Show Less
Open access

Versorgungsbedarf, Angebot und Inanspruchnahme ambulanter hausärztlicher Leistungen im kleinräumigen regionalen Vergleich

Series:

Anke Schliwen

Die Sicherstellung einer flächendeckenden, wohnortnahen und bedarfsgerechten Versorgung ist ein zentrales Anliegen der deutschen Gesundheitspolitik. Anke Schliwen untersucht den regionalen Zusammenhang von Versorgungsbedarf, Angebot und Inanspruchnahme hausärztlicher Leistungen. Dabei wird der Versorgungsbedarf anhand eines multifaktoriellen Index auf der kleinräumigen Ebene der Mittelbereiche operationalisiert. Eine Clusteranalyse ermöglicht die Identifikation von Regionstypen, deren Eigenschaften Ansatzpunkte für eine Neuordnung der Ressourcenallokation bieten können. Mit ihrem Buch unterstreicht die Autorin die Notwendigkeit, innerhalb zentraler Rahmenbedingungen den Einsatz regionaler Planungs- und Steuerungsinstrumente zur Verteilung von ärztlichen Kapazitäten zu ermöglichen.
Show Summary Details
Open access

3 Versorgungsbedarf

| 31 →

3 Versorgungsbedarf

Die Begriffe „Bedarfsgerechtigkeit“ und „Bedarfsorientierung“ werden im Kontext der Versorgungsplanung und der Allokation von Ressourcen seit jeher von Politikern, Interessenvertretern, aber auch von Wissenschaftlern häufig als unanfechtbare Zielgröße genannt, mit der Planung und Verteilung gerechtfertigt und Ausgabensteigerungen begründet werden (vgl. Gründger 1973). Bei der vermeintlich chronischen Ressourcenknappheit im Gesundheitswesen wird der Bedarfsbegriff in der politischen Diskussion oft verwendet, um Ansprüche an das Gesundheitssystem zu vergleichen und ggf. zu priorisieren (vgl. Sheaff 1996). Dabei ist der Gedanke einer bedarfsgerechten Versorgung aber zunächst von dem einer wirtschaftlichen Versorgung zu trennen. Das Argument der Ausgabenrechtfertigung greift erst dann, wenn bedarfsgerechte Leistungen auch effizient erbracht werden.13

Angenommen, dass der Bedarf als einziger Faktor gewählt wird, um Versorgungsleistungen zu planen oder ihre Angemessenheit zu bewerten, so greifen zwei Gerechtigkeitsprinzipien: für einen gleichen Bedarf soll die gleiche Gesundheitsversorgung zur Verfügung stehen (=horizontale Gerechtigkeit) und bei höherem Bedarf besteht ein Anspruch auf mehr Versorgungsleistungen (=vertikale Gerechtigkeit) (vgl. Culyer 2001). Der egalitäre Grundsatz, dass die Gesundheitsversorgung in gleichwertiger Form allen Versicherten zur Verfügung steht und dass gleichzeitig eine gleichwertige Verteilung von Ressourcen in Abhängigkeit vom Bedarf besteht (vgl. Miller 1976), ist mit dem gesellschaftlich etablierten Solidaritätsprinzip des deutschen Gesundheitssystems vereinbar.

Die Bedarfsorientierung der Versorgungslandschaft erscheint aus Gerechtigkeitsgesichtspunkten zunächst schlüssig und wird in fast allen Gesundheitsreformen der letzten 10 Jahre als Argument verwendet. Dabei wird allerdings weder in der Gesetzgebung, wie in den Krankenhausgesetzen14 oder im fünften Sozialgesetzbuch15, noch in der Rechtsprechung der Begriff der „bedarfsgerechten ← 31 | 32 → Versorgung“, oder die Kriterien für eine solche, definiert. In der Praxis wird die Definition des Behandlungsbedarfs damit dem einzelnen Arzt übertragen. Um jedoch die übergeordnete Versorgungsplanung und Verteilung von Ressourcen im Gesundheitssystem in Deutschland „bedarfsgerecht“ nennen zu können, ist ein zentraler und in der Planung verwendbarer Bedarfsbegriff notwendig.

Im folgenden Kapitel werden zunächst verschiedene Definitionen von Versorgungsbedarf vorgestellt. Anschließend wird die für diese Arbeit ausgewählte Abgrenzung des Versorgungsbedarfs beschrieben und die Möglichkeiten zur Operationalisierung des Bedarfsbegriffes anhand einer Reihe von Bedarfsindikatoren geprüft. Dabei werden auch die verfügbaren Datenquellen vorgestellt. Das methodische Vorgehen bei der Bildung eines Bedarfsindex wird in Kapitel 3.3 beschrieben. Abschließend wird der gebildete Bedarfsindex auf kleinräumiger Ebene der Mittelbereiche vorgestellt.

3.1 Definitionen von Versorgungsbedarf

Bei Definitionen rund um den Begriff „Bedarf“ wird grundsätzlich zwischen dem Bedarf an Gesundheit und dem Bedarf an Versorgungsleistungen des Gesundheitswesens unterschieden. Nur letzteres ist Gegenstand der Ressourcenplanung und Differenzierung von Versorgungsleistungen, wobei der Gesundheitsbedarf im Sinne des generellen Bedürfnisses der Bevölkerung an einem gesunden Leben, der häufig mit Morbidität, sozioökonomischen und soziodemografischen Faktoren abgebildet wird, beeinflussender Faktor des Versorgungsbedarfs ist. Gegenstand der folgenden Ausführungen ist der Versorgungs- oder Behandlungsbedarf der deutschen Bevölkerung, wobei die Grenze zum Gesundheitsbedarf nicht immer deutlich ist und Indikatoren für die Gesundheit bzw. die Krankheitslast der Bevölkerung als Einflussfaktoren untersucht werden.

3.1.1 Ökonomische Definition

Die am häufigsten verwendete Bedarfsdefinition von Ökonomen ist die Möglichkeit der Bevölkerung von Gesundheitsleistungen zu profitieren (vgl. NHS Management Executive 1991; Stevens & Gilliam 1998; Asadi-Lari, Packham et al. 2003). Bedarf existiert demnach nur, wenn es eine Option gibt, mit Inanspruchnahme ← 32 | 33 → von bestehenden Versorgungsleistungen den Gesundheitszustand zu verbessern (vgl. Culyer 1976; Culyer 1995). Auch der Sachverständigenrat für die Konzertierte Aktion im Gesundheitswesen (2001) definiert Versorgungsbedarf als den Zustand, „dessen Behandlung durch spezifizierbare Maßnahmen gesundheitlichen Nutzen erwarten lässt“ (S. 43). Dementsprechend ist das Versorgungsangebot bedarfsgerecht, wenn dadurch „vermeidbare, relevante gesundheitliche Nachteile bei Nachfragern vermieden werden“ (S. 62). Außerdem soll der Bedarf, bei dem die Inanspruchnahme von Gesundheitsleistungen einen Mehrwert produziert, mit überschaubaren Risiken und akzeptablen Kosten einhergehen (vgl. Buchan, Gray et al. 1990)

Das heißt, für Versorgungsplanung und Ressourcenverteilung wird erst der Bedarf relevant, für den tatsächlich Therapiemöglichkeiten existieren (vgl. Krämer 1992). Perspektivisch steigt daher der Bedarf mit zunehmenden technischen Möglichkeiten und dem medizinischen Fortschritt.

3.1.2 Definition mit Zielorientierung

Ähnlich wie bei der ökonomischen Bedarfsdefinition ist auch die teleologische Definition des Bedarfsbegriffs auf das Ergebnis des Versorgungsprozesses ausgerichtet. Dabei ist es nach dieser Definition ohne ein klares Verständnis des Ziels eines bestimmten Bedarfs sinnlos zu konstatieren, dass jemand einen Versorgungsbedarf hat (vgl. Liss 1998). Der Versorgungsbedarf wird hier als die Lücke bzw. der Mangel zwischen der Ausgangssituation und der idealen Situation verstanden. Der Versorgungsplaner muss den Status Quo mit einer Zielsetzung konfrontieren und prüfen, ob ein Mangel vorliegt. Wenn eine Diskrepanz zwischen Realität und Ziel konstatiert wird, bleibt zu identifizieren und zu beschreiben, wen ein Mangel betrifft, in welchem Ausmaß der Mangel vorliegt, wo der Mangel auftritt, wie sich der Mangel entwickelt und welche Maßnahme bzw. Ressourcen notwendig sind, um den Mangel zu beheben (vgl. Gründger 1973).

In Bezug auf die Versorgungsplanung wird also festgestellt, dass eine Person oder eine Bevölkerungsgruppe insofern einen gesundheitsbezogenen Bedarf hat, als dass sein/ihr Gesundheitszustand vom optimalen Gesundheitszustand bzw. vom Norm-Gesundheitszustand abweicht. Es besteht dann ein Bedarf an Versorgungsleistungen insofern, als dass diese notwendig sind, um den optimalen Gesundheitszustand bzw. den Norm-Gesundheitszustand herzustellen (vgl. Liss 1998).

Dazu gehören auch die Möglichkeit und die natürlichen Kapazitäten einer Person ihre Bedürfnisse durch selbstständige Aktivitäten im täglichen Leben zu befriedigen, einschließlich sozialer Aktivitäten. Die notwendigen natürlichen ← 33 | 34 → Kapazitäten schließen die Fähigkeit mit ein, sich seiner Bedürfnisse im Vergleich zum Norm-Gesundheitszustand bewusst zu sein und diese als Bedarf formulieren zu können. Eine Person hat einen Bedarf an Versorgungsleistungen, wenn sie unfähig ist, oder sich eine Unfähigkeit anbahnt, die Aktivitäten des täglichen Lebens ausführen zu können (vgl. Sheaff 1996).

Dabei muss die Definition des optimalen Gesundheitszustands als Referenz und das Formulieren von Gesundheitszielen nicht zwangsläufig auf individueller Ebene erfolgen. Kühn (2001) sieht das Feststellen eines Versorgungsbedarfes als regionale/kommunale Aufgabe, die von demokratischen Gremien wie einem Landes- und kommunalen Gesundheitsrat oder einer regionalen Gesundheitskonferenz übernommen werden sollte. Für die Abgrenzung der regionalen Gesundheitsziele sei eine Erweiterung der regionalen Gesundheitsberichterstattung als empirische Grundlage notwendig.

3.1.3 Subjektiver vs. Objektiver Bedarf

Ein wichtiger Bestandteil der Bedarfsdefinition ist die Frage, wer den Versorgungsbedarf feststellt. Denn der Versorgungsbedarf hängt immer auch von den Bedarfsvorstellungen und Referenzmaßstäben des Bedarfsermittlers ab (vgl. Krämer 1992). Den Rollen der unterschiedlichen Akteure, vom Versicherten zum ärztlichen Leistungserbringer zum Wissenschaftler, bei der Feststellung eines Bedarfs an Versorgungsleistungen im Gesundheitssystem wird häufig mit der Differenzierung des subjektiven gegenüber des objektiven Bedarfs entsprochen (vgl. Schwartz 2001).

Der subjektive Bedarf beschreibt eine gewisse Präferenz bzw. einen Wunsch des Individuums für eine Behandlung oder andere Versorgungsleistung. Dieser Versorgungsbedarf wird von jedem Versicherten nach eigenen Maßstäben definiert (vgl. SVR-Gesundheit 2001). Das Expertenkomitee der Weltgesundheitsorganisation (1978) spricht auch vom „empfundenen Bedarf“, also von dem Bedarf, den ein Einzelner wahrnimmt und bereit ist anzuerkennen. In der Definition des Sachverständigenrats (2001) ist die gewünschte Inanspruchnahme bzw. der Versuch der Inanspruchnahme entsprechender Versorgungsleistungen Bestandteil des subjektiven Versorgungsbedarfs – eine Person muss also nicht nur feststellen, dass es eine Versorgungsleistung braucht, sondern diese auch nutzen wollen.

Der objektive Bedarf hingegen orientiert sich an sachlichen, allgemeingültigen Kriterien, die messbar sind und die von unbeteiligten Personen festgestellt werden können (vgl. Mooney, Stephen et al. 2009). Die objektivierbare Feststellung einer Krankheit oder Behinderung obliegt dabei einem Fachmann aus dem ← 34 | 35 → Gesundheitswesen, typischerweise also dem Arzt, den ein Patient aufsucht. Objektiver Bedarf kann allerdings auch als wissenschaftlich bestätigter Bedarf auf Grundlage objektiver Messungen biologischer, anthropometrischer oder psychologischer Werte, Expertenmeinungen oder im Zeitverlauf konstatiert werden (vgl. Weltgesundheitsorganisation 1978). So definieren Guggisberg und Spycher (2005) den Versorgungsbedarf als die aus einer evidenzbasierten medizinischen Sichtweise zur Diagnose und Behandlung von Krankheiten benötigte Quantität und Qualität von Versorgungsleistungen.

Allerdings erfolgt auch nach objektiver Feststellung eines Versorgungsbedarfs nicht notwendigerweise eine Inanspruchnahme von Versorgungsleistungen durch den Versicherten: Wird ein objektiver Bedarf festgestellt, ohne dass ein subjektiver Bedarf empfunden wird und ohne dass eine Inanspruchnahme stattfindet, spricht der Sachverständigenrat (2001) von „latentem Bedarf“ (S. 40).

Die deutschen gesetzlichen Krankenversicherungen orientieren ihre Versicherungsleistungen am objektiven Bedarf: Nur wenn ein Arzt einen Versorgungsbedarf feststellt und diesem Bedarf entsprechende Leistungen aus dem Versicherungskatalog erbringt, werden Leistungen von den Krankenkassen vergütet. Dabei muss der Arzt bei der Bedarfsbestimmung beurteilen, ob er Leistungen im Sinne des SGB V § 12 Abs. 1 als „ausreichend, zweckmäßig und wirtschaftlich“ erachtet. Auch im Englischen Gesundheitssystem National Health Service (NHS) wird der Bedarf bei der Leistungsinanspruchnahme als eine Entscheidung von Medizinern beschrieben, die neben ihrer Bedarfsfeststellung auch noch eine Einschätzung des relativen Bedarfs gegenüber den verfügbaren Ressourcen vornehmen (vgl. Morris, Carr-Hill et al. 2007). Die Wirtschaftlichkeit der Leistungserbringung ist daher bei der Bedarfsfeststellung durch einen Arzt nicht immer von der objektiven Beurteilung des Behandlungsbedarfs zu trennen.

3.1.4 Definition im Zusammenhang mit Inanspruchnahme

Die Grundhypothese der Definition des Versorgungsbedarfs im Zusammenhang mit der Inanspruchnahme ist, dass sich der legitime Versorgungsbedarf immer direkt in einer Nutzung des Versorgungssystems widerspiegeln wird. So wird die Inanspruchnahme von Gesundheitsleistungen häufig verwendet, um den Versorgungsbedarf vorherzusagen (vgl. Carr-Hill, Sheldon et al. 1994). Der Bedarf ist dabei das subjektive Gefühl des Individuums, das den Prozess der Auswahl eines Leistungsanbieters initiiert bzw. der Gesundheits- oder Krankheitszustand, bei dem eine Inanspruchnahme des Gesundheitssystems anzunehmen ist (vgl. Davis 1955, Donabedian 1973). Einige Autoren sprechen auch vom Versorgungsbedarf als dem „Bedarf zur Inanspruchnahme durch ← 35 | 36 → den Patienten“ (Schönbach, Schliemann et al. 2011, S. 15) und andere sehen die Auswertung von Behandlungsfällen als einzige Möglichkeit den Versorgungsbedarf zu messen (vgl. Potthoff & Schneider 2002).

Allerdings ist Inanspruchnahme nicht eine alleinige Folge des Bedarfs (vgl. McGregor, McKee et al. 2008), sondern es müssen u. a. auch regionale Angebotskapazitäten berücksichtigt werden. Die Variation der Inanspruchnahme spiegelt sonst bei kleinräumiger Betrachtung nicht nur die Variation des Versorgungsbedarfs, sondern auch die Variation des regionalen Angebots und Zugangs wider (vgl. Sheldon, Smith et al. 1993). Zudem führt auch objektiv festgestellter Bedarf, wie schon im Kap 3.1.3 beschrieben, nicht notwendigerweise zur Inanspruchnahme von Versorgungsleistungen (vgl. SVR-Gesundheit 2001).

3.1.5 Bedarf als relatives und prospektives Konzept

Der Versorgungsbedarf der Bevölkerung wird bei der Ressourcenallokation zumeist als relatives Konzept betrachtet, insbesondere weil sich keine objektiven Standards für die Existenz eines Bedarfs definieren lassen (vgl. Minnesota State Planning Agency 1977) und fachlich-inhaltliche Maßstäbe für die Ermittlung des absoluten Versorgungsbedarfs einer Bevölkerung fehlen (vgl. Czaja, Meinlschmidt et al. 2012). Bedarf ist laut Culyer (1998) genau wie Gesundheit ein relatives Konzept mit verschiedenen Stufen.

Ein relativer bedarfsorientierter Ansatz verspricht gleiche Ressourcen für Regionen mit gleichem Bedarf (horizontale Gleichheit) und ungleiche Ressourcen für Regionen mit unterschiedlichem Bedarf (vertikale Gleichheit) und versucht nicht die absolute Größe der benötigten Ressourcen zu beschreiben (vgl. Birch, Eyles et al. 1993). Das Ziel des relativen Ansatzes ist es Verteilungsgerechtigkeit herzustellen. Als Benchmark wird häufig der Bundesdurchschnitt gewählt. Das hat den Vorteil, dass sich Ergebnisdiskussionen auf die Stärke der regionalen Unterschiede bzw. Abweichungen konzentrieren und nicht so sehr auf die Richtigkeit des gewählten Normwertes (vgl. Nolting, Zich et al. 2011).

Zudem wird Bedarf häufig eher prospektiv als retrospektiv interpretiert. Der Versorgungsbedarf bezieht sich laut Culyer (1998) auf das, was noch versorgt werden muss, nicht auf das, was bereits versorgt wurde. Außerdem ist die Verbesserung oder Beseitigung eines bestehenden Versorgungsbedarfs grundsätzlich Ziel eines Gesundheitssystems. Für die Planung ist die Prognose des Versorgungsbedarfs entscheidend, um langfristig gebundene Ressourcen effizient und effektiv einzusetzen und somit eine langfristige Bedarfsgerechtigkeit herstellen und sichern zu können. ← 36 | 37 →

3.2 Operationalisierung des regionalen Versorgungsbedarfs

In Abhängigkeit von der jeweiligen Bedarfsdefinition lassen sich grob drei Konzepte für die Ermittlung des Versorgungsbedarfs unterscheiden (vgl. Nüsken & Busse 2011):

die angebotsorientierte Schätzung, die auf der Annahme basiert, dass das bestehende Angebot dem Bedarf entspricht,

die inanspruchnahmeorientierte Schätzung, die auf den Häufigkeiten der Leistungsinanspruchnahme in Form von Fällen oder Leistungen beruht, und

die morbiditätsortientierte Schätzung des Bedarfs, bei der die Bevölkerungsstruktur, ihr Krankheitsrisiko und morbiditätsbeeinflussende Faktoren Grundlage der Schätzung sind.

Insbesondere da die Angebotsstruktur und die Inanspruchnahme von Leistungen Teil des Gesamtmodells sind und gerade der Einfluss des Bedarfs auf diese Variablen geprüft werden soll, kommen die angebotsorientierte und die inanspruchnahmeorientierte Schätzung für die regionale relative Bedarfsermittlung nicht in Frage.

Ein Bedarfsplanungsmodell, das auf Angebotsstruktur oder bestehender Inanspruchnahme aufbaut, kann nicht mehr zwischen regionalem Versorgungsbedarf und Effekten, die durch das bestehende Versorgungssystem entstanden sind, unterscheiden (vgl. Newbold, Eyles et al. 1998). Eine bestehende Unter- oder Überversorgung könnte als tatsächlicher Bedarf fehlinterpretiert werden und bestehende Ungleichheiten würden fortgeschrieben (vgl. Gibson, Asthana et al. 2002). Um diese Unterscheidung von objektivem Versorgungsbedarf und bestehendem Versorgungssystem und seiner historisch gewachsenen Inanspruchnahme zu gewährleisten, muss auch bei der morbiditätsorientierten Bedarfsschätzung das Endogenitätsproblem beachtet werden. Die Verwendung von durch die Leistungsinanspruchnahme generierten Daten wie beispielsweise Diagnosedaten würde eine systemunabhängige Bedarfsmessung verhindern. Daher sollten für die morbiditätsorientierte Bedarfsschätzung nur Faktoren verwendet werden, die nicht auf den Finanz- und Leistungsdaten der Krankenkassen und der Leistungsanbieter beruhen: Die Behandlungsleistung wird mit der Inanspruchnahme von Gesundheitsleistungen gemessen, der Bedarf mit Gesundheitsindikatoren und Daten zur Demografie (vgl. van den Poel, van Doorslaer et al. 2011).

Bedarf kann grundsätzlich sowohl auf individueller Ebene, als auch auf der Ebene der Bevölkerung definiert und bestimmt werden. Für empirische Studien zum kleinräumigen Versorgungsbedarf wird typischerweise die ökologische Perspektive gewählt unter der Annahme, dass der Versorgungsbedarf einer Region ← 37 | 38 → über den Gesundheitszustand der Bevölkerung abgebildet werden kann (vgl. Mays 1987; Carr-Hill, Sheldon et al. 1994). Individuelle Messungen des Versorgungsbedarfs liegen in Deutschland nur in Form von Stichproben in Bevölkerungssurveys vor, deren regionale Repräsentativität nicht gegeben ist. Zudem halten Mustard und Derksen (1997) indirekte Bedarfsmessungen, die sich immer auf die Merkmale einer Bevölkerung beziehen, für geeigneter, um den Gesundheitsstatus insgesamt zu beschreiben, da sie weniger anfällig für „missing variables“ sind und ein breites Spektrum von Krankheit und Unwohlsein erfassen können.

Die Approximation des Versorgungsbedarfs erfolgt im Folgenden als populationsbezogener Ansatz: Für die gewählte kleinräumige Ebene wird jeweils die Gesamtbevölkerung des Teilraumes mit Indikatoren beschrieben, nicht die individuellen Merkmale einzelner Personen. Dabei werden Variablen verwendet, die den durchschnittlichen Gesundheitsstatus einer regionalen Population auf kleinräumiger Ebene wiedergeben, einschließlich der Individuen, die im Zeitraum keine Gesundheitsleistungen in Anspruch genommen haben. Dabei wird in Kauf genommen, dass einzelne individuelle Versorgungsbedarfe über bevölkerungsbezogene Indikatoren (bspw. Sterberaten) nur unzureichend abgebildet (vgl. Smith 2008) und faktorökologische Fehlschlüsse16 nicht ausgeschlossen werden können. Die praktischen Vorteile der Datenverfügbarkeit und Stabilität der Datengrundlage beim bevölkerungsbezogenen Ansatz überwiegen aber diese Nachteile und es ist unrealistisch, dass ein Planungssystem den individuellen Versorgungsbedarf jedes Versicherten messen und berücksichtigen kann.

Für die Abschätzung des Versorgungsbedarfs einer Bevölkerung, der sich aus ihrer Morbiditätslast ableitet, werden typischerweise Proxys17 wie Alter und Geschlecht, Mortalität, sozioökonomischer Status, subjektiver Gesundheitsstand und Umwelteinflüsse auf Makroebene gemessen und als multidimensionale Indexe zusammengeführt.

Bei der Auswahl der Indikatoren für einen morbiditätsbasierten Versorgungsbedarfsindex werden die folgenden Kriterien zu Grunde gelegt: ← 38 | 39 →

1. Sowohl konzeptuell als auch empirisch soll ein Zusammenhang des Indikators mit dem Versorgungsbedarf der Bevölkerung bestehen.

2. Aus praktischen Gründen müssen die Indikatoren messbar und in der benötigten regionalen Differenzierung öffentlich verfügbar sein.

3. Die Bedarfsindikatoren sollen unabhängig vom bestehenden Versorgungssystem (insbesondere Versorgungsangebot) generiert worden sein.

4. Die Indikatoren sollen stabil sein, das heißt in der Bevölkerung so weit verbreitet sein, dass sie deren Zustand allgemein beschreiben können, und in einer repräsentativen Stichprobe auf kleinräumiger Ebene vorliegen.

5. Die Indikatoren sollen in regelmäßigen Abständen erhoben werden und möglichst aktuell sein (nicht älter als 5 Jahre).

Damit wird im Folgenden eher ein indirekter Ansatz der Bedarfsvorhersage mit Prädiktoren als ein direkter Ansatz des beobachteten Versorgungsbedarfs im Rahmen des Versorgungssystems verfolgt.

In einer ausführlichen Literaturrecherche wurden sowohl Bedarfsindikatoren als auch Proxys für den Gesundheitszustand einer Bevölkerung zusammengetragen (Tabelle 1). Im Folgenden werden die Vor- und Nachteile der einzelnen Proxys vorgestellt, hinsichtlich der fünf Selektionskriterien geprüft und eine Auswahl für die Bildung eines Bedarfsindex getroffen.

Tabelle 1: Bedarfsindikatoren und Indikatoren für den Gesundheitszustand einer Bevölkerung

IndikatorengruppeIndikator
DemografieBevölkerung nach Alter und Geschlecht
Mortalität und daraus abgeleitete IndikatorenStandardisierte Mortalitätsrate
Vorzeitige Sterblichkeit
Säuglingssterblichkeit
Lebenserwartung
gesunde Lebenserwartung
Allgemeine MorbiditätSubjektive Morbidität
Behinderung
Pflegebedürftigkeit
Verletzte bei Straßenverkehrsunfällen
Gesundheitsrelevante sozioökonomische RahmenbedingungenEinkommenssituation
Bildungsstand
Erwerbstätigkeit und beruflicher Status
Soziale Lage ← 39 | 40 →
Gesundheitsrelevante VerhaltensweisenÜbergewicht, Ernährungsweise
Rauchen
Alkoholkonsum
Körperliche Aktivität, Sport
UmweltrisikenLuftschadstoffe, schlechte Luftqualität
Belastung durch Lärm
Anteil Gewerbe-, Industrie- und Verkehrsfläche an gesamter Bodenfläche

3.2.1 Bedarfsindikator Demografie

Mit steigendem Lebensalter steigt die Prävalenz von Krankheiten und funktionellen Einschränkungen deutlich an (vgl. Garms-Homolová & Schaeffer 2012). Auch sind ältere Menschen oft multimorbid und leiden häufig an chronischen Erkrankungen (vgl. Böhm, Tesch-Römer & Wurm 2009, Holzhausen et al 2006, Kruse 2002). Grund für den Anstieg der Morbidität mit dem Lebensalter sind neben der altersphysiologischen Beeinträchtigung (z. B. abnehmende Immunresponsivität, Beeinträchtigung von Organen) auch die lange Latenzzeit bestimmter Krankheiten, die längere Risikoexposition Älterer (z. B. bei Umweltfaktoren) und die Zunahme von Folgeerkrankungen bei chronischen Krankheiten mit der Länge der Erkrankung (vgl. Tesch-Römer & Wurm 2009). Demnach wird in Regionen mit einem hohen Anteil Älterer ein vergleichsweise höherer Versorgungsbedarf erwartet.

Neben dem Altersaufbau gilt auch das Geschlechterverhältnis einer Region als Prädiktor für die lokale Morbidität. Der Einfluss des Geschlechts auf den Versorgungsbedarf ist neben der Physiologie auch stark durch das Gesundheitsverhalten geprägt. So haben Frauen im gebärfähigen Alter zwar im Zusammenhang mit Schwangerschaft und Geburt einen erhöhten Versorgungsbedarf. Männer legen allerdings öfter ein für die Gesundheit nachteiliges Risikoverhalten an den Tag und ernähren sich ungesünder (essen weniger Obst und Gemüse), rauchen mehr, trinken mehr Alkohol und sind häufiger übergewichtig als Frauen. Auch treten Gesundheitsbelastungen am Arbeitsort bei Männern häufiger auf als bei Frauen (vgl. Robert-Koch-Institut 2012). Frauen haben wiederum eine deutlich höhere Lebenserwartung als Männer (vgl. Gaber 2011) und ihr Versorgungsbedarf erstreckt sich dadurch über einen längeren Zeitraum.

Die Einschätzung des Morbiditätsrisikos nach Alter und Geschlecht ist bereits Bestandteil des Risikostrukturausgleichs zwischen Krankenkassen, allerdings ohne regionalen Bezug (vgl. § 267 Abs. 2 SGB V). Die Altersstruktur der ← 40 | 41 → Bevölkerung in einem Planungsbereich ist außerdem bislang die einzige qualitative Referenz zum regionalen Versorgungsbedarf, die schon heute Bestandteil der Bedarfsplanung sein kann. Seit seiner Einführung im Juli 2010 war der sogenannte „Demografiefaktor“ allerdings nur in einzelnen KV-Regionen zur Anwendung gekommen und wurde aufgrund seiner geringen Steuerungswirkung und der Zielverfehlung einer gerechteren Verteilung von Arztkapazitäten im Juli 2012 durch den G-BA ausgesetzt18. Eine überarbeitete Form des Demografiefaktors (regionaler Anteil der über 65jährigen multipliziert mit einem Leistungsbedarfsfaktor) ist in der neuen Bedarfsplanungsrichtlinie vom 31.12.2012 wieder enthalten. Allerdings wird die Unterscheidung von nur zwei Altersgruppen und die fehlende Geschlechterdifferenzierung kritisiert (vgl. Ozegowski 2013).

Der Bevölkerungsstand zum Stichtag 31.12.2011 nach Altersgruppen (überwiegend Fünfjahres-Altersgruppen, mit Ausnahme einer kleinteiligeren Einteilung der Altersgruppen bei Kindern) und Geschlecht wird durch die statistischen Landesämter für alle Gemeinden in Deutschland zur Verfügung gestellt. Die Einteilung der Bevölkerung nach Altersgruppen und Geschlecht kann mithilfe einer Schlüsseltabelle den Mittelbereichen zugeordnet werden und liegt daher auf der benötigten regionalen Differenzierungsebene für die Analysen des regionalen Versorgungsbedarfs vor (Tabelle 2).

Tabelle 2: Verfügbarkeit Indikatoren Demografie nach Mittelbereichen

Illustration

3.2.2 Bedarfsindikator Mortalität

Standardisierte Mortalitätsraten (SMR) reflektieren die soziale und gesundheitliche Lage einer Region und gelten als ein stabiler und umfassender Indikator für die Morbiditätslast (vgl. Sheldon, Smith et al. 1993). Auch Mays und Chinn et al. (1992) beurteilen die SMR als geeigneten Proxy für sowohl subjektive als auch objektive Krankheitslast, die auf regionaler Ebene mit sozioökonomischen Faktoren korreliert. Allerdings konnten sie auf regionaler Ebene keinen signifikanten Zusammenhang der SMR mit chronischen Krankheiten feststellen.

Darin liegt auch der größte Nachteil des Konzepts der Sterblichkeit als Proxy für einen regionalen Versorgungsbedarf: ein Zusammenhang zwischen Mortalität ← 41 | 42 → und akuter Erkrankung, der Notwendigkeit Tage krankheitsbedingt im Bett zu verbringen oder mit krankheitsbedingten Fehltagen, also Indikatoren, die sich auf die Morbidität der Bevölkerung vor dem Endpunkt „Tod“ beziehen, lässt sich nicht immer feststellen (vgl. Forster 1977; Snaith 1978). Snaith (1978) bestätigt, dass insbesondere bei kleinräumiger Betrachtung der Zusammenhang zwischen SMRs und Bedarfskriterien nur schwach ausgeprägt ist. Auch ist die Anzahl der Todesfälle auf kleinräumiger regionaler Ebene zum Teil sehr gering. Die Todesstatistik nach Todesursache ist oft zu instabil, als dass sie als Indikator für den Versorgungsbedarf in ländlichen Regionen oder kleinen Stadtteilen dienen kann (vgl. Gibson, Asthana et al. 2002). Das Konzept der vermeidbaren Sterblichkeit, festgemacht an Todesursachen nach Diagnosen, lässt sich daher bei der kleinräumigen Bedarfsfeststellung nicht verwenden.

Brennan und Clare (1980) finden hingegen auf Grundlage des Zensus von 1971 in England einen starken linearen Zusammenhang zwischen kleinräumiger Mortalität und sowohl kurzzeitiger, als auch langfristiger Morbidität und Townsend und Phillimore et al. (1986) bestätigen diese Ergebnisse auf Grundlage des Zensus von 1981. Bennett und Holland (1977) finden bei den chronischen Krankheiten mit keinem oder schwachen Zusammenhang zur Mortalität nur eine geringe regionale Variation, während Erkrankungen, die häufig zu Krankenhausaufenthalten führen, sowohl eine breite regionale Streuung, als auch einen Zusammenhang mit der regionalen Mortalität aufweisen. Gerade für Indikationen mit hohem Versorgungsbedarf sei die Mortalität daher ein guter Indikator. Laut Mays (1987) ist die standardisierte Sterberate die am einfachsten verfügbare Variable, um regionale Morbidität direkt zu messen. Und Birch und Eyles et al. (1993) merken an, dass der Zusammenhang zwischen standardisierten Sterberaten und Inanspruchnahme von ärztlicher Versorgung zwar schwach sein kann, die SMR aber trotzdem einen guten Indikator für die regionale Morbiditätslast, insbesondere ausgehend von chronischen Krankheiten, ausmacht und den relativen Versorgungsbedarf einer Bevölkerung abzubilden vermag. Die SMR für die Mittelbereiche kann mithilfe der Anzahl der Sterbefälle der Gemeinden aggregiert auf der Ebene der Mittelbereiche, der Bevölkerung nach Alter in den Mittelbereichen und der bundesweiten Verteilung der Sterbefälle nach Alter berechnet werden (indirekte Altersstandardisierung).

Neben der standardisierten Mortalitätsrate für die gesamte Bevölkerung kann auch die standardisierte vorzeitige Sterblichkeit nach Regionen als Indikator für den Gesundheitszustand einer Bevölkerung dienen (vgl. Newbold, Eyles et al. 1998). Dabei gelten Todesfälle im Alter, das deutlich unter der durchschnittlichen Lebenserwartung liegt, als vorzeitig und in vielen Fällen vermeidbar (vgl. AOLG 2003). Als Altersgrenze werden häufig Todesfälle unter 65 Jahren als Indikator für erhöhte Gesundheitsrisiken innerhalb einer Region verwendet. ← 42 | 43 →

Ein in den vorzeitigen Sterbefällen enthaltener weiterer Mortalitätsindikator ist die Sterberate von Säuglingen und Neugeborenen unter einem Jahr, die gerade im internationalen Vergleich häufig als Indikator für die Beurteilung des Gesundheitsstatus und der medizinischen Versorgung einer Bevölkerung eingesetzt wird. Die Säuglingssterblichkeit ist in Deutschland zwar auf einem im internationalen Vergleich sehr niedrigen Niveau, unterscheidet sich aber regional deutlich zwischen den Bundesländern (zwischen 2,5 bis 4,2 Sterbefälle je 1.000 Lebendgeborenen bei den Mädchen und 2,6 bis 6,3 Sterbefällen je 1.000 Lebendgeborenen bei den Jungen) und auch auf kleinräumiger Ebene unterhalb der Bundesländer (vgl. Gaber 2011). Allerdings liegt die Sterbestatistik der statistischen Landesämter auf Ebene der Gemeinden nicht nach Altersgruppen der Verstorbenen vor, so dass keine Angaben zur vorzeitigen Sterblichkeit oder zur Säuglingssterblichkeit nach Mittelbereichen gemacht werden können.

Zur Bedarfsermittlung häufig verwendete Konzepte wie die Analyse der Lebenserwartung, der Lebenserwartung ohne Behinderung (vgl. McGrail & Humphreys 2009) bzw. der gesunden Lebenserwartung (vgl. Stiefel, Perla et al. 2010) beruhen ebenfalls auf Angaben zur Sterblichkeit, legen aber den Fokus deutlicher auf die Lebenszeit bzw. die Lebenszeit in Gesundheit. So gilt die Lebenserwartung als allgemeiner Indikator für den Gesundheitszustand, die Versorgungslage und den Lebensstandard einer Bevölkerung und weist auch in Deutschland z. T. ausgeprägte regionale Unterschiede auf (vgl. Strohmeier, Schultz et al. 2007). Allerdings sind Informationen zur Lebenserwartung, erst recht zu gesunder Lebenserwartung, auf kleinräumiger regionaler Ebene unterhalb der Kreise und kreisfreien Städte in Deutschland nicht verfügbar.19 Zur Abbildung der regionalen Mortalität kann im Folgenden daher ausschließlich die Standardisierte Mortalitätsrate verwendet werden (Tabelle 3). ← 43 | 44 →

Tabelle 3: Verfügbarkeit Indikatoren Mortalität nach Mittelbereichen

Illustration

3.2.3 Bedarfsindikator Allgemeine Morbidität

Die Selbsteinschätzung des Gesundheitszustands gilt als ein Indikator, der den subjektiv wahrgenommenen Versorgungsbedarf einer Person und deren künftige Inanspruchnahme von Versorgungsleistungen unabhängig von bestehenden Versorgungsstrukturen oder ärztlichen Untersuchungen abzubilden vermag (vgl. Newbold, Eyles et al. 1998). Typischerweise wird der subjektive Gesundheitszustand in Bevölkerungsbefragungen mit der von der WHO empfohlenen Frage „Wie ist Ihr Gesundheitszustand im Allgemeinen?“ (vgl. De Bruin, Picavet et al. 1996) und einer fünfstufigen Antwortskala von sehr gut, gut, mittelmäßig, schlecht oder sehr schlecht erfasst. In Deutschland wird der subjektive Gesundheitszustand in einer Reihe von Surveys wie dem Mikrozensus, dem Wohlfahrtssurvey, im sozioökonomischen Panel, und den Gesundheitssurveys des Robert-Koch-Instituts (GEDA, DEGS, KiGGs) erfragt.

Eine Vielzahl von Studien hat einen statistisch signifikanten Zusammenhang der Angaben zum subjektiven Gesundheitsstatus mit anderen Indikatoren für den Gesundheitszustand wie Risikofaktoren (z. B. Bluthochdruck, Übergewicht, Rauchen, Alkoholkonsum) (vgl. Kaplan, Goldberg et al. 1996), akuten Symptomen, ärztlichen Untersuchungen, Eigenangaben zu Krankheiten (vgl. Manor, Matthews et al. 2001) und Umfang der Medikation sowohl auf Mikroebene der einzelnen Individuen, als auch auf Makroebene für eine Gesamtbevölkerung gezeigt. Außerdem gilt der subjektive Gesundheitsstatus als guter Prädiktor der zukünftigen Mortalität (vgl. Idler & Benyamini 1997; Bopp, Braun et al. 2012).

Neben dem subjektiven Gesundheitszustand werden in Befragungen häufig Informationen zu chronischen Erkrankungen und Einschränkungen erhoben. Diese Angaben zur Prävalenz häufiger Krankheitsbilder beruhen nicht notwendigerweise auf bereits gestellten Diagnosen, sondern vielmehr auf der subjektiven Einschätzung der Befragten zu ihrer Morbidität. Damit ist dieser Indikator laut Barnett, Roderick et al. (2002) vor allem für die Einschätzung der Morbiditätslast von jüngeren Altersgruppen besser geeignet als die Mortalität, weil damit der ← 44 | 45 → nicht lebensbedrohliche Zustand einer chronischen Erkrankung, der nichtsdestotrotz einen Bedarf an Versorgungsleistungen generiert, analysiert werden kann.

Kritisiert wird vor allem die Abhängigkeit des Indikators „subjektiver Gesundheitszustand“ von Befragungsdaten. Surveys bieten oftmals nur eine Momentaufnahme der Bevölkerung und stellen keine aktuellen, im Zeitverlauf konsistenten Daten (vgl. Birch, Eyles et al. 1993). Außerdem ist aufgrund der Stichprobengrößen eine kleinräumige Verwendung des subjektiven Gesundheitszustands als Indikator für den Versorgungsbedarf nicht immer möglich. Auch sind das Frageverständnis, das Antwortverhalten und die Interpretation des Konzeptes „Gesundheit“ nicht uniform, so dass die angegebene Einschätzung des eigenen Gesundheitszustands vom tatsächlichen Gesundheitszustand einer Person abweichen kann (vgl. Schneider, Pfarr et al. 2012).

Trotz dieser Kritik wird der subjektive Gesundheitszustand als guter, wenn nicht als bester globaler Indikator für den Versorgungsbedarf einer Bevölkerung zum Zwecke der Ressourcenverteilung gesehen, da er die individuelle Einschätzung des Gesundheitsstatus im Vergleich eines sozialen Kontext und im Kontext der Erwartungen an die persönliche Gesundheit widerspiegelt (vgl. Birch, Eyles et al. 1996; Newbold, Eyles et al. 1998; Manor, Matthews et al. 2001). Dies gilt für alle Altersgruppen der Bevölkerung (vgl. Manor, Matthews et al. 2001). Andere empfehlen die Verwendung des subjektiven Gesundheitszustands als Indikator in epidemiologischen Studien, wenn objektive Messungen des Gesundheitszustands in der benötigten Differenzierung nicht vorliegen (vgl. Kaplan, Goldberg et al. 1996). Außerdem gilt der subjektive Gesundheitsstatus als guter Maßstab, an dem besser verfügbare, alternative Indikatoren für den Versorgungsbedarf geprüft werden können, wenn die Selbsteinschätzung des Gesundheitszustands nicht für den benötigten Zeitraum oder in der benötigten regionalen Tiefe vorliegt (vgl. Newbold, Eyles et al. 1998). Allerdings liegen die Ergebnisse aller Befragungen in Deutschland, die den subjektiven Gesundheitszustand erheben (z. B. Mikrozensus, Sozioökonomisches Panel, Gesundheitssurveys des RKI) nicht auf einer regional ausreichend differenzierten Ebene vor, so dass kein subjektiver Gesundheitszustand für die Mittelbereiche ermittelt werden kann.

Im Gegensatz zur subjektiven Gesundheit sind „Behinderung“ und „Pflegebedarf“ Konzepte, die extern durch objektivierbare Kriterien abgegrenzt werden. Von einer Behinderung nach § 2 SGB IX wird gesprochen, wenn die „körperliche Funktion, geistige Fähigkeit oder seelische Gesundheit mit hoher Wahrscheinlichkeit länger als sechs Monate von dem für das Lebensalter typischen Zustand abweichen“ und daher eine „Teilhabe am Leben in der Gesellschaft beeinträchtigt ist“ (vgl. § 2 Abs. 1 SGB IX). Bei Schwerbehinderten liegt ein Behinderungsgrad von mind. 50 Prozent vor. Der Behinderungsgrad wird von den ← 45 | 46 → Versorgungsämtern der Länder auf Antrag festgestellt. Aufgrund der Behinderung liegt häufig ein erhöhter und komplexer Versorgungsaufwand bei den Betroffenen vor. Bei einem hohen Anteil von Menschen mit Behinderung an der regionalen Bevölkerung wird daher ein hoher Versorgungsbedarf unterstellt (vgl. Gravelle, Sutton et al. 2003). In der Schwerbehindertenstatistik werden jährlich die Anzahl Schwerbehinderter nach Behinderungsgrad auf Ebene der Bundesländer veröffentlicht. Eine kleinräumigere Auswertung der Statistik ist aus Datenschutzgründen nicht möglich, zudem liegen keine amtlichen Informationen zu Behinderten mit einem Behinderungsgrad von weniger als 50 Prozent vor.

Auch Pflegebedürftigkeit bescheinigt einem Versicherten eine höheren Behandlungsaufwand20, der sich in höheren Kosten je Versichertem widerspiegelt. Insofern könnte eine überdurchschnittliche Anzahl an Pflegebedürftigen in einem Bundesland auch einen höheren Behandlungsaufwand im niedergelassenen Bereich erzeugen und somit einen höheren Leistungsbedarf bedingen. Dabei ist nicht nur der ärztliche, sondern auch der pflegerische Versorgungsbedarf in Regionen mit vielen Pflegebedürftigen hoch. Die Pflegebedürftigkeit nach Schwere (Pflegestufe I-III) wird im Auftrag der Pflegekassen durch den Medizinischen Dienst der Krankenkassen an Hand von Begutachtungsrichtlinien auf Antrag geprüft, wobei die Untersuchung im Wohnbereich stattfindet und daher grundsätzlich als unabhängig vom regionalen ärztlichen Versorgungsangebot gesehen werden kann. Die Anzahl Pflegebedürftiger nach Pflegestufe wird in der amtlichen Statistik über die Empfänger von Pflegeleistungen von den statistischen Landesämtern auf Ebene der Kreise und kreisfreien Städte veröffentlicht (Tab. 338-42-4). Eine kleinräumigere Auswertung ist auch hier aufgrund von Datenschutzrestriktionen nicht möglich.

Straßenverkehrsunfälle verursachen bei Verletzungen häufig einen Versorgungsbedarf. Gleichzeitig sind Straßenverkehrsunfälle aber auch Ausdruck eines erhöhten Risikoverhaltens (z. B. Alkohol- und Drogenkonsum) oder unfallverursachender Morbidität (z. B. Schlaganfälle, Herzinfarkte, psychische Erkrankungen) und können die Gefährdung des Lebens und der Gesundheit der Bevölkerung durch andere Personen abbilden. Entsprechend können die bei Verkehrsunfällen verletzten und getöteten Personen als ein Indikator für das Risiko auf Körperschäden ← 46 | 47 → und ebenso als Ausdruck riskanten Gesundheitsverhaltens für die Bestimmung des regionalen Versorgungsbedarfs herangezogen werden. Dies gilt insbesondere für junge Männer, die überdurchschnittlich oft in Verkehrsunfälle verwickelt sind (vgl. StBA 2013). Die direkten Krankheitskosten für die medizinische Behandlung von Unfällen lagen im Jahr 2008 bei rund 5 % der Krankheitskosten insgesamt (ICD-10: S00 – T98) (vgl. StBA 2010). Der Indikator Verletzte bei Straßenverkehrsunfällen ist einer der Gesundheitsindikatoren der Europäischen Union (ECHI) zur Beschreibung des Gesundheitszustandes einer Bevölkerung (vgl. Kilpeläinen, Aromaa et al. 2008). Bei Straßenverkehrsunfällen getötete Personen sind Bestandteil der Sterbestatistik und werden in der Standardisierten Mortalitätsrate berücksichtigt.

Die statistischen Landesämter veröffentlichen jährlich eine Statistik zu den offiziell aufgenommenen Verkehrsunfällen und den dabei verletzten oder getöteten Personen nach Gemeinden, sodass der Bevölkerungsanteil mit Straßenverkehrsunfallgeschehen nach Mittelbereichen ausgewertet werden kann. Informationen zu Unfällen im häuslichen Umfeld und in der Freizeit werden von der Bundesanstalt für Arbeitsschutz und Arbeitsmedizin veröffentlicht, können allerdings nicht auf kleinräumiger Ebene ausgewertet werden. Der Indikator der Verletzten bei Straßenverkehrsunfällen ist der einzige Indikator für die regionale Morbidität, der auf Ebene der Mittelbereiche zur Verfügung steht (Tabelle 4).

Tabelle 4: Verfügbarkeit Indikatoren Morbidität nach Mittelbereichen

Illustration

3.2.4 Bedarfsindikator sozioökonomische Rahmenbedingungen

Die sozioökonomische Situation der Bevölkerung einer Region kann als Proxy für den Versorgungsbedarf dienen, wenn ein starker Zusammenhang zwischen Gesundheitsstatus und sozioökonomischer Benachteiligung gegeben ist (vgl. Gibson, Asthana et al. 2002).

In zahlreichen Studien wurde dieser Zusammenhang zwischen einem niedrigen sozioökonomischen Status und einer höheren Krankheitslast i. S. eines schlechteren Gesundheitsstatus und einer höheren Prävalenz (chronischer) Krankheiten ← 47 | 48 → wie koronaren Herzkrankheiten, Diabetes oder psychischen Störungen belegt (vgl. Helmert, Mielck et al. 1997; Dalstra, Kunst et al. 2005; Lampert, Saß et al. 2005; Lawlor, Ebrahim et al. 2005; Schneider, Lampert et al. 2005). Außerdem ist die Sterblichkeit in sozioökonomisch schwachen Regionen erhöht und die Lebenserwartung unterdurchschnittlich (vgl. Lampert & Kroll 2005; Strohmeier, Schultz et al. 2007; Gregory 2009). Als möglicher Einflussfaktor gilt u. a. ein ungesunder Lebensstil: Risikofaktoren wie Übergewicht, Rauchen und Bewegungsmangel treten bei Personen mit niedrigem sozioökonomischem Status häufiger auf (vgl. Helmert 2003; Nocon, Keil et al. 2007). Aber auch der Zugang zu Bildung und Einrichtungen der ärztlichen Versorgung, Gesundheitseinflüsse am Arbeitsplatz, soziale Integration oder Wohnverhältnisse gelten als Erklärungsansätze für gesundheitliche Ungleichheit (vgl. Lampert & Mielck 2008).

Der sozioökonomische Status wird typischerweise mit Informationen zur Einkommenssituation, zum Bildungsstand und zum beruflichen Status bestimmt, die z. T. miteinander kombiniert werden (vgl. Mielck 2000). Soziökonomische Ungleichheiten werden in Deutschland und anderen Industrienationen als relative Benachteiligung, also als sozialer bzw. materieller Nachteil der Bevölkerung einer Region im Vergleich zur Gesamtbevölkerung, ausgedrückt (vgl. Maier, Fairburn et al. 2012).

In Großbritannien hat sich die Bildung von sogenannten „Deprivation Indices“ zur Bestimmung von materieller und sozialer Benachteiligung in der politischen und wissenschaftlichen Public Health Diskussion durchgesetzt. Sie gelten als fester Bestandteil der Planung und Organisation des Gesundheitssystems und dienen der kleinräumigen Beschreibung der Lebensumstände, des Gesundheitszustands und des Versorgungsbedarfs (vgl. Bartley & Blane 1994). So wurden der Townsend Overall Deprivation Index (vgl. Townsend, Phillimore et al. 1988), der Carstairs Deprivation Index (vgl. Carstairs & Morris 1989) und der Jarman Underpriviledged Area Score (vgl. Jarman 1983) in einer ganzen Reihe von empirischen Arbeiten zum Abbilden des regionalen sozioökonomischen Status bei der Bestimmung des regionalen Behandlungsbedarfs verwendet (vgl. Congdon 2001; Barnett, Roderick et al. 2002; Gibson, Asthana et al. 2002). Diese Indizes setzen sich aus Indikatoren wie dem Anteil der arbeitslosen Bevölkerung, dem Bevölkerungsanteil ohne Auto, ohne Wohneigentum und in überfüllten Wohnverhältnissen sowie dem Anteil ungelernter Arbeiter und dem Anteil alleinlebender Rentner zusammen. Als Datengrundlage dienen vornehmlich Survey-Daten.

In Großbritannien wurden diese Indizes aus den 80er Jahren methodisch kontinuierlich weiterentwickelt. So werden mittlerweile Indizes für Multiple Deprivation mit unterschiedlichen Themenschwerpunkten der Benachteiligung (z. B. Einkommen, Beschäftigung, Bildung, Umwelt, Kriminalität) gebildet, die je ← 48 | 49 → nach Anwendungsgebiet miteinander kombiniert werden können und die nicht mehr allein auf Survey-Daten beruhen (vgl. McLennan, Barnes et al. 2011). Zudem wird die Notwendigkeit einer kleinräumigen Betrachtung hervorgehoben, um die Identifikation von sozioökonomisch benachteiligten Gebieten innerhalb größerer Regionen zu ermöglichen (vgl. Noble & Wright 2011).

In Anlehnung an den britischen Index der multiplen Deprivation von Jordan und Roderick et al. (2004) entwickelten Maier und Kollegen einen Deprivationsindex zunächst für bayrische Gemeinden (vgl. Maier, Fairburn et al. 2012), dann für alle Gemeinden in Deutschland (vgl. Maier, Holle et al. 2012) auf Grundlage von Daten der amtlichen Statistik. Dieser Index besteht aus sieben Domänen, die jeweils unterschiedliche Aspekte der Benachteiligung messen sollen (Tabelle 5). Die im englischen Original enthaltene Domäne zur gesundheitlichen Deprivation wurde bei Maier und Fairburn et al. (2012) nicht mit aufgenommen, da die Eignung des Index in Korrelations- und Regressionsanalysen mit der vorzeitigen Mortalität und der Gesamtmortalität geprüft werden sollte. Die Ergebnisse zeigen, dass der Bayerische Deprivationsindex ein guter Prädiktor für sowohl die vorzeitige Mortalität, als auch die Gesamtmortalität darstellt.

Tabelle 5: Domänen und Indikatoren des Bayrischen Index Multipler Deprivation

Illustration

← 49 | 50 →

Quelle: Maier, Fairburn et al. (2012), S. 419

Auch im Benachteiligungsindex der Stadt Bremen werden Indikatoren aus vier verschiedenen Bereichen (Bildungsbeteiligung, Erwerbs- und Einkommensverhältnisse, Identifikation, und Entmischung und Konfliktpotential) zu einem Wert zusammengefasst, der die anzunehmende Benachteiligung eines Ortsteils beschreibt (vgl. Senatorin für Arbeit Frauen Gesundheit Jugend und Soziales 2010). Der Index wird als Monitoring-Instrument und für die Identifikation von Problemlagen verwendet.

Der Sozialstrukturatlas der Stadt Berlin dient ebenfalls der Erkenntnisgewinnung über die sozialstrukturelle, gesundheitliche und ökonomische Entwicklung der Stadt und wird als Basis für die Definition von Handlungszielen, das Setzen von Prioritäten und das Anpassen von Maßnahmen verwendet (vgl. Meinlschmidt 2009). Es werden aus 64 Einzelindikatoren drei Sozialstrukturindizes gebildet, die für die Beschreibung bestehender sozialer und gesundheitlicher Problemlagen (Sozialindex I), sich manifestierender sozialer und gesundheitlicher Problemlagen (Sozialindex II) und für die Beschreibung des Sozialstatus (vor allem i. F. v. Schul- und Ausbildungsabschlüssen) zur Verfügung stehen.

Neben diesen drei Beispielen für die kleinräumige Beschreibung der sozialen, wirtschaftlichen und gesundheitlichen Benachteiligung einzelner Regionen ist kein vergleichbarer Ansatz für das gesamte Bundesgebiet bekannt. Dabei liegt ein Großteil der verwendeten Indikatoren auch für Gesamtdeutschland auf kleinräumiger Ebene vor und macht die Bildung eines mit den hier beschriebenen Benachteiligungsindizes vergleichbaren Indikators für die Mittelbereiche möglich. ← 50 | 51 →

Der Datenbank „Indikatoren und Karten zur Raum- und Stadtentwicklung in Deutschland und Europa“ (INKAR) des BBSR und der Regionalstatistik der Statistischen Landesämter können Daten auf Gemeindeebene zur

Lohn- und Einkommenssteuer in € je Einkommenssteuerpflichtigen für das Jahr 2009,

Arbeitslosenquote für das Jahr 2009,

Wahlbeteiligung bei Landtagswahlen für das Jahr der letzten durchgeführte Wahl (2008–2012), und

zum Gesamtwanderungssaldo für das Jahr 2009

entnommen und nach Mittelbereichen aggregiert für die regionalen Bedarfsanalysen verwendet werden (Tabelle 6).

Tabelle 6: Verfügbarkeit Indikatoren Sozioökonomie nach Mittelbereichen

Illustration

Informationen zum Bildungsstand der Bevölkerung (z. B. Anteil Einwohner ohne abgeschlossene Berufsausbildung) konnten von den statistischen Landesämtern im Rahmen dieser Forschungsarbeit nicht zur Verfügung gestellt werden. Die Bruttoeinahmen und -ausgaben der Gemeinden waren in einzelnen Bundesländern nicht unterhalb der Kreisebene verfügbar. Da eine bundesweite Betrachtung Bestandteil des Analysekonzeptes ist, wurde dieser Indikator für alle Mittelbereiche ausgeschlossen. Informationen zu Umweltdeprivation, die bei Maier und Fairburn et al. (2012) in den regionalen Deprivationsindex einfließen, werden in die Indikatorengruppe Umweltrisiken aufgenommen (vgl. Kapitel 3.2.6). Außerdem wurden die Straßenverkehrsunfälle, die bei Maier und Fairburn et al. (2012) als Indikator für Sicherheitsdeprivation aufgeführt sind, analog zur Einteilung des Indikatorensatzes der Länder für die Gesundheitsberichterstattung (vgl. AOLG 2003) der Indikatorengruppe „Allgemeine Morbidität“ zugeordnet (vgl. Kapitel 3.2.3).

3.2.5 Bedarfsindikator gesundheitsrelevante Verhaltensweisen

Das individuelle Verhalten kann einerseits Gesundheit fördern, Krankheiten vorbeugen oder sie verzögern, ungesundes Verhalten gilt andererseits als Risikofaktor ← 51 | 52 → für viele Krankheiten und kann einen Bedarf an Versorgungsleistungen verursachen. Insbesondere Übergewicht, Alkohol- und Tabakkonsum, sowie regelmäßige körperliche Aktivität werden oft als Indikatoren für die Beschreibung des Morbiditätsrisikos einer Bevölkerung verwendet.

Übergewicht, Adipositas (starkes Übergewicht) und abdominales Fettverteilungsmuster gelten als Risikofaktoren für eine Reihe von Volkskrankheiten wie beispielsweise Typ-2-Diabetes (vgl. Kahn, Hull et al. 2006), koronare Herzkrankheit und Hypertonie (vgl. Bogers, Bemelmans et al. 2007) oder Asthma und COPD (vgl. Guerra, Sherrill et al. 2002; Beuther & Sutherland 2007). Adipositas steht zudem im Zusammenhang mit einer erhöhten Mortalität insbesondere bei starkem Übergewicht und kardiovaskulären Erkrankungen, Diabetes und Erkrankungen des Verdauungssystems (vgl. Bender, Zeeb et al. 2006). Zur Bewertung des Körpergewichts in Relation zur Körpergröße wird häufig der Body-Mass-Index (BMI) verwendet (=kg/m²). Ein Erwachsener mit einem BMI von über 25 wird von der Weltgesundheitsorganisation als übergewichtig eingestuft und ein BMI von 30 entspricht starkem Übergewicht und wird als Krankheit (Adipositas) bezeichnet. Andere Messmethoden zur Bestimmung des Körperfettanteils wie Messung der Hautfaltendicke, bioelektrische Impedanzanalyse oder Wiegen unter Wasser werden deutlich seltener angewandt und gelten als störanfälliger bzw. aufwendiger als die Bestimmung des BMI (vgl. Benecke & Vogel 2003). Für Regionen mit einem überdurchschnittlichen Anteil übergewichtiger oder adipöser Einwohner ist daher ein überdurchschnittliches Morbiditätsrisiko anzunehmen.

Rauchen ist weltweit die führende Ursache für vermeidbare Todesfälle (vgl. World Health Organization 2009); in Deutschland sind rund 13 % der Todesfälle im Jahr 2007 auf Tabakrauch zurückzuführen (vgl. Mons 2011). Regelmäßiger Tabakkonsum ist ein Risikofaktor für zahlreiche Krankheiten, insbesondere Atemwegserkrankungen, aber auch Krebserkrankungen, koronare Herzkrankheiten, Typ-2-Diabetes, Fettstoffwechselstörungen oder Osteoporose (vgl. IARC 2004). Dabei ist sowohl aktives als auch passives Rauchen ein Erkrankungsrisiko (vgl. USDHHS 2006). Regionen mit einem überdurchschnittlichen Anteil Raucher wird daher ein erhöhtes Morbiditätsrisiko und damit ein erhöhter Versorgungsbedarf zugeschrieben.

Regelmäßiger und übermäßiger Alkoholkonsum kann unter anderem mit Organschädigungen (insbesondere der Leber) (vgl. Lelbach 2000), kardiovaskulären Erkrankungen und Hypertonie (vgl. Strotmann & Ertl 2005), verschiedenen Krebserkrankungen (vgl. Bagnardi, Blangiardo et al. 2001) und Schädigungen des zentralen und peripheren Nervensystems und der Muskulatur in Zusammenhang gebracht werden (vgl. Gass, Schwarz et al. 2005). Zwar kann bei moderatem täglichen Alkoholkonsum eine kardioprotektive Wirkung, auch bekannt als „French ← 52 | 53 → Paradox“, gezeigt werden (vgl. Renaud & de Lorgeril 1992), allerdings überwiegen die Nachteile des Toxikums Alkohol auf den gesamten menschlichen Organismus und es „gibt somit keinen risikofreien Alkoholkonsum“ (vgl. Singer & Teyssen 2001). Es wird daher in Regionen mit überdurchschnittlichem Alkoholkonsum pro Kopf eine überdurchschnittliche Morbidität der Bevölkerung unterstellt.

Im Gegensatz zu Übergewicht, Alkohol- und Tabakkonsum besteht zwischen körperlicher Aktivität und Gesundheit und Wohlbefinden grundsätzlich ein positiver Zusammenhang. Regelmäßige Bewegung senkt das Erkrankungsrisiko insbesondere bei Herz-Kreislauf-Krankheiten, Hypertonie, Diabetes Typ II, Osteoporose, Osteoarthritis oder Rückenleiden und beugt Übergewicht und den damit verbundenen gesundheitlichen Probleme vor (vgl. Mensink 2003; Warburton, Nicol et al. 2006). Körperliche Aktivität kann sich auch positiv auf die psychische Gesundheit, beispielsweise bei Depression, Angstzuständen und -störungen oder Stress auswirken (vgl. Schulz, Meyer et al. 2012). In Regionen mit einer überdurchschnittlich körperlich aktiven Bevölkerung ist das Morbiditätsrisiko daher geringer als in Regionen, deren Bevölkerung sich unterdurchschnittlich oft bewegt.

Angaben zum BMI, Alkohol- und Tabakkonsum und zur körperlichen Aktivität lassen sich in der Regel nur über Befragungen erheben. In Deutschland werden diese Ausprägungen des Gesundheitsverhaltens regelmäßig in einer Reihe unterschiedlicher Surveys, wie z. B. dem Telefonischen Gesundheitssurvey (GEDA) des Robert-Koch-Instituts, dem Mikrozensus oder dem Sozioökonomischen Panel erfragt. Zum Teil können die Surveys um objektive Maße wie Körpergröße und -gewicht ergänzt werden, die z. B. bei allen Teilnehmern der DEGS Studie zur Gesundheit Erwachsener in Deutschland des RKI standardisiert gemessen werden.

Für die Analyse des Gesundheitsverhaltens auf kleinräumiger Ebene sind die verfügbaren Befragungsdaten allerdings nur eingeschränkt einsetzbar, da die Stichprobengrößen schon auf Kreisebene sehr klein sind und bei der Teilnehmerselektion meist nur die regionale Verteilung nach Bundesländern berücksichtigt wird. Erste Ergebnisse für die Schätzung von Gesundheitsindikatoren auf der Grundlage der GEDA-Studie 2009 auf Kreisebene wurden durch Kroll und Lampert (2011) veröffentlicht. Dabei wurden „Small-Area-Estimations“ angewendet, um aus den vorliegenden Surveydaten Aussagen zum Gesundheitsverhalten auf Kreisebene treffen zu können. Auch die Daten des Mikrozensus werden zum Teil auf Kreisebene ausgewertet21, allerdings nicht flächendeckend ← 53 | 54 → für alle Kreise in Deutschland. Schätzungen oder Hochrechnungen auf Mittelbereichsebene liegen zum jetzigen Zeitpunkt für Deutschland nicht vor und sind aufgrund der kleinen Stichprobengrößen für kleinräumige regionale Einheiten unterhalb der Kreisebene nicht möglich. Aus diesem Grund können keine Indikatoren für Gesundheitsverhalten in die Analyse des Versorgungsbedarfs auf Ebene der Mittelbereiche eingehen (Tabelle 7).

Tabelle 7: Verfügbarkeit Indikatoren Gesundheitsverhalten nach Mittelbereichen

Illustration

3.2.6 Bedarfsindikator Umweltrisiken

Die Umweltgesundheit bezieht sich auf potentiell gesundheitsschädliche Umwelteinflüsse. Prominente Beispiele sind Gesundheitsprobleme aufgrund von Luftschadstoff- und Lärmbelastung.

Erhöhte regionale Werte für Luftschadstoffe wie Schwefeldioxid oder Stickoxid und die (Fein-)Staubbelastung stehen im Zusammenhang mit vermehrtem Auftreten von Atemwegserkrankungen wie Asthma (vgl. Künzli, Bridevaux et al. 2009), COPD (vgl. Sunyer 2001), oder chronischer Bronchitis (vgl. Sunyer, Jarvis et al. 2006) sowie kardiovaskulären (vgl. Pope, Burnett et al. 2004) und kardiopulmonaren Erkrankungen (vgl. UBA 2012). Indikatoren der Luftqualität und der Luftschadstoffkonzentration werden täglich von den Messnetzen des Umweltbundesamtes und der Bundesländer in rund 400 Messstationen überwacht und die Ergebnisse auf der Website http://www.env-it.de/umweltbundesamt/luftdaten/index.html als tagesaktuelle Stundenmittelwerte veröffentlicht. Da die Verteilung der Messstationen allerdings an der Besiedlung (Städte, Ballungsgebiete und ländliche Räume) und nicht an administrativen Grenzen ausgerichtet ist, ist eine Zuordnung der Ergebnisse der Messstationen nach Mittelbereichen nicht möglich. Das Umweltbundesamt wies auf Nachfrage22 zudem darauf hin, dass eine kleinräumige Betrachtung von Luftqualität aufgrund der grenzüberschreitend verteilten Luftmassen nicht zulässig ist. Curtis und Jones (1998) bestätigen aus theoretischer Sicht, dass die kleinräumige Betrachtung von Umweltfaktoren, ← 54 | 55 → die sich über große Flächen erstrecken, wie Informationen zu Klima oder Luft- und Wasserqualität, wenig über die Effekte auf regionaler Ebene aussagen.

Auch eine erhöhte Lärmbelastung beeinflusst das physische, psychische und soziale Wohlbefinden von Menschen negativ. Lärmbelastung führt zu einer erhöhten Freisetzung von Stresshormonen (vgl. Rebentisch, Lange-Asschenfeldt et al. 1994) – vor allem auch während des Schlafs (vgl. Maschke, Ising et al. 1997) – mit langfristig gesundheitsschädlicher Wirkung, insbesondere in Form von Herz- und Kreislauferkrankungen (vgl. Babisch 2001; Greiser & Greiser 2010). Ebenso werden der Stoffwechsel und das Immunsystem durch Lärm beeinträchtigt, psychische Störungen treten bei hoher Lärmbelastung vermehrt auf (vgl. Maschke, Wolf et al. 2003). In Regionen, in denen ein großer Teil der Bevölkerung einer starken Lärmbelastung ausgesetzt ist, wird demnach eine erhöhte Morbidität vermutet. Da insbesondere die subjektive Lärmbelastung als gesundheitsschädlich gilt, beruhen Informationen zur Belastung der Bevölkerung durch Lärm vor allem auf Befragungsdaten (vgl. Rückert-John, Bormann et al. 2013), die allerdings nicht auf der kleinräumigen Ebene der Mittelbereiche ausgewertet werden können. Das Umweltbundesamt veröffentlicht Informationen zur Lärmbelastung in Ballungsräumen mit mehr als 100.000 Einwohnern23, aber keine kleinräumige Messung des Verkehrs- und Umgebungslärm für Gesamtdeutschland.

Der Anteil von gewerblich bzw. industriell genutzten Flächen und der Verkehrsfläche an der gesamten Bodenfläche einer Region kann zumindest eine grobe Einschätzung des regionalen Luftverschmutzungs- und Lärmbelastungspotentials durch Industrie und Verkehr bieten. Der Indikator lässt sich mithilfe kleinräumiger Daten auf Gemeindeebene der statistischen Landesämter messen und für die Mittelbereiche aggregiert auswerten (Tabelle 8).

Tabelle 8: Verfügbarkeit Indikatoren Umwelt nach Mittelbereichen

Illustration

← 55 | 56 →

3.2.7 Auswahl Bedarfsindikatoren für Regionalanalysen

Die vorgestellten Bedarfsindikatoren wurden bereits auf ihre Anwendbarkeit und Datenverfügbarkeit nach Mittelbereichen in Deutschland geprüft. In der Tabelle 9 werden die einzelnen Bedarfsindikatoren nach Kategorien noch einmal im Überblick aufgeführt. Die Daten lagen ausnahmslos auf Ebene der Gemeinden oder Gemeindeverbände vor und wurden mithilfe von Schlüsseltabellen des BBSR für das Jahr 2011 zu den Mittelbereichen aggregiert.

Um eine einheitliche Wirkungsrichtung zwischen Versorgungsbedarf und Bedarfsindikator herzustellen und so den Vergleich der Effekte zu erleichtern, wurde bei einigen Indikatoren eine Transformation der Variablen vorgenommen, so dass bei allen Indikatoren gilt: je höher der Wert des Bedarfsindikators, desto höher der geschätzte Versorgungsbedarf. Bei den Indikatoren Einkommens- und Gewerbesteuer je Einwohner wurde dafür jeweils der Kehrwert verwendet. Die Wahlbeteiligung wird in den Anteil der Bevölkerung ohne Wahlbeteiligung bei Landtagswahlen umgerechnet. Der Wanderungssaldo wird entgegen der klassischen Berechnung als Fortzüge minus Zuzüge, also als Abwanderungssaldo, ausgedrückt. Alle verfügbaren Indikatoren (vgl. Tabelle 9) fließen zunächst in das Verfahren zur Bildung eines Bedarfsindex ein.

Tabelle 9: Bedarfsindikatoren und Indikatoren für den Gesundheitszustand einer Bevölkerung

IndikatorengruppeIndikatorQuelle
DemografieDurchschnittsalter MännerRegionalstatistik Tab. 173-21-5
Durchschnittsalter Frauen
Anteil über 65jährige je 100 unter 65jährige
Mortalität und daraus abgeleitete IndikatorenAltersstandardisierte MortalitätsrateRegionalstatistik Tab. 179-01-5
Allgemeine MorbiditätVerletzte bei StraßenverkehrsunfällenRegionalstatistik Tab. 302-11-5
Gesundheitsrelevante sozioökonomische RahmenbedingungenKehrwert der Einkommenssteuer in € je EinwohnerINKAR 2012
Kehrwert der Gewerbesteuer in € je EinwohnerINKAR 2012
ArbeitslosenquoteINKAR 2012
Bevölkerung ohne Wahlbeteiligung bei LandtagswahlenRegionalstatistik Tab. 601-015 B01-B16
GesamtabwanderungssaldoINKAR 2012
UmweltrisikenAnteil Gewerbe-, Industrie- und Verkehrsfläche an gesamter BodenflächeINKAR 2012 ← 56 | 57 →

3.3 Methode zur Bildung eines regionalen Bedarfsindex

Die große Anzahl möglicher Indikatoren zur Messung des Versorgungsbedarfs macht eine Strukturierung der Daten und eine Verdichtung der Effekte der Indikatoren notwendig. Ziel der Verdichtung ist es die geeignetste Kombination von Indikatoren in einem Wert für den relativen regionalen Versorgungsbedarf zu vereinen. Dies ist auch insofern notwendig, als dass sich die Effekte der einzelnen Indikatoren häufig überlagern bzw. in Bezug auf den Versorgungsbedarf einen sehr ähnlichen Effekt haben. Mit explorativen statistischen Verfahren wie der Faktorenanalyse oder der Hauptkomponentenanalyse kann erreicht werden, dass die regionalen Indikatoren zu einer übersichtlichen Zahl von Merkmalsdimensionen zusammengefasst werden können, die auch den Zusammenhang der Indikatoren untereinander auf regionaler Ebene berücksichtigen.

Diese Verfahren werden bereits in einer Reihe von empirischen Studien zu regionalem Versorgungsbedarf angewendet. So ermitteln McGrail und Humphreys (2009) die beste Kombination von sieben interkorrelierten Indikatoren für den Versorgungsbedarf und erhalten zwei Hauptkomponenten, die sie, mit ihren Eigenwerten gewichtet, zu einem Bedarfsindex addieren. Auch Strohmeier und Schultz et al. (2007) verwenden eine Hauptkomponentenanalyse, um regionale Lebensverhältnisse abbilden und mit regionalen Gesundheitsindikatoren ins Verhältnis setzen zu können. Ebenso wird die Faktorenanalyse andernorts bereits zur Abbildung des regionalen Versorgungsbedarfs verwendet, so z. B. bei der Ressourcenallokation in kanadischen Provinzen (vgl. Mustard & Derksen 1997) oder im Zusammenhang mit kardialen Erkrankungen in Kentucky (vgl. Barcus & Hare 2007). In Deutschland wurde das Verfahren der Variablenverdichtung insbesondere durch den Sozialstrukturatlas Berlin etabliert, in dem mittels Faktorenanalyse ein Sozial-, ein Status-, und ein Demografie-Index berechnet wurden (vgl. Meinlschmidt, Imme et al. 1990). Der Sozialindex wurde später mit einem ebenfalls durch das Verfahren der Faktorenanalyse berechneten Morbiditätsindex bei Modellberechnungen für die regionale Bedarfsplanung in Berlin verwendet (vgl. Czaja, Meinlschmidt et al. 2012). Auch für ein deutschlandweites Bedarfsplanungsmodell der ärztlichen Kapazitäten auf Kreisebene wurde eine Faktorenanalyse zur Bestimmung des regionalen Mehr- oder Minderbedarfs aufgrund der demografischen, sozioökonomischen und morbiditätsrelatierten Zusammensetzung der Bevölkerung angewendet. Ergebnis waren die zwei Faktoren „Altersstruktur“ (differenziert nach Kindern und Erwachsenen) und „Sozioökonomie & Morbidität“, die zu einem Bedarfsindex kombiniert wurden (vgl. Albrecht, Nolting et al. 2012).

Die Faktorenanalyse, von der die Hauptkomponentenmethode ein Verfahren der Faktorextraktion ist, gehört zu den strukturentdeckenden Verfahren, bei ← 57 | 58 → denen die Zusammenhänge zwischen den Ausgangsvariablen aufgedeckt werden sollen. Die explorative Faktorenanalyse scheint für die Ermittlung des regionalen Versorgungsbedarfs nach Mittelbereichen zielführend, da mit ihr in großen Variablensets wie dem Vorliegenden Strukturen erkannt werden können, die auf einen gemeinsamen, nicht direkt beobachtbaren Nenner zurückgeführt werden, ohne dass zuvor Vorstellungen über einen möglichen Zusammenhang vorliegen. Eine vollständige Erklärung der Varianz ist bei der vorliegenden Fragestellung nicht notwendig. Vielmehr soll nach vorherrschenden Effekten gesucht werden, die als möglichen gemeinsamen Hintergrundfaktor den Versorgungsbedarf einer Region abbilden. Der Informationsverlust an Gesamtvarianz wird dabei zugunsten der Variablenverdichtung toleriert. Die Hauptkomponentenmethode wird dabei als Bestandteil der Faktorenanalyse im Berechnungsverfahren angewandt. Zudem hat die Faktorenanalyse den Vorteil, dass alle aus theoretischer Sicht relevant erscheinenden Ausgangsvariablen zunächst berücksichtigt werden können, um im Laufe des Verfahrens irrelevante Variablen, bei denen keine gemeinsame Struktur mit anderen Indikatoren erkennbar ist, wieder auszuschließen (vgl. Reinboth 2006).

Im Folgenden werden die einzelnen Schritte bei der Durchführung einer Faktorenanalyse mit den jeweiligen Ergebnissen je Analyseschritt beschrieben (in Anlehnung an Backhaus, Erichson et al. 2008).

3.3.1 Korrelationsmatrix zur Ermittlung von Variablenzusammenhängen

Grundvoraussetzungen für die Durchführbarkeit einer Faktorenanalyse sind die metrische Skalierung der Ausgangsvariablen (mind. Intervallskala) und eine ausreichende Anzahl Datenpunkte (Fallzahl = mind. 3x Variablenzahl, >50) (vgl. Backhaus, Erichson et al. 2008). Mit den 883 Mittelbereichen ist eine quantitativ ausreichende Datengrundlage für eine Faktorenanalyse gegeben.

Da alle Ausgangsvariablen zwar mindestens intervallskaliert, aber nicht in vergleichbaren Maßeinheiten vorliegen, wird zunächst eine Standardisierung der Datenbasis vorgenommen. Es wird eine z-Standardisierung aller Ausgangsvariablen durchgeführt, bei der durch die Bildung der Differenz zwischen Mittelwert und Beobachtungswert der Variablen und anschließender Division durch die Standardabweichung sichergestellt wird, dass bei allen Ausgangsvariablen der Mittelwert 0 und die Standardabweichung 1 beträgt:

Illustration

← 58 | 59 →

wobei

zmbi = Standardisierter Beobachtungswert der i-ten Ausgangsvariablen nach Mittelbereich mb

xmbi = Beobachtungswert der Variable i in Mittelbereich mb

xi = Mittelwert der Variablen i über alle Mittelbereiche mb

si = Standardabweichung der Variablen i

Die zu ermittelnden Faktoren, die zur Beschreibung der latenten Variablen „Versorgungsbedarf“ dienen sollen, beruhen auf den statistischen Zusammenhängen der Ausgangsvariablen. Bevor die eigentlichen Faktoren berechnet werden können, wird zunächst der Zusammenhang der Ausgangsvariablen mithilfe einer Korrelationsmatrix gemessen. Dafür wird der Pearson-Korrelationskoeffizient r zwischen allen Ausgangsvariablen gemäß der folgenden Formel berechnet:

Illustration

wobei

xmb1 = Ausprägung der Variablen 1 nach Mittelbereich mb

x1 = Mittelwert der Ausprägung von Variable 1 über alle Mittelbereiche mb

xmb2 = Ausprägung der Variablen 2 nach Mittelbereich mb

x2 = Mittelwert der Ausprägung von Variable 2 über alle Mittelbereiche mb

Berechnet man die Korrelationskoeffizienten über alle Ausgangsvariablen, so ergibt sich die Korrelationsmatrix (Tabelle 10), die auf ihre Eignung für eine Faktorenanalyse geprüft werden muss.

Bis auf zwei Ausnahmen (Zusammenhang zwischen Unfallverletzten und standardisierter Mortalität bzw. und Bevölkerung ohne Wahlbeteiligung) sind alle Zusammenhänge statistisch signifikant bei einer maximalen Irrtumswahrscheinlichkeit von α = 0,01. ← 59 | 60 →

Tabelle 10: Matrix Pearson-Korrelationskoeffizienten der standardisierten Bedarfsindikatoren

Illustration

← 60 | 61 →

Anmerkung: **signifikant bei α≤0,01; KW= Kehrwert

Die Eignung der Korrelationsmatrix für eine Faktorenanalyse kann, neben der Analyse der Signifikanzniveaus, auch mit dem Kaiser-Meyer-Olkin-Kriterium geprüft werden. Dabei wird eine Anti-Image-Korrelationsmatrix erstellt und als Maß der Stichprobeneignung („measure of sampling adequacy“ = MSA) zu Grunde gelegt. Der MSA-Wert gibt an, wie stark die Ausgangsvariablen in der Grundgesamtheit miteinander korreliert sind. Es werden sowohl die einzelnen Variablen, als auch die Korrelationsmatrix insgesamt beurteilt. Ein MSA-Wert von unter 0,5, der nach der Interpretationsskala von Kaiser und Rice (1974) die Bewertung „untragbar“ erhält, spricht dafür, dass die Variablenauswahl für eine Faktorenanalyse ungeeignet ist (vgl. Cureton & D’Agostino 1993). Der MSA-Wert der vorliegenden Korrelationsmatrix ist 0,8086 und entspricht der Bewertung „meritorious“ (=verdienstvoll). Die MSA-Werte der einzelnen Indikatoren liegen mit einer Ausnahme zwischen 0,75 und 0,91, also den Bewertungen „middling“ (=ziemlich gut) und „marvelous“ (=erstaunlich), so dass sie in die weiteren Schritte der Faktorenanalyse aufgenommen werden können (vgl. Anhang I, Tabelle 24). Lediglich der Indikator Anteil Bodenfläche für Industrie-, Gewerbe- und Verkehr an der gesamten Bodenfläche eines Mittelbereiches erhält einen schwachen MSA-Wert von 0,513, der in die Bewertung „miserable“ (=kläglich) fällt. Da der Zusammenhang mit den anderen Bedarfsindikatoren wenn auch signifikant, so doch nur sehr schwach ausfällt (vgl. Tabelle 10), wird dieser Indikator bei der folgenden Faktorenanalyse nicht berücksichtigt. Ohne den Flächenindikator liegt der MSA-Wert der Korrelationsmatrix bei 0,826.

Ein weiterer klassischer Test der Eignung der Korrelationsmatrix für eine Faktorenanalyse ist die Prüfung der Sphärizität, also der Unterscheidung der Korrelationsmatrix von einer Einheitsmatrix. Beim sogenannten Bartlett-Test wird die Null-Hypothese geprüft, dass die Variablen der Grundgesamtheit untereinander nicht korreliert sind. Grundvoraussetzung für den Bartlett-Test ist die Normalverteilung der Ausgangsvariablen, die bei allen Variablen durch die Z-Standardisierung (Mittelwert von Null und eine Standardabweichung von Eins) erreicht wurde (Abbildung 3). Zudem setzt der Bartlett-Test voraus, dass die Prüfgröße zumindest näherungsweise einer Chi²-Verteilung folgt, also der Wert der Prüfgröße von der Größe der Stichprobe unabhängig ist.

Der Bartlett-Test erbrachte eine Prüfgröße von 7.684,43 bei einem Signifikanzwert von p=0,000. Es ist also davon auszugehen, dass die Ausgangsvariablen der Grundgesamtheit korreliert und nicht nur auf Zufallseffekte bei der Stichprobenziehung zurückzuführen sind und damit eine Faktorenanalyse zulässig ist. ← 61 | 62 →

Abbildung 3: Verteilung der standardisierten Ausgangsvariablen

Illustration

Quelle: eigene Berechnung und .Darstellung

3.3.2 Faktorenextraktion und Bestimmung der Kommunalitäten

Aus den gezeigten Korrelationen können nun Faktoren ermittelt werden, die zur Beschreibung der latenten Variablen „Versorgungsbedarf“ nach Mittelbereichen dienen können. Die Grundannahme einer Faktorenanalyse ist dabei, dass sich jeder Beobachtungswert eines standardisierten Bedarfsindikators als Linearkombination aus mehreren Faktoren beschreiben lässt, also dass sich der Variablenwert ← 62 | 63 → aus einer gewichteten Summe aus Faktoren zusammensetzen lässt. Es gilt daher das Modell:

Illustration

wobei

xi = die beobachteten (standardisierten) Variablen,

FLi = die Faktorladungen (also die Korrelation zwischen Variablen i und Faktor 1, 2, …, k),

FWi = die Faktorwerte (Faktorwert des Mittelbereichs MB auf den Faktor 1, 2, …, k) und

Ui = die spezifischen Faktoren der Ausgangsvariablen sind.

Die Modellannahme bei einer Faktorenanalyse ist dabei, dass die spezifischen Faktoren Ui untereinander und mit den Faktorwerten FWi unkorreliert sind. Falls die Faktoren unabhängig sind, gilt:

Illustration

wobei R die Korrelationsmatrix der standardisierten Ausgangsvariablen ist und A die Faktorladungsmatrix.

Das Ziel der Faktorenanalyse ist es, weniger Faktoren zu extrahieren als Ausgangsvariablen vorhanden sind. Dabei gilt, dass je mehr Faktoren extrahiert werden, desto größer ist der Anteil der Gesamtvarianz, der durch diese Faktoren erklärt werden kann. Die Kommunalität bezeichnet das Ausmaß der Varianzerklärung, den die extrahierten Faktoren gemeinsam für eine Ausgangsvariable liefern. Aufgrund der vorherigen Standardisierung der Ausgangsvariablen ist die maximal zu erklärende Varianz gleich 1 (Standardabweichung ist durch die Standardisierung = 1 und die Standardabweichung im Quadrat ist ebenfalls = 1). Der Varianzanteil, der nicht mit den extrahierten Faktoren erklärt werden kann, wird als Einzelrestvarianz bezeichnet und setzt sich aus dem Varianzverlust aufgrund von Messfehlern und der spezifischen Varianz der Ausgangsvariablen, die mit keinem Faktor zusammenhängt, zusammen.

Die Wahl des Extraktionsverfahrens ist vor allem eine inhaltliche Frage. Während bei der Hauptachsenanalyse angenommen wird, dass sich die Varianz der Ausgangsvariablen aus Kommunalitäten und Einzelrestvarianzen Ui zusammensetzt, wird bei der Hauptkomponentenmethode unterstellt, dass eine Einzelrestvarianz nicht existiert. Bei der Hauptkomponentenmethode wird daher eine Kommunalität von 1 unterstellt, während die Kommunalität bei der Hauptachsenanalyse aufgrund inhaltlicher Überlegungen geschätzt werden muss. Dabei ← 63 | 64 → wird häufig der höchste quadrierte Korrelationskoeffizient der Korrelationsmatrix verwendet.

Aufgrund der Annahme, dass sich die Varianz nicht vollständig durch die Faktoren erklären lässt, sondern nur in Höhe der Kommunalitäten der Faktoren, liegt der Fokus der Hauptachsenanalyse auf der kausalen Interpretation der Faktoren. Es wird nach der Ursache gesucht, die für die Ladungen einer Variablen auf einen Faktor verantwortlich ist.

Bei der Hauptkomponentenmethode hingegen wird angenommen, dass die Varianz der Ausgangsvariablen vollständig durch die extrahierten Faktoren erklärt werden kann und z. B. Messfehler nicht auftreten. Im Fokus liegt kein kausaler Zusammenhang, sondern die Gruppierung von Variablen, die auf einen Faktor hochladen, zu einem gemeinsamen Sammelbegriff. Dabei ergeben sich auch bei der Hauptkomponentenmethode Kommunalitäten kleiner als 1, da meist weniger Faktoren als Variablen extrahiert werden.

Da im vorliegenden Ausgangsdatensatz die Altersvariablen sehr stark miteinander korrelieren (Korrelationskoeffizienten zwischen 0,90 und 0,97) und auch der Zusammenhang zwischen sozioökonomischen Variablen wie Kehrwert der Einkommenssteuer und Arbeitslosenquote zum Teil sehr stark ausfällt (Korrelationskoeffizient 0,80), erscheint die Annahme der Kommunalität gleich 1 durchaus realistisch.

Die Hauptkomponentenmethode wird als Extraktionsverfahren gewählt, da die Ausgangsvariablen, bei denen ein Zusammenhang mit dem Versorgungsbedarf unterstellt wird, zu Sammelbegriffen zusammengefasst werden sollen, die miteinander kombiniert den Versorgungsbedarf einer Region beschreiben können. Eine kausale Interpretation über die Ursache, warum bestimmte Variablen gemeinsam auf einen Faktor laden, ist nicht Ziel der Analyse.

Mit der Hauptkomponentenmethode als Extraktionsverfahren sind die Kommunalitäten der Ausgangsvariablen insbesondere für die demografischen Bedarfsindikatoren und die Arbeitslosenquote sehr hoch (Tabelle 11). Der Bedarfsindikator der Anzahl Personen mit Unfallverletzungen, der als Schätzer für das regionale Risikoverhalten der Bevölkerung aufgenommen wurde, zeigt allerdings nur eine sehr geringe Kommunalität von 0,136, d. h. er wird nur in sehr geringem Umfang von den extrahierten Faktoren erklärt. Dies kann zu Ergebnisverzerrungen führen. Daher wird der Faktor „bei Unfällen Verletzte je 1.000 EW“ von der Faktorenanalyse ausgeschlossen. Inhaltlich lassen sich die Effekte des höheren Risikoverhaltens in einzelnen Regionen auch über die weiterhin enthaltenen sozioökonomischen Faktoren abbilden, für die nachweislich ein Zusammenhang mit risikohaften Gesundheitsverhalten besteht (z. B. besteht ein signifikanter negativer Zusammenhang mit der Arbeitslosenquote). ← 64 | 65 →

Tabelle 11: Kommunalitäten der Hauptkomponenten-Faktorenanalyse

 AnfänglichExtraktion
Zscore: Durchschnittsalter Männer10,957
Zscore: Durchschnittsalter Frauen10,969
Zscore: Altersquotient10,908
Zscore: Standardisierte Mortalitätsrate10,411
Zscore: bei Unfällen Verletzte je 1.000 EW10,136
Zscore: Kehrwert Einkommenssteuer je EW10,810
Zscore: Kehrwert Gewerbesteuer je EW10,379
Zscore: Arbeitslosenquote gesamt10,735
Zscore: Bevölkerung ohne Wahlbeteiligung10,557
Zscore: Abwanderungsquote10,458

Quelle: eigene Berechnung und Darstellung

Neben der Kommunalität wird auch der Eigenwert als Gütekriterium bei der Faktorenanalyse betrachtet. Der Eigenwert eines Faktors beschreibt die durch den Faktor erklärte Varianz aller Ausgangsvariablen und wird als die Summe der quadrierten Faktorladungen aller Variablen auf den entsprechenden Faktor berechnet. Die Kommunalität beschreibt also den Varianzerklärungsanteil aller Faktorladungen im Hinblick auf eine Variable, während der Eigenwert den Varianzbeitrag eines Faktors im Hinblick auf alle Variablen beschreibt.

Der Eigenwert kann für die Bestimmung der Anzahl der zu extrahierenden Faktoren verwendet werden. Die Anzahl Faktoren, die zur Beschreibung der Daten benötigt werden, ist grundsätzlich geringer, je höher die Ausgangsvariablen miteinander korreliert sind. Ziel bei der Bestimmung der Faktorenanzahl ist immer, eine möglichst geringe Anzahl Faktoren im Modell zu belassen, die mit einem möglichst geringen Anteil an Verlust von Varianzerklärungskraft einhergeht.

Nach dem Kaiser-Kriterium entspricht die Zahl der zu extrahierenden Faktoren der Anzahl der Faktoren mit Eigenwerten >1. Das Kaiser-Kriterium besagt, dass ein Faktor mit einem Eigenwert <1 weniger Varianz erklärt als eine einzelne Variable (eine standardisierte Ausgangsvariable hat einen Eigenwert von 1) und daher nicht zur Erhöhung der Varianzerklärung beitragen kann. In der vorliegenden Faktorenanalyse können zwei Faktoren mit einem Eigenwert >1 identifiziert werden (vgl. Tabelle 12). Sie erklären zusammen rund 69 % der Gesamtvarianz. ← 65 | 66 →

Tabelle 12: Eigenwerte der Faktoren

Illustration

Extraktionsmethode: Hauptkomponentenmethode

Quelle: eigene Berechnung und Darstellung

Ein Scree-Test, bei dem die Eigenwerte der Größe nach in einem Koordinatensystem angeordnet werden und bei dem meist nach einem steilen Abfall ein „Knick“ (auch Ellenbogen genannt) die Stelle mit der größten Differenz der Eigenwerte zwischen zwei Faktoren die Anzahl der zu extrahierenden Faktoren markiert, bestätigt die Auswahl von zwei Faktoren (Abbildung 4).

Abbildung 4: Scree-Test und Kaiser-Kriterium

Illustration

Quelle: eigene Berechnung und Darstellung ← 66 | 67 →

3.3.3 Faktorladungen und Interpretation

Um die Faktoren interpretieren zu können, müssen die Faktorladungen bestimmt werden. Mit der zuvor beschriebenen Hauptkomponenten-Faktorenanalyse und der Einschränkung auf neun Bedarfsindikatoren als Ausgangsvariablen nach der Kommunalitätenschätzung ergibt sich eine Faktorladungsmatrix mit zwei Faktoren. Diese Matrix weist eine Einfachstruktur auf, bei der die Variablen immer auf einen der Faktoren niedrig, und auf den anderen Faktor hoch laden. Als eine „hohe Ladung“ wird allgemein ein Wert von ≥0,5 angenommen (vgl. Backhaus, Erichson et al. 2008).

Um die Interpretation der Faktorladungen zu erleichtern, wurde eine orthogonale Varimax-Rotation vorgenommen. Dabei wird das Koordinatenkreuz der Ausgangsvariablen so rotiert, dass sich die Variablenbündel den zwei Faktoren eindeutiger zuordnen lassen. Dabei wird angenommen, dass die zwei Faktoren untereinander nicht korrelieren und während der Drehung wird ein rechter Winkel zwischen den Faktoren beibehalten. Der Rotationswinkel der vorgenommenen Drehung beträgt 42° (Bogenmaß = 0,740).

Die beiden extrahierten Faktoren lassen sich nach der Varimax-Rotation inhaltlich sehr gut interpretieren: während auf den ersten Faktor alle demografischen Ausgangsvariablen laden, bildet der zweite Faktor die Bedarfsindikatoren zu Mortalität und Sozioökonomie ab (Tabelle 13).

Tabelle 13: Faktorenmatrix nach Varimax-Rotation mit Kaiser-Normalisierung

 Faktor
12
Zscore Durchschnittsalter Männer0,94340,2641
Zscore Durchschnittsalter Frauen0,91660,3644
Zscore Altersquotient0,94420,1343
Zscore Standardisierte Mortalitätsrate0,02200,6520
Zscore Kehrwert Einkommenssteuer je EW0,43800,7934
Zscore Kehrwert Gewerbesteuer je EW0,39840,4707
Zscore Arbeitslosenquote gesamt0,47810,7034
Zscore Bevölkerung ohne Wahlbeteiligung0,19970,7323
Zscore Abwanderungsquote0,20020,6327

Quelle: eigene Berechnung und Darstellung ← 67 | 68 →

3.3.4 Bestimmung der Faktorwerte

Der letzte Schritt der Faktorenanalyse ist die Berechnung der Faktorwerte für jeden einzelnen Mittelbereich. Bei der gewählten Hauptkomponentenmethode können die Faktorwerte exakt berechnet werden, indem eine Hauptachsentransformation durchgeführt wird und eine Faktorenwertematrix F aus der standardisierten Ausgangsvariablenmatrix A, der Kovarianzmatrix K und der Ladungsmatrix L generiert wird:

Illustration

Da nach der Hauptkomponentenanalyse eine Varimax-Rotation der Faktorvariablen durchgeführt wurde, muss auch die Faktorwertematrix F rotiert werden.

Die Faktorwerte selbst lassen sich inhaltlich nicht interpretieren, sondern beschreiben, ob der gemeinsame Erklärungsgehalt der Ausgangsvariablen, der hier als Versorgungsbedarf einer Region interpretiert wird, unter- oder überdurchschnittlich ist. Nimmt der Faktorwert einen hohen positiven Wert an, so ist dieser Faktor in einem Mittelbereich überdurchschnittlich ausgeprägt, impliziert im vorliegenden Fall also einen überdurchschnittlichen Versorgungsbedarf. Ist der Faktorwert für einen Mittelbereich negativ, ist dieser Faktor hier unterdurchschnittlich ausgeprägt. Ein Faktorwert von 0 entspricht dem durchschnittlichen Wert über alle Mittelbereiche.

Obwohl die beiden aus dem Modell resultierenden Faktoren „Demografie“ und „Mortalität und Sozioökonomie“ das Konzept „Versorgungsbedarf“ beschreiben, sind sie aufgrund der orthogonalen Modellannahmen unabhängig voneinander. Die Gegenüberstellung der Faktorwerte in Abbildung 5 macht die Unabhängigkeit der beiden Faktoren deutlich: Eine Region mit einem unterdurchschnittlichen Versorgungsbedarf aufgrund der regionalen Demografie kann beispielsweise einen überdurchschnittlichen Versorgungsbedarf aufgrund der regionalen ← 68 | 69 → Mortalität und Sozioökonomie aufweisen.

Abbildung 5: Faktor 1 „Demografie“ und Faktor 2 „Mortalität und Sozioökonomie“ nach Mittelbereichen, 2011

Illustration

Quelle: eigene Berechnung und Darstellung

3.4 Bedarfsindex nach Mittelbereichen

Der demografische und der mortalitätsbezogene/sozioökonomische Faktor können zu einem einzelnen Bedarfsindex kombiniert werden. Zur Gewichtung der beiden Faktoren werden die Eigenwerte aus der Faktorenanalyse verwendet (vgl. Tabelle 12). Der Eigenwert des Faktors 1 („Demografie“) erklärt rund 80 % der Varianzerklärung der beiden Faktoren insgesamt und geht daher mit 80 % in den Bedarfsindex ein, der Faktor 2 („Mortalität und Sozioökonomie“) entsprechend mit 20 %.24 Der resultierende Bedarfsindex hat weiterhin einen Mittelwert von ← 69 | 70 → 0 und eine Standardabweichung von 1, wobei die Spreizung der Werte der Mittelbereiche zwischen –2,1 (geringster Bedarf) und +3,6 (höchster Bedarf) liegt.

Durch die Kombination der beiden unabhängigen Faktoren ist es möglich, dass ein erhöhter Versorgungsbedarf aufgrund des einen Faktors durch niedrigen Versorgungsbedarf im anderen Faktor zum Teil aufgehoben wird. So ist der Versorgungsbedarf aufgrund der demografischen Struktur der Bevölkerung im Mittelbereich Starnberg überdurchschnittlich (Faktorwert +0,96), der Versorgungsbedarf abgeleitet aus der Mortalität und Sozioökonomie aber deutlich unterdurchschnittlich (Faktorwert –2,28). Der Bedarfsindex, der sich aus der Gewichtung der beiden Faktorwerte ergibt beträgt für den Mittelbereich Starnberg entsprechend +0,33: der bedarfssteigernde Effekt der überdurchschnittlich alten Bevölkerungsstruktur wird also zum Teil durch den bedarfssenkenden Effekt der überdurchschnittlich guten sozioökonomischen Struktur abgemildert.

Der Bedarfsindex nach Mittelbereichen zeigt ein deutliches Ost-West-Gefälle: während der Versorgungsbedarf in West- und insbesondere in Süddeutschland unterdurchschnittlich ist, wird in 91,6 % der Mittelbereiche in ostdeutschen Bundesländern ein überdurchschnittlicher Versorgungsbedarf festgestellt (Abbildung 6). Allerdings wird auch in den westdeutschen Flächenländern, insbesondere in den ländlichen und dünn besiedelten Regionen, ein Versorgungsbedarf über dem bundesdeutschen Durchschnitt gemessen (z. B. südliches Niedersachsen).25 ← 70 | 71 →

Abbildung 6: Bedarfsindex nach Mittelbereichen, Klasseneinteilung nach Quintilen, 2011

Illustration

Quelle: eigene Berechnung und Darstellung

Eine Aussage, welche Versorgungskapazitäten benötigt werden, um einen Versorgungsbedarf zu decken, lässt sich aus den Faktorwerten nicht unimittelbar ableiten. Allerdings lassen sich die Mittelbereiche in Bezug auf ihre Abweichung vom Durchschnitt direkt miteinander vergleichen. Um die Faktorwerte leichter interpretieren zu können, wird der Zusammenhang zwischen dem Bedarfsindex und den durchschnittlichen ambulanten Kosten je GKV-Versicherten je Mittelbereich ← 71 | 72 → (abgeleitet aus dem RSA-Profil26) in einer linearen Regression gemessen. Die Verwendung der durchschnittlichen Fallkosten als Proxy für den über- oder unterdurchschnittlichen Versorgungsaufwand der Versicherten in einem Mittelbereich wird nicht als Bruch mit der bisherigen Vorgehensweise der Bedarfsbestimmung anhand vom bestehenden Versorgungssystem unabhängigen Variablen verstanden. Es handelt sich lediglich um eine Umwandlung des anhand exogener Variablen gemessenen Verhältnisses der Mittelbereiche zum Durchschnitt in ein für den Versorgungskontext relevantes und interpretierbares Maß.

Die Ergebnisse der Regression zeigen, dass ein sehr starker Zusammenhang zwischen den durchschnittlichen ambulanten Kosten je Versichertem27 und dem Bedarfsindex besteht (R²=0,837). Steigt der Bedarfsindex um einen Faktorwert 1, steigen die durchschnittlichen Kosten je Versichertem im ambulanten Bereich um 18,3 Euro (Tabelle 14).

Tabelle 14: Ergebnis einer Linearen Regression: Zusammenhang Bedarfsindex und durchschnittliche ambulante Kosten je Versicherten, 2013

Illustration

a. Dependent Variable: Kosten im amb. Versorgungsbereich laut RSA-Profil

Quelle: eigene Berechnung und Darstellung

Interpretiert man die mithilfe des Bedarfsindex geschätzten durchschnittlichen Kosten je Versichertem als Versorgungsbedarf, der mit zusätzlichen Kapazitäten gedeckt oder der den Abbau überzähliger Kapazitäten zur Folge haben könnte, so liegt die Spanne der Abweichung vom Bundesdurchschnitt zwischen einem Minderbedarf von –8,1 % und einem Mehrbedarf von +14,7 %. Die Verteilung der Mittelbereiche innerhalb dieser Spanne ist identisch mit der Verteilung der Faktorwerte. ← 72 | 73 →

3.5 Zwischenfazit regionaler Versorgungsbedarf

Der Versorgungsbedarf wird in dieser Arbeit als relatives Konzept verstanden, mit dem die für die Gesundheitsversorgung relevante Mehr- oder Minderbelastung einer regionalen Bevölkerung anhand von Einflussfaktoren auf den Gesundheitszustand und den Bedarf an medizinischer Versorgung gemessen wird. Mithilfe einer Faktorenanalyse werden ausgewählte und nach verschiedenen Kriterien geprüfte Faktoren der regionalen Demographie, Mortalität, Morbidität, Sozioökonomischen Rahmenbedingungen und Umweltrisiken zu einem Bedarfsindex zusammengefasst. Um die Faktorwerte des Bedarfsindex interpretieren zu können, wird der Mehr- oder Minderbedarf einer Region als mithilfe des Bedarfsindex geschätzte prozentuale Abweichung der ambulanten Kosten je Versichertem nach Mittelbereich vom Bundesdurchschnitt ausgedrückt. Demnach weichen die bedarfsbedingten Kosten je Versichertem zwischen rund –8 % und +15 % vom Bundesdurchschnitt ab, wobei ein deutliches Ost-West-Gefälle und ein leichtes Nord-Süd-Gefälle zu erkennen sind.


13 Wird Versorgung zwar bedarfsgerecht, aber ineffizient erbracht, ergeben sich im Umkehrschluss auch negative Einflüsse auf die Gesamtwirtschaftlichkeit der Versorgung.

14 Vgl. u. a. § 1 Krankenhausfinanzierungsgesetz: „Zweck dieses Gesetzes ist die wirtschaftliche Sicherung der Krankenhäuser, um eine bedarfsgerechte Versorgung der Bevölkerung mit leistungsfähigen, eigenverantwortlich wirtschaftenden Krankenhäusern zu gewährleisten und zu sozial tragbaren Pflegesätzen beizutragen.“

15 Vgl. u. a. § 70 Abs. 1 SGB V: „Die Krankenkassen und die Leistungserbringer haben eine bedarfsgerechte und gleichmäßige, dem allgemein anerkannten Stand der medizinischen Erkenntnis entsprechende Versorgung der Versicherten zu gewährleisten.“ § 101 Abs. 1 Satz 1 SGB V: „Der Gemeinsame Bundesausschuss beschließt in Richtlinien Bestimmungen über (…) einheitliche Verhältniszahlen für den allgemeinen bedarfsgerechten Versorgungsgrad in der vertragsärztlichen Versorgung (…)“.

16 Ökologische Fehlschlüsse sind ein Phänomen der Sozialwissenschaften bei dem Zusammenhänge oder Charakteristika auf Makroebene gemessen und unzulässiger Weise auf die Mikroebene übertragen werden. Zusammenhänge, die mit bevölkerungsbezogenen Daten ermittelt werden, lassen sich nicht automatisch auf die Individualebene übertragen.

17 Als Proxy werden hier Variablen bezeichnet, die anstatt der interessierenden Größe, für die keine Daten vorliegen, verwendet werden, um den Effekt der interessierenden Größe abbilden zu können.

18 Vgl. Beschluss des G-BA: http://www.g-ba.de/downloads/40-268-2004/2012-07-19_BPL-RL_Au%C3%9Ferkraftsetzen%20Demografiefaktor_TrG.pdf.

19 Eine schriftliche Anfrage beim BBSR (08.02.2013) bestätigt, dass eine Berechnung der Lebenserwartung auf Ebene der Mittelbereiche nicht möglich ist, da die Gestorbenen nach Altersklassen auf Gemeindeebene als Berechnungsgrundlage nicht zur Verfügung stehen.

20 Pflegebedürftig sind Personen, die wegen einer körperlichen, geistigen oder seelischen Krankheit oder Behinderung für die gewöhnlichen und regelmäßig wiederkehrenden Verrichtungen im Ablauf des täglichen Lebens auf Dauer, voraussichtlich für mindestens sechs Monate, in erheblichem oder höherem Maße der Hilfe bedürfen (§ 14 Abs. 1 SGB XI).

21 Z. B. Landeszentrum Gesundheit Nordrhein-Westfalen http://www.lzg.gc.nrw.de/themen/gesundheit_berichte_daten/gesundheitsindikatoren/indikatoren%20_kreise/index.html.

22 Telefonischer Kontakt mit bestätigender Email vom 06.02.2013.

23 Vgl. http://www.umweltbundesamt-daten-zur-umwelt.de/umweltdaten/public/theme.do?nodeIdent=5797.

24 Die Gewichtung der beiden Faktoren ist hier rein empirisch getrieben. Eine andere inhaltlich begründete und empirisch geprüfte Gewichtung des Einflusses von demografischen vs. sozioökonomischen Faktoren auf den Versorgungsbedarf ist nicht bekannt. An anderer Stelle wurde eine empirisch nicht begründete Gleichgewichtung vorgenommen (Albrecht, Nolting et al. 2012). Gibson et al. (2002) argumentieren für eine stärkere Gewichtung der demografischen Komponente im Vergleich zu Deprivation. Im morbiditätsorientierten Risikostrukturausgleich sind sozioökonomische Faktoren nicht enthalten. Dort werden demografische und morbiditätsbezogene Faktoren in etwa gleich gewichtet. Die Methodik des Bedarfsindex ließe eine normativ gesetzte Umgewichtung der beiden Faktoren (z. B. aus gesundheitspolitischen Gründen) zu.

25 Die Ergebnisse des gebildeten Bedarfsindex nach Mittelbereich entsprechen in ihrer räumlichen Verteilung in etwa den im Zuge des RSA gemessenen Risikofaktoren je Kreis, die sich aus dem RSA-Risikofaktor und dem Alters- und Geschlechtsfaktor zusammensetzen (vgl. Drösler, Hasford et al. 2011).

26 Die durchschnittlichen Kosten je Versichertem im ambulanten Bereich wurden mithilfe der GKV-Ausgabenprofile des Bundesversicherungsamtes nach Einzelalter, Geschlecht und Hauptleistungsbereich aus dem Jahr 2012 geschätzt (Datenquelle: http://www.bundesver-sicherungsamt.de/risikostrukturausgleich/info-dateien-und-auswertungen.html, letzter Zugriff am 14.03.2014.).

27 Damit sind alle ambulanten Kosten je Versicherten, nicht nur die Kosten bei Hausärzten, gemeint.