Datenquelle: BARMER-Daten 2013–2021; standardisiert/hochgerechnet basierend auf Angaben des Statistischen Bundesamtes zur Bevölkerung in Bundesländern nach Geschlecht und Altersgruppen im jeweiligen Jahr. Bei dem Vergleich der hier dargestellten Ergebnisse mit den Zahlen aus den Reporten der Vorjahre kann es aufgrund der gewählten Hochrechnungsmethode und der Aktualisierung der Daten zu Abweichungen kommen.
Hinweise des bifg:
Inanspruchnahme: auf die jeweilige Lokalpopulation hochgerechnete absolute Zahl an Personen
Inanspruchnahme in Prozent: Anteil der unter „Inanspruchnahme“ genannten Personenzahl an allen Personen in der Region
Ausgaben gesamt: auf die jeweilige Lokalpopulation hochgerechnete absolute Summe ohne Eigenateil in Euro
Ausgaben pro Inanspruchnehmer:in: die hochgerechneten Gesamtausgaben ohne Eigenanteil dividiert durch die Zahl der hochgerechneten Inanspruchnehmer:innen
Die diagnostischen Leistungen zur systematischen Behandlung von Parodontopathien werden über den BEMA-Teil 1 (Erhebung Parodontaler Screening-Index) und BEMA-Teil 4 (Befunderhebung und Erstellen eines Parodontalstatus) abgerechnet. Bis 2020 werden in dieser Grafik beide Positionen berücksichtigt. Aufgrund einer Neuordnung des Kapitels wird ab 2021 keine Unterscheidung mehr zwischen Diagnostik und Therapie vorgenommen, sodass nur noch die eindeutig BEMA-Teil 4 zuordenbaren Abrechnungsziffern berücksichtigt werden.
Balken, die auf einer zu geringen Anzahl an Fällen beruhen, werden ausgeblendet.
Vollbildmodus beenden
Einen Moment bitte
Grafik und Daten werden geladen ...
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.