Datenquelle: BARMER-Daten 2020; Pflegestatistik, Statistisches Bundesamt, Zweigstelle Bonn; Fortschreibung des Bevölkerungsstandes, Statistisches Bundesamt; 14. koordinierte Bevölkerungsvorausberechnung, Statistisches Bundesamt
Hinweise des bifg:
Der Stichtag für die Erhebung bei den ambulanten und stationären Pflegeeinrichtungen ist der 15.12., der für die Pflegegeldempfänger/-innen abweichend der 31.12.
Hinweise zur Projektion:
Die Zahlen für die Projektion gründen auf der 14. koordinierten Bevölkerungsvorausberechnung des Statistischen Bundesamtes in der Version 2. Diese gründet auf den mittleren Annahmen des Statistischen Bundesamtes bezüglich der Wanderungsbewegung, der Geburtenziffern und der Steigerung der Lebenserwartung.
- Die enthaltene Wanderungsvariante W2 geht von einem durchschnittlichen Wanderungssaldo von 221.000 aus, was dem Durchschnitt der Jahre 1955 bis 2018 entspricht.
- Die enthaltene Geburtenvariante G2 hält die aktuelle Geburtenrate von 1,55 Kindern konstant.
- Die Steigerung der Lebenserwartung wird mit mehr als 0,1 Jahren pro Jahr angesetzt.
Die Bevölkerungsvorausberechnung ist mit dem Ausgangsjahr von 2018 berechnet.
Für die Modellierung der Zahl der Pflegebedürftigen sind zwei Arten der Modellierung verwendet worden:
- Konstanthaltung der Prävalenzen aus dem Jahr 2019
- Reduzierung der demografieunabhängigen Steigerungsraten bis zum Jahr 2025 auf Null
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.