Advertisement

Die erste KiGGS-Folgebefragung (KiGGS Welle 1)

Studiendurchführung, Stichprobendesign und Response
  • Michael LangeEmail author
  • H. G. Butschalowsky
  • F. Jentsch
  • R. Kuhnert
  • A. Schaffrath Rosario
  • M. Schlaud
  • P. Kamtsiuris
  • KiGGS Study Group
Leitthema

Zusammenfassung

Die „Studie zur Gesundheit von Kindern und Jugendlichen in Deutschland“ (KiGGS) ist Bestandteil des Gesundheitsmonitorings des Robert Koch-Instituts (RKI). Nach der KiGGS-Basiserhebung (2003–2006), die Untersuchungen und Befragungen von Kindern und Jugendlichen im Alter von 0 bis 17 Jahren umfasste, wurde KiGGS Welle 1 (2009 − 12) als Telefonbefragung durchgeführt. Neben der Bereitstellung längsschnittlicher Daten besteht eine zweite zentrale Zielsetzung von KiGGS darin, für den Altersbereich von 0 bis 17 Jahren wiederholt bundesweite, bevölkerungsbezogene Querschnittdaten zur gesundheitlichen Lage bereitzustellen. Das Stichprobendesign von KiGGS Welle 1 sah deshalb neben der Wiedereinladung von Teilnehmenden der KiGGS-Basiserhebung (KiGGS-Kohorte) die Ziehung einer neuen Einwohnermeldeamtsstichprobe 0- bis 6-jähriger Kinder aus den 167 Studienorten vor, da dieser Altersbereich durch die älter gewordenen Wiedereingeladenen nicht mehr besetzt war. Der vorliegende Beitrag konzentriert sich auf den für Prävalenzschätzungen im Kindes- und Jugendalter relevanten Altersbereich von 0 bis 17 Jahren. Insgesamt nahmen 12.368 Kinder und Jugendliche unter 18 Jahren teil, darunter 4455 Ersteingeladene und 7913 Wiedereingeladene (Response 38,8 und 72,9 %). Der Vergleich der Nettostichprobe mit der Bevölkerung Deutschlands (0 bis 17 Jahre) bezüglich verschiedener Merkmale und eine Analyse des Zusammenhangs zwischen der Wiederteilnahmerate und in der KiGGS-Basiserhebung erhobenen Merkmalen bei den 7- bis 17-Jährigen weisen auf eine verzerrungsarme Stichprobe hin. Zur Anpassung der Stichprobe hinsichtlich einzelner Merkmale an die Bevölkerungsstruktur sowie zum partiellen Ausgleich der Nonresponse wurden für Querschnitt- und Trendanalysen jeweils Gewichtungsfaktoren berechnet.

Schlüsselwörter

Gesundheitssurvey Kinder und Jugendliche Stichprobe Response Gewichtung 

The first KiGGS follow-up (KiGGS Wave 1)

Study conduct, sample design, and response

Abstract

The “German Health Interview and Examination Survey for Children and Adolescents” (KiGGS) is part of the health monitoring system of the Robert Koch Institute (RKI). Following the KiGGS baseline study (2003 − 06), which comprised interviews and physical examinations of 0- to 17-year-old participants, KiGGS Wave 1 (2009 − 2012) was carried out as a telephone-based survey. In addition to providing longitudinal data, a second essential aim of KiGGS is to regularly provide population-based cross-sectional data on the health situation of children and adolescents aged 0–17 years living in Germany. Therefore, the study population of KiGGS Wave 1 consists of re-invited participants from the baseline study (KiGGS cohort), supplemented by newly invited children aged 0–6 years. The newly invited participants were randomly chosen from local population registries in the 167 baseline sample points. This method was chosen to supplement the sample with younger age groups. This article focuses on the age groups from 0 to 17 years, which are relevant for prevalence estimations among children and adolescents. In total 12,368 children and adolescents took part; among them 4,455 newly invited and 7,913 re-invited participants (response 38.8 and 72.9 %, respectively). A comparison of the net sample with the resident German population (0–17 years) regarding particular population characteristics and an analysis of the relationship between the re-participation rate and certain characteristics collected in the baseline study (7–17 years) suggest a mostly unbiased sample. To account for certain aspects of the population and nonresponse, cross-sectional and trend analyses were partially corrected by weighting factors.

Keywords

Health survey Children and adolescents Sample Response Weighting 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt. M. Lange, H.G. Butschalowsky, F. Jentsch, R. Kuhnert, A. Schaffrath Rosario, M. Schlaud und P. Kamtsiuris geben an, dass kein Interessenkonflikt besteht.

Finanzierung der Studie. Die Studie wurde mit Mitteln des Robert Koch-Institutes und des Bundesministeriums für Gesundheit finanziert

Literatur

  1. 1.
    Kurth B-M (2012) Das Gesundheitsmonitoring – was es enthält und wie es genutzt werden kann. Public Health Forum 20:4.e1–4.e3Google Scholar
  2. 2.
    Kurth B-M, Lange C, Kamtsiuris P, Hölling H (2009) Gesundheitsmonitoring am Robert Koch-Institut. Sachstand und Perspektiven. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 52:557–570CrossRefGoogle Scholar
  3. 3.
    Hölling H, Schlack R, Kamtsiuris P, Butschalowsky H, Schlaud M, Kurth BM (2012) Die KiGGS-Studie: Bundesweit repräsentative Längs- und Querschnittstudie zur Gesundheit von Kindern und Jugendlichen im Rahmen des Gesundheitsmonitorings am Robert Koch-Institut. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 55:836–842CrossRefGoogle Scholar
  4. 4.
    Hölling H, Kamtsiuris P, Lange M, Thierfelder W, Thamm M, Schlack R (2007) Der Kinder- und Jugendgesundheitssurvey (KiGGS): Studienmanagement und Durchführung der Feldarbeit. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 50:557–566CrossRefGoogle Scholar
  5. 5.
    Kamtsiuris P, Lange M, Schaffrath Rosario A (2007) Der Kinder- und Jugendgesundheitssurvey (KiGGS): Stichprobendesign, Response und Nonresponse-Analyse. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 50:547–556CrossRefGoogle Scholar
  6. 6.
    Kurth B-M, Kamtsiuris P, Hölling H et al (2008) The challenge of comprehensively mapping children’s health in a nationwide health survey: design of the German KiGGS-Study. BMC Public Health 8:196PubMedCentralPubMedCrossRefGoogle Scholar
  7. 7.
    Aschpurwis + Behren GmbH (Hrsg) (2001) BIK Regionen. Ballungsräume, Stadtregionen, Mittel-/Unterzentrengebiete. Methodenbeschreibung zur Aktualisierung 2000. HamburgGoogle Scholar
  8. 8.
    Robert Koch-Institut (Hrsg) (2011) KiGGS – Kinder- und Jugendgesundheitsstudie Welle 1. Projektbeschreibung. Robert Koch-Institut, BerlinGoogle Scholar
  9. 9.
    Robert Koch-Institut (Hrsg) (2011) Studie zur Gesundheit von Kindern und Jugendlichen in Deutschland (KiGGS Welle 1): Durchführung der Telefoninterviews. Epidemiol Bull 14:109Google Scholar
  10. 10.
    Robert Koch-Institut (Hrsg) (2006) Erste Ergebnisse der KiGGS-Studie zur Gesundheit von Kindern und Jugendlichen in Deutschland. Robert Koch-Institut, BerlinGoogle Scholar
  11. 11.
    Robert Koch-Institut (Hrsg) (2012) Studie zur Gesundheit von Kindern und Jugendlichen in Deutschland (KiGGS Welle 1): Durchführung einer Probanden-Zufriedenheitsbefragung. Epidemiol Bull 14:121Google Scholar
  12. 12.
    Biemer PP, Lyberg LE (2003) Introduction to survey quality. Wiley, New YorkCrossRefGoogle Scholar
  13. 13.
    Brauns H, Scherer S, Steinmann S (2003) The CASMIN educational classification in international comparative research. In: Hoffmeyer-Zlotnik J, Wolf CH (Hrsg) Advances in cross-national comparison. A european working book for demographic and socio-economic variables. Kluwer Academic/Plenum Publishers, Amsterdam, S 221–244CrossRefGoogle Scholar
  14. 14.
    Hölling H, Erhart M, Ravens-Sieberer U, Schlack R (2007) Verhaltensauffälligkeiten bei Kindern und Jugendlichen. Erste Ergebnisse aus dem Kinder- und Jugendgesundheitssurvey (KiGGS). Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 50:784–793CrossRefGoogle Scholar
  15. 15.
    Statistisches Bundesamt (2010) Leben in Deutschland – Ergebnisse des Mikrozensus. Eigenverlag, WiesbadenGoogle Scholar
  16. 16.
    Bundesministerium für Gesundheit (2011) Gesetzliche Krankenversicherung. Mitglieder, mitversicherte Angehörige und Krankenstand. Jahresdurchschnitt 2010 (Ergebnisse der GKV-Statistik KM1/13). Stand. 1. April 2011. Eigenverlag, Bonn/BerlinGoogle Scholar
  17. 17.
    Verband der Privaten Krankenversicherung (2011) Zahlenbericht der Privaten Krankenversicherung 2010/2011. KölnGoogle Scholar
  18. 18.
    Wagner G, Frick J, Schupp J (2007) The German Socio-Econimic Panel Study (SOEP) – scope, evolution and enhancements. Schmollers Jahrbuch 127:139–169Google Scholar
  19. 19.
    Sikorski U, Horneffer B, Kuchler B (2009) Die Längsschnittdaten von EU-SILC – Datenstruktur und Hochrechnungsverfahren. Wirtschaft Statistik (11):1117–1126Google Scholar
  20. 20.
    Tolonen H, Koponen P, Aromaa A et al (2008) Review of health examination surveys in Europe. Publications of the National Public Health Institute 18/2008, HelsinkiGoogle Scholar
  21. 21.
    Edwards B (2012) Growing up in Australia: the longitudinal study of Australian children. The first decade of life. Family Matters 91:7–17Google Scholar
  22. 22.
    Morton SM, Atatoa Carr PE, Grant CC et al (2012) Cohort profile: growing up in New Zealand. Int J Epidemiol 42:1–11Google Scholar
  23. 23.
    Harris K (2011) Design features of add health. Carolina Population Center, University of North Carolina at Chapel Hill. http://www.cpc.unc.edu/projects/addhealth/data/guides/design%20paper%20WI-IV.pdf. Zugegriffen: 24. Feb. 2014
  24. 24.
    Harris KM, Tucker Halpern C, Hussy J et al (2013) Social, behavioral, and genetic linkages from adolescence into adulthood. Am J Public Health 103:S25–S32PubMedCrossRefGoogle Scholar
  25. 25.
    Harris KM, Gordon-Larsoen P, Chantala K, Udry JR (2006) Longitudinal trends in race/ethnic disparities in leading health indicators from adolescence to young adulthood. Arch Pediatr Adolesc Med 160:74–81PubMedCrossRefGoogle Scholar
  26. 26.
    Lee H, Lee D, Guo G, Harris KM (2011) Trends in body mass index in adolescence and young adulthood in the United States: 1959–2002. J Adolesc Health 49:601–608PubMedCentralPubMedCrossRefGoogle Scholar
  27. 27.
    Morris M, Handcock MS, Miller WC et al (2006) Prevalence of HIV infection among young adults in the United States: results from the add health study. Am J Public Health 96:1091–1097PubMedCentralPubMedCrossRefGoogle Scholar
  28. 28.
    Resnick MD, Bearman PS, Blum RW et al (2010) Protecting adolescents from harm. Findings from the national longitudinal study on adolescent health. JAMA 278:823–829CrossRefGoogle Scholar
  29. 29.
    Von der Lippe P, Kladropa A (2002) Repräsentativität von Stichproben. Marketing 24:227–238Google Scholar
  30. 30.
    Aschpurwis + Behren GmbH (Hrsg) (2010) BIK-Regionen. Ballungsräume, Stadtregionen, Mittel-/Unterzentrengebiete. Methodenbeschreibung zur Aktualisierung 2010. HamburgGoogle Scholar
  31. 31.
    Kamtsiuris P, Lange M, Hoffmann R et al (2013) Die erste Welle der Studie zur Gesundheit Erwachsener in Deutschland (DEGS1): Stichprobendesign, Response, Gewichtung und Repräsentativität. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 56:620–630CrossRefGoogle Scholar
  32. 32.
    Robert Koch-Institut (Hrsg) (2011) Daten und Fakten: Ergebnisse der Studie „Gesundheit in Deutschland aktuell 2009“. Beiträge zur Gesundheitsberichterstattung des Bundes. Robert Koch-Institut, BerlinGoogle Scholar
  33. 33.
    Häder M (2006) Empirische Sozialforschung. Eine Einführung. VS Verlag für Sozialwissenschaften, WiesbadenGoogle Scholar
  34. 34.
    Engel U, Bartsch S, Schnabel C, Vehre H (2012) Wissenschaftliche Umfragen. Methoden und Fehlerquellen. Campus, Frankfurt a. M.Google Scholar
  35. 35.
    Esser H (1986) Über die Teilnahme an Befragungen. ZUMA Nachrichten 18:38–47Google Scholar
  36. 36.
    Groves R, Cialdini R, Couper M (1992) Understanding the decision to participate in a survey. Public Opin Quarterly 56:475–495CrossRefGoogle Scholar
  37. 37.
    Dillman DA (2000) Mail and internet surveys. The tailored design method. Wiley, New YorkGoogle Scholar
  38. 38.
    Ajzen I (1991) The theory of planned behavior. Organ Behav Hum Decis Processes 50:179–211Google Scholar
  39. 39.
    Groves R, Couper M (1998) Nonresponse in household interview surveys. Wiley, New YorkCrossRefGoogle Scholar
  40. 40.
    Schnell R, Esser E, Hill PB (2008) Methoden der empirischen Sozialforschung. Oldenbourg, MünchenGoogle Scholar
  41. 41.
    Stang A (2003) Nonresponse-Research – an underdeveloped field in epidemiology. Eur J Epidemiol 18:929–931PubMedCrossRefGoogle Scholar
  42. 42.
    Curtin L, Mohadjer L, Dohrmann S et al (2012) The national health and nutrition examination survey: sample design, 1999–2006. National center for health statistics. Vital Health Statistics 2:1–39Google Scholar
  43. 43.
    Blumenberg M, Gummer T (2013) Gewichtung in der German Longitudinal Election Study 2009. GESIS-Technical Reports 2013/19. GESIS – Leibniz-Institut für Sozialwissenschaften, KölnGoogle Scholar
  44. 44.
    Kroh M, Spieß M (2008) Documentation of sample sizes and panel attrition in the German Socio Economic Panel (SOEP) (1984 until 2007). Data Documentation DIW Berlin Nr. 39. Deutsches Institut für Wirtschaftsforschung, BerlinGoogle Scholar
  45. 45.
    Schnell R (1993) Die Homogenität sozialer Kategorien als Voraussetzung für „Repräsentativität“ und Gewichtungsverfahren. Z Soziol 22:16–32Google Scholar
  46. 46.
    Gabler S (2004) Gewichtungsprobleme in der Datenanalyse. Kölner Z Soziologie Sozialpsychologie Sonderheft 44:128–147Google Scholar
  47. 47.
    Lipps O (2007) Attrition in the Swiss Household Panel. Methoden – Daten – Analysen 1:45–68Google Scholar
  48. 48.
    Vandecasteele L, Debels A (2006) Attrition in panel data: the effectiveness of weighting. Eur Sociol Rev 23:81–97CrossRefGoogle Scholar
  49. 49.
    Särndal C-E, Lundström S (2005) Estimation in surveys with nonresponse. Wiley, New YorkCrossRefGoogle Scholar
  50. 50.
    Robins JM, Rotnitzky A, Zhao L-P (1995) Analysis of semiparametric regression models for repeated outcomes in the presence of missing data. J Am Statistical Assoc 90:106–121CrossRefGoogle Scholar
  51. 51.
    Philipson P, Ho W, Henderson R (2008) Comparative review of methods for handling drop-out in longitudinal studies. Stat Med 27:6276–6298PubMedCrossRefGoogle Scholar
  52. 52.
    Fitzmaurice G, Davidian M, Verbeke G, Molenberghs GH (2009) Longitudinal data analysis. Handbooks of modern statistical methods. Chapman Hall/CRC, Boca RatonGoogle Scholar
  53. 53.
    Little J, Rubin D (1987) Statistical analysis with missing data. Wiley, New YorkGoogle Scholar
  54. 54.
    Arzheimer K (2009) Mehr Nutzen als Schaden? Wirkung von Gewichtungsverfahren. In: Schoen H, Rattinger H, Oscar W (Hrsg) Vom Interview zur Analyse. Methodische Aspekte der Einstellungs- und Wahlforschung. Nomos, Baden-Baden, S 361–388Google Scholar
  55. 55.
    Golinelli D, Ridgeway G, Rhoades H, Tucker J, Wenzel S (2012) Bias and variance trade-offs when combining propensity score weighting and regression: with an application to HIV status and homeless men. Health Serv Outcomes Res Method 12:104–118CrossRefGoogle Scholar
  56. 56.
    Hainmueller J (2012) Entropy balancing for causal effects: a multivariate reweighting method to produce balanced samples in observation studies. Political Analysis 20:25–46CrossRefGoogle Scholar
  57. 57.
    De Leeuw E (2005) To mix or not to mix data collection modes in surveys. J Off Statistics 21:233–255Google Scholar
  58. 58.
    Moss S (2008) Acquiescence bias. Unter: http://www.psych-it.com.au/Psychlopedia/article.asp?id=154. Zugegriffen: 24. Feb. 2014
  59. 59.
    Kraus F, Steiner V (1995) Modelling heaping effects in unemployment duration models – with an application to retrospective event data in the German Socio-Economic panel. Discussion Paper No. 95–09. Zentrum für Europäische Wirtschaftsforschung, MannheimGoogle Scholar
  60. 60.
    Vissing N, Jensen S, Bisgaard H (2012) Validity of information on atopic disease and other illness in young children reported by parents in a prospective birth cohort study. BMC Med Res Method 12:1471–2288CrossRefGoogle Scholar
  61. 61.
    Christensen A, Ekholm O, Glümer C, Juel K (2014) Effect of survey mode on response patterns: comparison of face-to-face and self-administered modes in health surveys. Eur J Public Health. 24:327–332Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2014

Authors and Affiliations

  • Michael Lange
    • 1
    Email author
  • H. G. Butschalowsky
    • 1
  • F. Jentsch
    • 1
  • R. Kuhnert
    • 1
  • A. Schaffrath Rosario
    • 1
  • M. Schlaud
    • 1
  • P. Kamtsiuris
    • 1
  • KiGGS Study Group
  1. 1.Abteilung für Epidemiologie und GesundheitsberichterstattungRobert Koch-InstitutBerlinDeutschland

Personalised recommendations