Hintergrund

Im Rahmen der Forschungsaktivitäten werden auch Zeittrends bezüglich subjektiver Gesundheitsindikatoren untersucht. Sie erfassen, wie Menschen ihre Gesundheit individuell erleben und bewerten und unterscheiden sich damit von objektiven Gesundheitsindikatoren, die über medizinische Parameter bestimmt werden (DeSalvo und Muntner 2011). Subjektive Gesundheitseinschätzungen werden von körperlichen Erkrankungen beeinflusst, jedoch gehen auch psychosoziale Aspekte in die Bewertung ein, wie der sozioökonomische Status, das Ausmaß psychosozialer Belastungen und das psychische Befinden (Spuling et al. 2017).

Studien haben nachgewiesen, dass die subjektive Gesundheit das Auftreten von Erkrankungen und das Mortalitätsrisiko vorhersagen kann (Ernstsen et al. 2011, Jylhä 2009, Scott et al. 1997). Zudem prädiziert die subjektive Gesundheit die Inanspruchnahme medizinischer Leistungen und die Höhe krankheitsbedingter Kosten (DeSalvo et al. 2009, Hardy et al. 2011, Menec und Chipperfield 2001). Subjektive Gesundheitsindikatoren stellen damit eine zentrale Zielgröße für Maßnahmen der Prävention und Gesundheitsförderung dar (Klotz et al. 2006).

Verwendete Gesundheitsindikatoren

Im Rahmen des vorliegenden Forschungsprojektes werden unterschiedliche Aspekte des subjektiven Gesundheitserlebens betrachtet. Neben dem globalen Einzelitem ‚subjektive Gesundheit‘ wird die gesundheitsbezogene Lebensqualität (SF 12) herangezogen. Sie erfasst mit jeweils sechs Items psychische und körperliche Dimensionen der Gesundheit, wie eingeschränkte Rollenfunktion, Schmerzen, Vitalität und soziale Funktionsfähigkeit (Resnick et al. 2001).

Darüber hinaus werden funktionale Limitationen in Alltagskompetenzen und Selbstversorgungsfähigkeiten berücksichtigt. Diese Einschränkungen beziehen sich auf basale Aktivitäten des Lebens (ADL), wie eigenständig Essen zu können, und auf instrumentelle Aktivitäten des Lebens (IADL), wie eigenständig einkaufen gehen zu können (Hopman-Rock et al. 2018). Zudem werden objektiv gemessene Indikatoren der funktionalen Limitationen wie die Greifkraft verwendet (Taekema et al. 2010).

Datengrundlage und Zeitperiode

Die Analysen der Zeittrends basieren auf unterschiedlichen bevölkerungsbezogenen Surveydaten. Während die Entwicklung der subjektiven Gesundheit und der gesundheitsbezogenen Lebensqualität (SF12) mit dem Sozioökonomischen Panel (Wagner et al. 2007) untersucht werden, basieren die Analysen zu den funktionalen Limitationen auf den SHARE-Daten (Börsch-Supan et al. 2013).  Die beobachteten Zeitperioden unterscheiden sich in Abhängigkeit von den verwendeten Datensätzen und dem zugrunde gelegten Gesundheitsindikator, sie variieren zwischen neun (2004-2013) und  22 Jahren (1995-2016).

Zentrale Untersuchungsfragen

Folgende übergeordnete Untersuchungsfragen stehen im Mittelpunkt der Analyse:

• Wie entwickelt sich die subjektive Gesundheit in der Bevölkerung über die Zeit, und welche Bedeutung haben hierbei Alters-, Perioden- und Kohorteneffekte?

• Wie unterscheiden sich die Gesundheitstrends zwischen Frauen und Männern und in unterschiedlichen Lebensphasen?

• Wie entwickeln sich sozial verursachte gesundheitliche Ungleichheiten über die Zeit?

• Wie können Zeittrends in der subjektiven Gesundheit erklärt werden? Welche Bedeutung kommen hierbei den medizinsoziologischen Erklärungsansätzen der ‚strukturellen‘, ‚psychosozialen‘ und ‚verhaltensbezogenen Verursachung‘ zu?

• Welche gesundheitspolitischen und praktischen Konsequenzen lassen sich aus den Befunden ableiten?

Literatur

Börsch-Supan A, Brandt M, Hunkler C et al. Data resource profile: The Survey of Health, Ageing and Retirement in Europe (SHARE). International Journal of Epidemiology. 2013;42(4):992-1001.

DeSalvo KB, Jones TM, Peabody J et al. Health care expenditure prediction with a single item, self-rated health measure. Medical Care. 2009;47(4):440-447.

DeSalvo KB, Muntner P. Discordance between physician and patient self-rated health and all-cause mortality. The Ochsner Journal. 2011;11(3):232-240.

Ernstsen L, Nilsen SM, Espnes GA et al. The predictive ability of self-rated health on ischaemic heart disease and all-cause mortality in elderly women and men: the Nord-Trondelag Health Study (HUNT). Age and Ageing. 2011;40(1):105-111.

Hardy SE, Kang Y, Studenski SA, Degenholtz HB. Ability to walk 1/4 mile predicts subsequent disability, mortality, and health care costs. Journal of General Internal Medicine. 2011;26(2):130-135.

Hopman-Rock M, van Hirtum H, de Vreede P, Freiberger E. Activities of daily living in older community-dwelling persons: A systematic review of psychometric properties of instruments. Aging Clinical and Experimental Research. doi.org/10.1007/s40520-018-1034-1036.

Jylhä M. What is self-rated health and why does it predict mortality? Towards an unified conceptual model. Social Science & Medicine. 2009;69(3):307-316.

Klotz T, Haisch J, Hurrelmann K. Prävention und Gesundheitsförderung: Ziel ist anhaltend hohe Lebensqualität. Deutsches Ärzteblatt International. 2006;103(10):606-609.

Menec V, Chipperfield J. A prospective analysis of the relation between self-rated health and health care use among elderly Canadians. Canadian Journal of Aging. 2001;20(3):293-306.

Resnick B, Nahm ES. Reliability and validity testing of the revised 12-item Short-Form Health Survey in older adults. Journal of Nursing Measurement. 2001;9(2):151-161.

Scott WK, Macera CA, Cornman CB, Sharpe PA. Functional health status as a predictor of mortality in men and women over 65. Journal of Clinical Epidemiology. 1997;50(3):291-296.

Spuling SM, Huxhold O, Wurm S. Predictors of self-rated health: Does education play a role above and beyond age? The Journals of Gerontology, Series B: Psychological Sciences and Social Sciences. 2017;72(3):415-424.

Im Projekt „Morbiditätskompression und ihre Alternativen“ wird neben der Entwicklung der subjektiven Gesundheit und funktionalen Einschränkungen auch jene von spezifischen Erkrankungen untersucht. Im Fokus stehen dabei vor allem Erkrankungen, die häufig in der Bevölkerung auftreten. Mit dem Anstieg der Lebenserwartung im Zeitverlauf ändert sich auch das Morbiditätsspektrum in der Bevölkerung. Der Fokus auf einzelne, spezifische Erkrankungen leistet daher einen wichtigen Beitrag zum Verständnis der zugrundeliegenden Prozesse bei der Morbiditätskompression oder Morbiditätsexpansion. Vor diesem Hintergrund wird untersucht, ob sich die durchschnittliche Lebenszeit in diesen Erkrankungen im Zeitverlauf ausweitet oder ob eine immer längere Lebensspanne ohne spezifische Erkrankungen verbracht wird.

Aktuell beschäftigt sich die Projektgruppe mit den Erkrankungen Diabetes Mellitus, Multimorbidität, Lungenkrebs, Herzinfarkt und Schlaganfall.

Dabei werden folgende Fragestellungen bearbeitet:

• Wie entwickelt sich die Erkrankungshäufigkeit im Zeitverlauf?

• Wie entwickelt sich die Lebensspanne frei von diesen Erkrankungen?

• Bestehen soziale Ungleichheiten beim Auftreten dieser Erkrankungen?

• Kommt es im Zeitverlauf zu einer Ausweitung oder Verringerung der gesundheitlichen Ungleichheiten?

Neben den inhaltlichen Fragestellungen wird im Forschungsprojekt „Morbiditätskompression und ihre Alternativen“ auch ein methodischer Schwerpunkt auf die Aufbereitung und Validierung von Krankenkassendaten gelegt. Aufgrund der hohen Komplexität der Datenstruktur und der großen Fallzahl von über ca. 2 Millionen Versicherten, die jährlich ca. 23 Millionen verschriebenen Arzneimittel und mehr als 150 Millionen abgerechneten Leistungen im ambulanten Bereich aufweisen, setzen wir uns mit Potentialen und Grenzen von Big Data auseinander.

Aktuell beschäftigen wir uns mit folgenden Fragestellungen:

• Wie repräsentativ sind Versicherte der AOK Niedersachsen im Vergleich zur Bevölkerung Niedersachsens und der Bundesrepublik Deutschland?

• Wie lassen sich Diagnoseinformationen validieren?

• Wie kann die Krankheitsschwere in den Krankenkassendaten bestimmt werden?

• Wie lange sind die Vorbeobachtungszeiten zu setzen, um Inzidenzraten zu bestimmen?

• Unterscheiden sich Inzidenzen ausgewählter Erkrankungen zwischen Krankenkassendaten und Daten aus Gesundheitssurveys wie DEGS oder GEDA?

An der Medizinischen Hochschule Hannover fand vom 4. bis 6. September 2019 der Workshop der Working Group "Health, Morbidity and Mortality" der European Association of Population Studies in Hannover statt. 25 Teilnehmer haben an drei Tagen intensiv über die aktuellen Trends in der Analyse der Morbidität und Mortalität diskutiert und sich über die methodischen und inhatlichen Aspekte ausgetauscht.

Vom 13. bis 22. August 2019 haben Juliane Tetzlaff, Jelena Epping und Johannes Beller eine Arbeitsgruppe bei der diesjährigen Sommerakademie der Studienstiftung des deutschen Volkes geleitet, die das Thema "Morbiditätskompression und ihre Alternativen: Wie gesund werden wir alt?" behandelte. Mit 13 sehr motivierten und engagierten Stipendiaten konnten die Dozenten an sieben intensiven Workshoptagen über solche Themen wie "Bin ich krank oder fühle ich mich nur so?", "Wie lange werden wir leben?", "Wie lange können wir arbeiten? Wie lange müssen wir arbeiten? oder "Können wir uns unsere Gesundheit leisten?" diskutiert, um nur einige zu nennen.

Nach jedem Workshoptag haben Studierende die Gelegenheit gehabt, ihre Gedanken und offene Fragen in einem Essay festzuhalten. Daraus ist eine Essaysammlung entstanden, die nach Rücksprache mit Autorinnen und Autoren für interessierte Besucher hier zum Download zur Verfügung gestellt wird. Diese Essaysammlung unterstützt das Projektteam bei der Entwicklung der neuen Ansätze für die Weiterentwicklung des Forschungsprojektes. Wir sind dankbar für die gemeinsame bereichernde Zeit in Leysin.

Im Juli 2017 hielt Prof. Siegfried Geyer einen Vortrag zur "Morbidity compression in myocardial infarction: The development 2006 to 2015" auf dem Workshop der Arbeitsgruppe "Health, Morbidity and Mortality" der EAPS (European Association for Population Studies) in Novosibirsk, Russland.

Im Juni 2015 fand ein AOK-Symposium in Hannover statt. Dort hat Prof. Dr. Siegfried Geyer Zwischenergebnisse des Forschungsprojektes im Rahmen eines Vortrags zum Thema „Später krank und länger gesund? Die Morbiditätskompression und ihre Folgen“ vorgestellt. Vertreter der Krankenkassen, Gewerkschaften, Arbeitgeberverbände und der Landespolitik diskutierten mit den Wissenschaftlern über die Auswirkungen der Morbiditätsentwicklung auf die Ausgestaltung der Gesundheitspolitik.

Das Buch

Geyer S, Eberhard S. Später krank und länger gesund? Die Morbiditätskompression und ihre Alternativen. Bern: Hogrefe; 2021.

Aufsätze in peer-reviewed Zeitschriften (chronologisch absteigend sortiert):

Epping J, Safieddine B, Geyer S, Tetzlaff J. Sind Prävalenzen in Survey- und Routinedaten vergleichbar? Gegenüberstellung von Herzinfarktprävalenzen in Krankenkassendaten der AOK Niedersachsen und in Daten der Studie zur Gesundheit Erwachsener in Deutschland (DEGS1). [Are prevalence rates comparable in survey and routine data? Analysis of prevalence rates of myocardial infarction in claims data of the AOK Lower Saxony and in data of German Health Interview and Examination Survey for Adults (DEGS1)]. Gesundheitswesen, AGENS-Supplement: Sekundärdaten - Methoden und Erkenntnisse. 2021 (accepted).

Epping J, Geyer S, Eberhard S, Tetzlaff J. Völlig unterschiedlich oder doch recht ähnlich? Die soziodemografische Struktur der AOK Niedersachsen im Vergleich zur niedersächsischen und bundesweiten Allgemein-und Erwerbsbevölkerung. [Completely Different or Quite similar? The Sociodemographic Structure of the AOK Lower Saxony in Comparison to the General and Working Population in Lower Saxony and the Federal Republic of Germany]. Gesundheitswesen. 2021 (accepted).

Safieddine B, Sperlich S, Epping J, Lange K, Geyer S. Development of comorbidities in type 2 diabetes between 2005 and 2017 using German claims data. Scientific Reports. 2021;11(1).

Klar MK, Geyer S, Safieddine B, Tetzlaff F, Tetzlaff J, Sperlich S. Trends in healthy life expectancy between 2002 and 2018 in Germany - Compression or expansion of health-related quality of life (HRQOL)? SSM - Population Health. 2021;13.

Grasshoff J, Beller J, Kuhlmann BG, Geyer S. Increasingly capable at the ripe old age? Cognitive abilities from 2004 to 2013 in Germany, Spain, and Sweden. Plos One. 2021;16(7)

Sperlich S, Beller J, Epping J, Safieddine B, Tetzlaff J, Geyer S. Are Disability Rates among People with Diabetes Increasing in Germany? A Decomposition Analysis of Temporal Change between 2004 and 2015. Journal of Aging and Health. 2021;33(3-4):205-16.

Tetzlaff F, Epping J, Tetzlaff J, Golpon H, Geyer S. Socioeconomic inequalities in lung cancer - a time trend analysis with German health insurance data. Bmc Public Health. 2021;21(1).

Beller J, Bauersachs J, Schafer A, Schwettmann L, Heier M, Peters A, et al. Diverging Trends in Age at First Myocardial Infarction: Evidence from Two German Population-Based Studies. Scientific Reports. 2020;10(1).

Tetzlaff J, Geyer S, Westhoff-Bleck M, Sperlich S, Epping J, Tetzlaff F. Social inequalities in mild and severe myocardial infarction: how large is the gap in health expectancies? Bmc Public Health. 2021;21(1).

Sperlich S, Klar MK, Safieddine B, Tetzlaff F, Tetzlaff J, Geyer S. Life stage-specific trends in educational inequalities in health-related quality of life and self-rated health between 2002 and 2016 in Germany: findings from the German Socio-Economic Panel Study (GSOEP). Bmj Open. 2021;11(3).

Beller J, Epping J. Disability trends in Europe by age-period-cohort analysis: Increasing disability in younger cohorts. Disability and Health Journal. 2021;14(1).

Tetzlaff F, Epping J, Sperlich S, Tetzlaff J. Widening income inequalities in life expectancy? Analysing time trends based on German health insurance data. Journal of Epidemiology and Community Health. 2020;74(7):592-7.

Beller J, Regidor E, Lostao L, Miething A, Kroger C, Safieddine B, et al. Decline of depressive symptoms in Europe: differential trends across the lifespan. Social Psychiatry and Psychiatric Epidemiology. 2021;56(7):1249-62.

Tetzlaff F, Epping J, Golpon H, Tetzlaff J. Compression, expansion, or maybe both? Growing inequalities in lung cancer in Germany. Plos One. 2020;15(11).

Tetzlaff J, Geyer S, Tetzlaff F, Epping J. Income inequalities in stroke incidence and mortality: Trends in stroke-free and stroke-affected life years based on German health insurance data. Plos One. 2020;15(1).

Safieddine B, Sperlich S, Beller J, Lange K, Epping J, Tetzlaff J, et al. Socioeconomic inequalities in type 2 diabetes in employed individuals, nonworking spouses and pensioners. SSM - Population Health. 2020;11.

Sperlich S, Beller J, Epping J, Tetzlaff J, Geyer S. Trends in self-rated health among the elderly population in Germany from 1995 to 2015-the influence of temporal change in leisure time physical activity. Bmc Public Health. 2020;20(1).     

Epping J, Geyer S, Tetzlaff J. The effects of different lookback periods on the sociodemographic structure of the study population and on the estimation of incidence rates: analyses with German claims data. Bmc Medical Research Methodology. 2020;20(1).

Sperlich S, Tetzlaff J, Geyer S. Trends in good self-rated health in Germany between 1995 and 2014: do age and gender matter? International Journal of Public Health. 2019;64(6):921-33.

Beller J, Miething A, Regidor E, Lostao L, Epping J, Geyer S. Trends in grip strength: Age, period, and cohort effects on grip strength in older adults from Germany, Sweden, and Spain. Social Science & Medicine: Population Health. 2019;9.

Geyer S, Tetzlaff J, Eberhard S, Sperlich S, Epping J. Health inequalities in terms of myocardial infarction and all-cause mortality: a study with German claims data covering 2006 to 2015. International Journal of Public Health. 2019;64(3):387-97.

Geyer S, Eberhard S, Schmidt BM, Epping J, Tetzlaff J. Morbidity compression in myocardial infarction 2006 to 2015 in terms of changing rates and age at occurrence. A longitudinal study using claims data from Germany. PLoS ONE. 2018;13 (8):e0202631.

Stahmeyer JT, Geyer S, Epping J, Tetzlaff J, Eberhard S. Ausgabenentwicklung in der gesetzlichen Krankenversicherung und der Einfluss des demografischen Wandels. Bundesgesundheitsblatt-Gesundheitsforschung-Gesundheitsschutz. 2018;61(4):432-41.

Tetzlaff J, Epping J, Sperlich S, Eberhard S, Stahmeyer JT, Geyer S. Widening inequalities in multimorbidity? Time trends among the working population between 2005 and 2015 based on German health insurance data. International Journal for Equity in Health. 2018;17(103).

Bachus L, Eberhard S, Weißenborn K, Muschik D, Epping J, Geyer S. Morbiditätskompression bei Schlaganfall? Langzeitanalysen zur Veränderung des Auftretens von Schlaganfall [Morbidity compression and stroke? Longitudinal analyses on changes in the incidence of stroke]. Das Gesundheitswesen. 2017;81(04):351-60.

Muschik D, Tetzlaff J, Lange K, Epping J, Eberhard S, Geyer S. Change in life expectancy with type 2 diabetes: a study using claims data from Lower Saxony, Germany. Population Health Metrics. 2017;15(5).

Tetzlaff J, Muschik D, Epping J, Eberhard S, Geyer S. Expansion or compression of multimorbidity? 10-year development of life years spent in multimorbidity based on health insurance claims data of Lower Saxony, Germany. International Journal of Public Health. 2017;62(6):679-86.

Muschik D, Icks A, Tetzlaff J, Epping J, Eberhard S, Geyer S. Morbidity compression, morbidity expansion, or dynamic equilibrium? The time trend of AOK-insured patients with type 2 diabetes in Lower Saxony, Germany. Journal of Public Health. 2017;25(1):19-28.

Tetzlaff J, Junius-Walker U, Muschik D, Epping J, Eberhard S, Geyer S. Identifying time trends in multimorbidity—defining multimorbidity in times of changing diagnostic practices. Journal of Public Health. 2016;25(2):215-22.

Geyer S. Morbidity compression: a promising and well-established concept? International Journal of Public Health. 2016;61:727-8.

Muschik D, Jaunzeme J, Geyer S. Are spouses´ socio-economic classifications interchangeable?  Examining the consequences of a commonly used practice in studies on social inequalities in health. International Journal of Public Health. 2015;60:953-60.

Jaunzeme J, Eberhard S, Geyer S. Wie „repräsentativ" sind GKV-Daten? Demografische und soziale Unterschiede und Ähnlichkeiten zwischen einer GKV-Versichertenpopulation, der Bevölkerung Niedersachsens sowie der Bundesrepublik am Beispiel der AOK Niedersachsen [How "representative" are data from statutory health insurances? Demographic and social differences and similarities between a statutory health insurance population, the population of Lower Saxony and the Federal Republic of Germany at the example of the AOK Niedersachsen]. Bundesgesundheitsblatt. 2013;56:447-54.

Geyer S. Die Morbiditätskompressionsthese und ihre Alternativen. Das Gesundheitswesen. 2015;77:442-6.

Trachte F, Sperlich S, Geyer S. Kompression oder Expansion der Morbidität? Entwicklung der Gesundheit in der älteren Bevölkerung [Compression or expansion of morbidity? The development of health in the elderly population]. Zeitschrift für Gerontologie und Geriatrie. 2015;48(3):255-62.