Kapitel 7

So werden Daten vergleichbar: Stratifizieren und Standardisieren

IN DIESEM KAPITEL

Stratifizierung – eine Bevölkerung in Scheiben schneiden

Standardisierung – die Gleichmacherei

Standardbevölkerungen – die Qual der Wahl

In unserem Umfeld tragen fast alle eine Brille. In Ihrem Bekanntenkreis sind es nur wenige? Das spricht doch wohl für die Belesenheit unserer Bekannten (was natürlich auf uns abfärbt). Oder ist die mangelnde Sehschärfe doch überwiegend ein Problem des Altersunterschieds? Ihre Bekannten sind im Schnitt 20 Jahre jünger als unsere? Das würden wir nur ungern als Erklärung hören. Wir belassen es lieber bei der für uns sympathischeren Interpretation der Dinge.

In diesem Kapitel zeigen wir Ihnen, wie Sie Daten aus unterschiedlichen Gruppen oder Bevölkerungen gegenüberstellen und richtig vergleichen (also seriöser, als wir das eben getan haben).

Stratifizierung – die Kleinen nach vorn, die Großen nach hinten

Für solide Analysen reicht uns Epidemiologen die absolute Zahl der Exponierten oder Erkrankten häufig nicht aus (mehr dazu in Kapitel 5). Zwar können Gesundheitsplaner schon auf Grundlage absoluter Zahlen Entscheidungen herbeiführen. Anhand der Zahl erkrankter Personen schätzen sie zum Beispiel die Zahl der erforderlichen Krankenhausbetten ab. Meist ist es aber unumgänglich, die Zahlen weiter zu differenzieren.

So sollen durch die Grippeschutzimpfung in erster Linie ältere Menschen über 65 Jahre und chronisch Kranke geschützt werden. Die erforderliche Zahl an Impfstoffdosen können Sie nicht mehr aus der absoluten Zahl der ungeimpften Personen ableiten (dies wäre ja vor Beginn einer Grippesaison die gesamte Bevölkerung). Um die Zahl der erforderlichen Impfstoffdosen zu bestimmen, müssen Sie die Bevölkerung in Gruppen einteilen. Zuerst in die über 65-Jährigen und die jüngeren Menschen. Danach unterscheiden Sie unter den jüngeren noch zwischen den chronisch kranken und den nicht chronisch kranken Menschen. (Ältere Menschen sollten in jedem Fall geimpft werden, egal ob sie chronisch krank sind oder nicht.) Die Aufteilung einer Bevölkerung in zwei Gruppen ist der einfachste Fall einer Stratifizierung. Er entspricht der Situation bei einem Gruppenfoto, wenn es heißt: »Die Kleinen nach vorn, die Großen nach hinten«.

Die Schichtungen können auch feiner sein als in unserem Beispiel. Dann schneiden Sie sozusagen eine Bevölkerung in Scheiben – selbstverständlich nur im übertragenen Sinne! Epidemiologen schichten häufig nach dem Geschlecht und nach dem Alter in Fünf-Jahres-Altersgruppen. Also beispielsweise:

Altersgruppe	Beschreibung
Männer von 60 bis 64 Jahren	(ab dem 60. Geburtstag bis zum Tag vor dem 65. Geburtstag)
Männer von 65 bis 69 Jahren	(ab dem 65. Geburtstag bis zum Tag vor dem 70. Geburtstag)

und so weiter …

Frauen von 60 bis 64 Jahren	(ab dem 60. Geburtstag bis zum Tag vor dem 65. Geburtstag)
Frauen von 65 bis 69 Jahren	(ab dem 65. Geburtstag bis zum Tag vor dem 70. Geburtstag)

und so weiter …

Mit einer solchen Schichtung können Sie dann genauere Aussagen zu Fragestellungen treffen, für die Geschlechtsunterschiede und die Altersverteilung relevant sind: Ab welchem Alter gibt es Schlaganfälle, in welcher Altersgruppe treten die meisten Schlaganfälle auf, gibt es Altersgruppen, in denen bei Frauen mehr Schlaganfälle auftreten als bei Männern?

Die Schichtung einer Bevölkerung oder Studienbevölkerung nach Geschlecht, Alter oder zum Beispiel sozialer Lage nennen die Epidemiologen »Stratifizierung«.

Die Stratifizierung spielt auch in der Analyse der Ergebnisse epidemiologischer Untersuchungen eine wichtige Rolle. Sie ist eine der Techniken, mit denen Epidemiologen für Confounding kontrollieren. Darunter verstehen sie die »Verschleierung« wirklicher Zusammenhänge durch eine Störgröße. Das Beispiel im einleitenden Absatz dieses Kapitels zeigt Ihnen Confounding durch Alter. Tatsächlich gehen die Unterschiede in der Prävalenz des Brillentragens nämlich auf Altersunterschiede zwischen den verschiedenen Bekanntenkreisen zurück und nicht auf deren Belesenheit. Mehr zu Confounding erfahren Sie in Kapitel 15.

Standardisierung – der einheitliche Bevölkerungsaufbau

Sie haben Ihre Stelle gewechselt und arbeiten seit einiger Zeit in der Gesundheitsberichterstattung des Landes Nordrhein-Westfalen (NRW). Im Rahmen Ihrer neuen Tätigkeit sollen Sie einen Gesundheitsbericht zum Thema »Sterblichkeit an bösartigen Neubildungen in der männlichen Bevölkerung des Landes NRW zwischen 2009 und 2012« erstellen.

Die bösartigen Neubildungen sind nach der International Classification of Diseases (ICD-10, siehe Kapitel 3) mit C00 bis C97 codiert. Sie stellen die Angaben der Diagnosegruppen für 2009 und 2012 gegenüber. Im Jahr 2009 starben 26.909 Männer an bösartigen Neubildungen, im Jahr 2012 dagegen 27.587 Männer. Das sind fast 700 Todesfälle mehr. Die absolute Zahl der Krebstoten ist also innerhalb weniger Jahre angestiegen.

Mit absoluten Zahlen geben Sie sich nicht zufrieden. Denn es könnte ja sein, dass die männliche Bevölkerung im untersuchten Zeitraum zugenommen hat und der Anstieg der Todesfälle allein durch die Zunahme der männlichen Bevölkerung bedingt ist.

Um das zu prüfen, bestimmen Sie die Mortalitätsraten bösartiger Neubildungen für die Jahre 2009 und 2012. Sie benötigen dazu jeweils die Zahl der Verstorbenen und die durchschnittliche Bevölkerung.

Die Zahl der Verstorbenen ist Ihnen bereits bekannt, die durchschnittliche männliche Bevölkerung von NRW schlagen Sie bei den entsprechenden Bevölkerungsindikatoren nach. Sie finden sie zum Beispiel im Themenfeld 2 des Indikatorensatzes für die Gesundheitsberichterstattung der Länder. Die durchschnittliche Bevölkerung lag 2009 bei 8.730.031 Männern und 2012 bei 8.532.719 Männern.

Die durchschnittliche Bevölkerung eines Jahres berechnen Sie als den Mittelwert der zwölf Monatswerte. Diese ergeben sich jeweils aus dem Mittelwert des Bevölkerungsstands zu Anfang und zu Ende eines Monats. Alternativ können Sie auch die mittlere Bevölkerung berechnen. Dazu bilden Sie das Mittel aus dem Bevölkerungsstand am 31.12. des Untersuchungsjahrs und am 31.12. des Vorjahrs. Der Unterschied zwischen durchschnittlicher und mittlerer Bevölkerung ist meist vernachlässigbar.

Auf Grundlage dieser Zahlen berechnen Sie die sogenannten »rohen« Mortalitätsraten (Sterberaten) für jedes der beiden Jahre:

Für das Jahr 2009 liegt die »rohe Sterberate« bei 308 pro 100.000 Männer und für das Jahr 2012 bei 323 pro 100.000 Männer. Auch beim Vergleich der rohen Raten zeigt sich ein Anstieg der Krebssterblichkeit.

Sie berücksichtigen bei einem Vergleich der zwei rohen Raten nicht, dass sich der Altersaufbau bei den Männern im Untersuchungszeitraum verändert hat.

Die Zahl der über 55-Jährigen hat von 2009 bis 2012 um fast 57.000 zugenommen. Die Zahl der unter 15-Jährigen ist um annähernd 68.000 zurückgegangen. Bei großen Altersunterschieden kann der Alterseffekt sogar alle anderen Faktoren überlagern, die das Mortalitätsgeschehen beeinflussen.

Der überwiegende Teil der Krebserkrankungen tritt im höheren Alter auf. Sie erwarten daher zu Recht, dass in der »gealterten« Bevölkerung des Jahres 2012 mehr Krebsfälle auftreten als 2009 und – wenn sich die Behandlungsmöglichkeiten nicht dramatisch verbessert haben – ebenfalls mehr Personen an der Erkrankung versterben.

Auch die Geschlechterverteilung kann einen erheblichen Einfluss auf das Mortalitätsgeschehen nehmen. Um diesen Einfluss sichtbar zu machen, werden Mortalitätsraten meist getrennt nach Geschlecht ausgewiesen.

Bleiben wir bei den Männern. Ihr Problem ist: Wenn sich die zu vergleichenden Bevölkerungen durch eine unterschiedliche Altersstruktur auszeichnen und sich das Risiko zu erkranken oder an einer Krankheit zu versterben mit dem Alter verändert, wirkt das Alter als verschleiernder, konfundierender Faktor.

Eine Lösungsmöglichkeit bietet Ihnen die Altersstandardisierung. Durch die Altersstandardisierung erreichen Sie, dass Ihre Ergebnisgrößen auf vergleichbaren Altersstrukturen beruhen. Wenn die Altersstrukturen vergleichbar sind, tritt kein Confounding (keine Verschleierung) des untersuchten Effekts durch das Alter mehr auf. Hierzu haben Sie zwei Möglichkeiten:

Direkte Altersstandardisierung (die Sie mithilfe einer sogenannten »Standardbevölkerung« durchführen)
Indirekte Altersstandardisierung (bei der Sie die Zahl der tatsächlich beobachteten Fälle mit der Zahl der zu erwartenden Fälle vergleichen)

In den folgenden Abschnitten stellen wir beide Methoden vor.

Bei den nun folgenden Beispielen zur Standardisierung beschränken wir uns auf die Mortalität und die Altersstandardisierung. Die Verfahren der Standardisierung können Sie jedoch in gleicher Weise für Daten zur Morbidität (Erkrankungen) und zur Standardisierung anderer Variablen (Geschlecht, Raucherstatus, soziale Lage …) anwenden.

Direkte Altersstandardisierung – von den Raten zur Standardbevölkerung

Die direkte Altersstandardisierung umfasst ein »Gleichmachen« der Altersstruktur von Bevölkerungen (Populationen) oder Gruppen, die einen unterschiedlichen Altersaufbau haben und die Sie direkt vergleichen möchten. Ein solches »Gleichmachen« ermöglicht es Ihnen auch, das Mortalitätsgeschehen innerhalb einer Bevölkerung zu mehreren Zeitpunkten zu vergleichen (denn deren Altersstruktur kann sich ja über die Zeit verändert haben).

Zurück zu unserem Beispiel. Um eine Vergleichbarkeit im Alterssaufbau der nordrhein-westfälischen männlichen Bevölkerung von 2009 und 2012 herzustellen, gehen Sie wie folgt vor:

Sie berechnen die altersspezifischen Mortalitätsraten, üblicherweise in Fünf-Jahres-Altersgruppen.
Sie gewichten die altersspezifischen Raten (die Raten der Fünf-Jahres-Altersgruppen) gemäß der Bevölkerungsverteilung einer Standardbevölkerung.
Sie summieren die gewichteten altersspezifischen Raten.

Bei der Altersstandardisierung gewichten Sie die altersspezifischen Raten der zu untersuchenden Population mit den Bevölkerungsanteilen der Standardbevölkerung. Dadurch können Sie Ergebnisgrößen wie beispielsweise Raten aus Bevölkerungen mit unterschiedlicher Altersstruktur vergleichen.

Sie benötigen nun eine Standardbevölkerung. Im Prinzip können Sie jede beliebige Bevölkerung als Standardbevölkerung einsetzen. Es ist jedoch sinnvoll, auf eine der international verwendeten (und meist extra für den Zweck der direkten Standardisierung erzeugten) Standardbevölkerungen zurückzugreifen. Sie haben damit die Möglichkeit, Ihre Ergebnisse mit den Ergebnissen aus anderen Ländern zu vergleichen. Auch viele Gesundheitskennzahlen sind auf der Grundlage dieser Bevölkerungen standardisiert.

Für die Berechnungen in der folgenden Tabelle verwenden wir die »alte Europabevölkerung« als Standardbevölkerung. Wir haben jeweils mehrere Fünf-Jahres-Altersgruppen der Standardbevölkerung zusammengefasst, damit die Tabelle übersichtlich bleibt.

Tabelle 7.1: Direkte Altersstandardisierung, männliche Bevölkerung, NRW 2009

Altersgruppe	Mittlere männliche Bevölkerung	Anzahl Verstorbener	Verstorbene je 100.000 (Rate)	Standardbevölkerung	Standardisierte Sterberate
0 – 14	1.297.575	40	3,08	22.000	0,68
15 – 29	1.593.560	72	4,52	21.000	0,95
30 – 44	1.876.653	393	20,94	21.000	4,40
45 – 59	1.974.384	3.511	177,83	20.000	35,57
60 – 74	1.410.216	11.237	796,83	12.000	95,62
75 +	577.643	11.662	2018,89	4.000	80,76
Gesamt	8.730.031	26.915	308,30	100.000	217,98

Die »Alte Europabevölkerung« von 1966 ist die von der WHO verwendete Standardbevölkerung für Europa. Sie entsprach in etwa dem Altersaufbau der europäischen Länder zu jener Zeit. Die Standardbevölkerung ist für Männer und Frauen identisch und erlaubt daher auch den Vergleich zwischen den Geschlechtern.

Die Standardisierung erfolgt in drei Rechenschritten:

Im ersten Schritt berechnen Sie die altersspezifischen Mortalitätsraten (MR_i). Der Buchstabe »i« steht hier als Platzhalter für die jeweiligen Altersgruppen.

Für die Altersgruppe der 0- bis 14-Jährigen ist dies beispielsweise:
Danach berechnen Sie die standardisierte Sterberate:

In der Formel steht dabei
- »N_i« für die Anzahl der Personen in der Altersgruppe der Standardbevölkerung,
- »MR_i« für die altersspezifische Mortalitätsrate,
- das Summenzeichen »∑« für das spätere Addieren der einzelnen Werte.
Den einzelnen Wert für die Altersgruppe der 0- bis 14-Jährigen berechnen Sie als
Sie berechnen die standardisierten Raten für alle Altersgruppen und addieren sie zum Schluss zu einer altersstandardisierten Sterberate zusammen. Diese liegt für das Jahr 2009 bei 217,98 Krebstodesfällen pro 100.000 Männer, oder gerundet bei 218 pro 100.000.

Auf die gleiche Weise haben wir die altersstandardisierte Sterberate für 2012 berechnet, sie beträgt rund 213 Krebstodesfälle pro 100.000 Männer. Nach der Alterstandardisierung der beiden Kennziffern können Sie sehen, dass die Krebssterblichkeit bei den Männern nicht angestiegen, sondern sogar etwas zurückgegangen ist: Im Jahr 2012 liegt die standardisierte Sterberate (213 pro 100.000) niedriger als im Jahr 2009 (218 pro 100.000).

Englischsprachige Epidemiologen bezeichnen die direkte altersstandardisierte Mortalitätsrate als »Standard Death Rate« (SDR).

Wenn Sie eine Standardbevölkerung wählen, die einen ähnlichen Aufbau hat wie Ihre Untersuchungspopulation, werden die rohe Rate und die standardisierte Rate ähnlich sein. Wählen Sie dagegen eine Standardbevölkerung, die sich in ihrer Altersstruktur deutlich von der Ihrer Untersuchungspopulation unterscheidet, werden die Raten stark voneinander abweichen. Berücksichtigen Sie in beiden Fällen, dass altersstandardisierte Raten »künstliche« Kennziffern sind, die nur Vergleichszwecken dienen.

Alternativ zur Standardisierung können Sie stratifizieren. Dann können Sie Raten aus gleichen Altersgruppen direkt miteinander vergleichen. Wenn Sie eine große Menge an Daten haben, leidet darunter aber die Übersichtlichkeit. Durch die Standardisierung erhalten Sie dagegen zusammengefasste, direkt vergleichbare Werte.

Indirekte Altersstandardisierung – von der Standardbevölkerung zu den Raten

Es gibt einen weiteren Weg, mit dem Sie das Mortalitätsgeschehen in Bevölkerungen oder Gruppen mit unterschiedlicher Altersstruktur vergleichbar machen können: die indirekte Standardisierung. Bei der indirekten Standardisierung gehen Sie den umgekehrten Weg wie bei der direkten Standardisierung: Ausgangspunkt ist die Standardbevölkerung. Sie gewichten deren altersspezifischen Sterberaten mittels der Altersverteilung in Ihrer Studienbevölkerung. Die indirekte Standardisierung ist sinnvoll

bei einem Vergleich der Ergebnisse von Untersuchungen mit wenigen Teilnehmern und entsprechen wenigen Fällen,
bei einem Vergleich von zwei Untergruppen einer Untersuchung, sofern sich der Altersaufbau in den Untergruppen gar nicht oder nur gering unterscheidet.

Gibt es nur wenige Verstorbene, so können sich diese zufallsbedingt so auf die Altersgruppen verteilen, dass sie nicht die Realität widerspiegeln. In einer solchen Situation erhalten Sie keine zuverlässigen altersspezifischen Raten. Die Zufallsschwankungen erhalten bei der direkten Standardisierung ein großes Gewicht und führen zu entsprechenden Abweichungen. Bei der indirekten Standardisierung ist der Fehler kleiner, da die Berechnung nicht auf den altersspezifischen Raten der untersuchten Bevölkerung, sondern auf der deutlich solideren Gesamtzahl der Sterbefälle beruht.

Für die indirekte Standardisierung benötigen Sie keine altersspezifischen Raten der beobachteten Bevölkerung, es genügt der Altersaufbau und die Zahl der Fälle (je nach Fragestellung erkrankt oder tot).

Aufregung im Gesundheitsamt …

Stellen Sie sich folgende Situation vor: In einer nahe gelegenen Kleinstadt mit rund 20.000 Einwohnern (genau die Hälfte davon sind Männer) sind im gerade abgelaufenen Jahr 38 Todesfälle infolge einer Erkrankung aufgetreten, die nur Männer betrifft. Der Bürgermeister der Kleinstadt hat die Zahlen aus einem für die Stadt erstellten regionalen Gesundheitsbericht erfahren. Dort stehen aber nur nicht-standardisierte Raten. Er hat Sie schon mehrmals angerufen und gefragt, ob denn das Gesundheitsamt da nichts unternehmen muss, denn für das Bundesland seien die Zahlen pro 10.000 Männer doch deutlich niedriger.

Sie fragen daher beim Landesgesundheitsamt an, um zu klären, wie häufig die Krankheit auf Landesebene ist. Der Mitarbeiter des Landesgesundheitsamts übermittelt Ihnen die rohen und die altersspezifischen Mortalitätsraten. Beim Vergleich stellen Sie fest, dass die rohe Mortalitätsrate in der Kleinstadt mit 380 pro 100.000 tatsächlich wesentlich höher liegt als auf Landesebene mit rund 275 pro 100.000 Männern (siehe Tabelle 7.2). Bis hierhin war der Bürgermeister ja auch schon gekommen.

Sie vergleichen nun den Altersaufbau im Land mit dem in der Kleinstadt und stellen deutliche Abweichungen fest. Im Land sind rund 4,8 Prozent der Männer 75 Jahre oder älter, in der betroffenen Kleinstadt jedoch 10 Prozent. Mehr oder weniger starke Abweichungen finden Sie auch in den anderen Altersgruppen. Sie entschließen sich, die Mortalitätsraten zu standardisieren, bevor Sie mögliche weitere Schritte unternehmen, etwa Experten einzuladen und zu befragen.

Da die Zahl der Todesfälle gering ist und da für die Kleinstadt keine altersspezifischen Mortalitätsraten vorliegen, führen Sie eine indirekte Altersstandardisierung durch.

Für die indirekte Standardisierung verwenden wir die männliche Bevölkerung von Nordrhein-Westfalen (die Sie ja bereits aus der Tabelle 7.1 kennen) als Standardbevölkerung. Die 10.000 Männer umfassende kleinstädtische Bevölkerung ist Ihre Studienpopulation. Sie führen die indirekte Standardisierung in mehreren Schritten durch:

Zuerst berechnen Sie die altersspezifischen Mortalitätsraten je 100.000 Männer (MR_i) für alle Altersgruppen der Standardbevölkerung.

Für die 0- bis 14-Jährigen ist die altersspezifische Mortalitätsrate:
Die Zahl der in der Kleinstadt lebenden Männer tragen Sie – stratifiziert nach Altersgruppe – in die Spalte »Beobachtete Gruppe« ein.
Die Zahl der in der Kleinstadt beobachteten Sterbefälle ist Ihnen bekannt. Sie müssen diesen Wert nur in Ihre Tabelle eintragen.

Danach bestimmen Sie die Sterbefälle, die in der Studienbevölkerung zu erwarten sind, wenn sich das Sterbeverhalten in den beiden Populationen nicht unterscheidet.

»n_i« steht für die Anzahl der beobachteten Personen in der Altersgruppe i.
»MR_i« steht für die Mortalitätsrate in der Standardbevölkerung je 100.000 Personen.
Das Summenzeichen »∑« steht für die spätere Addition der einzelnen Werte. Angewendet auf die jüngste Altersgruppe:

Tabelle 7.2: Die indirekte Standardisierung – Beispielberechnung

Altersgruppe	Mittlere männliche Bevölkerung	Anzahl Verstorbener	Verstorbene je 100.000 (MR)	Beobachtete Gruppe	Beobachtete Sterbefälle	Erwartete Sterbefälle
0 – 14	1.297.575	40	3,08	1.500	-	0,046
15 – 29	1.593.560	72	4,52	2.000	-	0,090
30 – 44	1.876.653	393	20,94	2.000	-	0,419
45 – 59	1.974.384	3.511	177,83	2.000	-	3,557
60 – 74	1.410.260	11.237	796,83	1.500	-	11,952
75 +	577.643	11.662	2018,89	1.000	-	20,189
Gesamt	8.730.031	26.915	308,30	10.000	38	36,253

Tabelle 7.2 zeigt Ihnen die erwarteten Sterbefälle für alle Altersgruppen, die wir für Sie gemäß der oben stehenden Formel berechnet haben.

Zuletzt berechnen Sie die Standardized Mortality Ratio (SMR). Das ist die Quote aus beobachteten und erwarteten Sterbefällen:

Die Standardized Mortality Ratio (SMR) heißt auf Deutsch »standardisiertes Mortalitätsverhältnis«. Deutsche Epidemiologen benutzen meist die englische Bezeichnung.

… und Entwarnung für den Bürgermeister

Wenn die Altersstruktur der Bevölkerung in der Kleinstadt der Altersstruktur der Bevölkerung des Bundeslandes entsprechen würde, wären statt der beobachteten 38 Todesfälle 36 zu erwarten gewesen. Die standardisierte Mortalitätsratio liegt also bei 1,06. Das ist nur ganz geringfügig über 1,0 und bedeutet: Es besteht kein wirklicher Unterschied zwischen den Sterberaten in der Kleinstadt und im gesamten Land.

Der erste Eindruck des Bürgermeisters auf der Basis der rohen Daten täuschte. Nach der Auswertung der standardisierten Daten können Sie Entwarnung geben. Sie teilen dem Bürgermeister mit, dass die Sterblichkeit in seiner Stadt der Sterblichkeit im gesamten Bundesland entspricht. Darüber hinaus werden Sie ihm erklären müssen, wie Sie zu Ihrem Schluss gelangt sind.

Fallstricke bei der Standardisierung

Doch das epidemiologische Arbeitsleben ist voller Tücken. Gegen eine Anwendung der indirekten Standardisierung zum Vergleich von einander ähnlichen Verwaltungseinheiten ist nichts einzuwenden. Anders sieht es jedoch aus, wenn sich die Altersverteilung von zwei Studienbevölkerungen sehr stark unterscheidet.

Hierzu ein Beispiel. Zunächst zeigen wir Ihnen in Tabelle 7.3 die Standardbevölkerung, die wir zur Standardisierung einsetzen. Wir haben sie selbst erzeugt. Passend zu unseren Beobachtungsdaten in Tabelle 7.4 hat sie nur zwei (sehr breite) Altersgruppen.

Tabelle 7.3: Standardbevölkerung für das Beispiel zur indirekten Standardisierung

Altersgruppe	Bevölkerung	Anzahl Verstorbener	Sterberate pro 100.000 Personen
20 – 39	40.000	1.000	2.500
40 – 59	60.000	3.000	5.000
alle	100.000	4.000

Sie können sich eigene Standardbevölkerungen zusammenstellen. Der Nachteil ist, dass Ihre standardisierten Daten dann nicht mit denen anderer Epidemiologen vergleichbar sind.

In Tabelle 7.4 finden Sie Informationen zu den zwei Studienbevölkerungen, die Sie vergleichen wollen. Die Gruppen sind mit jeweils insgesamt 10.000 Personen gleich groß. Die altersspezifischen SMRs (Standardized Mortality Ratios) unterscheiden sich nicht. Sie liegen in beiden Bevölkerungen bei 0,5 (20- bis 39-Jährige) und 1,0 (40- bis 59-Jährige). Trotzdem weichen die zusammengefassten SMRs voneinander ab.

Tabelle 7.4: Beispiel für SMRs (Standardized Mortality Ratios), bei denen ein Confounding (eine Verschleierung) durch die Variable Alter vorliegt

Studienbevölkerung I				Studienbevölkerung II
Altersgruppe	Personen	Beobachtete Fälle	Erwartete Fälle	SMR	Altersgruppe	Personen	Beobachtete Fälle	Erwartete Fälle	SMR
20 – 39	8.000	100	200	0,5	20 – 39	2.000	25	50	0,5
40 – 59	2.000	100	100	1,0	40 – 59	8.000	400	400	1,0
alle	10.000	200	300	0,67	alle	10.000	425	450	0,94

Die Abweichung kommt zustande, weil die Anzahl der Personen in den Altersgruppen unterschiedlich ist und die zusammengefassten SMRs sich einmal auf eine sehr junge und einmal auf eine sehr alte Studienbevölkerung beziehen.

Ein Vergleich von SMRs ist nicht angemessen, wenn sich die Verteilungen einer Confounder-Variable wie beispielsweise Alter in den beobachteten Gruppen stark unterscheiden.

Warum ist das so? Bei der indirekten Standardisierung berechnen Sie ja, wie viele Fälle in den Studienbevölkerungen jeweils zu erwarten wären, wenn der Altersaufbau der Standardbevölkerung dem der Studienbevölkerung entsprechen würde.

Sie vergleichen daher zwei Studienbevölkerungen, deren Altersaufbau nicht identisch ist. Epidemiologen bezeichnen die Wirkung der ungleichen Altersverteilung in den zwei Studienbevölkerungen als Confounding, das Alter ist ein konfundierender Faktor. Ein direkter Vergleich der beiden Gruppen ist dann nicht zulässig.

Auch wenn es technisch nicht korrekt ist, indirekt standardisierte Ergebnisgrößen wie SMRs zu vergleichen, führt ein Vergleich in der Praxis selten zu wirklich substanziellen Fehlern. Der Grund: So extreme Unterschiede wie in unserem Beispiel kommen in der wahren Welt selten vor. Meist sind sich die beobachteten Gruppen (zum Beispiel die Bevölkerungen von zwei Bundesländern) in ihrem Aufbau sehr ähnlich. Entsprechend ist der auftretende Fehler dann gering, meist sogar vernachlässigbar.

Epidemiologen setzen die indirekte Standardisierung beispielsweise im Rahmen der Gesundheitsberichterstattung (GBE) ein. In der GBE der Länder dient sie zum Vergleich von Raten in Kreisen und kreisfreien Städten. Das Land als Summe aller Kreise und kreisfreien Städte ist dabei die Referenz. Die SMR für das Land ist 1,0, da die Anzahl der beobachteten Fälle der Anzahl der erwarteten Fälle entspricht. Die SMRs der Kreise und kreisfreien Städte können Sie als Abweichung (in Prozent) vom Landesdurchschnitt interpretieren. Das ist möglich, weil eine SMR von »1,0« 100 Prozent entspricht. Eine SMR von »1,03« wie im obigen Beispiel bedeutet dementsprechend 103 Prozent. Die Abweichung vom Landesdurchschnitt beträgt dann

Mit der Standardized Mortality Ratio (SMR) können Sie relative Abweichungen beschreiben. Dazu multiplizieren Sie die SMR mit 100 und drücken die Differenz zum Vergleichswert 100 als Prozentwert aus.

Tabelle 7.5: Alte und neue Europa-Standardbevölkerungen

Altersgruppe (in Jahren)	»Alte« Europa-Bevölkerung	»Neue« Europa-Bevölkerung
		weiblich	männlich	insgesamt
<1	1.600	1.218	1.345	1.305
1 – 4	6.400	4.800	5.303	5.021
5 – 9	7.000	6.160	6.800	6.472
10 – 14	7.000	6.452	7.108	6.772
15 – 19	7.000	6.863	7.570	7.208
20 – 24	7.000	7.438	8.163	7.792
25 – 29	7.000	7.552	8.206	7.871
30 – 34	7.000	7.258	7.811	7.528
35 – 39	7.000	6.986	7.448	7.212
40 – 44	7.000	6.661	7.068	6.860
45 – 49	7.000	5.739	5.997	5.865
50 – 54	7.000	5.817	5.937	5.876
55 – 59	6.000	5.585	5.521	5.553
60 – 64	5.000	5.463	5.015	5.245
65 – 69	4.000	5.196	4.139	4.680
70 – 74	3.000	3.392	2.449	2.932
75 – 79	2.000	3.536	2.228	2.897
80 – 84	1.000	2.076	1.094	1.606
85 +	1.000	1.808	798	1.305
Insgesamt	100.000	100.000	100.000	100.000

Standardbevölkerungen

Standardbevölkerungen sind künstliche Bevölkerungen, auch wenn sie, wie die alte Europabevölkerung, dem europäischen Bevölkerungsaufbau der 1960er-Jahre näherungsweise entsprechen. Sie dienen ausschließlich als Hilfsmittel, um direkt miteinander vergleichbare Kennziffern zu berechnen. Sie können daher jede Bevölkerung als Standardbevölkerung verwenden. Eine eigene Standardbevölkerung hat jedoch den Nachteil, dass Sie Ihre Ergebnisse (Kennziffern) nicht mit den Kennziffern anderer Untersuchungen vergleichen können.

Im Rahmen großer Projekte, in denen Sie mit anderen Arbeitsgruppen kooperieren, sollten Sie vorab festlegen, welche Standardbevölkerung Sie verwenden wollen. Dann können alle Projektpartner ihre standardisierten Raten direkt miteinander vergleichen.

Für Europa gibt es zwei Standardbevölkerungen, die »alte« und die »neue« Europabevölkerung. Eigentlich wäre es gar nicht nötig, mehrere Standardbevölkerungen zu haben: eine würde ja völlig ausreichen, um Vergleiche anzustellen.

Die »alte« Europabevölkerung hat aber eine einheitliche Altersstruktur für beide Geschlechter. Das wurde kritisiert. Seit 1990 gibt es daher die »neue« Europabevölkerung, in der die unterschiedlichen Altersstrukturen bei Frauen und Männern berücksichtigt werden.

Die »neue« Europabevölkerung hat sich nicht durchgesetzt, da sich der vermeintliche Vorteil einer geschlechtsspezifischen Altersstruktur als Nachteil erwies. Aufgrund der unterschiedlichen Altersstruktur bei Männern und Frauen in der Standardbevölkerung können geschlechtsspezifische Raten nicht mehr direkt miteinander verglichen werden. Bei der alten Europabevölkerung ist dies dagegen möglich, da sie beim Altersaufbau nicht zwischen Frauen und Männern unterscheidet.

Falls Sie selbst einmal Standardisierungen durchführen möchten, stellen wir Ihnen in Tabelle 7.5 die »alte« und die »neue« Europabevölkerung bereit.