Ratenbildung bei KV-Daten mit GKV-Versicherten auf Kreisebene – ein empirisches Schätzmodell auf der Basis des Mikrozensus

Zusammenfassung

Hintergrund: Daten aus der kassenärztlichen Versorgung werden u. a. in der Gesundheitsberichterstattung und der Versorgungsforschung auf Kreisebene genutzt. Für eine korrekte Ratenbildung müsste die Zahl der GKV-Versicherten im Nenner zugrunde gelegt werden, diese steht aber in einigen Bundesländern auf Kreisebene nicht zur Verfügung. Die Raten werden daher im kassenärztlichen System mit einer Surrogatgröße (definiert über die Arztkontakte) gebildet. Dies führt zu Unschärfen, sodass kleinräumige Regionalvergleiche nur bedingt möglich sind. Ziel der vorliegenden Arbeit ist ein besseres Schätzmodell für die Zahl der GKV-Versicherten auf Kreisebene.

Methodik: Der Anteil der GKV-Versicherten in den bayerischen Kreisen wird durch ein multiples lineares Regressionsmodell geschätzt. Im Modell wird der Anteil der GKV-Versicherten in den Anpassungsschichten des Mikrozensus (einer Zusammenfassung von mehreren Kreisen) erklärt durch Einflussfaktoren auf den Versicherungsstatus, die auf Kreisebene vorliegen (verfügbares Einkommen, Beamten- und Selbständigenanteil). Die durch das Modell berechneten GKV-Versichertenzahlen werden mit der Surrogatgröße verglichen. Eine konkrete Anwendung erfolgt am Beispiel der regionalen Diabetesdiagnosen aus den Daten der Kassenärztlichen Vereinigung Bayerns.

Ergebnisse: Durch das Regressionsmodell werden für die bayerischen Kreise GKV-Versichertenanteile zwischen 74,7 und 91,6% geschätzt. Der Unterschied zu der bisher genutzten Ersatzgröße beträgt bis zu 18,6 Prozentpunkte. Dies spiegelt sich dementsprechend in den Behandlungsprävalenzen wider, hier am Beispiel des Diabetes mellitus veranschaulicht.

Schlussfolgerung: Die vorliegende Analyse zeigt, mit welchen Unsicherheiten die Ratenbildung bei Daten aus der kassenärztlichen Versorgung derzeit behaftet ist und was daraus für kleinräumige Vergleiche, etwa in der Gesundheitsberichterstattung, folgt. Die Aufbereitung valider Nennerdaten im Rahmen der Datentransparenzregelung nach SGB V ist anzustreben.

Abstract

Background: In Germany, data of the statutory health insurance system are used, amongst others, in health monitoring and health care research at the district level. For the calculation of exact ratios, the number of those covered by statutory health insurance is needed as denominator. For some federal states, however, this number is not available on a district level. Therefore, ratios based on statutory health care data are calculated using a surrogate defined in terms of visits to the doctor. This leads to uncertainties that limit small area comparisons. Therefore, the aim of the present study was to develop a superior estimation model for the number of those covered by statutory health insurance on a district level.

Methods: The proportion of those covered by statutory health insurance in the Bavarian districts is estimated by a multiple linear regression model. The model relates data on determinants of the insurance status (income, proportions of civil servants and of self-employed persons) available on district level to data on the number of those covered by statutory health insurance obtained from microcensus on a regional level. The proportion of those covered by statutory health insurance estimated by this model is compared to the surrogate. As an example for practical application, small area estimations for diabetes prevalence are compared to data provided by the Bavarian Association of Statutory Health Insurance Physicians.

Results: The proportion of those covered by the statutory health insurance in the Bavarian districts as estimated by the regression model varies between 74.7 and 91.6%. The difference to the currently used surrogate reaches up to 18.6 percentage points. This is also reflected in treatment prevalence, shown here using the example of diabetes mellitus.

Conclusion: The present analysis shows the uncertainties of ratios and consequences for small area comparisons based on statutory healthcare data. Providing valid data for the denominator in accordance with the data transparency regulation in the Social Insurance Code (SGB) V should be attempted.

Schlüsselwörter

KV-Daten - Ratenbildung - GKV-Versicherte - kleinräumige Vergleiche

Key words

statutory health care data - ratio calculation - coverage by statutory health insurance - small area comparisons

• Literatur

• 1 Mangiapane S, Riens B, Augustin J. Populationsbildung auf Grundlage von Abrechnungsdaten der vertragsärztlichen Versorgung (30.08.2011). Im Internet www.versorgungsatlas.de Stand: 01.07.2014
• 2 Bundesministerium für Gesundheit. Zahlen und Fakten zur gesetzlichen Krankenversicherung Mitgliederstatistik KM6. Im Internet www.bmg.bund.de/krankenversicherung/zahlen-und-fakten-zur-krankenversicherung.html Stand: 01.07.2014
• 3 Riens B, Erhart M, Mangiapane S. Arztkontakte im Jahr 2007 – Hintergründe und Analysen (15.02.2012). Im Internet www.versorgungsatlas.de Stand: 01.07.2014
• 4 Statistisches Bundesamt. Mikrozensus 2011 Qualitätsbericht. Im Internet https://www.destatis.de/DE/Publikationen/Qualitaetsberichte/Bevoelkerung/Mikrozensus2011.pdf?_blob = publicationFile Stand:15.04.2015
• 5 Statistische Ämter des Bundes und der Länder. Regionaldatenbank Deutschland. Im Internet https://www.regionalstatistik.de/genesis/online/logon Stand 01.07.2014
• 6 Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR) im Bundesamt für Bauwesen und Raumordnung (BBR). Indikatoren und Karten zur Raum- und Stadtentwicklung. INKAR. Ausgabe. 2013;
• 7 Dräther H. Zur Bedeutung der Familienversicherung. In: Jacobs K, Klauber J, Leinert J. (Hrsg.) Fairer Wettbewerb oder Risikoselektion?. Bonn: Wissenschaftliches Institut der AOK (WIdO); 2006: 49-65
• 8 Haun D. Quo vadis, GKV und PKV? Entwicklung der Erwerbs- und Einkommensstrukturen von Versicherten im dualen System. In: Jacobs K, Schulze S. (Hrsg.) Die Krankenversicherung der Zukunft. Berlin: KomPart-Verlagsgesellschaft; 2013: 75-106
• 9 Mielck A, Helmert U. Vergleich zwischen GKV- und PKV-Versicherten: Unterschiede bei Morbidität und gesundheitlicher Versorgung. In: Böcken J, Braun B, Amhof R, Schnee M, (Hrsg.). Gesundheitsmonitor. 2006:Gütersloh: Verlag Bertelsmann Stiftung; 2006: 32–53
• 10 Jacobs K, Schulze S. Systemwettbewerb zwischen gesetzlicher und privater Krankenversicherung: Idealbild oder Schimäre?. GGW 2004; 1: 7-18
• 11 Sundmacher L, Ozegowski S. Ziehen Privatpatienten Ärzte an? Gesundheit und Gesellschaft 2013; 12/13: 31-35
• 12 Sundmacher L, Ozegowski S. Regional distribution of physicians: the role of comprehensive private health insurance in Germany. Eur J Health Econ DOI: 10.1007/s10198-015-0691-z.
• 13 Kroll E, Lampert T. Regionale Unterschiede in der Gesundheit am Beispiel von Adipositas und Diabetes mellitus. In: Koch-Institut Robert. (Hrsg.) Daten und Fakten: Ergebnisse der Studie »Gesundheit in Deutschland aktuell 2010«. Beiträge zur Gesundheitsberichterstattung des Bundes. Berlin: Eigenverlag; 2012
• 14 Barmer GEK. Regionale Prävalenzen des Diabetes mellitus in Deutschland. Im Internet www.barmer-gek.de/544184 Stand:18.04.2015
• 15 Krüger-Brand HE. Einblick ins Versorgungsgeschehen Deutsches Ärzteblatt 2013; 4: 120-121
• 16 Koalitionsvertrag zwischen CDU, CSU und SPD. Deutschlands Zukunft gestalten. 18. Legislaturperiode. Im Internet www.bundesregierung.de/Content/DE/StatischeSeiten/Breg/koalitionsvertrag-inhaltsverzeichnis.html Stand: 01.12.2014
• 17 Zentralinstitut für die kassenärztliche Versorgung. Versorgungsatlas. Im Internet www.versorgungsatlas.de Stand: 01.07.2014