Allgemeine Kennzahlen zur Arzneimitteltherapie

Datenquelle: BARMER-Daten 2017–2023, standardisiert/hochgerechnet basierend auf Angaben des Statistischen Bundesamtes zur Bevölkerung nach Geschlecht und Altersgruppen im jeweiligen Jahr

Hinweise des bifg:
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.

Da nicht alle Versicherten das ganze Jahr bei der BARMER versichert waren, wird als rechnerische Bezugsgröße die Versichertenzeit in Jahren (365 Tage) angegeben. Es erfolgt also eine Umrechnung auf „ganzjährig Versicherte“. Ist jemand 365 Tage innerhalb eines Jahres versichert, resultiert bei der Berechnung genau ein Versicherungsjahr (VJ), bei einer Versicherung über 182 Tage lediglich etwa 0,5 Versicherungsjahre.

Arzneimittelausgaben je VJ in €: Ausgaben für Arzneimittel pro Versichertenjahr in Euro
Anteil Versicherte mit Arzneimitteltherapie an allen Versicherten in Prozent: Prozentualer Anteil der mit Arzneimitteln behandelten Versicherten an allen Versicherten.
Verordnungszeilen je VJ: Anzahl der verordneten Arzneimittel je Versichertenjahr. Auf einer Arzneimittelverordnung (Muster 16) können bis zu drei verschiedene Arznei- und Verbandmittel sowie Hilfsmittel mit Ausnahme von Seh- und Hörhilfen verordnet werden. Jedes einzelne Arzneimittel entspricht dabei einer Verordnungszeile.
Anteil Versicherte mit Verordnungen von mehr als 5 Ärzten in %: Prozentualer Anteil der Versicherten, die von mehr als fünf Ärzten innerhalb eines Jahres Verordnungen erhalten, an allen mit Arzneimitteln behandelten Versicherten.
Anzahl verordneter Tagesdosen je VJ: Anzahl der verordneten Tagesdosen eines Arzneimittels je Versichertenjahr.

Einen Moment bitte

Grafik und Daten werden geladen ...

Für eine optimale Darstellung und Funktionalität unserer interaktiven Grafiken nutzen Sie bitte einen aktuellen Browser wie z.B. Chrome, Safari oder Firefox.

Exakte Abweichung

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 Intervall

Verwenden 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.

Quantil

Verwenden 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.

Standardabweichung

Verwenden Sie „Standardabweichung“, um die Klassengrenzen auf jeweils eine Standardabweichung des Datenbereiches zu begrenzen. Mittelwert und Standardabweichung werden automatisch berechnet.

Arithmetische Progression

Verwenden 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 Progression

Verwenden 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 Unterbrechungen

Verwenden 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.