Sozioökonomische Deprivation und vorzeitige Sterblichkeit in Deutschland 1998–2021

Die vorzeitige Sterblichkeit wurde in der vorliegenden Studie als „Versterben vor einem Alter von 75 Jahren“ definiert. Die Altersgrenze von unter 75 Jahren entspricht dem Grenzwert zur Definition vorzeitiger Sterblichkeit, wie er derzeit von der Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) und Eurostat, dem statistischen Amt der Europäischen Union (EU), für die Berechnung vermeidbarer Sterblichkeit verwendet wird. Dabei orientiert sich dieser Grenzwert an den Ländern in der OECD und EU mit der kürzesten Lebenserwartung bei Geburt [34]. Für die in diesem Artikel dargestellten Analysen wurde sowohl die vorzeitige Gesamtsterblichkeit als auch die ursachenspezifische Sterblichkeit betrachtet. Differenziert wurde dabei zwischen den beiden häufigsten Todesursachen, den Herz-Kreislauf- (Todesursachen: ICD I00–I99) und Krebserkrankungen (Todesursachen: ICD C00–C97, ohne C44 und C77–C79), sowie der Gruppe anderer Todesursachen (restliche ICD-Codes). Sterbefälle mit ungültigen Todesursachencodes (sinkender Anteil über die Zeit [35], hauptsächlich ICD-Codes in Kapitel R [36]) wurden alters- und geschlechtsspezifisch für jedes Jahr und jeden Kreis proportional auf alle gültigen Todesursachencodes umverteilt.

Da die Todesursachenstatistik selbst keine Informationen zum sozioökonomischen Status der Verstorbenen enthält, wurden sozioökonomische Regionaldaten zum Wohnort der Verstorbenen mit den Todesursachenstatistik-Daten verknüpft, um den sozioökonomischen Status kleinräumig zu approximieren. Dafür wurde der German Index of Socioeconomic Deprivation (GISD; [19, 37]) jahresweise auf Ebene der Landkreise und kreisfreien Städte an die Sterbe- und Bevölkerungsdaten angespielt. Der GISD ist ein Maß relativer sozioökonomischer Deprivation der Regionen in Deutschland und beruht auf 9 räumlich aggregierten Einzelindikatoren zur Abbildung der 3 Kerndimensionen des soziökonomischen Status (Bildung, Beschäftigung, Einkommen). Jede Dimension wird mit jeweils 3 Einzelindikatoren repräsentiert. Beispiele für diese sind der Anteil von Schulabgängerinnen und Schulabgängern ohne Abschluss, die Arbeitslosenquote oder das durchschnittliche Haushaltsnettoeinkommen in den Regionen. Die Einzelindikatoren wurden in ihrer Dimension anhand ihrer Faktorladungen gewichtet, die mittels Hauptkomponentenanalyse ermittelt wurden. Anschließend gingen die 3 Dimensionen Bildung, Beschäftigung und Einkommen gleichgewichtet in den Gesamtindex ein, der einen Wert zwischen 0 (niedrigste Deprivation) und 1 (höchste Deprivation) annehmen kann. Für stratifizierte Analysen wurde der Index in Quintile eingeteilt, von Quintil 1 (niedrige Deprivation) bis Quintil 5 (hohe Deprivation). Weitere Details zum GISD, z. B. zu den zugrunde liegenden Daten sowie zur Gewichtung und zu Korrelationen der Einzeldimensionen, finden sich bei Michalski et al. [19].

Als Maßzahl für die vorzeitige Sterblichkeit wurde die standardisierte Mortalitätsrate als Anzahl der Todesfälle pro 100.000 Personen im Alter unter 75 Jahren mit Stratifizierung nach Geschlecht und Deprivationsquintil berechnet. Die Standardisierung erfolgte per direkter Altersstandardisierung auf die Europastandardbevölkerung 2013 [38]. Als Maß des relativen Risikos wurde das standardisierte Mortalitätsratenverhältnis (Standardized Mortality Ratio [SMR]) zwischen den Deprivationsquintilen berechnet.

Die Berechnungen erfolgten für jedes Kalenderjahr im Beobachtungszeitraum. Zunächst werden Ergebnisse für das Jahr 2019, dem letzten Jahr vor Beginn der COVID-19-Pandemie, dargestellt, um Einflüsse der Pandemie in dieser Betrachtung auszuschließen und eine Bestandsaufnahme zum Ausmaß regionaler sozioökonomischer Unterschiede in der vorzeitigen Sterblichkeit vor der Pandemie zu erstellen. Um zeitliche Entwicklungen und Trends zu erkennen, werden anschließend Verläufe der jährlichen Mortalitätsraten über den gesamten Beobachtungszeitraum von 1998 bis 2021 dargestellt. Zur Identifikation von Perioden mit ähnlichen jährlichen Mortalitätsveränderungen, wurden Joinpoint-Regressionen mit modifiziertem Bayes’schen Informationskriterium (BIC) stratifiziert nach Geschlecht und Deprivation berechnet [39, 40].

Um zu quantifizieren, in welchem Maß die vorzeitige Sterblichkeit insgesamt reduziert werden könnte, wenn die regionale sozioökonomische Ungleichheit in der Mortalität verringert würde, wurde eine What-if-Analyse mit verschiedenen kontrafaktischen Szenarien durchgeführt. Diese nehmen die Perspektive einer „Nivellierung nach oben“ („levelling up“ approach [32, 41]) ein, also einer Angleichung der Gesundheits- und Lebenschancen niedriger sozioökonomischer Gruppen auf das jeweilige Niveau höherer sozioökonomischer Gruppen:

Für die What-if-Analyse wurde zunächst die Anzahl der im jeweiligen Szenario erwarteten Todesfälle berechnet, indem die Mortalitätsrate der Bevölkerung in den niedrigeren Deprivationsquintilen (z. B. in Szenario 1 die Mortalitätsrate in Deprivationsquintil 1) auf die Bevölkerung in den höheren Deprivationsquintilen (z. B. in Szenario 1 der Deprivationsquintile 2 bis 5) stratifiziert nach 5‑Jahres-Altersgruppen, Geschlecht und Jahr angewendet wurde [25]. Durch Aufsummieren der Sterbefallzahlen über die Altersgruppen wurden die Gesamtzahlen der in jedem Deprivationsquintil beobachteten und erwarteten vorzeitigen Sterbefälle berechnet. Anschließend wurden diese jeweils über alle Deprivationsquintile aufsummiert, um die Differenz zwischen den beobachteten und erwarteten Sterbefällen insgesamt zu bilden. Diese Differenz gibt die Anzahl der vorzeitigen Sterbefälle an, die reduziert werden könnte, wenn die regionale sozioökonomische Ungleichheit in der Mortalität gemäß dem jeweiligen Szenario verringert würde. Zusätzlich wurde der prozentuale Anteil der im Szenario reduzierten Sterbefälle an allen beobachteten Sterbefällen berechnet, um zu ermitteln, um wie viel Prozent die vorzeitige Sterblichkeit im jeweiligen Szenario insgesamt reduziert wäre. Dieser Ansatz ist eng verbunden mit dem der „Population Attributable Fraction“ [42], welcher in der Epidemiologie angewendet wird, um die mit bestimmten Risikofaktoren verbundene Krankheitslast oder Sterblichkeit in Bevölkerungen zu quantifizieren. Dies gilt insbesondere für Szenario 1, das eine Nivellierung der Mortalität in der Gesamtbevölkerung an das Niveau in der sozioökonomisch am besten gestellten Bevölkerungsgruppe annimmt, wie es auch bei der Berechnung der vorzeitigen Sterblichkeit, die der sozioökonomischen Ungleichheit zurechenbar ist („ungleichheitsattributable Sterblichkeit“), erfolgt [25].

Die Analysen mit Einbeziehung von Mikrodaten der Todesursachenstatistik wurden an Gastwissenschaftsarbeitsplätzen (GWAP) des Amts für Statistik Berlin-Brandenburg mithilfe der Statistiksoftware Stata SE 17.0 (StataCorp LLC, College Station, TX, USA) durchgeführt. Dort aggregierte Daten wurden anschließend am Robert Koch-Institut (RKI) mit Stata und dem Joinpoint Regression Program (4.6.0.0, April 2018; Statistical Research and Applications Branch, National Cancer Institute, Bethesda, MD, USA) [39] weiter analysiert.

Zu den Vorteilen des ökologischen Studiendesigns für die Untersuchung sozioökonomischer Mortalitätsungleichheiten zählt, dass durch dieses Vorgehen die amtliche Todesursachenstatistik und damit eine Vollerhebung der Sterbefälle in Deutschland für sozialepidemiologische Analysen nutzbar gemacht werden. Die Todesursachenstatistik ermöglicht es, entsprechende Analysen nicht nur für die Gesamtmortalität, sondern auch für verschiedene Todesursachen bundesweit durchzuführen. Dies sind wichtige Vorteile gegenüber den eingangs erwähnten Alternativmöglichkeiten für Ungleichheitsanalysen zur Mortalität in Deutschland wie jenen auf Basis von Bevölkerungsstichproben, z. B. des Sozio-oekonomischen Panels (SOEP), oder Routinedaten der Sozialversicherungen. Denn weder die SOEP-Daten noch die Sozialversicherungsdaten enthalten direkte Informationen zur Todesursache. Zudem bleiben die Analysen der Sozialversicherungsdaten auf die Personenkreise gesetzlich rentenversicherter Männer oder Versicherter bestimmter gesetzlicher Krankenkassen beschränkt [16‐18], während die Todesursachenstatistik Aussagen über die Gesamtbevölkerung erlaubt. Die Vorteile der Bevölkerungsstichproben- und Sozialversicherungsdaten liegen hingegen darin, dass sie sozioökonomische Individualdaten enthalten und die sozioökonomische Position deswegen nicht über sozialräumliche Daten approximiert werden muss, wie es im ökologischen Design erfolgt.

Die sozialräumliche Approximation der sozioökonomischen Position, die in der vorliegenden Studie anhand des GISD auf Kreisebene erfolgte (ökologisches Studiendesign), ist insbesondere mit der Limitation verbunden, dass ein ökologischer Fehlschluss nicht ausgeschlossen werden kann. Demnach beschränkt sich der Erkenntniswert der Studie auf die Beschreibung raumbezogener Mortalitätsungleichheiten und Identifikation benachteiligter Regionen; Rückschlüsse auf kausale Wirkungen können nicht gezogen werden [19]. Dabei ist auch zu berücksichtigen, dass Heterogenität innerhalb von bevölkerungsreichen Land- bzw. Stadtkreisen, z. B. zwischen Bezirken innerhalb Berlins, anhand der verwendeten Daten nicht abgebildet werden konnte. Eine weitere Limitation besteht darin, dass die Todesursachenstatistik nur das zum Tode führende Grundleiden als Information zur Todesursache enthält. Insbesondere bei Periodenereignissen wie der COVID-19-Pandemie könnte es zu einer Unterschätzung der Mortalität von chronischen Erkrankungen aufgrund selektiver Mortalität kommen. Eine multikausale Todesursachenstatistik, die alle auf der Todesbescheinigung verfügbaren Informationen berücksichtigt, könnte dabei helfen, das Ausmaß der Dynamik in der Mortalität besser abzuschätzen. Die Etablierung einer solchen Statistik steht für Deutschland bundesweit bislang noch aus. Hinsichtlich der What-if-Analyse ist zu berücksichtigen, dass sie auf kontrafaktischen Szenarien basiert und dazu dient, Potenziale von Verringerungen der gesundheitlichen Ungleichheit für die Bevölkerungsgesundheit insgesamt abzuschätzen. Wie dies in der Realität erreicht werden könnte, ist nicht Bestandteil dieses Ansatzes [32]. In Berechnungen für England fiel der Anteil ungleichheitsattributabler vorzeitiger Sterblichkeit insgesamt höher aus als in unseren Berechnungen für Szenario 1. Die Ergebnisse sind jedoch nicht direkt vergleichbar, u. a. weil in der englischen Studie Deprivationsdezile statt -quintile verwendet wurden und dadurch eine größere regionale sozioökonomische Spreizung als in unserer Studie berücksichtigt wurde [25].

Die Verknüpfung der Todesursachenstatistik mit dem GISD auf kleinräumiger Ebene bietet für Deutschland neue Möglichkeiten zur Untersuchung von Art und Ausmaß sozioökonomischer Mortalitätsungleichheiten. Diese bestehen insbesondere darin, dass Langzeittrends der sozioökonomischen Mortalitätsungleichheit seit Ende der 1990er-Jahre todesursachenspezifisch analysiert und Aussagen über die bundesweite Gesamtbevölkerung getroffen werden können. Unter Beachtung der Limitationen des ökologischen Designs kann dieser Ansatz somit einen wichtigen Beitrag dazu leisten, die in Deutschland bestehende Datenlücke zu sozioökonomischen Ungleichheiten in der Mortalität zu überbrücken. Aktuelle Bemühungen, die bestehende Datenlücke zu schließen, z. B. im Rahmen des im Aufbau befindlichen Registerzensus oder der Etablierung eines nationalen Mortalitätsregisters, sollten jedoch nicht aus den Augen verloren werden, um entsprechende Analysemöglichkeiten künftig auch mit Individualdaten schaffen zu können.

Insgesamt bekräftigen die Befunde der vorliegenden Studie, dass die Verbesserung der Gesundheits- und Lebenschancen von Menschen in sozioökonomisch benachteiligten Verhältnissen eine wichtige und politikressortübergreifende Aufgabe bleibt, die mit beträchtlichen Potenzialen für die Gesundheit der Bevölkerung insgesamt und die weitere Reduktion der vorzeitigen Sterblichkeit verbunden ist. Die Herstellung gleichwertiger Lebensverhältnisse im Bundesgebiet, die als politisches Ziel im Grundgesetz verankert ist, stellt angesichts der zunehmenden sozioökonomischen Mortalitätsungleichheit auf regionaler Ebene auch ein wichtiges Handlungsfeld zur Verbesserung der gesundheitlichen Chancengleichheit in Deutschland dar.