RSS-Feed abonnieren
DOI: 10.1055/s-0042-116434
Querschnittsanalyse der gesundheitlichen und sozialen Lage in Deutschland auf Bundeslandebene
Cross-Sectional Analysis of the Health and Social Structure in GermanyPublikationsverlauf
Publikationsdatum:
14. Dezember 2016 (online)
![](https://www.thieme-connect.de/media/gesu/201802/lookinside/thumbnails/2015-08-140l_10-1055-s-0042-116434-1.jpg)
Zusammenfassung
Ziel der Studie war es herauszufinden, wie, und wenn ja, in welchem Maße sich die deutschen Bundesländer in ihrer gesundheitlichen und sozialen Struktur unterscheiden. Der Status quo der gesundheits- und sozialwissenschaftlichen Forschung besteht hier aktuell entweder in national oder in sehr kleinräumig angelegten Ansätzen. Allerdings erscheint es hier – sowohl aus gesundheitswissenschaftlicher als auch aus -politischer Sicht – sinnvoll, zusätzlich zur Meta- und Mikroebene auch die Mesoebene einer differenzierteren Analyse zu unterziehen. Auf diese Weise wird dem spezifischen Informationsbedarf aller vorhandenen Politik- und Planungsebenen bei weiterführenden, versorgungsstrukturellen Fragestellungen umfassend Rechnung getragen. Die für die Analyse verwendete Methodik basiert dabei auf den seit nunmehr 25 Jahren in Berlin etablierten sowie auch international praktizierten Public Health basierten Methoden der Gesundheits- und Sozialberichterstattung. Es erfolgte hierzu eine Sozialraumanalyse unter Verwendung von 53 Indikatoren der amtlichen Statistik, welche entsprechend international anerkannter Kernbereiche der gesundheitswissenschaftlichen und sozialindikativen Planung selektiert wurden. Dabei zeigt sich, dass die gesundheits- und sozialstrukturelle Lage der Bundesländer anhand von 3, auf Basis einer Faktorenanalyse extrahierten, Indizes umfassend beschrieben werden kann. Dabei erklären diese 3 Faktoren insgesamt rund 80% der Gesamtvarianz, wobei rund 38% auf den ersten, gut 31% auf den zweiten sowie knapp 11% auf den dritten Faktor (Index) entfallen. Eine Prüfung der Ergebnisse mittels hierarchischer sowie K-Means Clusteranalyse bestätigt die zutage geförderten Erkenntnisse. Insgesamt divergieren die Bundesländer im Verhältnis zueinander teils stark in ihrer gesundheitlichen und sozialen Lage. Zudem sind dabei mindestens 4, eher jedoch 8 Subregionen zu unterscheiden. Dabei zeigt sich auch, dass die oftmals im Fokus stehende Ost-Westdiskrepanz kein hinreichend differenziertes Bild der Gesamtsituation darstellt. Vielmehr zeigen sind zudem – neben klaren Stadtstaaten-Flächenland Aspekten – auch verschiedene Varianten deutlicher Süd-Nord Gefälle.
Abstract
This research was conducted to find out if there are differences in health and social structure and, thus, living conditions within Germany on a federal state level. So far, research projects have mainly focused on either more aggregate or more small-scale, regional planning areas. However, due to the political, governmental, and institutional structures prevalent in Germany, it seems necessary to conduct health and social structure analyses not only on the macro and micro but also on the meso level. This would enable meeting the specific information requirements of all existing German political spheres and public health planning levels comprehensively. A set of 53 indicators taken from official German statistics was used to conduct a factor analysis. The latter revealed that the health and social structures could be thoroughly depicted by a total of 3 factors (indices) that, in total, explain roughly 80% of the total variance. In this case, the first index accounts for about 38%, the second for about 31%, and the third index explain roughly 11%. Testing the results through hierarchical as well k-Means cluster analyses provided additional confirmation. Overall, the results show great differences in health and social structures in Germany on a federal state level. In addition, a more in-depth look at the nature of the results shows that one needs to distinguish between 4, or rather even a total of 8 subregions. Most importantly, these findings reveal that the frequently and widely discussed East-West discrepancies do not enable an adequately differentiated approach to this issue. Rather, aside from aspects such as federal city state and state area differences, structures in Germany show several different and highly significant types of North-South divides.
-
Literatur
- 1 Bowles S. The new economics of inequality and redistribution. Cambridge University Press; 2000
- 2 Burström K, Johannsson M, Diderichsen F. Increasing socio-economic inequalities in life expectancy and QALYs in Sweden 1980–1997. Health Economics 2005; 14: 831-850 10.1002/hec.977
- 3 Bolte G, Mielck A. Umweltgerechtigkeit: die soziale Verteilung von Umweltbelastungen. Weinheim: Juventa Verlag; 2004
- 4 Kuznetsov L, Maier W, Hunger M. et al. Regional deprivation in bavaria, germany: linking a new deprivation score with registry data for lung and colorectal cancer. International Journal of Public Health 2012; 57: 827-835. 10.1007/s00038-012-0342-4
- 5 SenGesSoz Berlin. 2013; Handlungsorientierter Sozialstrukturatlas Berlin 2013.
- 6 Gemeinsamer Bundesausschuss (G-BA). Bedarfsplanungs-Richtlinie Richtlinie (BPL-RL) über die Bedarfsplanung sowie die Maßstäbe zur Feststellung von Überversorgung und Unterversorgung in der vertragsärztlichen Versorgung. Unterausschuss Bedarfsplanung. Fassung vom: 20.12.2012 BAnz AT 31.12.2012 B7. Letzte Änderung: 18.12.2014 BAnz AT 06.03.2015 B3.
- 7 Bundesministerium für Gesundheit (BMG). Versorgungsstärkungsgesetz verbessert die Versorgung und stärkt die Patientenrechte. Pressemitteilung Nr. 20, Berlin, 11. Juni 2015.
- 8 Bundesministerium für Arbeit und Soziales. Der Vierte Armuts- und Reichtumsbericht der Bundesregierung. Bericht. 2013;
- 9 Schulz M, Czihal T, Erhart M. et al. Korrelation zwischen räumlichen Sozialstrukturfaktoren und Indikatoren des medizinischen Versorgungsbedarfs. Gesundheitswesen Online Publikation 2015; DOI: 10.1055/s-0034-1396888.
- 10 Voges W. Indikatoren im Lebenslagenansatz: das Konzept der Lebenslage in der Wirkungsforschung. ZeS Report 2006; 11: 1-6
- 11 Czaja M, Meinlschmidt G, Bettge S. Sozialindikative Planung der regionalen ärztlichen Versorgung. Gesundheits- und Sozialpolitik 2012; 3: 34-43
- 12 Deutsche Arbeitsgemeinschaft Epidemiologie (DAE) der Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS), der Deutschen Gesellschaft für Sozialmedizin und Prävention (DGSMP) und der Deutschen Region der Internationalen Biometrischen Gesellschaft, Arbeitsgruppe Epidemiologische Methoden. Messung und Quantifizierung Soziodemografischer Merkmale in epidemiologischen Studien. Empfehlungen. 2000;
- 13 Backhaus K, Bernd E, Wulff P. et al. Multivariate Analysemethoden. 10., neu bearbeitete und erweiterte Aufl Berlin Heidelberg New York: Springer-Verlag; 2011: 259-333
- 14 Bortz A, Schuster C. Statistik für Human- und Sozialwissenschaftler. 7., vollständig überarbeitete und aktualisierte Aufl Berlin Heidelberg New York: Springer-Verlag; 2010: 259-385-466
- 15 Bühl A. SPSS 22: Einführung in die moderne Datenanalyse. 14. aktualisierte Aufl Hallbergmoos: Pearson Studium; 2014
- 16 Cattell R. The Scree test for the number of factors. Multivariate Behavioral Research 1966; 1 DOI: 10.1207/s15327906mbr0102_10Raymond B. Cattell.
- 17 Hofmeister C, Maier W, Mielck A. et al. Regionale Deprivation in Deutschland: Bundesweite Analyse des Zusammenhangs mit Mortalität unter Verwendung des ‚German Index of Multiple Deprivation (GIMD). Gesundheitswesen 2016; 78: 42-48 10.1055/s-0034-1390421
- 18 Morgenstern H. Ecologic Studies. In: Rothman KJ, Sander G. Modern Epidemiology. 2. Aufl Lippincott-Raven Publishers; 1998: 459-480
- 19 Valkonen T. Individual and structural effects in ecological research. In: Dogan M, Rokkan S. Quantitative ecological analysis in the social sciences. Cambridge, MA: MIT Press; 1969: 53-68
- 20 Connor MJ, Gilling D. An empiric study of ecological interference. American Journal of Public Health 1984; 74: 555-559
- 21 Stavrarky KM. The role of ecological analysis in studies of the etiology of disease: a discussion with reference to large bowel cancer. Journal of Chronicle Disease 1976; 29: 435-444
- 22 Costello AB, Osborne JW. Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment Research & Evaluation 2005; 10
- 23 Moosbrugger H, Kelava A. Testtheorie und Fragebogenkonstruktion. Heidelberg: Springer; 2010: 325-343
- 24 Duncan D, Cuzzort RP. Statstical geography: problems in analyzing areal data. Westport, CT: Greenwood Press; 1961: 62-80