Subscribe to RSS
DOI: 10.1055/a-1553-3565
Völlig unterschiedlich oder doch recht ähnlich? Die soziodemografische Struktur der AOK Niedersachsen im Vergleich zur niedersächsischen und bundesweiten Allgemein- und Erwerbsbevölkerung
Completely Different or Quite Similar? The Sociodemographic Structure of the AOK Lower Saxony in Comparison to the General and Working Population in Lower Saxony and the Federal Republic of GermanyZusammenfassung
Ziel der Studie Routinedaten von Krankenkassen sind als Datenquelle mittlerweile gut etabliert. Hinsichtlich der Verallgemeinerbarkeit der Ergebnisse bei Analysen mit Daten einer Krankenkasse treten Fragen der Repräsentativität der Versichertenpopulation auf, insbesondere da nicht alle Studien auf soziodemografische Merkmale adjustieren. Diese Arbeit untersucht mittels deskriptiver Analyse, ob und inwieweit sich die Sozialstruktur der Versichertenpopulation der AOK Niedersachsen von der Sozialstruktur der Allgemeinbevölkerung und der sozialversicherungspflichtig Beschäftigten in Niedersachsen (NDS) und in der Bundesrepublik (BRD) unterscheiden.
Methodik Die Datengrundlage bilden pseudonymisierte Daten der AOK NDS, die Beschäftigtenstatistik der Bundesagentur für Arbeit und der Bevölkerungsstand in NDS und der BRD. Die Versichertenpopulation wird an zwei Stichtagen 31.12.2012 und 31.12.2017 hinsichtlich der Geschlechter-und Altersstruktur mit der Bevölkerung in NDS und der BRD verglichen. Anschließend werden die Daten der sozialversicherungspflichtig Beschäftigten in der AOK NDS und aus der Beschäftigtenstatistik der Bundesagentur für Arbeit gegenübergestellt, um Ausbildungsabschlüsse, Komplexität der ausgeübten Tätigkeit und elf Berufsbereiche zu vergleichen.
Ergebnisse Die Geschlechterstruktur unterscheidet sich nicht zwischen den drei Vergleichspopulationen. Verglichen mit der Bevölkerung in NDS und der BRD ist der Anteil der unter 30-Jährigen in der AOK NDS überdurchschnittlich, der Anteil der Personen zwischen 50 und 76 Jahren etwas unterdurchschnittlich. Sozialversicherungspflichtig Beschäftigte mit Hochschulabschluss und in Tätigkeiten mit höherer Komplexität sind in der AOK NDS unterrepräsentiert. Die Verteilung der sozialversicherungspflichtig Beschäftigten auf elf Berufsbereiche unterscheidet sich ebenfalls.
Schlussfolgerung Die Studie zeigt, dass soziodemographische und sozio-ökonomische Merkmale in Studien mit Krankenkassendaten wann immer möglich berücksichtigt werden sollten. In Zukunft wird das Informationssystem Versorgungsdaten krankenkassenübergreifende Analysen mit Sekundärdaten ermöglichen. Fragestellungen der gesundheitlichen Ungleichheit können damit jedoch aufgrund des Fehlens von sozio-ökonomischen Merkmalen nicht beantwortet werden. Auch die Identifikation von vulnerablen Gruppen, die gezielt geeigneten Maßnahmen zugeführt werden könnten, ist ohne Berücksichtigung von sozio-ökonomischen Merkmalen erschwert.
Abstract
Aim of the work Routine data from statutory health insurance funds are now a well-established source of data for scientific research. With regard to the generalizability of findings based on data from one health insurance fund, questions arise regarding the representativeness of the insured population, especially since not all studies adjust for socio-demographic characteristics. Our study examines whether and to what extent socio-demographic and occupational characteristics of the population insured with the AOK Lower Saxony differ from the total and working population of Lower Saxony and the Federal Republic of Germany.
Methods The analyses are based on pseudonymised data from the AOK, the employment statistics of the Federal Employment Agency (FEA) and population statistics. The insured population was compared with the population of Lower Saxony and Germany at two cut-off dates (31.12.2012 and 31.12.2017) with respect to the distributions of age and gender. Subsequently, data of employed insured persons were compared with FEA-data in order to compare educational level, complexity of the work and occupational areas.
Results The gender structure did not differ between the three populations. The proportion of insured women and men below 30 years of age was above the corresponding figures of Lower Saxony and Germany. Employed individuals holding a university degree or jobs with higher complexity were under-represented in the AOK. The distribution across eleven occupational areas in the AOK also differed from the reference populations.
Conclusions The study shows that socio-demographic and socio-economic characteristics should be considered whenever possible in studies using statutory health insurance data. In future, the new database “Information System Health Care Data” will enable analyses across all statutory health insurance providers. However, research questions of health inequalities cannot be answered with this approach due to the lack of socio-economic characteristics in these data. Identifying vulnerable groups that could be targeted for appropriate interventions is also difficult without taking socio-economic characteristics into account.
Schlüsselwörter
Krankenkassendaten - soziodemographische Struktur - Repräsentativität - Erwerbsbevölkerung - TätigkeitskomplexitätKeywords
health insurance claims data - sociodemographic structure - representativeness - occupation - educationPublication History
Article published online:
25 October 2021
© 2021. Thieme. All rights reserved.
Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany
-
Literatur
- 1 Kreis K, Neubauer S, Klora M, Lange A, Zeidler J. Status and perspectives of claims data analyses in Germany-2014; A systematic review. Health Policy 2016; 120: 213-226
- 2 Schnee M. Sozioökonomische Strukturen und Morbidität in den gesetzlichen Krankenkassen. In: Böcken J, Braun B, Amhof R. Hrsg Gesundheitsmonitor 2008. Gesundheitsversorgung und Gestaltungsoptionen aus der Perspektive der Bevölkerung.. Verlag Bertelsmann Stiftung; Gütersloh: 2008: 88-104
- 3 Hoffmann F, Icks A. Unterschiede in der Versichertenstruktur von Krankenkassen und deren Auswirkungen für die Versorgungsforschung: Ergebnisse des Bertelsmann-Gesundheitsmonitors [Structural Differences between Health Insurance Funds and their Impact on Health Services Research: Results from the Bertelsmann Health-Care Monitor]. Das Gesundheitswesen 2012; 74: 291-297
- 4 Hoffmann F, Icks A. Diabetes ‘Epidemic’ in Germany? A Critical Look at Health Insurance Data Sources. Experimental and Clinical Endocrinology & Diabetes 2012; 120: 410-415
- 5 Ramos AL, Hoffmann F. Differences in chronic back pain and joint disorders among health insurance funds. Results of a cross-sectional study based on the data of the Socioeconomic Panel from 2013. Zeitschrift Fur Rheumatologie 2017; 76: 238-244
- 6 Jaunzeme J, Eberhard S, Geyer S. Wie „repräsentativ" sind GKV-Daten? Demografische und soziale Unterschiede und Ähnlichkeiten zwischen einer GKV-Versichertenpopulation, der Bevölkerung Niedersachsens sowie der Bundesrepublik am Beispiel der AOK Niedersachsen [How "representative" are data from statutory health insurances? Demographic and social differences and similarities between a statutory health insurance population, the population of Lower Saxony and the Federal Republic of Germany at the example of the AOK Niedersachsen]. Bundesgesundheitsblatt 2013; 56: 447-454
- 7 Bundesagentur_fuer_Arbeit. Klassufikation der Berufe 2021 https://statistik.arbeitsagentur.de/DE/Navigation/Grundlagen/Klassifikationen/Klassifikation-der-Berufe/KldB2010/KldB2010-Nav.html. Zugegriffen: 29.01.2021
- 8 Statistisches_Bundesamt. Bevölkerung: Bundesländer, Stichtag, Geschlecht, Altersjahre. Ergebnisse auf Grundlage des Zensus 2011: DESTATIS; 2019. https://www-genesis.destatis.de/genesis//online?operation=table&code=12411-0013&bypass=true&levelindex=1&levelid=1596721224110#abreadcrumb. Zugegriffen: 05.12.2019
- 9 Bundesagentur_für_Arbeit. Beschäftigte nach Berufen (KldB 2010) (Quartalszahlen) Nürnberg: Bundesagentur_fuer_Arbeit; 2018. https://statistik.arbeitsagentur.de/Navigation/Statistik/Statistik-nach-Themen/Statistik-nach-Themen-Nav.html. Zugegriffen: 11.10.2019
- 10 Verordnung über die Erfassung und Übermittlung von Daten für die Träger der Sozialversicherung (Datenerfassungs-und-übermittlungsverordnung-in der Fassung der Bekanntmachung vom 23. Januar 2006 (BGBl. I S. 152), die zuletzt durch Artikel 27 des Gesetzes vom 4. August 2019 (BGBl. I S. 1147) geändert worden ist) [Decree about collection and transmission of data for the provider of social security in Germany; last amendment on 4th of August 2019], (2019)
- 11 Bundesagentur_fuer_Arbeit. Meldeverfahren zur Sozialversicherung 2021. https://www.arbeitsagentur.de/betriebsnummern-service/meldeverfahren-sozialversicherung. Zugegriffen: 30.01.2021
- 12 Bundesagentur_fuer_Arbeit (2019). Meldeverfahren für Sozialversicherung. Schlüsselverzeichnis für die Angaben zur Tätigkeit. Bundesagentur_fuer_Arbeit, editor. Nürnberg
- 13 Bundesagentur_für_Arbeit (2011). Klassifikation der Berufe 2010 (KLDB 2010). Nürnberg: Bundesagentur_für_Arbeit
- 14 Weber G. Wechseldynamik, Wechslerprofile und Motive der Kassenwahlentscheidung. Empirische Befunde zum Konsumverhalten in der gesetzlichen Krankenversicherung. Gesundheits-und Sozialpolitik 2009; 6: 32-42
- 15 Karasek R, Theorell T. Healthy work. New York: Basic Books.1990
- 16 Murdock KW, LeRoy AS, Lacourt TE, Duke DC, Heijnen CJ, Fagundes CP. Executive functioning and diabetes: The role of anxious arousal and inflammation. Psychoneuroendocrinology 2016; 71: 102-109
- 17 Steinvil A, Shirom A, Melamed S. et al. Relation of Educational Level to Inflammation-Sensitive Biomarker Level. American Journal of Cardiology 2008; 102: 1034-1039
- 18 Safieddine B, Sperlich S, Beller J. et al. Socioeconomic inequalities in type 2 diabetes among different population subgroups. European Journal of Public Health 2020; 30
- 19 Tetzlaff J, Epping J, Sperlich S, Eberhard S, Stahmeyer JT, Geyer S. Widening inequalities in multimorbidity? Time trends among the working population between 2005 and 2015 based on German health insurance data. International Journal for Equity in Health 2018; 17: 103
- 20 Epping J, Muschik D, Geyer S. Social inequalities in the utilization of outpatient psychotherapy: analyses of registry data from German statutory health insurance. International Journal for Equity in Health 2017; 16: 147
- 21 Glickmann L, Hubbard M, Liveright T, Valciukas A. Fall-off in reporting life events: Effects of life change, desirability, and anticipation. Behavioral Medicine 1990; 16: 31-37
- 22 Candido E, Kurdyak P, Alter DA. Item nonresponse to psychosocial questionnaires was associated with higher mortality after acute myocardial infarction. Journal of Clinical Epidemiology 2011; 64: 213-222
- 23 Cohen G, Duffy JC. Are nonrespondents to health surveys less healthy than respondents?. Journal of Official Statistics 2002; 18: 13-24
- 24 Tourangeau R, Rips LJ, Rasinski K. The Psychology of Survey Response. Cambridge: Cambridge University Press; 2000; 2000
- 25 Walker M, Whincup PH, Shaper G, Lennon LT, Thomson A. Validation of Patient Recall of Doctor-diagnosed Heart Attack and Stroke: A Postel Questionnaire and Record Review Comparison. American Journal of Epidemiology 1998; 148: 355-361
- 26 Bundesinstitut_für_Arzneimittel_und_Medizinprodukte. Informationssystem Versorgungsdaten 2020. https://www.dimdi.de/dynamic/de/weitere-fachdienste/versorgungsdaten/. Zugegriffen: 13.07.2020
- 27 Bundesinstitut_für_Arzneimittel_und_Medizinprodukte. Forschungsdatenzentrum (DaTraV) 2021 https://www.dimdi.de/dynamic/de/weitere-fachdienste/forschungsdatenzentrum/. Zugegriffen: 30.1.2021
- 28 Datentransparenzverordnung vom 19. Juni 2020 (BGBl. I S. 1371), (2020)