Skip to main content
SpringerLink
Log in

Möglichkeiten der Regionalisierung von Gesundheitsindikatoren mit Small-Area-Estimation

Exemplarische Ergebnisse auf Basis der GEDA-Studien 2009, 2010 und 2012

Potentials in the regionalization of health indicators using small-area estimation methods

Exemplary results based on the 2009, 2010 and 2012 GEDA studies

  • Leitthema
  • Published:
Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz Aims and scope

Zusammenfassung

Bundesweite Gesundheitssurveys können herangezogen werden, um Aussagen zu regionalen Unterschieden in der gesundheitlichen Lage zu machen. Mit traditionellen Verfahren ist die räumliche Tiefe, für die Aussagen möglich sind, aber eng begrenzt. So konnten bisher – ohne spezielle Aufstockungsstichproben – nur für bevölkerungsreiche Bundesländer Ergebnisse berichtet werden. Ein alternatives Verfahren sind kleinräumige Modellierungen, sogenannte Small-Area-Estimation-Verfahren, die kleinräumigere Daten generieren können, aber aufgrund der getroffenen Modellannahmen mit größeren Unsicherheiten behaftet sind. Im vorliegenden Beitrag werden für den Indikator allgemeiner Gesundheitszustand exemplarische regionalisierte Ergebnisse auf Basis der Studie „Gesundheit in Deutschland aktuell“ (GEDA-Studien) 2009, 2010 und 2012 verglichen. Ziel ist es, die Bandbreite der regionalen Schätzwerte zu analysieren, um den Nutzen des Verfahrens für die Gesundheitsberichterstattung besser beurteilen zu können. Die Analysen zeigen dabei, dass die modellierten Prävalenzen bei Verwendung unterschiedlicher Stichproben relativ stabil sind. Wichtige Gründe für die Variation der Schätzwerte und Abweichungen der Modellierungen zu direkten Schätzwerten erklären sich nicht nur durch die auf Kreisebene erzielte Stichprobengröße und durch den Kreistyp. Insgesamt macht die vorliegende Arbeit deutlich, dass kleinräumige Modellierungen von Prävalenzen im Vergleich zu herkömmlichen Schätzwerten mit zusätzlichen Unsicherheiten einhergehen, die bei der Interpretation der Befunde berücksichtigt werden sollten.

Abstract

Nationwide health surveys can be used to estimate regional differences in health. Using traditional estimation techniques, the spatial depth for these estimates is limited due to the constrained sample size. So far – without special refreshment samples – results have only been available for larger populated federal states of Germany. An alternative is regression-based small-area estimation techniques. These models can generate smaller-scale data, but are also subject to greater statistical uncertainties because of the model assumptions. In the present article, exemplary regionalized results based on the studies “Gesundheit in Deutschland aktuell” (GEDA studies) 2009, 2010 and 2012, are compared to the self-rated health status of the respondents. The aim of the article is to analyze the range of regional estimates in order to assess the usefulness of the techniques for health reporting more adequately. The results show that the estimated prevalence is relatively stable when using different samples. Important determinants of the variation of the estimates are the achieved sample size on the district level and the type of the district (cities vs. rural regions). Overall, the present study shows that small-area modeling of prevalence is associated with additional uncertainties compared to conventional estimates, which should be taken into account when interpreting the corresponding findings.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2

Literatur

  1. Kurth B‑M, Lange C, Kamtsiuris P, Hölling H (2009) Gesundheitsmonitoring am Robert Koch-Institut. Sachstand und Perspektiven. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 52:557–570

    Article  PubMed  Google Scholar 

  2. Lange C, Jentsch F, Allen J, Hoebel J, Kratz AL, von der Lippe E et al (2015) Data Resource Profile: German Health Update (GEDA) – the health interview survey for adults in Germany. Int J Epidemiol 44:442–450

    Article  PubMed  Google Scholar 

  3. Scheidt-Nave C, Kamtsiuris P, Gosswald A, Holling H, Lange M, Busch MA et al (2012) German health interview and examination survey for adults (DEGS) – design, objectives and implementation of the first data collection wave. BMC Public Health 12:730

    Article  PubMed  PubMed Central  Google Scholar 

  4. Kurth BM, Kamtsiuris P, Holling H, Schlaud M, Dolle R, Ellert U et al (2008) The challenge of comprehensively mapping children’s health in a nation-wide health survey: design of the German KiGGS-Study. BMC Public Health 8:196

    Article  PubMed  PubMed Central  Google Scholar 

  5. Gaber E, Wildner M (2011) Sterblichkeit, Todesursachen und regionale Unterschiede. Robert Koch-Institut, Berlin

    Google Scholar 

  6. Zentralinstitut für die kassenärztliche Versorgung (2011) versorgungsatlas.de. ZI, Berlin

    Google Scholar 

  7. Rao JNK (2003) Small area estimation. John Wiley, Hoboken

    Book  Google Scholar 

  8. Kroll LE, Lampert T (2012) Regionalisierung von Gesundheitsindikatoren. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 55:129–140

    Article  CAS  PubMed  Google Scholar 

  9. RKI (Hrsg) (2012) Daten und Fakten: Ergebnisse der Studie „Gesundheit in Deutschland aktuell 2010“. Robert Koch-Institut, Berlin

    Google Scholar 

  10. Congdon P, Shouls S, Curtis S (1997) A multi-level perspective on small-area health and mortality: a case study of England and Wales. Int J Popul Geogr 3:243–263

    Article  CAS  PubMed  Google Scholar 

  11. Congdon P (2010) A multilevel model for comorbid outcomes: obesity and diabetes in the US. Int J Environ Res Public Health 7:333–352

    Article  PubMed  PubMed Central  Google Scholar 

  12. Congdon P (2009) A multilevel model for cardiovascular disease prevalence in the US and its application to micro area prevalence estimates. Int J Health Geogr 8:6

    Article  PubMed  PubMed Central  Google Scholar 

  13. Cochrane T, Davey RC, Gidlow C, Smith GR, Fairburn J, Armitage CJ et al (2009) Small area and individual level predictors of physical activity in urban communities: a multi-level study in Stoke on Trent, England. Int J Environ Res Public Health 6:654–677

    Article  PubMed  PubMed Central  Google Scholar 

  14. Li W, Land T, Zhang Z, Keithly L, Kelsey JL (2009) Small-area estimation and prioritizing communities for tobacco control efforts in Massachusetts. Am J Public Health 99:470–479

    Article  PubMed  PubMed Central  Google Scholar 

  15. Li W, Kelsey JL, Zhang Z, Lemon SC, Mezgebu S, Boddie-Willis C, Reed GW (2009) Small-area estimation and prioritizing communities for obesity control in Massachusetts. Am J Public Health 99:511–519

    Article  PubMed  PubMed Central  Google Scholar 

  16. Openshaw S (1984) Ecological fallacies and the analysis of areal census data. Environ Plan A 16:17–31

    Article  CAS  PubMed  Google Scholar 

  17. Singh-Manoux A, Martikainen P, Ferrie J, Zins M, Marmot M, Goldberg M (2006) What does self rated health measure? Results from the British Whitehall II and French Gazel cohort studies. J Epidemiol Community Health 60:364–372

    Article  PubMed  PubMed Central  Google Scholar 

  18. Idler EL, Kasl S (1991) Health perceptions and survival: do global evaluations of health status really predict mortality? J Gerontol 46:S55–S65

    Article  CAS  PubMed  Google Scholar 

  19. Idler EL, Benyamini Y (1997) Self-rated health and mortality: a review of twenty-seven community studies. J Health Soc Behav 38:21–37

    Article  CAS  PubMed  Google Scholar 

  20. DeSalvo K, Bloser N, Reynolds K, He J, Muntner P (2006) Mortality prediction with a single general self-rated health question. J Gen Intern Med 21:267–275

    Article  PubMed  PubMed Central  Google Scholar 

  21. de Bruin A, Picavet HS, Nossikov A (1996) Health interview surveys. Towards international harmonization of methods and instruments. WHO Reg Publ Eur Ser 58., S i–xiii, 1–161

    Google Scholar 

  22. Europäische Kommission (2003) Verordnung (EG) Nr. 1983/2003 der Kommission vom 7. November 2003 zur Durchführung der Verordnung (EG) Nr. 1177/2003 des Europäischen Parlaments und des Rates für die Gemeinschaftsstatistik über Einkommen und Lebensbedingungen (EUSILC) im Hinblick auf das Verzeichnis der primären Zielvariablen

  23. EUROSTAT (2016) eurostat. Ihr Schlüssel zur europäischen Gesundheit. http://ec.europa.eu/eurostat/de/web/microdata/european-health-interview-survey. Zugegriffen: 16.02.2017

    Google Scholar 

  24. BBSR (2009) INKAR 2009 – Indikatoren, Karten und Graphiken zur Raum- und Stadtentwicklung in Deutschland und in Europa. Bundesinstitut für Bau‑, Stadt- und Raumforschung im Bundesamt für Bauwesen und Raumordnung, Wiesbaden

    Google Scholar 

  25. RKI (Hrsg) (2014) Daten und Fakten: Ergebnisse der Studie „Gesundheit in Deutschland aktuell 2012“. Robert Koch-Institut, Berlin

    Google Scholar 

  26. Robert Koch-Institut (Hrsg) (2011) Daten und Fakten: Ergebnisse der Studie „Gesundheit in Deutschland aktuell 2009“. Beiträge zur Gesundheitsberichterstattung des Bundes. RKI, Berlin

    Google Scholar 

  27. ADM/BVM (1998) Richtlinie für telefonische Befragungen. In: Gabler S, Häder S, Hoffmeyer-Zlotnik JHP (Hrsg) Telefonstichproben in Deutschland. Westdeutscher Verlag, Opladen, S 181–187

    Google Scholar 

  28. Gabler S, Häder S (1999) Generierung von Telefonstichproben mit TelSuSa. ZUMA Nachr 44:138–143

    Google Scholar 

  29. AAPOR (2009) Standard definitions: final dispositions of case codes and outcome rates for surveys. The American Association for Public Opinion Research, Deerfield

    Google Scholar 

  30. Gross C, Kriwy P (2013) Einfluss regionaler sozialer Ungleichheits- und Arbeitsmarktmerkmale auf die Gesundheit. Z Bevölkerungswiss 38:741–768

    Google Scholar 

  31. Weber A, Hörmann G, Heipertz W (2007) Arbeitslosigkeit und Gesundheit aus sozialmedizinischer Sicht. Dtsch Arztebl 104:2957–2962

    Google Scholar 

  32. Lampert T (2011) Armut und Gesundheit. In: Schott T, Hornberg C (Hrsg) Die Gesellschaft und ihre Gesundheit. 20 Jahre Public Health in Deutschland: Bilanz und Ausblick einer Wissenschaft. VS, Wiesbaden, S 575–597

    Chapter  Google Scholar 

  33. Lampert T, Hoebel J, Kuntz B, Müters S, Kroll L (2017) Gesundheitliche Ungleichheit in verschiedenen Lebensphasen. RKI, Berlin

    Google Scholar 

  34. Walter N, Schweikart J (2006) Räumliche Disparitäten in der ambulanten Gesundheitsversorgung Berlins – eine GIS-basierte Analyse. In: Strobl J, Grieseber T, Griesebner G (Hrsg) Angewandte Geoinformatik. Herbert Wichmann, Heidelberg, S 704–708

    Google Scholar 

  35. Pieper J, Schweikart J (2009) Kleinräumige Modellierung der vertragsärztlichen Versorgungssituation in Berlin. Z Amtl Stat Berl Brandenbg 2:22–29

    Google Scholar 

  36. Böhme C, Preuß T, Bunge C (2014) Umweltgerechtigkeit im städtischen Raum – Erfolgsfaktoren für eine Implementierung im kommunalen Handeln. In: Umweltbundesamt (Hrsg) Umwelt und Mensch – Informationsdienst. Umweltbundesamt (UBA), Berlin, S 35–41

    Google Scholar 

  37. Voigtlander S, Mielck A, Razum O (2012) Die Bedeutung des kleinraumigen Kontexts fur Gesundheit: Entwurf eines Erklärungsmodells. Gesundheitswesen 74:702–709

    CAS  PubMed  Google Scholar 

  38. StataCorp (2009) Stata statistical software: release 11.0. Stata Corporation, College Station

    Google Scholar 

  39. Robert Koch-Institut (2014) Daten und Fakten: Ergebnisse der Studie „Gesundheit in Deutschland aktuell 2012“. In: Robert Koch-Institut (Hrsg) Beiträge zur Gesundheitsberichterstattung des Bundes

    Google Scholar 

  40. Thelen J, Kirsch N, Hoebel J (2012) Gesundheit in Europa-Daten des Gesundheitsmonitorings der EU

    Google Scholar 

  41. RKI (Hrsg) (2015) Gesundheit in Deutschland. Robert Koch-Institut, Berlin

    Google Scholar 

  42. Robert Koch-Institut (2009) 20 Jahre nach dem Fall der Mauer: Wie hat sich die Gesundheit in Deutschland entwickelt? In: Robert Koch-Institut (Hrsg) Beiträge zur Gesundheitsberichterstattung des Bundes

    Google Scholar 

  43. Kohler M, Ziese T (2004) Telefonischer Gesundheitssurvey des Robert Koch-Instituts zu chronischen Krankheiten und ihren Bedingungen: deskriptiver Ergebnisbericht. Beiträge zur Gesundheitsberichterstattung des Bundes. Robert Koch-Institut, Berlin

    Google Scholar 

  44. Beck D, Elkeles T (2012) Gesundheit und Lebenszufriedenheit in nordostdeutschen Landgemeinden 1973, 1994 und 2004/08. Gesundheitswesen 74:132–138

    Article  CAS  PubMed  Google Scholar 

  45. Macintyre S, Ellaway A, Cummins S (2002) Place effects on health: how can we conceptualise, operationalise and measure them? Soc Sci Med 55:125–139

    Article  PubMed  Google Scholar 

  46. Lampert T, Hoebel J, Kuntz B, Müters S, Kroll LE (2017) Gesundheitliche Ungleichheit in verschiedenen Lebensphasen. Robert Koch-Institut, Berlin

    Google Scholar 

  47. Tampubolon G, Subramanian SV, Kawachi I (2013) Neighbourhood social capital and individual self-rated health in Wales. Health Econ 22:14–21

    Article  PubMed  Google Scholar 

  48. Stronegger WJ, Titze S, Oja P (2010) Perceived characteristics of the neighborhood and its association with physical activity behavior and self-rated health. Health Place 16:736–743

    Article  PubMed  Google Scholar 

  49. Novak D, Suzuki E, Kawachi I (2015) Are family, neighbourhood and school social capital associated with higher self-rated health among Croatian high school students? A population-based study. BMJ Open 5:e7184

    Article  PubMed  PubMed Central  Google Scholar 

  50. Linden-Bostrom M, Persson C, Eriksson C (2010) Neighbourhood characteristics, social capital and self-rated health – a population-based survey in Sweden. BMC Public Health 10:628

    Article  PubMed  PubMed Central  Google Scholar 

  51. Agyemang C, van Hooijdonk C, Wendel-Vos W, Lindeman E, Stronks K, Droomers M (2007) The association of neighbourhood psychosocial stressors and self-rated health in Amsterdam, The Netherlands. J Epidemiol Community Health 61:1042–1049

    Article  PubMed  PubMed Central  Google Scholar 

  52. Elliott P, Wartenberg D (2004) Spatial epidemiology: current approaches and future challenges. Environ Health Perspect 112:998–1006

    Article  PubMed  PubMed Central  Google Scholar 

  53. Voigt M (2009) Small Area Estimation: Die Schätzer von Fay-Herriot und Battese-Harter-Fuller. Wirtsch Stat 2:179–183

    Google Scholar 

  54. Kecskes R (1996) Die Dynamik der Aufwertung innenstadtnaher Wohnviertel. Zur Begründung unterschiedlicher Prozeßverläufe der Gentrification. In: Friedrichs J, Kecskes R (Hrsg) Gentrification: Theorie und Forschungsergebnisse. VS, Wiesbaden, S 55–94

    Chapter  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Abteilung für Epidemiologie und Gesundheitsberichterstattung, Robert Koch-Institut, Postfach 65 02 61, 13302, Berlin, Deutschland

    Lars Eric Kroll, Maria Schumann, Stephan Müters & Thomas Lampert

Authors
  1. Lars Eric Kroll
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Maria Schumann
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Stephan Müters
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Thomas Lampert
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Lars Eric Kroll.

Ethics declarations

Interessenkonflikt

L. E. Kroll, M. Schumann, S. Müters und T. Lampert geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Kroll, L.E., Schumann, M., Müters, S. et al. Möglichkeiten der Regionalisierung von Gesundheitsindikatoren mit Small-Area-Estimation. Bundesgesundheitsbl 60, 1429–1439 (2017). https://doi.org/10.1007/s00103-017-2649-z

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00103-017-2649-z

Schlüsselwörter

Keywords

Search

Navigation