 10.
    Robert Koch Institut (Hrsg) (2009) Krankheitskosten. Gesundheitsberichterstattung des Bundes. Heft 48. BerlinGoogle Scholar
  11. 11.
    DAK-Gesundheit (Hrsg) (2013) DAK Gesundheits-Report 2013. HamburgGoogle Scholar
  12. 12.
    Techniker Krankenkasse (Hrsg) (2012) Gesundheitsreport 2012: Mobilität, Flexibilität, Gesundheit. HamburgGoogle Scholar
  13. 13.
    Hoffmann F, Icks A (2012) Unterschiede in der Versichertenstruktur von Krankenkassen und deren Auswirkungen für die Versorgungsforschung: Ergebnisse des Bertelsmann Gesundheitsmonitors. Gesundheitswesen 74(5):291–297PubMedCrossRefGoogle Scholar
  14. 14.
    Abbas S, Ihle P, Koster I, Schubert I (2012) Prevalence and incidence of diagnosed endometriosis and risk of endometriosis in patients with endometriosis-related symptoms: findings from a statutory health insurance-based cohort in Germany. Eur J Obstet Gynecol Reprod Biol 160(1):79–83PubMedCrossRefGoogle Scholar
  15. 15.
    Kraut AA, Schink T, Schulze-Rath R et al (2010) Incidence of anogenital warts in Germany: a population-based cohort study. BMC Infect Dis 10:360PubMedCentralPubMedCrossRefGoogle Scholar
  16. 16.
    Lindemann C, Langner I, Kraut AA et al (2012) Age-specific prevalence, incidence of new diagnoses, and drug treatment of attention-deficit/hyperactivity disorder in Germany. J Child Adolesc Psychopharmacol 22(4):307–314PubMedCrossRefGoogle Scholar
  17. 17.
    Ohlmeier C, Mikolajczyk R, Haverkamp W, Garbe E (2013) Incidence, prevalence and antithrombotic treatment of atrial fibrillation in elderly Germans. Europace 15(10):1436–1444PubMedCrossRefGoogle Scholar
  18. 18.
    Schnabel RB, Wilde S, Wild PS et al (2012) Atrial fibrillation: its prevalence and risk factor profile in the German general population. Dtsch Arztebl Int 109(16):293–299PubMedCentralPubMedGoogle Scholar
  19. 19.
    Schubert I, Koster I, Kupper-Nybelen J, Ihle P (2008) Versorgungsforschung mit GKV-Routinedaten: Nutzungsmöglichkeiten versichertenbezogener Krankenkassendaten für Fragestellungen der Versorgungsforschung. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 51(10):1095–1105CrossRefGoogle Scholar
  20. 20.
    Langner I, Mikolajczyk R, Garbe E (2011) Regional and temporal variations in coding of hospital diagnoses referring to upper gastrointestinal and oesophageal bleeding in Germany. BMC Health Serv Res 11:193PubMedCentralPubMedCrossRefGoogle Scholar
  21. 21.
    Ohlmeier C, Garbe E, Frick J et al (2012) Nutzbarkeit von Abrechnungsdaten der Gesetzlichen Krankenversicherungen für die Gesundheitsberichtserstattung am Beispiel der Herzinsuffizienz. 7. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi), 26.–29. September 2012, RegensburgGoogle Scholar
  22. 22.
    Jobski K, Schmid U, Behr S et al (2012) 3-year prevalence of alcohol-related disorders in German patients treated with high-potency opioids. Pharmacoepidemiol Drug Saf 21(10):1125–1129PubMedCrossRefGoogle Scholar
  23. 23.
    Kamtsiuris P, Lange M, Schaffrath RA (2007) Der Kinder- und Jugendgesundheitssurvey (KiGGS): Stichprobendesign, Response und Nonresponse-Analyse. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 50(5–6):547–556Google Scholar
  24. 24.
    Thefeld W, Stolzenberg H, Bellach BM (1999) Bundes-Gesundheitssurvey: Response, Zusammensetzung der Teilnehmer und Non-Responder-Analyse. Gesundheitswesen 61(Sonderheft 2):S57–S61PubMedGoogle Scholar
  25. 25.
    Schräpler J-P (2000) Was kann man am Beispiel des SOEP bezüglich Nonresponse lernen? ZUMA-Nachrichten 24(46):118–150Google Scholar
  26. 26.
    Hoffmann W, Bobrowski C, Fendrich K (2008) Sekundärdatenanalyse in der Versorgungsepidemiologie: Potenzial und Limitationen. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 51(10):1193–1201PubMedCrossRefGoogle Scholar
  27. 27.
    BARMER GEK (Hrsg) (2012) Barmer GEK Arztreport. Asgard, St. AugustinGoogle Scholar
  28. 28.
    Jobski K, Mikolajczyk R, Ohlmeier C, Garbe E (2012) Medikamentöse Therapie der Herzinsuffizienz in Deutschland anhand von Abrechnungsdaten der gesetzlichen Krankenversicherung. 57. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS), 16.–21. September 2012, BraunschweigGoogle Scholar
  29. 29.
    BARMER GEK (Hrsg) (2012) BARMER GEK Heil- und Hilfsmittel-Report 2012. Asgard, St. AugustinGoogle Scholar
  30. 30.
    Glaeske G, Augustin M, Abholz H et al (2009) Epidemiologische Methoden für die Versorgungsforschung. Gesundheitswesen 71(10):685–693PubMedCrossRefGoogle Scholar
  31. 31.
    Rattay P, Butschalowsky H, Rommel A et al (2013) Inanspruchnahme der ambulanten und stationären medizinischen Versorgung in Deutschland: Ergebnisse der Studie zur Gesundheit Erwachsener in Deutschland (DEGS1). Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 56(5–6):832–844Google Scholar
  32. 32.
    Gagnon B, Mayo NE, Laurin C et al (2006) Identification in administrative databases of women dying of breast cancer. J Clin Oncol 24(6):856–862PubMedCrossRefGoogle Scholar
  33. 33.
    Mikolajczyk R, Ohlmeier C, Budde E et al (2012) Ascertainment of breast cancer mortality in German health insurance data. 7. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi), 26.–29. September 2012, RegensburgGoogle Scholar
  34. 34.
    Lampert T, Kroll LE (2010) Armut und Gesundheit. GBE Kompakt 1(5):1–9Google Scholar
  35. 35.
    Lampert T, Kroll LE, Lippe E von der et al (2013) Sozioökonomischer Status und Gesundheit. Ergebnisse der Studie zur Gesundheit Erwachsener in Deutschland (DEGS1). Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 56(5–6):814–821Google Scholar
  36. 36.
    Hoffmann F, Andersohn F, Giersiepen K et al (2008) Validierung von Sekundärdaten. Grenzen und Möglichkeiten. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 51(10):1118–1126CrossRefGoogle Scholar
  37. 37.
    Behr S, Kollhorst B, Dippel F-W, Garbe E (2012) Identification of patients with diabetes mellitus type 2 in insurance claims data – are problemes caused by ambiguous ICD-10 codes? Pharmacoepidemiol Drug Saf 21(Suppl 3):396CrossRefGoogle Scholar
  38. 38.
    Hoffmann F, Pfannkuche M, Glaeske G (2007) Wie häufig sind Verordnungs- und Abgabedatum von Arzneimitteln in Routinedaten korrekt erfasst? Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 50(11):1418–1423CrossRefGoogle Scholar
  39. 39.
    Ohlmeier C, Niemeyer M, Garbe E, Mikolajczyk R (2012) Identifizierung von Todesursachen in Daten der Gesetzlichen Krankenversicherung am Beispiel des Lungen- und Pankreaskrebs. 57. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS), 16.–21. September 2012, BraunschweigGoogle Scholar
  40. 40.
    Ohlmeier C, Schmedt N, Hillebrand K et al (2012) Validation of mortality related information in the German Pharmacoepidemiological Research Database (GePaRD). 5. Workshop der Arbeitsgemeinschaft Pharmakoepidemiologie der Deutschen Gesellschaft für Epidemiologie (DGEpi) und der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS), 14.–15. Juni 2012, BremenGoogle Scholar
  41. 41.
    Schubert I, Ihle P, Koster I (2012) Interne Validierung von Diagnosen in GKV-Routinedaten: Konzeption mit Beispielen und Falldefinition. Gesundheitswesen 72(6):316–322CrossRefGoogle Scholar
  42. 42.
    Mansky T, Robra B-P, Schubert I (2012) Vorhandene Daten besser Nutzen. Dtsch Arztebl 109(21):A1082–A1086Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2014

Authors and Affiliations

  • C. Ohlmeier
    • 1
  • J. Frick
    • 1
  • F. Prütz
    • 2
  • T. Lampert
    • 2
  • T. Ziese
    • 2
  • R. Mikolajczyk
    • 3
    • 4
  • E. Garbe
    • 1
  1. 1.Leibniz-Institut für Präventionsforschung und Epidemiologie – BIPSBremenDeutschland
  2. 2.Robert Koch-InstitutBerlinDeutschland
  3. 3.Helmholtz-Zentrum für InfektionsforschungBraunschweigDeutschland
  4. 4.Medizinische Hochschule HannoverHannoverDeutschland

Personalised recommendations