Einen Moment bitte
Grafik und Daten werden geladen ...
Einen Moment bitte
Grafik und Daten werden geladen ...
Krankheitskategorien (Hierarchien nach Morbi-RSA)
Besonders bedeutsame ausgewählte Erkrankungen
Verwenden Sie „Exakte Abweichungen“, um Attributwerte direkt in Farbwerte zu überführen. Hierbei entsprechen die relativen Abweichungen der Attributwerte vom Mittelwert den relativen Abweichungen in den Farbwerten.
Die exakte Abweichung ermöglicht eine unverzerrte Darstellung der Attributwerte. Diese Darstellung ist besonders für normalverteilte Daten geeignet.
Gleiches IntervallVerwenden Sie „Gleiches Intervall“, um Attributwerte in gleich breite Klassen zu unterteilen. Die Klassengrenzen werden automatisch so bestimmt, dass die Datenintervalle in jeder Klasse gleich groß sind. Zum Beispiel ergeben sich für Werte im Bereich von 0 bis 300 und drei Klassen die Bereichsgrenzen 0 bis 100, 101 bis 200 und 201 bis 300.
Die gleichen Intervalle sind besonders für begrenzte Datenbereiche, wie Prozentsätze (0-100), geeignet. Die Darstellungsmethode hebt heraus, ob eine bestimmte Region unterhalb oder oberhalb des Mittelwertes liegt.
QuantilVerwenden Sie „Quantil“, um die Attributwerte in gleich mächtige Klassen einzuteilen. Die Klassengrenzen werden hierbei so bestimmt, dass jede Klasse gleich viele Regionen umfasst.
Diese Darstellung eignet sich gut für linear verteilte Daten. Durch die Klassifikationsmethode können sowohl sehr nahe beieinanderliegende Attributwerte in verschiedene Klassen als auch sehr verschiedene Attributwerte in die gleiche Klasse eingeteilt werden. Hierdurch können auch extrem breite Datenbereiche (Ausreißer) optisch ansprechend dargestellt werden.
StandardabweichungVerwenden Sie „Standardabweichung“, um die Klassengrenzen auf jeweils eine Standardabweichung des Datenbereiches zu begrenzen. Mittelwert und Standardabweichung werden automatisch berechnet.
Arithmetische ProgressionVerwenden Sie „Arithmetische Progression“, um Klassengrenzen mit aufsteigender Breite zu erhalten. Je weiter eine Klasse vom Mittelwert entfernt liegt, desto größer wird der Wertebereich sein, den eine Farbe abbildet. Die Verbreiterung der Klassengrenzen erfolgt linear.
Diese Klassifikation eignet sich zur Darstellung von Daten mit breiten Verteilungsenden, z.B. Kostendaten. Seltene hohe Werte werden hierbei in größeren Klassen zusammengefasst und damit deren Gemeinsamkeit betont.
Geometrische ProgressionVerwenden Sie „Geometrische Progression“, um Klassengrenzen mit einer stark aufsteigenden Breite zu erhalten. Je weiter eine Klasse vom Mittelwert entfernt liegt, desto größer wird der Wertebereich sein, den eine Farbe abbildet. Die Verbreiterung der Klassengrenzen erfolgt quadratisch.
Diese Klassifikation eignet sich zur Darstellung von extrem verteilten Daten, z.B. orphan drugs oder Kostendaten seltener Erkrankungen. Die seltenen aber extremen Ergebnisse werden hierbei in große Klassen zusammengefasst und damit deren Gemeinsamkeit betont.
Natürliche UnterbrechungenVerwenden Sie „Natürliche Unterbrechungen“ (auch Jenks genannt), um einen Kompromiss aus „Quantilen“ und „Gleiches Intervall“ zu erhalten und eine harmonisch aussehende Karte zu generieren. Bei der Methode werden die Klassengrenzen durch einen Algorithmus so erstellt, dass Unterschiede zwischen den Klassen maximiert werden.
Weitere Informationen zu dem Algorithmus „Natürliche Unterbrechungen“ finden Sie bei George F. Jenks und Fred C. Caspall in: „Error on Choroplethic Maps. Definition, Measurement, Reduction“. Annals of the Association of American Geographers. Bd. 61, 1971, S. 217–244, doi:10.1111/j.1467-8306.1971.tb00779.x.
Was ist der Gesamtmorbiditätsindex?
Es handelt sich um einen Index, der die gesundheitliche Beeinträchtigung relativ zu einem durchschnittlichen Versicherten angibt. Betrachtet werden pro Versichertem die erwarteten durchschnittlichen Ausgaben, die aufgrund seiner Erkrankungen entstehen. Der Gesamtmorbiditätsindex ist dann die relative Abweichung dieser Ausgaben von den erwarteten durchschnittlichen Ausgaben aller Versicherten. Personen mit einem Gesamtmorbiditätsindex von 1,0 entsprechen damit dem durchschnittlichen Versicherten. Bei einem Gesamtmorbiditätsindex von 2,0 sind die entsprechenden Personen doppelt so morbide wie der Durchschnitt.
Welche Kennzahlen werden in den Diagrammen abgebildet?
Außer beim Gesamtmorbiditätsindex werden bei allen Krankheitskategorien und besonders bedeutsamen ausgewählten Erkrankungen in den Diagrammen jeweils die Prävalenzen je 1.000 Einwohner dargestellt. In der Karte wird darüber hinaus auch die Abweichung vom Bundesdurchschnitt in Prozent ausgewiesen.
Welche Daten wurden verwendet?
Die Datengrundlage bilden alle Personen, die in dem jeweiligen Auswertungsjahr durchgängig bei der BARMER versichert waren.
Wie wurden die Krankheitskategorien und besonders bedeutsamen ausgewählten Erkrankungen definiert?
Zur Abgrenzung der Krankheitskategorien und ausgewählten Erkrankungen wird die Systematik des morbiditätsorientierten Risikostrukturausgleichs herangezogen. Er bietet eine anerkannte medizinische Einteilung aller Diagnosen und Arzneimittel aus der ambulanten und stationären Versorgung.
Was wird in den Diagrammen Einkommen, Personengruppe, Bildung und Branche dargestellt?
Die Prävalenzen bzw. der Gesamtmorbiditätsindex werden in Abhängigkeit der entsprechenden sozioökonomischen Merkmale betrachtet. Diese Daten liegen der BARMER routinemäßig nur für Mitglieder vor, d. h. in der Regel bleiben Familienversicherte hier unberücksichtigt.
Einkommen
Das Einkommen entspricht den jährlichen beitragspflichtigen Einnahmen. Neben den Mitgliedern werden hier auch familienversicherte Personen unter 18 Jahren ausgewiesen. Ihnen wird das Einkommen des zugehörigen Mitglieds zugeordnet.
Personengruppe
Abweichend von den anderen Diagrammen in diesem Bereich werden hier neben den Mitgliedern auch familienversicherte Studierende dargestellt.
Bildung
Daten zum Schulabschluss werden mit dem Tätigkeitsschlüssel vom Arbeitgeber an die BARMER übermittelt. Daher werden hier nur gegen Entgelt abhängig Beschäftigte dargestellt.
Branche
Die Branchenbezeichnungen richten sich nach der ersten Ebene der Wirtschaftsklasse WZ 2008, wobei für die Darstellung ähnliche Wirtschaftszweige zusammengefasst wurden. Auch hier werden nur gegen Entgelt abhängig Beschäftigte dargestellt.
Spiegelt die Datengrundlage die Gesamtbevölkerung wider?
Da die BARMER-Versicherten in ihrer Alters-, Geschlechts- und Morbiditätsstruktur von der Gesamtbevölkerung abweichen, wurde ein Hochrechnungsverfahren gewählt, das die BARMER-Versicherten an die Gesamtbevölkerung adjustiert.
Was ist der Unterschied zwischen den Darstellungen Standardisiert und Hochgerechnet?
Bei der Hochrechnung wurden die BARMER-Versicherten mittels eines statistischen Verfahrens an die tatsächliche Gesamtbevölkerung angepasst. Dabei wurden die Merkmale Alter, Geschlecht, Region, stationäre Morbidität sowie Informationen zur Beschäftigung herangezogen. Bei der Standardisierung wurde diese hochgerechnete Versichertenstruktur nun so adjustiert, dass in jedem Kreis die Alters- und Geschlechtsverteilung der bundesweiten Verteilung entspricht. Auf diese Weise können Morbiditätsunterschiede zwischen Regionen oder Bevölkerungsgruppen herausgearbeitet werden, die sich nicht lediglich auf eine unterschiedliche Alters- und Geschlechtsstruktur zurückführen lassen.
Was bedeuten grau schraffierte Flächen in der Karte und nicht vorhandene Balken im Diagramm?
Sind Flächen in der Karte grau schraffiert und wird ein Balken im Diagramm nicht angezeigt, entsprechen zu wenig Personen der gewählten Filtereinstellung. Um eine ausreichende statistische Genauigkeit zu gewährleisten, werden Werte nur ausgewiesen, wenn der Berechnung mindestens 20 Personen zugrunde liegen.