Advertisement

Prävalenz und Inzidenz des dokumentierten Diabetes mellitus – Referenzauswertung für die Diabetes-Surveillance auf Basis von Daten aller gesetzlich Krankenversicherten

  • Christian SchmidtEmail author
  • Lukas Reitzle
  • Jochen Dreß
  • Alexander Rommel
  • Thomas Ziese
  • Christin Heidemann
Originalien und Übersichten
  • 86 Downloads

Zusammenfassung

Hintergrund

Prävalenz und Inzidenz des dokumentierten Diabetes sind wesentliche Kennzahlen, für die im Rahmen der Nationalen Diabetes-Surveillance eine wiederkehrende Ermittlung geplant ist.

Methodik

Es wurden Daten nach der Datentransparenzverordnung ausgewertet, die ambulante und stationäre Versorgungsinformationen zu allen rund 70 Mio. gesetzlich Krankenversicherten enthalten. Die Falldefinition für die Prävalenz des dokumentierten Diabetes umfasst eine in mindestens zwei Quartalen eines Jahres vorliegende gesicherte ambulante Diagnose oder eine in mindestens einem Quartal eines Jahres vorliegende stationäre Diagnose gemäß ICD-10-Codes E10.- bis E14.-. Die Inzidenz wurde auf Grundlage derselben Definition und mit einem Jahr diagnosefreier Vorlaufzeit berechnet.

Ergebnisse

Im Jahr 2011 ist für gesetzlich Versicherte eine Prävalenz von 9,7 % (Frauen: 9,4 %, Männer: 10,1 %) beobachtbar. Es existieren Prävalenzunterschiede zwischen den Bundesländern, wobei der maximale Unterschied 7,1 %-Punkte (altersstandardisiert: 4,0 %-Punkte) beträgt. Typ-2- und Typ-1-Diabetes zeigen eine Prävalenz von 7,5 % bzw. 0,28 %. Ein unspezifischer Diabetes wird mit 1,9 % relativ häufig dokumentiert. Bei 0,21 % der Personen wird der Diabetes ausschließlich über eine stationäre Nebendiagnose dokumentiert. Zusätzlich weisen 0,17 % der Personen ohne dokumentierten Diabetes mindestens eine Verordnung eines Antidiabetikums auf. Im Jahr 2012 sind 565.040 Versicherte neu an Diabetes erkrankt, dies entspricht 1,0 % der Versicherten (Frauen: 1,0 %, Männer: 1,1 %).

Diskussion

Die erarbeitete Referenzauswertung ist für die Berichterstattung von Prävalenz und Inzidenz des dokumentierten Diabetes im Rahmen der Diabetes-Surveillance geeignet. Die Unterscheidung der Diabetestypen ist aufgrund der Codierungspraxis schwierig.

Schlüsselwörter

Diabetes-Surveillance Diabetes mellitus Sekundärdaten Prävalenz Inzidenz 

Prevalence and incidence of documented diabetes based on health claims data—reference analysis for diabetes surveillance in Germany

Abstract

Background

The prevalence and incidence of documented diabetes are two essential indicators intended to be reported on a periodic basis within the framework of diabetes surveillance in Germany.

Methodology

Data provided based on the Data Transparency Act were analyzed. The data contain information on outpatient and inpatient care for all approximately 70 million persons with statutory health insurance. The case definition for the prevalence of documented diabetes comprises a confirmed outpatient diagnosis in at least two quarters of a year or an inpatient diagnosis in at least one quarter of a year in accordance with ICD-10 codes E10.- to E14.-. The incidence was calculated based on the same definition and with one year of diagnosis-free lead time.

Results

In 2011, a prevalence of 9.7% (women: 9.4%, men: 10.1%) was observed for persons with statutory health insurance. There are considerable differences in prevalence between the federal states and the maximum gap is 7.1 percentage points (age standardized: 4.0 percentage points). Type 2 and type 1 diabetes show a documented prevalence of 7.5% and 0.28%, respectively. Unspecified diabetes is documented relatively frequently with 1.9%. In 0.21% of persons, the diagnosis diabetes is documented via one inpatient secondary diagnosis. In addition, 0.17% of people without documented diabetes have at least one prescription of an antidiabetic drug. In 2012, 565,040 insured persons were newly diagnosed with diabetes; this corresponds to 1.0% of the insured persons (women: 1.0%, men: 1.1%).

Discussion

The developed reference analysis is suitable for reporting the prevalence and incidence of documented diabetes within the framework of diabetes surveillance. The differentiation of diabetes types is difficult due to coding practice.

Keywords

Diabetes surveillance Diabetes mellitus Secondary data Prevalence Incidence 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

C. Schmidt, L. Reitzle, J. Dreß, A. Rommel, T. Ziese und C. Heidemann geben an, dass kein Interessenkonflikt besteht. Das Projekt „Aufbau einer Nationalen Diabetes-Surveillance am Robert Koch-Institut“ wird unter dem Förderkennzeichen GE 20150323 vom Bundesministerium für Gesundheit finanziert. Geldgeber und Dateneigner haben keinen Einfluss auf Planung, Durchführung, Analyse und Interpretation der im Rahmen der Diabetes-Surveillance erarbeiteten Studie genommen. Die Datenaufbereitungsstelle ist über eine Co-Autorenschaft an der Studie beteiligt.

Dieser Beitrag verwendet keine personenbezogenen Daten, sondern die Ergebnisse wurden auf Basis aggregierter Daten ermittelt.

Literatur

  1. 1.
    Du Y, Heidemann C, Schaffrath RA et al (2015) Changes in diabetes care indicators: findings from German National Health Interview and Examination Surveys 1997–1999 and 2008–2011. BMJ Open Diabetes Res Care 3:e135CrossRefGoogle Scholar
  2. 2.
    Röckl S, Brinks R, Baumert J et al (2017) All-cause mortality in adults with and without type 2 diabetes: findings from the national health monitoring in Germany. BMJ Open Diabetes Res Care 5:e451CrossRefGoogle Scholar
  3. 3.
    Heidemann C, Scheidt-Nave C (2017) Prävalenz, Inzidenz und Mortalität von Diabetes mellitus bei Erwachsenen in Deutschland – Bestandsaufnahme zur Diabetes-Surveillance. J Health Monit 2:105–129Google Scholar
  4. 4.
    Gabrys L, Schmidt C, Heidemann C et al (2017) Diabetes-Surveillance in Deutschland – Hintergrund, Konzept, Ausblick. J Health Monit 2:83–95Google Scholar
  5. 5.
    Gabrys L, Schmidt C, Heidemann C et al (2018) Diabetes-Surveillance in Deutschland – Auswahl und Definition von Indikatoren. J Health Monit 3:3–22Google Scholar
  6. 6.
    Schmidt C, Du Y, Baumert J et al (2019) Diabetes im Blick – Nationale Diabetes-Surveillance. Diabetologe 15:120–127CrossRefGoogle Scholar
  7. 7.
    Paprott R, Heidemann C, Stühmann LM et al (2018) Erste Ergebnisse der Studie „Krankheitswissen und Informationsbedarfe – Diabetes mellitus (2017)“. J Health Monit 3:23–62Google Scholar
  8. 8.
    Schmidt C, Bätzing-Feigenbaum J, Bestmann A et al (2017) Integration von Sekundärdaten in die Nationale Diabetes-Surveillance. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 60:656–661CrossRefGoogle Scholar
  9. 9.
    Gothe H, Ihle P, Matusiewicz D, Swart E (2014) Routinedaten im Gesundheitswesen: Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven. Huber, BernGoogle Scholar
  10. 10.
    Müller N, Heller T, Freitag MH et al (2015) Healthcare utilization of people with Type 2 diabetes in Germany: an analysis based on health insurance data. Diabet Med 32:951–957CrossRefGoogle Scholar
  11. 11.
    Tamayo T, Brinks R, Hoyer A, Kuß O, Rathmann W (2016) The prevalence and incidence of diabetes in Germany: an analysis of statutory health insurance data on 65 Mio. individuals from the years 2009 and 2010. Dtsch Arztebl Int 113:177PubMedPubMedCentralGoogle Scholar
  12. 12.
    Goffrier B, Schulz M, Bätzing-Feigenbaum J (2017) Administrative Prävalenzen und Inzidenzen des Diabetes mellitus von 2009 bis 2015. Zentralinstitut für die kassenärztliche Versorgung in Deutschland (Zi). Versorgungsatlas-Bericht Nr. 17/03.Berlin 2017. http://www.versorgungsatlas.de/themen/alle-analysen-nach-datum-sortiert/?tab=6&uid=79. Zugegriffen: 7. Mai 2019
  13. 13.
    Breitkreuz J, Brückner G, Burgard JP et al (2019) Schätzung kleinräumiger Krankheitshäufigkeiten für die deutsche Bevölkerung anhand von Routinedaten am Beispiel von Typ-2-Diabetes. AStA Wirtsch Sozialstat Arch 13:35–72CrossRefGoogle Scholar
  14. 14.
    Deutsches Institut für Medizinische Dokumentation und Information Basisinformation: Informationssystem Versorgungsdaten. https://www.dimdi.de/static/.downloads/deutsch/basisinfo-versorgungsdaten.pdf. Zugegriffen: 7. Mai 2019
  15. 15.
    Schmidt C, Heidemann C, Rommel A et al (2019) Sekundärdaten in der Diabetes-Surveillance – Kooperationsprojekte und Referenzdefinition zur dokumentierten Diabetesprävalenz. J Health Monit 4(2):54–69Google Scholar
  16. 16.
    Deutsches Institut für Medizinische Dokumentation und Information Informationssystem Versorgungsdaten. https://www.dimdi.de/dynamic/de/weitere-fachdienste/versorgungsdaten. Zugegriffen: 7. Mai 2019
  17. 17.
    Swart E, Bitzer EM, Gothe H et al (2016) Standardisierte Berichtsroutine für Sekundärdaten Analysen (STROSA) – ein konsentierter Berichtsstandard für Deutschland, Version 2. Gesundheitswesen 78:e145–e160CrossRefGoogle Scholar
  18. 18.
    Drösler S, Garbe E, Hasford J, Schubert I (2017) Sondergutachten zu den Wirkungen des morbiditätsorientierten Risikostrukturausgleichs. https://www.bundesversicherungsamt.de/fileadmin/redaktion/Risikostrukturausgleich/Sondergutachten_Wirkung_RSA_2017.pdf. Zugegriffen: 3. Juni 2019
  19. 19.
    Heidemann C, Kuhnert R, Born S, Scheidt-Nave C (2017) 12-Monats-Prävalenz des bekannten Diabetes mellitus in Deutschland. J Health Monit 2(1):48–56Google Scholar
  20. 20.
    Diederichs C, Neuhauser H, Kroll L et al (2017) Regionale Unterschiede in der Prävalenz von kardiovaskulären Risikofaktoren bei Männern und Frauen in Deutschland. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 60:151–162CrossRefGoogle Scholar
  21. 21.
    Heidemann C, Du Y, Paprott R, Haftenberger M, Rathmann W, Scheidt-Nave C (2016) Temporal changes in the prevalence of diagnosed diabetes, undiagnosed diabetes and prediabetes: findings from the German Health Interview and Examination Surveys in 1997–1999 and 2008–2011. Diabet Med 33:1406–1414CrossRefGoogle Scholar
  22. 22.
    Heidemann C, Du Y, Schubert I, Rathmann W, Scheidt-Nave C (2013) Prevalence and temporal trend of known diabetes mellitus: results of the German Health Interview and Examination Survey for Adults (DEGS1). Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 56:668–677CrossRefGoogle Scholar
  23. 23.
    Tancredi M, Rosengren A, Svensson A‑M et al (2015) Excess mortality among persons with Type 2 diabetes. N Eng J Med 373:1720–1732CrossRefGoogle Scholar
  24. 24.
    Abbas S, Ihle P, Köster I, Schubert I (2012) Estimation of disease incidence in claims data dependent on the length of follow-up: a methodological approach. Health Serv Res 47:746–755CrossRefGoogle Scholar
  25. 25.
    Epping J, Tetzlaff K, Stuenrauch S, Geyer S (2019) Beeinflusst die Vorbeobachtungszeit die Inzidenzschätzung und Zeittrends bei Herzinfarkt, Schlaganfall und Lungenkrebs? In: Abstractband AGENS Methoden-Workshop. http://www.ismg.ovgu.de/AGENS2019/Abstracts/_/AGENS_WS_2019_Abstractband.pdf. Zugegriffen: 27. Mai 2019
  26. 26.
    Deckenbach B, Nolting H‑D, Tisch T, Zich K (2018) Versorgungsreport Diabetes mellitus. https://www.dak.de/dak/download/dak-versorgungsreport-2018-2019334.pdf. Zugegriffen: 15. Mai 2019
  27. 27.
  28. 28.
    Drösler S, Neukirch B, Ulrich V, Wille E (2016) Weiterentwicklungsbedarf des Versichertenklassifikationsverfahrens im Anwendungskontext der vertragsärztlichen Versorgung. https://www.zi.de/fileadmin/images/content/Gutachten/KBV-Zi-Gutachten_Klassifikationsverfahren_2016-10-31.pdf. Zugegriffen: 14. Mai 2019
  29. 29.
    Drösler S, Neukirch B (2014) Evaluation der Kodierqualität von vertragsärztlichen Diagnosen. http://www.kbv.de/media/sp/2014_11_18_Gutachten_Kodierqualitaet.pdf. Zugegriffen: 14. Mai 2019
  30. 30.
    Informationssystem der Gesundheitsberichterstattung des Bundes (IS-GBE) Renten wegen verminderter Erwerbsfähigkeit in der Gesetzlichen Rentenversicherung. www.gbe-bund.de. Zugegriffen: 6. Juni 2019
  31. 31.
    Bohn B, Schwandt A, Ihle P et al (2018) Hospital admission in children and adolescents with or without type 1 diabetes from Germany: an analysis of statutory health insurance data on 12 million subjects. Pediatr Diabetes 19:721–726CrossRefGoogle Scholar
  32. 32.
    Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (2019) Bestimmung der GKV-Zielpopulation für die Indikation Diabetes mellitus Typ 2 mittels GKV-Routinedaten. www.iqwig.de. Zugegriffen: 6. Juni 2019
  33. 33.
    Domecq JP, Prutsky G, Leppin A et al (2015) Clinical review: Drugs commonly associated with weight change: a systematic review and meta-analysis. J Clin Endocrinol Metab 100:363–370CrossRefGoogle Scholar
  34. 34.
    Marshall SM (2017) 60 years of metformin use: a glance at the past and a look to the future. Diabetologia 60:1561–1565CrossRefGoogle Scholar
  35. 35.
    Weinhold I, Claus F, Kossak N, Häckl D (2017) Gutachten zum Forschungsprojekt „Kodierwettbewerb“ – WIG2 Wissenschaftliches Institut für Gesundheitsökonomie und Gesundheitssystemforschung. https://www.wig2.de/fileadmin/content_uploads/PDF_Dateien/TK-Gutachten-zur-Einflussnahme-von-Krankenkassen.pdf. Zugegriffen: 20. Mai 2019

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Christian Schmidt
    • 1
    Email author
  • Lukas Reitzle
    • 1
  • Jochen Dreß
    • 2
  • Alexander Rommel
    • 1
  • Thomas Ziese
    • 1
  • Christin Heidemann
    • 1
  1. 1.Abteilung für Epidemiologie und GesundheitsmonitoringRobert Koch-Institut (RKI)BerlinDeutschland
  2. 2.Deutsches Institut für Medizinische Dokumentation und Information (DIMDI)KölnDeutschland

Personalised recommendations