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
