@misc{HoffmannTschornMichalskietal., author = {Hoffmann, Stephanie and Tschorn, Mira and Michalski, Niels and Hoebel, Jens and F{\"o}rstner, Bernd R. and Rapp, Michael A. and Spallek, Jacob}, title = {Regionale sozio{\"o}konomische Deprivation, Ruralit{\"a}t und kindliche Entwicklung: Analyse von Daten der Schuleingangsuntersuchung des Bundeslandes Brandenburgs}, series = {17. JAHRESTAGUNG DER DGEpi ABSTRACT BOOK}, journal = {17. JAHRESTAGUNG DER DGEpi ABSTRACT BOOK}, abstract = {Einleitung Die gesundheitliche Entwicklung von Kindern wird neben der sozio{\"o}konomischen Position (SEP) der Familie auch von Merkmalen der Lebensumgebung gepr{\"a}gt. Ruralit{\"a}t oder regionale sozio{\"o}konomische Deprivation werden als m{\"o}gliche unabh{\"a}ngige Einflussgr{\"o}ßen postuliert, ohne dass bisher ausreichende empirische Ergebnisse vorliegen. In dieser Studie wurde untersucht, ob regionale sozio{\"o}konomische Deprivation und Ruralit{\"a}t unabh{\"a}ngig von famili{\"a}rer SEP mit der Entwicklung von Kindern assoziiert sind. Methoden Daten des Sozialp{\"a}diatrischen Entwicklungsscreenings im Rahmen der Einschulungsuntersuchungen aus dem Jahr 2018/2019 in Brandenburg (n=22.801 Kinder) wurden verkn{\"u}pft mit Daten zur regionalen Bev{\"o}lkerungsdichte (Ruralit{\"a}t) sowie mit dem German Index of Socioeconomic Deprivation (regionale Deprivation). Mittels gemischter Modelle wurde der Zusammenhang einer Allgemeinen Entwicklungsverz{\"o}gerung (AEV) mit Ruralit{\"a}t und mit regionaler Deprivation analysiert (OR=Odds Ratio (95\% Konfidenzintervall)), wobei f{\"u}r famili{\"a}re SEP (hoch, mittel, niedrig) adjustiert und nach Geschlecht (M=M{\"a}dchen, J=Jungen) stratifiziert wurde. Ergebnisse Kinder mit hoher famili{\"a}rer SEP zeigten geringere Chancen einer AEV als Kinder mit mittlerer famili{\"a}rer SEP (ORM=4,26(3,14-5,79); ORJ=3,46(2,83-4,22)) und niedriger famili{\"a}rer SEP (ORM=16,58(11,90-23,09); ORJ=12,79(10,13-16,16)). Gr{\"o}ßere regionale Deprivation war unabh{\"a}ngig von famili{\"a}rer SEP und Ruralit{\"a}t mit AEV assoziiert (ORM=1,35(1,13-1,62); ORJ=1,20(1,05-1,39)). Neben famili{\"a}rer SEP und regionaler Deprivation zeigte Ruralit{\"a}t keine Assoziation mit AEV. Schlussfolgerung Neben der famili{\"a}ren SEP wirkt sich die regionale sozio{\"o}konomische Deprivation auf Entwicklungsverz{\"o}gerungen von Kindern aus. Sozialepidemiologie und Public Health sollten daher neben den individuellen sozio{\"o}konomischen Voraussetzungen auch die regionalen sozio{\"o}konomischen Bedingungen als Determinante der gesundheitlichen Entwicklung {\"u}ber den Lebenslauf ber{\"u}cksichtigen.}, language = {de} } @misc{MichalskiTetzlaffHoffmannetal., author = {Michalski, Niels and Tetzlaff, Fabian and Hoffmann, Stephanie and Spallek, Jacob and Hoebel, Jens}, title = {Der German Index of Socioeconomic Deprivation (GISD) - Ein Tool zur Verkleinerung „blinder Flecken" der Sozialepidemiologie in Deutschland?}, series = {BEWEGTE ZEITEN: LEBENSWELTEN IM WANDEL - Programm und Abstract-Band_DGMP-DGMS2023}, journal = {BEWEGTE ZEITEN: LEBENSWELTEN IM WANDEL - Programm und Abstract-Band_DGMP-DGMS2023}, pages = {S. 37}, abstract = {Hintergrund: Die Sozialepidemiologie in Deutschland konnte in den letzten Jahrzehnten in wichtigen Fragen zur internationalen Forschung aufschließen. Dennoch bestehen hierzulande im Vergleich zu vielen anderen L{\"a}ndern weiterhin einige Datenl{\"u}cken und „blinde Flecken", z.B. hinsichtlich sozialer Unterschiede in der ursachenspezifischen Mortalit{\"a}t oder dem Zusammenspiel von individuellen und sozialr{\"a}umlichen Einfl{\"u}ssen auf Gesundheit. Diese h{\"a}ngen u.a. mit fehlenden Verkn{\"u}pfungsm{\"o}glichkeiten von Gesundheits- und Sozialdaten auf Individual- und Raumebene zusammen. Der German Index of Socioeconomic Deprivation (GISD) des Robert Koch-Instituts stellt ein Maß zur Verf{\"u}gung, mit dem ein Beitrag zur Bearbeitung dieser Fragen geleistet werden kann. Methoden: Anhand von Anwendungsbeispielen werden Analysepotentiale des GISD f{\"u}r die Sozialepidemiologie in Deutschland aufgezeigt. Daf{\"u}r wird der GISD mit Daten 1) der amtlichen Statistik (z.B. Todesursachenstatistik), 2) der Schuleingangsuntersuchung sowie 3) der Studie Corona-Monitoring bundesweit (RKISOEP- 2) auf kleinr{\"a}umiger Ebene verkn{\"u}pft. Zur Anwendung kommen epidemiologische Methoden wie die Berechnung altersstandardisierter Raten und relativer Risiken, u.a. mittels (Mehrebenen-)Regressionsmodellen. Ergebnisse: 1) F{\"u}r nahezu alle h{\"a}ufigen Todesursachen zeigt der GISD regionale sozio{\"o}konomische Gradienten in der Mortalit{\"a}t. Bei Krebserkrankungen beispielsweise weisen Frauen und M{\"a}nner, die in sozio{\"o}konomisch hoch deprivierten Kreisen leben, eine bis zu dreimal h{\"o}here Lungenkrebssterblichkeit auf als jene in wohlhabenden Kreisen. 2) Hinsichtlich des allgemeinen Entwicklungsstandes von Kindern bei der Schuleingangsuntersuchung werden bei Kindern aus h{\"o}her deprivierten Gemeinden h{\"a}ufiger Entwicklungsverz{\"o}gerungen festgestellt, selbst nach Kontrolle f{\"u}r den famili{\"a}ren sozio{\"o}konomischen Status. 3) Die niedrigste COVID-19-Impfquote zeigte sich unabh{\"a}ngig von der regionalen sozio{\"o}konomischen Deprivation bei Personen mit niedrigen Bildungsabschl{\"u}ssen. Stratifiziert nach GISD-Quintilen wird ersichtlich sich, dass diese Bildungsunterschiede in der Impfquote mit steigender sozio{\"o}konomischer Deprivation der Wohnregion zunehmen. Diskussion: Der GISD bietet f{\"u}r die sozialepidemiologische Forschung ein breites Analysepotenzial. Insbesondere bei der Analyse gesundheitlicher Ungleichheit kann er f{\"u}r verschiedene Gesundheitsoutcomes und Lebensphasen zur Erschließung bislang ungenutzter Routinedatenquellen (z.B. Todesursachenstatistik) sowie Erg{\"a}nzung von Routine- und Prim{\"a}rdaten dienen, um „blinde Flecke" der Sozialepidemiologie in Deutschland zu verringern.}, language = {de} }