FAQ
© 2017 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute10.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-70923
URL: http://ediss.sub.uni-hamburg.de/volltexte/2014/7092/


Soziale Ungleichheit von Multimorbidität im höheren Lebensalter

Social inequality of multimorbidity in the elderly

Schäfer, Ingmar

pdf-Format:
 Dokument 1.pdf (2.821 KB) 


SWD-Schlagwörter: Multimorbidität , Soziale Ungleichheit , Chronische Krankheit , Epidemiologie , Medizinsoziologie , Sozialepidemiologie
Basisklassifikation: 44.06 , 71.13
Institut: Sozialwissenschaften
DDC-Sachgruppe: Medizin, Gesundheit
Dokumentart: Dissertation
Hauptberichter: Knesebeck, Olaf von dem (Prof. Dr.)
Sprache: Deutsch
Tag der mündlichen Prüfung: 22.09.2014
Erstellungsjahr: 2013
Publikationsdatum: 15.12.2014
Kurzfassung auf Deutsch: Die hierarchische Strukturierung der Gesellschaft geht mit Unterschieden im Gesundheitszustand der Gesellschaftsmitglieder einher. So haben z.B. Menschen mit höherem Bildungsstand oder höherem Einkommen auch regelmäßig ein geringeres Risiko für Krankheiten als Menschen mit niedrigerem Bildungsstand oder geringerem Einkommen. Während sich dieser Zusammenhang vor Erreichen des Rentenalters auf den größten Teil der Erkrankungen zu beziehen scheint, ist bei älteren Menschen nur für einen geringeren Teil der Krankheiten ein Zusammenhang mit der sozialen Schichtung nachweisbar. Eine weitere Besonderheit bei älteren Menschen ist die Tatsache, dass in vielen Fällen Multimorbidität vorliegt, also das gleichzeitige Zusammentreffen mehrerer chronischer Krankheiten bei einer Person. Dabei findet sich eine extrem große Zahl unterschiedlicher Krankheitskombinationen. Diese Komplexität könnte sich anhand der statistischen Beziehungen zwischen den Erkrankungen reduzieren lassen, z.B. indem Cluster von Erkrankungen identifiziert werden. Aufgrund der Zusammenhänge zwischen dem sozialen Status und der Prävalenz einzelner Erkrankungen könnten die Faktoren, die für die sozioökonomischen Unterschiede in der Krankheitslast verantwortlich sind, auch für die Bildung von Krankheitsclustern eine Rolle spielen. Eine Untersuchung des Zusammenhangs zwischen dem sozioökonomischen Status und der nach Clustern differenzierten Multimorbiditätlast ist bislang noch nicht erfolgt.

Ziel der vorliegenden Untersuchung ist es, für ältere Patienten den Zusammenhang zwischen Bildung, Beruf, Einkommen sowie Vermögen und der über die Anzahl der Krankheiten gemessenen und nach statistisch ermittelten Mustern differenzierten Multimorbiditätslast zu untersuchen. Daraus ergeben sich drei Fragestellungen, die einerseits an einem Sekundärdatensatz mit Abrechnungsdaten von 149.280 Versicherten der Gmünder Ersatzkasse im Alter von 65 Jahren und höher und andererseits in einem Primärdatensatz von 3.189 Patienten im Alter zwischen 65 und 84 Jahren aus 158 Hausarztpraxen in 8 deutschen Großstädten, bei dem Patienten- und Hausarztinterviews als Datenquelle dienten, untersucht werden. Als erstes werden die Voraussetzungen für die Verwendung einer Krankheitsliste überprüft, um eine mögliche Konfundierung zwischen Anzahl und Art der Erkrankungen zu entdecken. Zu diesem Zweck wird die im Sekundärdatensatz beobachtete Verteilung der Erkrankungen mit einer Verteilung verglichen, die bei statistischer Unabhängigkeit zwischen den Erkrankungen erwartet werden könnte. Danach werden im Sekundärdatensatz Multimorbiditätscluster identifiziert, indem eine explorative Faktorenanalyse auf Basis einer tetrachorischen Korrelationsmatrix durchgeführt wird. Schließlich wird im Primärdatensatz der Zusammenhang zwischen sozialer Ungleichheit und Multimorbidität analysiert mittels multivariater linearer Regression in gemischten Mehrebenenmodellen, die für Zufallseffekte auf Ebene der Studienzentren und auf Ebene der Hausarztpraxen in Studienzentren adjustiert wurden.

Es konnte demonstriert werden, dass sich bei zunehmender Anzahl der Komorbiditäten das Spektrum der Krankheiten der Patienten zu verändern scheint. Seltenere Krankheiten erhalten gegenüber häufigeren ein größeres relatives Gewicht, Folgeerkrankungen kommen eher vor als deren mögliche Verursacher und Erkrankungen, die mit hohen Mortalitätsraten verbunden sind, sind zunehmend unterrepräsentiert. Es wurden für beide Geschlechter drei vergleichbare Multimorbiditätsmuster (=Cluster) identifiziert, die bei insgesamt 50% der Frauen und 48% der Männer in der untersuchten Altersklasse vorlagen: 1) kardiovaskuläre und metabolische Erkrankungen; 2) Angststörungen, Depression, somatoforme Störungen und schmerzbezogene Erkrankungen sowie 3) neuropsychiatrische Erkrankungen. Es wurde gezeigt, dass bei älteren multimorbiden Patienten aus Hausarztpraxen in deutschen Groß-städten ein niedriger sozialer Status mit einer höheren Anzahl an chronischen Krankheiten einherzugehen scheint. Dabei scheint der soziale Status im höheren Lebensalter vor allem mit kardiovaskulären und metabolischen Erkrankungen zusammenzuhängen, während im untersuchten Kollektiv für psychische, psychosomatische und schmerzbezogene Erkrankungen (z.B. des Skelettsystems) kein Zusammenhang mit der sozialen Schichtung nachgewiesen werden konnte. Die Hypothese, dass sich auch bei multimorbiden Patienten die gesundheitliche Ungleichheit nicht auf alle Erkrankungen im gleichen Maße bezieht, sondern sich der Zusammenhang zwischen sozialem Status und Multimorbiditätslast bei einer Differenzierung nach Clustern besser darstellen lässt, konnte also vorläufig bestätigt werden. Diese Ergebnisse können die Basis für Untersuchungen darstellen, die eine Erklärung der sozialen Ungleichheit von Multimorbidität zum Ziel haben und ihrerseits wiederum Ansatzpunkte für Interventionen zur Reduktion dieser Ungleichheit liefern können.
Kurzfassung auf Englisch: The hierarchical structuring of society into social classes is associated with differences in the health status of its members. For example, people with higher education or higher incomes often have a lower risk for diseases than people with lower education or lower incomes. This association refers to most diseases of adults before reaching the age of retirement, while social inequalities in the health of elderly people can only be found in a smaller part of the disease spectrum. Another characteristic in the elderly is the fact that in many cases multimorbidity is present, i.e. the combination of several chronic diseases in one person. In elderly patients an extremely large number of different disease combinations can be found. This complexity could be reduced on the basis of the statistical relationships between the diseases, e.g. if cluster of diseases can be identified. Due to strong associations between social status and the prevalence of the single diseases, the factors that are responsible for the socio-economic differences in the burden of disease could also influence the composition of disease clusters. Until now there has been no study that analyzed the relationship between socioeconomic status and multimorbidity differentiated by disease clusters.

The aim of the present study is to investigate the relationship in elderly patients between education, occupation, income and wealth on the one hand and the number of diseases differentiated according to statistically derived patterns of multimorbidity on the other hand. There are three research questions in this dissertation that will be analyzed on the basis of
a) a secondary data set with insurance claims data of 149 280 members of the Gmünder ErsatzKasse aged 65 years and more and b) a primary data set of 3,189 patients aged 65 to 84 years from 158 general practices in eight larger German cities that stem from interviews with patients and general practitioners. First, the preconditions for the use of a disease list will be checked in order to detect a possible confounding between the number and type of diseases in this list. For this purpose, the observed distribution of diseases in the secondary data set is compared to a distribution that would be expected if there was statistical independence between the diseases. Second, multimorbidity clusters will be identified in the secondary data set by an exploratory factor analysis based on a tetrachoric correlation matrix. Third, the association between social status and multimorbidity is analyzed in the primary data set by multilevel mixed-effects linear regression adjusted for random effects on the level of study centers and on the level of general practices in study centers.

It could be demonstrated that the spectrum of the patients’ diseases seems to change with an increasing number of comorbidities. Rarer diseases receive a greater relative weight than more frequent diseases, complications increasingly become more likely than their possible causes, and diseases that are associated with high mortality rates are increasingly underrepresented. Three multimorbidity patterns were identified. The composition of the patterns (=clusters) was comparable for both genders and at least one pattern was present in 50% of the female and 48% the male population in the studied age group: 1) cardiovascular and metabolic diseases, 2) anxiety, depression, somatoform disorders and pain, and 3) neuropsychiatric diseases. It has been shown that a lower social status seems to be associated with a higher number of chronic diseases in elderly multimorbid patients from primary care practices in larger German cities. This association seems to be focused on cardiovascular and metabolic diseases, while social status did not seem to be related to the number of psychic, psychosomatic and pain-related disorders (e.g., diseases of the skeletal system). It could be shown that health inequalities in elderly multimorbid patients did not seem to relate to all diseases in the same extent and that therefore the relationship between social status and multimorbidity burden can be better represented if differentiated by clusters. These results may form the basis for investigations trying to explain social inequalities of multimorbidity and in turn may themselves provide starting points for the development of interventions aiming to reduce these inequalities.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende