[The future development of dementia diseases in Germany-a comparison of different forecast models].

Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz(2019)

引用 4|浏览0
暂无评分
摘要
Demenz ist eines der häufigsten Krankheitsbilder älterer Menschen ab 65 Jahren. Da es aufgrund des demografischen Wandels immer mehr ältere Menschen gibt, die zugleich immer älter werden, wird die Anzahl der derzeit rund 1,7 Mio. Menschen mit Demenz nochmals massiv steigen. Eine genaue Abschätzung dieser Steigerung ist dabei für Entscheidungs- und Kostenträger im Gesundheitswesen von besonderer Bedeutung. Die vorliegende Arbeit befasst sich deswegen mit den Auswirkungen unterschiedlicher Annahmen auf die zukünftige Krankheitshäufigkeit im Rahmen eines zeitdiskreten Markov-Modells aus bevölkerungsstatistischen und krankheitsspezifischen Komponenten. Für die empirische Umsetzung wurden auf Basis von Routinedaten der AOK Baden-Württemberg alters- und geschlechtsspezifische Prävalenzraten, Inzidenzraten und Mortalitätsdifferenzen für das Krankheitsbild Demenz ermittelt und auf die zu erwartende demografische Veränderung der deutschen Bevölkerung bezogen. Die Ergebnisse zeigen, dass die Anwendung des Markov-Modells gegenüber der in vielen bisherigen Studien praktizierten Übertragung aktueller alters- und geschlechtsspezifischer Prävalenzraten auf Bevölkerungsprojektionen (Status-Quo-Prinzip) schon bis 2030 zu einer um 20 bis 25 % höheren Anzahl an Menschen mit Demenz führt. Die Ergebnisse lassen deswegen erwarten, dass bereits in mittlerer Frist deutliche Ausgabensteigerungen auf die Kostenträger im Gesundheitswesen zukommen. Unter der Annahme zukünftig konstanter Inzidenzraten und einer steigenden Lebenserwartung von Menschen mit Demenz würde deren Anzahl in Deutschland bis 2060 auf 3,3 Mio. steigen. Durch eine Kompression der Krankheitslast könnte sich dieser Wert allerdings auf 2,6 Mio. reduzieren.
更多
查看译文
关键词
Demografischer Wandel, Demenzkranke, Prognose, GKV-Routinedaten, Markov-Modell, Demographic change, Dementia patients, Forecast, Health insurers data, Markov model
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要