Suchergebnisse

Abstract
Empirical evidence demonstrates associations between socioeconomic or environmental area deprivation and public health. To measure such structural effects, deprivation indices have been developed in the UK initially. Meanwhile their application is increasingly discussed in Germany, however with little attempts to adapt the concept to national conditions. In this paper, we develop a model of area deprivation differentiating between material, social and ecological deprivation effects. We apply structural equation modelling to endogenously estimate the latent deprivation dimensions as well as their relative impact on the health outcome, accounting for potential measurement errors and controlling for health care infrastructure. We use data at the level of German municipal associations (n=4,491) for the years 2013 and 2016, if available. We find that differences in material (βmaterial=−0.168, p<0.001) and social deprivation (βsocial=−0.249, p<0.001) as well as ecological damage (βecological=−0.077, p<0.001) explain part of the health differences in Germany. The social dimension is paramount in a health context. Moreover, deprivation dimensions cancel out each other and combining them in one overall index blurs the diverse picture of area deprivation in Germany. The small area analysis illustrates, that different strategies in environmental-, education- or health policy are necessary to reduce deprivation in different regions.

Der demografische Wandel vollzieht sich insbesondere in den ländlichen Gebieten Sachsens bereits in großen Schritten. Junge und hoch qualifizierte Menschen wandern weiterhin ab und die älteren bleiben zurück. Daraus resultiert ein Bevölkerungsrückgang, der zu einer Ausdünnung der Infrastruktur in diesen Gebieten führt. Insbesondere der reduzierte öffentliche Personennahverkehr schränkt die Mobilität der älteren Bevölkerung immer stärker ein. Gleichzeitig wird mit dem sich erhöhenden Altersdurchschnitt die Nachfrage nach medizinischer und pflegerischer Versorgung ansteigen. Ältere Menschen werden somit abhängig von der Unterstützung durch Familienangehörige, Freunde und Nachbarn. Stehen diese nicht zur Verfügung, sind das Verlassen des gewohnten Umfelds und der Umzug in eine stationäre Altenpflegeeinrichtung oftmals die einzige verbleibende Alternative. Dies entspricht jedoch weder den individuellen Wünschen der Betroffenen noch ist es aus volkswirtschaftlicher Perspektive sinnvoll. Die vorliegende Projektstudie wurde aus Mitteln der Demografierichtlinie durch die Sächsische Staatsregierung gefördert und hat zum Ziel, die Lebensbedingungen älterer Menschen in dünn besiedelten Regionen so sicherzustellen, dass sie in ihrem vertrauten Lebensumfeld so lange wie möglich verbleiben können. Dazu ist es notwendig, dass Elemente der Daseinsvorsorge, wie insbesondere medizinische und pflegerische Leistungen, Waren des täglichen Bedarfs etc., in ihrem unmittelbaren Umfeld vorhanden und für sie selbstständig erreichbar sind. Um diese kleinräumige Versorgung bedarfsgerecht und kosteneffizient gestalten zu können, ist die Entwicklung, Erprobung und Evaluierung entsprechender neuer Konzeptionen notwendig. Die Innovation des vorliegenden Projektes besteht darin, dass eine Lösung entwickelt wurde, deren Elemente nach raumplanerischen und gesundheitsökonomischen Gesichtspunkten aufeinander abgestimmt sind und den Bedürfnissen der Bevölkerung im Altersbereich 70+ entspricht.

ZusammenfassungDer vorliegende Artikel stellt die Besonderheiten in der Evaluation von
Versorgungsformen bei Menschen mit psychischen Erkrankungen in Deutschland dar.
Es werden die Erfahrungen der Evaluation von Modellvorhaben in der
psychiatrischen Versorgungsforschung basierend auf Routinedaten gesetzlicher
Krankenversicherungen (GKV) von über 70 gesetzlichen Krankenkassen
(EVA64-Studie) systematisch dargestellt. Am Beispiel der EVA64-Studie werden
Empfehlungen für den Einsatz von GKV-Routinedaten im Bereich psychiatrischer
Versorgungsforschung und allgemein abgeleitet. (1) Zunächst wird die Studie und
der Einsatz der genannten Daten in dieser beschrieben und eingeordnet. (2) Dann
werden die einzelnen Outcomes der Studie dargestellt und bewertet, (3) um danach
Kriterien, Stärken und Einsatzmöglichkeiten dieser Daten darzustellen. (4)
Abschließend werden Empfehlungen für die Weiterentwicklung von GKV-Routinedaten
als Bewertungsgrundlage formuliert.