Download PDF
Gesundheitswesen 2017; 79(01): e1-e9
DOI: 10.1055/s-0035-1564074
Originalarbeit
© Georg Thieme Verlag KG Stuttgart · New York

Verschiedene Regionen, verschiedene Versichertenpopulationen? Soziodemografische und gesundheitsbezogene Unterschiede zwischen Krankenkassen

Different Regions, Differently Insured Populations? Socio-demographic and Health-related Differences Between Insurance Funds
Falk Hoffmann
1   Department für Versorgungsforschung, Carl von Ossietzky Universität Oldenburg, Oldenburg
,
Daniela Koller
2   Fachbereich für Health Services Management, LMU, München
› Author Affiliations
Further Information

Publication History

Publication Date:
22 October 2015 (online)

Also available at
    Permissions and Reprints

Zusammenfassung

Ziel der Studie: Analysen von Routinedaten der Krankenkassen nehmen in Public Health und Versorgungsforschung eine immer wichtigere Rolle ein. Da es in Deutschland eine Vielzahl an unterschiedlichen Kassen gibt, müssen die regionalen und soziodemografischen Besonderheiten von Kassenpopulationen berücksichtigt werden. Wir untersuchten, inwieweit kassenspezifische Unterschiede bei soziodemografischen und gesundheitsbezogenen Merkmalen regional variieren.

Methodik: Grundlage bieten die Daten der GEDA-Studie 2009 und 2010, die mittels telefonischer Befragung erhoben wurden (n=42 534). Es wurden sozioökonomische Faktoren, Informationen zum Wohnort sowie gesundheitsrelevante Variablen zum subjektiven Gesundheitszustand, Gesundheitsverhalten und kardiovaskuläre Erkrankungen analysiert.

Ergebnisse: Regional betrachtet finden sich die wenigsten Privatversicherten in östlichen Regionen. Versicherte in einer AOK haben im Vergleich zu anderen GKVen und PKV einen niedrigeren sozioökonomischen Status und einen höheren Anteil an Personen mit Migrationshintergrund. Ähnliche Ergebnisse finden sich beim Raucher-Status, bei Adipositas und kardiovaskulären Erkrankungen. Dieser Gradient zwischen den Kassen findet sich bei vielen, jedoch nicht allen regionalen Analysen.

Schlussfolgerung: Vor allem die Unterschiede bei sozioökonomischen Variablen in Abhängigkeit der Kassenzugehörigkeit sind relativ konstant in allen Regionen ausgeprägt. Es zeigt sich, dass Analysen einzelner gesetzlicher Kassen – egal ob sie regional oder bundesweit tätig sind – schwer auf die Gesamtbevölkerung übertragen werden können. Für möglichst präzise Aussagen, sei es zur Beschreibung von Versorgung, Morbidität oder zur Qualitätssicherung, sind demnach kassenübergreifende Datensätze wünschenswert.

Abstract

Objectives: Analyses of health insurance claims data are getting more important in public health and health services research. Since there are several different health insurance funds in Germany, the specific characteristics of regional and socio-demographic population covered by a single fund has to be considered. The aim of this study is to evaluate the differences in socio-demographic and health-related variables between health insurance funds.

Methods: This study is based on the GEDA-Study 2009 and 2010, 2 representative cross-sectional telephone surveys (n=42 534). We included socio-economic factors as well as information on area of residence and health-related variables to health status, health behavior and cardiovascular diseases.

Results: There are fewer privately insured persons in the eastern regions of Germany. Insurants of the public health insurances have a lower socio-economic status and many have a migration background. Similar results can be found for smoking, obesity and cardiovascular factors. These differences between funds were found in many regional analyses.

Conclusions: Especially differences in socio-economic factors are constant between insurance funds and regions. Therefore, the results show that analyses of one single health insurance fund cannot be generalized to the whole population. To ensure precise estimates on health services, morbidity or quality monitoring, we need data sets that integrate more funds.

Schlüsselwörter

Versorgungsforschung - Routinedaten - regionale Ungleichheit - Krankenversicherung

Key words

health services research - claims data - regional variation - health insurance
 

  • Literatur

  • 1 Hoffmann F. Review on use of German health insurance medication claims data for epidemiological research. Pharmacoepidemiol Drug Saf 2009; 18: 349-356
    CrossrefPubMedGoogle Scholar
  • 2 Schubert I, Köster I, Küpper-Nybelen J et al. Versorgungsforschung mit GKV-Routinedaten. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2008; 51: 1095-1105
    CrossrefPubMedGoogle Scholar
  • 3 Nellessen-Martens G, Driller E, Pientka L et al. Versorgungsforschungsaktivitäten in Nordrhein-Westfalen. Med Klin (Munich) 2009; 104: 457-463
    CrossrefPubMedGoogle Scholar
  • 4 Ohlmeier C, Frick J, Prütz F et al. Nutzungsmöglichkeiten von Routinedaten der Gesetzlichen Krankenversicherung in der Gesundheitsberichterstattung des Bundes. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2014; 57: 464-472
    CrossrefPubMedGoogle Scholar
  • 5 Lugert P. Aufbereitung von Daten der gesetzlichen Krankenversicherung für das Jahr 2002 – ein Projektbericht. Wirtsch Stat 2008; 1041-1046
    PubMedGoogle Scholar
  • 6 Ochsmann EB, Escobar Pinzón CL, Letzel S et al. Prevalence of diagnosis and direct treatment costs of back disorders in 644,773 children and youths in Germany. BMC Musculoskelet Disord 2010; 11: 193
    CrossrefPubMedGoogle Scholar
  • 7 Brinks R, Fischer-Betz R, Sander O et al. Age-specific prevalence of diagnosed systemic lupus erythematosus in Germany 2002 and projection to 2030. Lupus 2014
    PubMed
  • 8 Mansky T, Robra B, Schubert I. Qualitätssicherung: Vorhandene Daten besser nutzen. Dtsch Arztebl 2012; 109: A1082-A1085
    PubMedGoogle Scholar
  • 9 Willer C, Swart E. Analyse von Versorgungsumfang und -qualität bei Arthrosepatienten anhand von GKV-Routinedaten. Orthopade 2014; 43: 462-466
    CrossrefPubMedGoogle Scholar
  • 10 Jeschke E, Baberg HT, Dirschedl P et al. Komplikationen und Folgeeingriffe nach koronaren Prozeduren in der klinischen Routine. Dtsch Med Wochenschr 2013; 138: 570-575
    Article in Thieme ConnectPubMedGoogle Scholar
  • 11 Abbas S, Ihle P, Hein R et al. Vergleich der geriatrischen frührehabilitativen Komplexbehandlung und der geriatrischen Anschlussrehabilitation. Z Gerontol Geriatr 2013; 1-8
    PubMedGoogle Scholar
  • 12 Meinck M, Lübke N, Polak U. Rehabilitation vor Pflegebedürftigkeit im Alter: eine Analyse anhand von Routinedaten. Rehabilitation (Stuttg) 2014; 53: 74-80
    Article in Thieme ConnectPubMedGoogle Scholar
  • 13 Freund T, Gondan M, Rochon J et al. Comparison of physician referral and insurance claims data-based risk prediction as approaches to identify patients for care management in primary care: an observational study. BMC Fam Pract 2013; 14: 157
    CrossrefPubMedGoogle Scholar
  • 14 Zentner N, Baumgartner I, Becker T et al. Kosten medizinischer Leistungen bei Menschen mit schweren psychischen Erkrankungen: Selbstbericht vs. Kostenträgerangaben. Psychiatr Prax 2012; 39: 122-128
    Article in Thieme ConnectPubMedGoogle Scholar
  • 15 Bauer K, Schwarzkopf L, Graessel E et al. A claims data-based comparison of comorbidity in individuals with and without dementia. BMC Geriatr 2014; 14: 10
    CrossrefPubMedGoogle Scholar
  • 16 Rapp K, Becker C, Cameron ID et al. Femoral fracture rates in people with and without disability. Age Ageing 2012; 41: 653-658
    CrossrefPubMedGoogle Scholar
  • 17 Ewest F, Reinhold T, Vloet TD et al. Durch Jugendliche mit Störungen des Sozialverhaltens ausgelöste Krankenkassenausgaben. Kindheit und Entwicklung 2013; 22: 41-47
    CrossrefPubMedGoogle Scholar
  • 18 Reeske A, Zeeb H, Razum O et al. Differences in the Incidence of Gestational Diabetes between Women of Turkish and German Origin: An Analysis of Health Insurance Data From a Statutory Health Insurance in Berlin, Germany (AOK), 2005-2007. Geburtshilfe Frauenheilkd 2012; 72: 305-310
    Article in Thieme ConnectPubMedGoogle Scholar
  • 19 Schubert I, Küpper-Nybelen J, Ihle P et al. Prescribing potentially inappropriate medication (PIM) in Germany’s elderly as indicated by the PRISCUS list. An analysis based on regional claims data. Pharmacoepidemiol Drug Saf 2013; 22: 719-727
    CrossrefPubMedGoogle Scholar
  • 20 Schubert I, Ihle P, Sabatowski R. Increase in opiate prescription in Germany between 2000 and 2010: a study based on insurance data. Dtsch Arztebl Int 2013; 110: 45-51
    PubMedGoogle Scholar
  • 21 Grimmsmann T, Himmel W. Persistence of antihypertensive drug use in German primary care: a follow-up study based on pharmacy claims data. Eur J Clin Pharmacol 2014; 70: 295-301
    CrossrefPubMedGoogle Scholar
  • 22 Grimmsmann T, Himmel W. Polypharmacy in primary care practices: an analysis using a large health insurance database. Pharmacoepidemiol Drug Saf 2009; 18: 1206-1213
    CrossrefPubMedGoogle Scholar
  • 23 Lange A, Zeidler J, Braun S. One-year disease-related health care costs of incident vertebral fractures in osteoporotic patients. Osteoporos Int 2014; 25: 2435-2443
    CrossrefPubMedGoogle Scholar
  • 24 Jaunzeme J, Eberhard S, Geyer S. Wie „repräsentativ“ sind GKV-Daten?. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2013; 56: 447-454
    CrossrefPubMedGoogle Scholar
  • 25 Kajüter H, Geier AS, Wellmann I et al Kohortenstudie zur Krebsinzidenz bei Patienten mit Diabetes mellitus Typ 2. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2014; 57: 52-59
    CrossrefPubMedGoogle Scholar
  • 26 Hense H, Kajüter H, Wellmann J et al. Cancer incidence in type 2 diabetes patients - first results from a feasibility study of the D2C cohort. Diabetol Metab Syndr 2011; 3: 15
    CrossrefPubMedGoogle Scholar
  • 27 Reichert J, Schemken M, Manthei R et al. Ausgaben einer Krankenkasse für Kinder in den ersten fünf Lebensjahren – eine kohortenbasierte Analyse. Z Evid Fortbild Qual Gesundhwes 2013; 107: 451-460
    CrossrefPubMedGoogle Scholar
  • 28 Schmitt J, Kirch W, Meurer M. Effects of the introduction of the German “Praxisgebühr” on outpatient care and treatment of patients with atopic eczema. J Dtsch Dermatol Ges 2009; 7: 879-886
    PubMedGoogle Scholar
  • 29 Swart E. Was sagen uns Wiedereinweisungen über die Qualität der stationären Versorgung?. Gesundheitswesen 2005; 67: 101-106
    Article in Thieme ConnectPubMedGoogle Scholar
  • 30 Hoffmann F, Icks A. Unterschiede in der Versichertenstruktur von Krankenkassen und deren Auswirkungen für die Versorgungsforschung: Ergebnisse des Bertelsmann-Gesundheitsmonitors. Gesundheitswesen 2012; 74: 291-297
    Article in Thieme ConnectPubMedGoogle Scholar
  • 31 Hoffmann F, Icks A. Diabetes prevalence based on health insurance claims: large differences between companies. Diabet Med 2011; 28: 919-923
    CrossrefPubMedGoogle Scholar
  • 32 Hoffmann F, Icks A. Diabetes “epidemic” in Germany? A critical look at health insurance data sources. Exp Clin Endocrinol diabetes 2012; 120: 410-415
    Article in Thieme ConnectPubMedGoogle Scholar
  • 33 Hoffmann F, Bachmann CJ. Unterschiede in den soziodemografischen Merkmalen, der Gesundheit und Inanspruchnahme bei Kindern und Jugendlichen nach ihrer Krankenkassenzugehörigkeit. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2014; 57: 455-463
    CrossrefPubMedGoogle Scholar
  • 34 Heidemann C, Du Y, Schubert I et al. Prävalenz und zeitliche Entwicklung des bekannten Diabetes mellitus. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2013; 56: 668-677
    CrossrefPubMedGoogle Scholar
  • 35 Voigtländer S, Mielck A, Razum O. Die Bedeutung des kleinräumigen Kontexts für Gesundheit: Entwurf eines Erklärungsmodells. Gesundheitswesen 2012; 74: 702-709
    Article in Thieme ConnectPubMedGoogle Scholar
  • 36 Macintyre S, Ellaway A, Cummins S. Place effects on health: how can we conceptualise, operationalise and measure them?. Soc Sci Med 2002; 55: 125-139
    CrossrefPubMedGoogle Scholar
  • 37 Diehl K, Schneider S. How relevant are district characteristics in explaining subjective health in Germany? A multilevel analysis. Soc Sci Med 2011; 72: 1205-1210
    CrossrefPubMedGoogle Scholar
  • 38 Reiss K, Berger U, Winkler V et al. Assessing the effect of regional deprivation on mortality avoiding compositional bias: a natural experiment. J Epidemiol Community Health 2013; 67: 213-218
    CrossrefPubMedGoogle Scholar
  • 39 Kibele EUB. Individual- and area-level effects on mortality risk in Germany, both East and West, among male Germans aged 65+. Int J Public Health 2014; 59: 439-448
    CrossrefPubMedGoogle Scholar
  • 40 Stang A, Stang M. An inter-state comparison of cardiovascular risk in Germany – towards an explanation of high ischemic heart disease mortality in Saxony-Anhalt. Dtsch Arztebl Int 2014; 111: 530-536
    PubMedGoogle Scholar
  • 41 Schipf S, Ittermann T, Tamayo T et al. Regional differences in the incidence of self-reported type 2 diabetes in Germany: results from five population-based studies in Germany (DIAB-CORE Consortium). J Epidemiol Community Health 2014
    PubMed
  • 42 Schipf S, Werner A, Tamayo T et al. Regional differences in the prevalence of known Type 2 diabetes mellitus in 45-74 years old individuals: results from six population-based studies in Germany (DIAB-CORE Consortium). Diabet Med 2012; 29: e88-e95
    CrossrefPubMedGoogle Scholar
  • 43 Sundmacher L, Ozegowski S. Ziehen Privatpatienten Ärzte an?. Gesundh und Gesellschaft 2013; 16: 31-35
    PubMedGoogle Scholar
  • 44 Grobe TG, Heller G, Szecesenyi J. Barmer GEK Arztreport 2014. Siegburg: Asgard-Verlag; 2014
    Google Scholar
  • 45 Lange C, Dölle R. Robert-Koch-Institut, Abteilung für Epidemiologie und Gesundheitsmonitoring . Gesundheit in Deutschland aktuell 2009 (GEDA 2009). Version: 2. RKI – Robert Koch Institut. Dataset 2014
    PubMedGoogle Scholar
  • 46 Lange C, Dölle R. Robert-Koch-Institut, Abteilung für Epidemiologie und Gesundheitsmonitoring . Gesundheit in Deutschland aktuell 2010 (GEDA 2010). Version: 2. RKI – Robert Koch Institut. Dataset 2013
    PubMedGoogle Scholar
  • 47 Hoebel J, Starker A, Jordan S et al. Determinants of health check attendance in adults: findings from the cross-sectional German Health Update (GEDA) study. BMC Public Health 2014; 14: 913
    CrossrefPubMedGoogle Scholar
  • 48 Maske UE, Scheidt-Nave C, Busch MA et al. Komorbidität von Diabetes mellitus und Depression in Deutschland. Psychiatr Prax 2015; 42: 202-207
    Article in Thieme ConnectPubMedGoogle Scholar
  • 49 Robert-Koch-Institut . Daten und Fakten: Ergebnisse der Studie „Gesundheit in Deutschland aktuell 2009“. Berlin: Robert-Koch-Institut; 2011
    Google Scholar
  • 50 Robert Koch-Institut . Daten und Fakten: Ergebnisse der Studie „Gesundheit in Deutschland aktuell 2010“. Berlin: Robert-Koch-Institut; 2012
    Google Scholar
  • 51 Lampert T, Kroll LE, Müters S et al. Messung des sozioökonomischen Status in der Studie „Gesundheit in Deutschland aktuell“ (GEDA). Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2013; 56: 131-143
    CrossrefPubMedGoogle Scholar
  • 52 Linder R, Schneider U, Köthemann M et al. Ärztliches Verordnungsverhalten von potenziell inadäquaten Medikamenten für ältere Menschen. Dtsch Med Wochenschr 2014; 139: 983-989
    Article in Thieme ConnectPubMedGoogle Scholar
  • 53 Jobski K, Enders D, Amann U et al. Use of rivaroxaban in Germany: a database drug utilization study of a drug started in hospital. Eur J Clin Pharmacol 2014; 70: 975-981
    CrossrefPubMedGoogle Scholar
  • 54 Schulze J, van den Bussche H, Glaeske G et al. Impact of safety warnings on antipsychotic prescriptions in dementia: Nothing has changed but the years and the substances. Eur Neuropsychopharmacol 2013; 23: 1034-1042
    CrossrefPubMedGoogle Scholar
  • 55 Bachmann CJ, Lempp T, Glaeske G et al. Antipsychotic Prescription in Children and Adolescents: An Analysis of Data From a German Statutory Health Insurance Company From 2005 to 2012. Dtsch Arztebl Int 2014; 111: 25-34
    PubMedGoogle Scholar
  • 56 Fischer F, Hoffmann K, Mönter N et al. Kostenevaluation eines Modells der Integrierten Versorgung für schwer psychisch Kranke. Gesundheitswesen 2014; 76: 86-95
    Article in Thieme ConnectPubMedGoogle Scholar
  • 57 Höer A, Freytag A, Schiffhorst G et al. Opioidtherapie bei Versicherten mit Rückenschmerzen. Schmerz 2011; 25 174–6 178-183
    PubMedGoogle Scholar
  • 58 Subramanian SV, Kubzansky L, Berkman LF et al. Neighborhood effects on the self-rated health of elders: uncovering the relative importance of structural and service-related neighborhood environments. J Gerontol B Psychol Sci Soc Sci 2006; 61: S153-S160
    CrossrefPubMedGoogle Scholar
  • 59 Cattell V. Poor people, poor places, and poor health: the mediating role of social networks and social capital. Soc Sci Med 2001; 52: 1501-1516
    CrossrefPubMedGoogle Scholar
  • 60 Ellaway A, Benzeval M, Green M et al. “Getting sicker quicker”: does living in a more deprived neighbourhood mean your health deteriorates faster?. Health Place 2012; 18: 132-137
    CrossrefPubMedGoogle Scholar
  • 61 Law M, Wilson K, Eyles J et al. Meeting health need, accessing health care: the role of neighbourhood. Health Place 2005; 11: 367-377
    CrossrefPubMedGoogle Scholar
  • 62 Hiscock R, Pearce JR, Blakely T et al. Is neighborhood access to health care provision associated with individual-level utilization and satisfaction?. Health Serv Res 2008; 43: 2183-2200
    CrossrefPubMedGoogle Scholar
  • 63 Mielck A, Vogelmann M, Leidl R. Health-related quality of life and socioeconomic status: inequalities among adults with a chronic disease. Health Qual Life Outcomes 2014; 12: 58
    CrossrefPubMedGoogle Scholar
  • 64 Mielck A. Soziale Ungleichheit und Gesundheit. Einführung in die aktuelle Diskussion. Bern: Huber; 2005
    Google Scholar
  • 65 Icks A, Haastert B, Trautner C et al. Incidence of lower-limb amputations in the diabetic compared to the non-diabetic population. findings from nationwide insurance data, Germany, 2005-2007. Exp Clin Endocrinol Diabetes 2009; 117: 500-504
    Article in Thieme ConnectPubMedGoogle Scholar
  • 66 Grobe TG, Bitzer E-M, Schwartz FW. BARMER GEK Arztreport 2013. Siegburg: Asgard; 2013
    Google Scholar
  • 67 Müller I, Freitag MH, Poggensee G et al. Evaluating frequency, diagnostic quality, and cost of Lyme borreliosis testing in Germany: a retrospective model analysis. Clin Dev Immunol 2012; 2012: 595427
    PubMedGoogle Scholar
  • 68 Bock J-O, Matschinger H, Brenner H et al. Inequalities in out-of-pocket payments for health care services among elderly Germans–esults of a population-based cross-sectional study. Int J Equity Health 2014; 13: 3
    CrossrefPubMedGoogle Scholar
  • 69 Kriwy P, Mielck A. Versicherte der gesetzlichen Krankenversicherung (GKV) und der privaten Krankenversicherung (PKV): Unterschiede in Morbidität und Gesundheitsverhalten. Gesundheitswesen 2006; 68: 281-288
    Article in Thieme ConnectPubMedGoogle Scholar
  • 70 Huber J, Mielck A. Morbidität und Gesundheitsversorgung bei GKV- und PKV-Versicherten. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2010; 53: 925-938
    CrossrefPubMedGoogle Scholar
  • 71 Huber J, Lampert T, Mielck A. Unterschiede bei Gesundheitsrisiken, Morbidität und gesundheitlicher Versorgung zwischen Kindern GKV- bzw. PKV-versicherter Eltern: Ergebnisse aus dem Kinder- und Jugendgesundheitssurvey (KiGGS). Gesundheitswesen 2012; 74: 627-638
    Article in Thieme ConnectPubMedGoogle Scholar
  • 72 Lange A, Prenzler A, Zuchandke A. How do insured perceive their financial security in the event of illness?–a panel data analysis for Germany. Value Health 2012; 15: 743-749
    CrossrefPubMedGoogle Scholar
  • 73 Laux G, Szecsenyi J, Miksch A et al. Antihypertensive medikamentöse Therapie von gesetzlich und privat versicherten Patienten in der Primärversorgung. Med Klin (Munich) 2009; 104: 108-113
    CrossrefPubMedGoogle Scholar