Wiederholung: Methoden und Maßzahlen der Epidemiologie Deskriptive Epidemiologie (Methoden zur) Darstellung der Verteilung von Krankheiten, Krankheit/Gesundheit

Wiederholung: Methoden und Maßzahlen der Epidemiologie

Deskriptive Epidemiologie

• (Methoden zur) Darstellung der Verteilung von

Krankheiten, Krankheit/Gesundheit u.a.

Analytische Epidemiologie

• (Methoden zur) Analyse der Ursachen der (Verteilung)

von Krankheiten, Krankheit/Gesundheit u.a.

Prof. Dr. Elkeles Gesundheitsberichterstattung

2

Wiederholung: Methoden und Maßzahlen der Epidemiologie

Mortalität• Sterblichkeit; Häufigkeit der Sterbefälle bezogen auf

eine Bevölkerung (z.B. pro 10.000, pro 100.000)

standardisierte Mortalität• hinsichtlich Alter, Geschlecht etc. standardisierte, d.h.

mathematisch vergleichbar gemachte Mortalität

Morbidität

• Erkrankungsgeschehen, -häufigkeit (s.o.)


3

Wiederholung: Maße für Krankheitshäufigkeiten

Gesamtzahl der Todesfälle in einem definierten Zeitraum

Mortalitätsrate =Durchschnittliche Bevölkerung in

diesem Zeitraum

Konzept der Personenzeit (=Jahre der Nachverfolgungszeit unter Risiko) statt durchschnittliche Bevölkerung wäre methodisch korrekter, ist aber schwieriger zu errechnen. Darum benutzt man in der amtlichen Statistik die durchschnittliche Bevölkerung.

Bsp: 43.035 Todesfälle an Schlaganfall (2000) 82.188.000 durchschnittl. Bevölkerung

Mortalitätsrate


4

„Die Prävalenz ist ein Maß für die zu einer bestimmten Zeit in einer definierten Population vorhandenen Krankheitsfälle.“

Prävalenz

(Schwartz et al 2000)



5

Einflussfaktoren: • Zahl der Neuerkrankungen

• Krankheitsdauer in Zeit-

• Falldefinition (diagn. Möglichkeiten) verlauf

• Migration (Zu- und Abwanderung) und deren

Veränderung• (Krankheitsverursachungsgründe u.ä.)

Varianten: • Punktprävalenz• Periodenprävalenz

PrävalenzWiederholung: Maße für Krankheitshäufigkeiten


6

Anzahl der Fälle in def. Population zu best.

Zeitpunkt

Punktprävalenz =

Anzahl der Personen in dieser Population

Punktprävalenz



7

Anzahl der Fälle in def. Population zu best.

Zeitraum

Periodenprävalenz =

Anzahl der Personen in dieser Population

Periodenprävalenz



8

„Die Inzidenz mißt die innerhalb eines bestimmten Zeitraumes neu auftretenden Krankheitsfälle in einer definierten Gruppe von Personen, die zu Beginn des Beobachtungszeitraumes frei von der zu untersuchenden Krankheit waren.

Die initial krankheitsfreie Gruppe wird auch Population unter Risiko genannt. Bei der Inzidenz ist die kumulative Inzidenz (Inzidenzrisiko, incidence risk) von der Inzidenzrate

(Inzidenzdichte, incidence rate) zu unterscheiden.“

Inzidenz

(Schwartz et al 2000)



9

= Neuerkrankungsrate während eines Zeitraumes mit Bezug zur Bevölkerung unter Risiko

Anzahl Neuerkrankter im ZeitraumPersonenzeit unter Risiko

Die Inzidenzrate repräsentiert die Stärke der Morbidität in der untersuchten Bevölkerung.

Konzept der Personenzeit (=Jahre der Nachverfolgungszeit unter Risiko) statt durchschnittliche Bevölkerung wäre methodisch korrekter, ist aber schwieriger zu errechnen. Darum benutzt man in der amtlichen Statistik die durchschnittliche Bevölkerung.

Inzidenzrate =

InzidenzWiederholung: Maße für Krankheitshäufigkeiten


10

Altersstandardisierung

Direkte Standardisierung

Das Ziel der direkten Standardisierung besteht darin, eine Gewichtung der beiden zu vergleichenden Ergebnisse so herzustellen, dass die unerwünschte Einflussgröße in beiden Resultaten die gleiche Struktur erhält und dadurch ausgeschaltet wird.

Frage: Wie hoch wäre die Rate, wenn in der betrachteten Population die Bevölkerungsstruktur der Referenzbevölkerung wäre?



11


Quelle: Brennecke/Schelp, 1993, S. 22

Bsp.: Frage: Unterscheidet sich die Krebsmortalität in der Bundesrepublik von der in Israel?



12

- ist zu vermuten, da die Lebensgewohnheiten in Israel aufgrund der größeren Heterogenität der Bevölkerung anders sind

- Heterogenität lässt sich auf Zuwanderer aus verschiedenen Ländern zurückführen, die einen großen Bevölkerungsanteil stellen

- unterschiedliche Lebensgewohnheiten => Unterschiede des Auftretens von Krebserkrankungen

- die Zuverlässigkeit, mit der die Krebstodesfälle erfasst werden sind gleich

- Einwohnerzahl in D. wesentlich größer als in Israel

- Anteil der Kinder und Jugendlichen sowie der Älteren an der Gesamtbevölkerung unterscheidet sich deutlich (Tabelle 2.1)




13

- aus Gründen der Übersichtlichkeit wurde die Bevölkerung in diesem Beispiel lediglich in 3 Altersgruppen unterteilt

- aufgrund der geringeren Einwohnerzahl in Israel = Anzahl der Krebstodesfälle auch wesentlich geringer als in D.

- Möglichkeit: Beschränkung auf den Vergleich der altersbezogenen Raten,

- um festzustellen, dass bis auf die Altersgruppe der Kinder und Jugendlichen die Krebssterblichkeit in Israel offenbar geringer, als in Deutschland ist

- häufig ist Vergleich einzelner Altersgruppen miteinander verwirrend u. ergibt kein einheitliches Bild

- Betrachtung der Gesamtsituation ist hilfreicher




14


Indirekte Standardisierung

Das Ziel der indirekten Standardisierung ist das gleiche wie bei der direkten Standardisierung: Es soll eine Gewichtung der beiden zu vergleichenden Ergebnisse so hergestellt werden, dass andere Einflussgrößen gleich und dadurch im Ergebnis ausgeschaltet werden.

Frage: Welches Ergebnis wäre zu erwarten, wenn für das Gebiet des zu vergleichenden Ergebnisses die Fälle einer auszuwählenden Standardbevölkerung gelten würde?



15

• Es wird erwartet, dass das Ergebnis unter Zugrundelegung der Fälle der Standardbevölkerung berechnet werden und mit dem tatsächlichen Ergebnis gewichtet wird.

- Methode kann nur angewendet werden, wenn für die zu vergleichende Zahl keine gruppenspezifischen Ergebnisse, z.B. altersklassenspezifische Todesraten vorliegen

- benötigt man, wenn gebräuchliches Vergleichsmaß für Todesursachenstatistiken ermittelt werden soll z.B. Standardmortalitätsrate


Indirekte Standardisierung



16


Weitere ausgewählte Indikatoren für die Bevölkerungsgesundheit

Mittlere Lebenserwartung:

• Zentraler Indikator für den gesundheitlichen und wirtschaftlichen

Entwicklungsstand einer Gesellschaft

Mittlere Gesundheitserwartungen:

• berücksichtigt nur gelebte Jahre in guter Gesundheit

Beeinträchtigungsgewichtete Lebenserwartung:

• gewichtet die gelebten Lebensjahre hinsichtlich gesundheitlicher Einschränkungen


17

• lässt sich aus Kohortenuntersuchungen berechnen, welche die Krankheitsinzidenzen von Exponierten und Nichtexponierten zeigen

• dazu wird eine Vierfeldertafel mit den absoluten werten der jeweiligen Gruppe erstellt


Relatives Risiko (RR)

Krankheit Exposition

Ja Nein

Ja a b a + b

Nein c d c + d

Summe a + b b + d a + b + c + d = N

Neuauftretende Fälle (Inzidenz)


18

• das Risiko der Exponierten ist R (EX) = a / a+b

• dies ist die kumulative Inzidenz in der Gruppe der Exponierten

• das Risiko der Nichtexponierten ist R (NEX) = c / c+d

• werden beide Werte durcheinander geteilt, erhält man eine Messzahl, die anzeigt, um wie viel höher die Erkrankungswahrscheinlichkeit bei Exposition gegenüber der Nichtexposition ist

• Das Relative Risiko ist:

RR = R(EX) / R(NEX) = (a / a+b) / (c /c+d)




19

Beispiel:



Quelle: Brennecke/Schelp, 1993, S. 27


20

• Odds = „Chancen“ ; Odds Ratio = „relative Chancen“

• zeigt Zusammenhänge zwischen Exposition und Krankheit bei Fall-Kontrollstudien

• ist dem RR sehr ähnlich

• beinhaltet allerdings keine Inzidenzen, sondern Prävalenzunterschiede zwischen Exponierten und Nichtexponierten

ODDS-Ratio = gibt den Faktor an, um den die Möglichkeit zu erkranken steigt, wenn man exponiert ist (Chancenverhältnis von

exponiert Kranken zu exponiert Gesunden zwischen Gesunden und Kranken)

= gilt als Schätz- bzw. Näherungsgröße für das noch unbekannte relative Risiko

= ist das Risikomaß für retrospektive Fallkontrollstudien; lässt sich aber auch im Rahmen prospektiver

Fallkontrollstudien berechnen

ODDS- Ratio



21


ODDS- Ratio

Exposition

Krankheit

Ja Nein

Ja a b

Nein c d

Das ODDS-Ratio ist: OR = a*d / c*b


22

• Maß für die Stärke eines Unterschiedes zwischen Gruppen

• setzt Odds der beiden Gruppen ins Verhältnis

• Und zwar:

Verhältnis von Erkrankten zu Nichterkrankten unter Exposition

Verhältnis von Erkrankten zu Nichterkrankten ohne Exposition

a/b a*d

c/d b*c


ODDS- Ratio

O.R. =

==


23

Beispiel:

Frauen Männer Alle

Kein Übergewicht

60% 30% 45%

Übergewicht 40% 70% 55%

N 100 100 200

ODDS - Ratio

Übergewicht in Abhängigkeit vom Geschlecht

Quelle: Internet-Lexikon der Methoden der empirischen Sozialforschung

Internet: http://www.lrz-muenchen.de/~wlm/ilm_o2.htm



24

• Die „Chancen“, dass eine Frau kein Übergewicht hat, betragen 60:40 oder 1,5 (Umgekehrt kann man auch sagen, dass die „Chancen“, Übergewicht aufzuweisen, 40:60 oder 0.66 betragen).

• Die „Chancen“ von Männern kein Übergewicht aufzuweisen, betragen dagegen nur 30:70 oder 0.43.

Grundsätzlich zeigt sich, dass:– ein Wert der ODDS von genau 1 ein Verhältnis von 50:50 ausdrückt,

– Werte > 1 drücken aus, dass die Kategorie im Zähler,

– Werte < 1, dass diejenigen im Nenner den größeren Anteil aufweist.

ODDS – Ratio nach: Ludwig- Mayerhofer



25

• Die Odds Ratio ist nun ein Maß für die Stärke des Unterschieds zwischen zwei Gruppen, hier Frauen und Männern.

• Die Odds Ratio setzt einfach die Odds der beiden Gruppen zueinander ins Verhältnis

– im Beispiel beträgt die Odds Ratio 1,5:0.43 =3.5.

– d.h., die Chancen von Frauen, nicht übergewichtig zu sein, sind 3,5 mal so groß wie die von Männern

Odds Ration kann daher als Zusammenhangsmaß aufgefasst werden

- O.R. = 1 bedeutet, dass es keinen Unterschied in den Odds gibt

- O.R. > 1 dann sind die Odds der ersten Gruppe größer

-O.R. < 1 dann sind sie kleiner als die der zweiten Gruppe




26

• Odds Ratio spielt auch in anderen sozialwissenschaftlichen Disziplinen eine wichtige Rolle, vor allem im Zusammenhang mit der logischen Regression

• Odds und Odds Ratios immer lassen sich immer nur in zwei Ausprägungen ausdrücken

• in größeren als 2x2 Tabellen können dementsprechend mehrere Odds und Odds Ratios berechnet werden




27

Informations- und Datenquellennach: Glaser-Möller/Körte, in:Hamburger Projektgruppe GBE (1998)

• Völlig unzureichend - ungenutzte Datenfriedhöfe? Verfügbarkeit und Qualität je nach Fragestellung und örtlichen Gegebenheiten unterschiedlich, daher:

• gezielte Suche nach Daten

• Überprüfung und ggf. Verbesserung ihrer Nutzbarkeit

• Auswege, wenn keine brauchbaren Daten für gewünschte Fragestellung vorhanden


28

GesundheitsberichterstattungInformations- und Datenquellen

• Primärdaten

• Sekundärdaten

• Amtliche Daten

• Prozessdaten

• Leistungsdaten

• Fallbezogene Daten

• Befragungsdaten/Surveys

• Bevölkerungsbezug

• Vollerhebung

• Stichprobe: Repräsentativität

• Raten: Zähler - Nenner


29

Informations- und Datenquellen

• eigens für Untersuchungszwecke (selbst) erhobene Daten

• z.B. Gesundheitssurvey der Deutschen Herz-Kreislauf-Präventionsstudie (DHP), Bundesgesundheitssurvey 1998

Primärdaten


30

• anderweitig erhobene, nicht für (diese) Untersuchungs-fragestellung erhobene Daten

• sekundäre Nutzung von zu anderen Fragen bzw. Erhebungszwecken erhobenen Daten

• Großteil der vorhandenen gesundheitsbezogenen Daten sind Sekundärdaten (z.B. Daten der für Verwaltungs-zwecke der Krankenkassen erhobenen Leistungen wie Arbeitsunfähigkeit)


Sekundärdaten


31

z.B: Prozessdaten der GKV

• diese Daten betreffen ausschließlich Mitglieder und Mitversicherte der GKV und…

• können nicht ohne weiteres für Aussagen über die Gesamtbevölkerung benutzt werden, da privatversicherte Patienten damit ausgeschlossen bleiben


Prozessdaten


32

Daten aus Gesundheitssurveys:• 1998 erster Gesundheitssurvey in den alten und neuen Ländern

durchgeführt (Querschnitt)

• Vorläufer - Surveys wurden im Rahmen der deutschen Herz-/Kreislauf-Präventionsstudie 1984/86, 1987/88 und 1991/92 durchgeführt (Querschnitte)

• enthält Daten aus medizinischer Untersuchung und Befragungsdaten

• repräsentative Stichprobe der deutschen Bevölkerung im Alter von 18 – 79 Jahren (n=7.124)

• Daten aus Public Use File vom RKI verfügbar


Befragungsdaten/Surveys


33

Bundes – Gesundheits-Survey 1998

Fragebogen (RKI)


34


35


36

• Daten gelten primär für die von der Erhebung betroffene Bevölkerung; Verallgemeinerungsfähigkeit ist zu prüfen

• Absolutzahlen meist schlecht interpretierbar; daher möglichst Relativzahlen herstellen:

Bezug auf Bezugspopulation (%-Werte, Raten)

- z.B. Krankenhausdiagnosen: Bezugsgruppe sind stationäre behandelte Patienten; da Fallstatistik: z.B. keine Inzidenzen

ableitbar

- z.B. Prozessdaten GKV: keine Aussagen für Gesamtbevölkerung


Bevölkerungsbezug


37

Kriterien der Datenqualität

• systematische Zuordnung der Werte: Stabilität und Genauigkeit der Messungen, Konstanz der Messbedingungen; wiederholte Messungen mit demselben Instrument führen zu denselben Resultaten

– Reliabilitätskoeffizient: Fehlervarianz der Messungen/

Gesamtvarianz

– Überprüfungsmöglichkeit durch verschiedene Verfahren

Reliabilität oder Zuverlässigkeit


38

• Gilt für „objektive“ wie für „subjektive“ Daten

z.B. Eindeutigkeit der Frage: eine Person antwortet in allen Fällen gleich

– Glaser-Möller/Korte: Diskussion anhand Aussagekraft bzw. Zuverlässigkeit „objektiver“ u. „subjektiver“ Daten

– Bardehle: Wegen Aufwands gegenwärtig auf dieses Kriterium bei Evaluation von Gesundheitsindikatoren verzichtet (!)


Reliabilität oder Zuverlässigkeit


39

• Gl.-M./K.: Datenquellen in zeitlicher und räumlicher Dimension vergleichbar

– z.B. Wechsel von Klassifikationen (z.B. ICD), räumlich unterschiedliche Datenqualität?

• Bardehle: Definitionen , Methoden der Datensammlung und Messmethoden sind einheitlich oder nach denselben Prinzipien aufgebaut

– z.B. räumlich unterschiedliche Routinen der Datenhaltung


Vergleichbarkeit


40

• in dem Maße, wie das gemessen wird, was gemessen werden sollte, ist Validität gegeben

Beispiel Gl.-M./K.: Todesursachenstatistik bei Jüngeren valider als bei Älteren, bei Krebs valider als bei Herz-

Kreislauf;

Beispiel Bardehle: Zahl verkaufter Zigaretten Indikator für Zigarettenkonsum in Deutschland?


Validität


41

• Vergegenwärtigung der Schritte, die zu einem Messwert geführt haben

1. Definition eines Begriffs durch Zuordnung von Merkmalen

2. Indikatoren für den Begriff (z.B. politisches Interesse: Parteizugehörigkeit, Häufigkeit der Gespräche über Politik u.a., aber nicht: Lesen einer Tageszeitung)

3. Auswahl eines einzelnen Merkmals mit Ausprägungen (Variablen)

4. Zuordnung von numerischen Werten zu den Ausprägungen des Merkmals

• Verschiedene Verfahren zur Überprüfung der Validität von Skalen, Tests etc.


Überprüfung der Validität nach: Friedrichs (1973)


42

Die zu erhebenden Merkmale werden bei allen in die

Datenquelle einbezogenen Personen oder Institutionen

ohne Ausfälle erfasst.

Beispiel Gl.-M./K.:

Unvollständigkeit der Fehlbildungsstatistik;

Krebsregister: Anteil von „Death Certificate Only“

Fehlender Impfstatus in schulärztl. Untersuchungen (Hefte!)

• Informations- und Motivationsproblem bei Erhebenden


Vollständigkeit


43

• Werden Aussagen für eine Gesamtbevölkerung benötigt,aber eine Vollerhebung ist nicht möglich, wird eine Stichprobe gezogen.

• Eine Stichprobe ist nur repräsentativ für die Grundgesamtheit, wenn die Stichprobe nach dem Zufallsprinzip gezogen wurde.

• Das Auswahlverfahren muss gewährleisten, dass jedes Element der Grundgesamtheit die gleiche Chance hat, in die Stichprobe zu gelangen.

• verschiedene Verfahren der Überprüfung


Repräsentativität


44

Aggregationsniveau:

Daten sind umso aussagekräftiger je höher die räumlich zeitliche Auflösung ist.

– z.B. amtliche oder Prozessdaten: Bundes-, Landes-, kommunale Ebene; Diagnosegruppen - Einzeldiagnosen

Fragestellungen:

• Für was sind die Daten verfügbar?

• Für wen sind die Daten verfügbar (Datenüberlassung, Sonderauswertungen, Auslesen von Daten, Kosten, public use files)?

• In welcher Form sind die Daten verfügbar (Datenträger, Anonymisierung, Personenbezug/Verknüpfbarkeit)?


Verfügbarkeit


45

im allgemeinen gut

• In zeitlichem Abstand zu Volkszählungen zunehmende Ungenauigkeiten in der veröffentlichten Bevölkerungszahl

– Problem, wenn Angaben aus verschiedenen Quellen

z.B: Ausländer: Abweichungen möglich zwischen Fortschreibung der Bevölkerung (Stat. Landesämter) und Ausländerzentralregister

Neugeborene nach Geburtsgewichtsgruppen. Unterschiedliche Erhebungsprinzipien bei Stat. Landesamt (Wohnortprinzip) und Perinatalstudien (Ereignisprinzip)

Qualitätsbeurteilungen verschiedener Gruppen von Gesundheitsindikatoren nach: Bahrdele (1996)

Demographische Indikatoren:


46

• Grundlage: Leichenschau, Leichenschauschein, Kodierung nach Grundleiden in Stat. Landesämtern

• Güte des Auswählens des Grundleidens?

• Abweichungen aufgrund zusätzlicher Vereinbarungen

(Kreuzklassifikation, Sternklassifikation: Komplikation)

• Güte der Kodierung?

• Beispiel Bardehle: Nach Wohnortbezug korrigierte Datenbestände bei Abweichungen?

Qualitätsbeurteilungen verschiedener Gruppen von Gesundheitsindikatoren

Mortalitätsdaten:


47

• Bardehle: ständige Evaluation erforderlich hinsichtlich Vollständigkeit der Daten und Vermeidung von Verzerrungseffekten durch unkorrekte Kodierung

Beispiel Krankenhausdiagnosestatistik: (Tab. 1)

Beispiel Krebsfrüherkennungsprogramm: - Vollständigkeit der Meldungen über durchgeführte

Krebsvorsorgeuntersuchungen und diagnostizierte Krebsformen unzureichend

Fazit: Durch Nutzung der Daten entsteht ein Druck auf deren Qualitätsverbesserung und Evaluation.

Qualitätsbeurteilungen verschiedener Gruppen von Gesundheitsindikatoren

Morbiditätsdaten:

Documents

Wiederholung: Methoden und Maßzahlen der Epidemiologie Deskriptive Epidemiologie (Methoden zur) Darstellung der Verteilung von Krankheiten, Krankheit/Gesundheit