Subscribe to RSS
DOI: 10.1055/s-0031-1275711
© Georg Thieme Verlag KG Stuttgart · New York
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 MonitorPublication History
Publication Date:
13 July 2011 (online)
![](https://www.thieme-connect.de/media/gesu/201205/lookinside/thumbnails/10.1055-s-0031-1275711-1.jpg)
Zusammenfassung
Ziel der Studie: Routinedaten der Krankenkassen sind eine wichtige Datenbasis für die Versorgungsforschung. Ziel der Studie war es zu ermitteln, welche Unterschiede in der Versicherten- und Morbiditätsstruktur zwischen den Krankenkassen existieren und ob Alter und Geschlecht diese Unterschiede erklären.
Methodik: Wir verwendeten 10 repräsentative Surveys (durchgeführt zwischen 2004 und 2008) des Bertelsmann Gesundheitsmonitors und damit Daten zu 15 089 Personen zwischen 18–79 Jahren. Unsere unabhängige Variable war die Zugehörigkeit zu 8 verschiedenen Krankenkassen(arten). Wir untersuchten die Prävalenz von Bluthochdruck, Diabetes, atopischen Erkrankungen, koronarer Herzerkrankung und Herzinsuffizienz. Wir berechneten verschiedene logistische Regressionsmodelle und adjustierten zunächst nach Alter und Geschlecht, dann für weitere Komorbiditäten und gesundheitsbezogene Variablen.
Ergebnisse: Am häufigsten waren die Teilnehmer in den Betriebskrankenkassen (BKK; 20,1%) bzw. Allgemeinen Ortskrankenkassen (AOK; 19,2%) versichert, auf die private Krankenversicherung (PKV) entfielen 15,3%. Bezüglich Alter, Geschlechterverteilung, Bildungsstruktur und Erkrankungshäufigkeit zeigten sich deutliche Unterschiede. Bluthochdruck gaben 17,1–29,6%, Diabetes 3,9–11,4%, atopische Erkrankungen 4,3–6,7%, koronare Herzerkrankung 3,4–6,7% und Herzinsuffizienz 2,6–5,7% der Versicherten der einzelnen Kassen an. Auch nach Adjustierung für Alter und Geschlecht zeigten sich in der AOK bei allen 5 untersuchten Erkrankungen im Vergleich zur PKV statistisch signifikant höhere Werte. Für die BARMER und die DAK traf dies bei jeweils 3 Krankheiten zu (insgesamt bei 17 von 35 Vergleichen). Auch nach Kontrolle für zahlreiche weitere Komorbiditäten und gesundheitsbezogene Variablen fanden sich noch bei 6 von 35 Vergleichen zur PKV signifikant erhöhte Werte.
Schlussfolgerung: Zwischen den Krankenkassen existieren Unterschiede in der Versicherten- und Morbiditätsstruktur. Unterschiede in der Morbidität lassen sich nicht durch Alter und Geschlecht erklären. Sie verbleiben teils sogar nach Adjustierung für relevante gesundheitsbezogene Variablen. Weitere methodische Arbeiten sind unumgänglich, um kontextspezifisch Stärken und Schwächen von Routinedaten einschätzen zu können.
Abstract
Aim: Claims data of health insurance companies are an important database for health services research. We investigated if there are differences in baseline characteristics and prevalence of chronic diseases between members of several health insurance funds in Germany, and if so, whether adjusting for age and sex could explain these differences.
Methods: 10 representative surveys (conducted between 2004 and 2008) of the ‘Bertelsmann Health-Care Monitor’ comprising 15 089 participants aged 18 to 79 years were analysed. Our main independent variable was membership in one of 8 health insurance funds. The prevalence of self-reported hypertension, diabetes, atopic diseases, coronary heart disease and heart failure was studied. We first estimated the crude prevalence of chronic diseases stratified by these funds. We further fitted logistic regression models and adjusted for age and sex as well as for further comorbidities and health related factors.
Results: Most respondents were insured in the BKK (Betriebskrankenkassen; 20.1%), the AOK (Allgemeinen Ortskrankenkassen; 19.2%) and private health insurances (15.3%). Substantial differences were found according to age, sex, educational level and prevalences of chronic diseases. Stratified by health insurance funds, prevalences ranged between 17.1–29.6% for hypertension, between 3.9–11.4% for diabetes, between 4.3–6.7% for atopic diseases, between 3.4–6.7% for coronary heart disease and between 2.6–5.7% for heart failure. When adjusting for sex and age, estimates for all 5 diseases were significant higher in AOK members compared to privately insured persons (3 diseases within the BAMER and the DAK, accordingly). In total, this was the case for 17 out of 35 comparisons. Even after adjusting for further comorbidities and health related factors 6 out of 35 comparisons showed significant increased estimates compared to privately insured persons.
Conclusion: We found considerable differences in the prevalence of chronic diseases between German health insurance funds that remained after controlling for age and sex, and even after adjustment for further health-related variables. Further methodological studies are urgently needed to assess strengths and weaknesses of German claim data.
Schlüsselwörter
Versorgungsforschung - gesetzliche Krankenversicherung - Routinedaten - Prävalenz
Key words
health services research - statutory health insurance system - claims data - prevalence
Literatur
- 1 Glaeske G, Augustin M, Abholz H. et al . Epidemiologische Methoden für die Versorgungsforschung. Gesundheitswesen. 2009; 71 (10) 685-693
- 2 Hoffmann F, Glaeske G. Analyse von Routinedaten. In: Pfaff H, Neugebauer EA, Glaeske G, Schrappe M, Hrsg.: Lehrbuch Versorgungsforschung: Systematik – Methodik – Anwendung. Stuttgart: Schattauer; 2011: 317-322
- 3 Swart E, Ihle P,. Hrsg. Routinedaten im Gesundheitswesen. Bern: Huber; 2005
- 4 Hoffmann F. Review on use of German health insurance medication claims data for epidemiological research. Pharmacoepidemiol Drug Saf. 2009; 18 (5) 349-356
- 5 Nellessen-Martens G, Driller E, Pientka L. et al . Versorgungsforschungsaktivitäten in Nordrhein-Westfalen. Eine Analyse der Projektdatenbank Versorgungsforschung NRW. Med Klin (Munich). 2009; 104 (6) 457-463
- 6 Hauner H, Köster I, Schubert I. Trends in der Prävalenz und ambulanten Versorgung von Menschen mit Diabetes mellitus. Eine Analyse der Versichertenstichprobe AOK Hessen/KVHessen im Zeitraum von 1998 bis 2004. Dtsch Ärztebl. 2007; 104 (41) A2799-A2805
- 7 Schmitt J, Schmitt NM, Kirch W. et al . Outpatient care and medical treatment of children and adults with atopic eczema. J Dtsch Dermatol Ges. 2009; 7 (4) 345-351
- 8 Smektala R, Ohmann C, Paech S. et al . Zur Prognose der Schenkelhalsfraktur Beurteilung der Mortalität nach Schenkelhalsfraktur durch sektorübergreifende Datenzusammenführung. Unfallchirurg. 2005; 108 (11) 927-937
- 9 Bramesfeld A, Grobe T, Schwartz FW. Prevalence of depression diagnosis and prescription of antidepressants in East and West Germany: an analysis of health insurance data. Soc Psychiatry Psychiatr Epidemiol. 2010; 45 (3) 329-335
- 10 Hoffmann F, van den Bussche H, Glaeske G. et al . Eight-year prescription trends of memantine and cholinesterase inhibitors among persons 65 years and older in Germany. Int Clin Psychopharmacol. 2010; 25 (1) 29-36
- 11 Schäfer I, Rustenbach SJ, Radtke M. et al . Epidemiology of Psoriasis in Germany – Analysis of Secondary Health Insurance Data. Gesundheitswesen. 2010 Jun 11; [Epub ahead of print]
- 12 Nordheim J, Maaz A, Winter MH. et al . Vielnutzung von Krankenversicherungsleistungen im Alter – eine Analyse von Krankenhaus- und Arzneimitteldaten. Z Arztl Fortbild Qualitatssich. 2006; 100 (8) 609-615
- 13 Pittrow D, Krappweis J, Rentsch A. et al . Pattern of prescriptions issued by nursing home-based physicians versus office-based physicians for frail elderly patients in German nursing homes. Pharmacoepidemiol Drug Saf. 2003; 12 (7) 595-599
- 14 Markl GE, Strunz-Lehner C, Egen-Lappe V. et al . The association of psychosocial factors with nausea and vomiting during pregnancy. J Psychosom Obstet Gynaecol. 2008; 29 (1) 17-22
- 15 Weinbrenner S, Assion HJ, Stargardt T. et al . Drug prescription patterns in schizophrenia outpatients: analysis of data from a German health insurance fund. Pharmacopsychiatry. 2009; 42 (2) 66-71
- 16 Behr S, Andersohn F, Garbe E. Risk of intracerebral hemorrhage associated with phenprocoumon exposure: a nested case-control study in a large population-based German database. Pharmacoepidemiol Drug Saf. 2010; 19 (7) 722-730
- 17 Freytag A, Schiffhorst G, Thoma R. et al . Identifikation und Gruppierung von Schmerzpatienten anhand von Routinedaten einer Krankenkasse. Schmerz. 2010; 24 (1) 12-22
- 18 Ahrens W, Hagemeier C, Mühlbauer B. et al . Hospitalization rates of generic metoprolol compared with the original beta-blocker in an epidemiological database study. Pharmacoepidemiol Drug Saf. 2007; 16 (12) 1298-1307
- 19 Stock SA, Stollenwerk B, Redaelli M. et al . Sex differences in treatment patterns of six chronic diseases: an analysis from the German statutory health insurance. J Womens Health (Larchmt). 2008; 17 (3) 343-354
- 20 Schnee M. Sozioökonomische Strukturen und Morbidität in den gesetzlichen Krankenkassen. In: Böcken J, Braun B, Amhof R, Hrsg. Gesundheitsmonitor 2008. Gütersloh: Verlag Bertelsmann Stiftung; 2008: 88-104
- 21 Werner A, Reitmeir P, John J. Kassenwechsel und Risikostrukturausgleich in der gesetzlichen Krankenversicherung – empirische Befunde der Kooperativen Gesundheitsforschung in der Region Augsburg (KORA). Gesundheitswesen. 2005; 67 (S 01) S158-S166
- 22 Kriwy P, Mielck A. Versicherte der gesetzlichen Krankenversicherung (GKV) und der privaten Krankenversicherung (PKV): Unterschiede in Morbidität und Gesundheitsverhalten. Gesundheitswesen. 2006; 68 (5) 281-288
- 23 Grobe TG, Ihle P. Versichertenstammdaten und sektorenübergreifende Analyse. In: Swart E, Ihle P, Hrsg.: Routinedaten im Gesundheitswesen. Bern: Huber; 2005: 17-34
- 24 Schubert I, Köster I, Küpper-Nybelen J. et al . Versorgungsforschung mit GKV-Routinedaten Nutzungsmöglichkeiten versichertenbezogener Krankenkassendaten für Fragestellungen der Versorgungsforschung. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2008; 51 (10) 1095-1105
- 25 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 (9) 500-504
- 26 Grobe TG, Dörning H, Schwartz FW. BARMER GEK Arztreport. St. Augustin: Asgard; 2010
- 27 Güther B. Gesundheitsmonitor-Stichprobe und Erhebungsmethode sowie Qualitätsaspekte der Ergebnisse. In: Böcken J, Braun B, Amhof R, Schnee M, Hrsg. Gesundheitsmonitor 2006. Gütersloh: Verlag Bertelsmann-Stiftung; 2006: 309-322
- 28 Rückert IM, Böcken J, Mielck A. Are German patients burdened by the practice charge for physician visits (‘Praxisgebuehr’)? A cross sectional analysis of socio-economic and health related factors. BMC Health Serv Res. 2008; 8 232
- 29 Böcken J, Braun B, Amhof R,. Hrsg Gesundheitsmonitor 2008. Gütersloh: Verlag Bertelsmann Stiftung; 2008
- 30 Hoffmann F, Icks A. Diabetes prevalence based on health insurance claims: large differences between companies. Diabet Med. 2011 Mar 23 [Epub ahead of print]
- 31 Pigeot I, Ahrens W. Establishment of a pharmacoepidemiological database in Germany: methodological potential, scientific value and practical limitations. Pharmacoepidemiol Drug Saf. 2008; 17 (3) 215-223
- 32 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 (2) 108-113
- 33 Ziegenhagen DJ, Glaeske G, Höer A. et al . von PKV-Versicherten im Vergleich zur GKV. Gesundheitsökonomie & Qualitätsmanagement. 2004; 9 (2) 108-115
- 34 Stergachis A, Saunders KW, Davis RL. et al .Examples of automated databases. In: Strom BL, Kimmel SE (eds.): Textbook of pharmacoepidemiology. Chinester: Wiley; 2006: 173-214
- 35 Tricco AC, Pham B, Rawson NS. Manitoba and Saskatchewan administrative health care utilization databases are used differently to answer epidemiologic research questions. J Clin Epidemiol. 2008; 61 (2) 192-197
- 36 Völzke H, Alte D, Schmidt CO. et al . Cohort Profile: The Study of Health in Pomerania. Int J Epidemiol. 2011; 40 (2) 294-307
- 37 Heidemann C, Kroll L, Icks A. et al . Prevalence of known diabetes in German adults aged 25-69 years: results from national health surveys over 15 years. Diabet Med. 2009; 26 (6) 655-658
- 38 Hoffmann F. Prevalence of asthma among German adults: analysis of the German National Telephone Survey. J Asthma. 2007; 44 (6) 433-436
- 39 Hoffmann F, Hies M, Glaeske G. Regional variations of private prescriptions for the non-benzodiazepine hypnotics zolpidem and zopiclone in Germany. Pharmacoepidemiol Drug Saf. 2010; 19 (10) 1071-1077
- 40 Kern WV, de With K, Nink K. et al . Regional variation in outpatient antibiotic prescribing in Germany. Infection. 2006; 34 (5) 269-273
1 Daten verfügbar unter: http://www.bmg.bund.de/cln_179/nn_1168278/DE/Gesundheit/Statistiken/Gesetzliche-Krankenversicherung.html.
Korrespondenzadresse
Dr. F. HoffmannMPH
Universität Bremen
ZeS, Abteilung
Gesundheitsökonomie
Gesundheitspolitik und
Versorgungsforschung
Postfach 33 04 40
28334 Bremen
Email: hoffmann@zes.uni-bremen.de