Datenquelle: BARMER-Daten 2020–2021, nach Fünf-Jahres-Altersgruppen und Geschlecht standardisiert und hochgerechnet auf die Bevölkerung des jeweiligen Bundeslandes basierend auf Angaben des Statistischen Bundesamtes im Jahr 2021
Studienpopulation: Erwachsene Versicherte mit und ohne Tumordiagnose (ICD-Kodes C00 bis C97) durchgängig versichert im Betrachtungsjahr 2021 beziehungsweise bei in 2021 Verstorbenen im Jahr vor dem Versterben.
Wegen der unterschiedlichen Alters- und Geschlechtsstruktur der Bevölkerungen der verschiedenen Bundesländer und der alters- und geschlechtsabhängigen Häufigkeit der Schmerzmitteltherapie sind Vergleiche zwischen den Bundesländern nur in den nach Alter und Geschlecht getrennten Untergruppen sinnvoll. Bei dem Vergleich der hier dargestellten Ergebnisse mit den Zahlen aus dem Arzneimittelreport 2023 kann es aufgrund der gewählten Hochrechnungsmethode zu Abweichungen kommen.
Es wurde die im ambulanten Sektor verordnete Schmerzmittelmedikation betrachtet. Im stationären Sektor verabreichte oder im Rahmen der Selbstmedikation mit oder ohne ärztliche Empfehlung angewandte Medikamente können mit den Daten nicht abgebildet werden. Ebenso gilt das für Rezepte, die ausgestellt, aber nicht eingelöst wurden. Die Auswertungen unterscheiden die Schmerzmittel nach Nichtopioiden und Opioiden. Zu den Nichtopioiden gehören die beiden Gruppen „Nichtsteroidale Antiphlogistika und Antirheumatika“ (ATC-Kode M01A) und „Andere Analgetika und Antipyretika“ (ATC-Kode N02B). Entsprechende Schmerzmittelwirkstoffe in den Kombinations-ATC-Kodes M01BA und R05XA werden in die Auswertungen einbezogen und unter den ATC-Kodes der Einzelsubstanzen angegeben. Pflanzliche (M01BP, N02BP) und homöopathische (M01BH, N02BH) Wirkstoffe wurden nicht einbezogen. Bei den Opioiden (ATC-Kode N02A) wurde (Levo-)Methadon (ATC-Kodes N02AC06/-52) nicht berücksichtigt, da die Wirkstoffe in der Regel zur Substitution bei der Suchttherapie verwendet werden.
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.
