Skip to main content
Top
Gepubliceerd in:

10-08-2017 | Wetenschappelijk artikel

Informatie voor gebiedsgericht werken in het sociale domein: schattingen van gezondheid in Amsterdamse buurten

Auteurs: Daan G. Uitenbroek, Henriette Dijkshoorn, Suzan van Dijken

Gepubliceerd in: TSG - Tijdschrift voor gezondheidswetenschappen | Uitgave 5/2017

Log in om toegang te krijgen
share
DELEN

Deel dit onderdeel of sectie (kopieer de link)

  • Optie A:
    Klik op de rechtermuisknop op de link en selecteer de optie “linkadres kopiëren”
  • Optie B:
    Deel de link per e-mail

Samenvatting

Achtergrond: Er is een toenemende vraag naar gegevens over de gezondheid, de zorgbehoefte en het gezondheidsgedrag op buurtniveau. Enquêtegegevens zijn op dat niveau niet of nauwelijks beschikbaar en bovendien kostbaar om te verzamelen. Geschatte gegevens op grond van kenmerken van een buurt kunnen in de behoefte voorzien. In dit artikel wordt aandacht besteed aan verschillende aspecten van het doen van schattingen op een laag geografisch niveau. Daarbij wordt in het bijzonder gekeken naar de methode die de GGD Amsterdam gebruikt voor het uitvoeren van gezondheidsschattingen op buurtniveau.
Methoden algemeen: Drie factoren zijn belangrijk bij het maken van een schatting: 1) de bevolkingssamenstelling van buurten wat betreft bijvoorbeeld leeftijd en geslacht, 2) buurtfactoren zoals verstedelijking, SES-score van de buurt en afstand naar voorzieningen, en 3) de regio waarin een buurt ligt. Multilevel-regressiemodellen toegepast op enquêtegegevens maken het mogelijk om met deze factoren rekening te houden bij het samenstellen van een schattingsformule. Deze formule kan vervolgens worden toegepast op gegevens over de inwoners en andere karakteristieken van buurten.
Methoden Amsterdam: In Amsterdam zijn de multilevelformules ontwikkeld op basis van persoonsgegevens afkomstig uit de gezondheidsenquête en op grond van regiogegevens afkomstig uit de CBS-kerncijfers Wijken en Buurten. Als regio’s zijn de 22 Amsterdamse beleidsgebieden genomen. Deze regio’s zijn als random intercepts meegenomen in de multilevel-regressieanalyse. De multilevelformule is vervolgens toegepast op gegevens van 97 Amsterdamse buurten.
Beschouwing: Het is moeilijk om wijk- en buurtschattingen te valideren omdat een gouden standaard, een exacte vaststelling van de prevalentie van een bepaalde gezondheidsuitkomst voor een buurt, veelal niet bestaat. Berekeningen die de GGD Amsterdam heeft gedaan voor verschillende uitkomsten laten zien dat de meeste schattingen vallen binnen het betrouwbaarheidsinterval van vergelijkbare enquêtegegevens. Dan is niet aan te geven wat dichter bij de ‘werkelijkheid’ ligt, de multilevelschatting of de observatie met een enquête. Gesprekken met gebruikers uit de praktijk laten zien dat schattingen worden aanvaard, waarbij opvalt dat men goed beseft dat het gaat om een verwachting op grond van het profiel van de buurt, en dat deze verwachting kan afwijken van de realiteit.
Literatuur
1.
go back to reference Molleman G, Pieters M. Reflectie vanuit het GGD-perspectief. Tijdschr Gezondheidswet. 2014;92:8.CrossRef Molleman G, Pieters M. Reflectie vanuit het GGD-perspectief. Tijdschr Gezondheidswet. 2014;92:8.CrossRef
2.
go back to reference Zwaanswijk M, Quak ES, Bouwman J, et al. Validiteit van de Vraag Aanbod Analyse Monitor (VAAM): overeenstemming met populatiegegevens uit lokale gezondheidspeilingen. Tijdschr Gezondheidswet. 2009;87:272–8.CrossRef Zwaanswijk M, Quak ES, Bouwman J, et al. Validiteit van de Vraag Aanbod Analyse Monitor (VAAM): overeenstemming met populatiegegevens uit lokale gezondheidspeilingen. Tijdschr Gezondheidswet. 2009;87:272–8.CrossRef
3.
go back to reference Ruizendaal-de Graaf WA, Kenens R, Bakker DH de. The construction of a decision tool to analyse local demand and local supply for GP care using a synthetic estimation model. Hum Resour Health. 2013;55:1–9. Ruizendaal-de Graaf WA, Kenens R, Bakker DH de. The construction of a decision tool to analyse local demand and local supply for GP care using a synthetic estimation model. Hum Resour Health. 2013;55:1–9.
4.
go back to reference Ruizendaal-de Graaf WA, Brink CL van den, Hoek L van den, et al. Geschatte lokale cijfers over gezondheid en gezondheidsdeterminanten ter ondersteuning van het gezondheidsbeleid. Tijdschr Gezondheidswet. 2015;93:274–80.CrossRef Ruizendaal-de Graaf WA, Brink CL van den, Hoek L van den, et al. Geschatte lokale cijfers over gezondheid en gezondheidsdeterminanten ter ondersteuning van het gezondheidsbeleid. Tijdschr Gezondheidswet. 2015;93:274–80.CrossRef
6.
go back to reference Twigg L, Moon G. Predicting small area health-related behaviour: a comparison of multilevel synthetic estimation and local survey data. Soc Sci Med. 2002;54:931–7.CrossRefPubMed Twigg L, Moon G. Predicting small area health-related behaviour: a comparison of multilevel synthetic estimation and local survey data. Soc Sci Med. 2002;54:931–7.CrossRefPubMed
7.
go back to reference Twigg L, Moon G, Jones K. Predicting small-area health-related behaviour: a comparison of smoking and drinking indicators. Soc Sci Med. 2000;50:1109–20.CrossRefPubMed Twigg L, Moon G, Jones K. Predicting small-area health-related behaviour: a comparison of smoking and drinking indicators. Soc Sci Med. 2000;50:1109–20.CrossRefPubMed
8.
go back to reference Cui Y, Baldwin SB, Lightstone AS, et al. Small area estimates reveal high cigarette smoking prevalence in low-income cities of Los Angeles County. J Urban Health. 2012;893:397–406.CrossRef Cui Y, Baldwin SB, Lightstone AS, et al. Small area estimates reveal high cigarette smoking prevalence in low-income cities of Los Angeles County. J Urban Health. 2012;893:397–406.CrossRef
9.
go back to reference Szatkowski L, Fahy SJ, Coleman T, et al. Small area synthetic estimates of smoking prevalence during pregnancy in England. Popul Health Metr. 2015;13:34.CrossRefPubMedPubMedCentral Szatkowski L, Fahy SJ, Coleman T, et al. Small area synthetic estimates of smoking prevalence during pregnancy in England. Popul Health Metr. 2015;13:34.CrossRefPubMedPubMedCentral
10.
go back to reference Mohan J, Twigg L, Barnard S, et al. Social capital, geography and health: a small-area analysis for England. Soc Sci Med. 2005;60:1267–83.CrossRefPubMed Mohan J, Twigg L, Barnard S, et al. Social capital, geography and health: a small-area analysis for England. Soc Sci Med. 2005;60:1267–83.CrossRefPubMed
11.
go back to reference Schneider KL, Lapane KL, Clark MA, et al. Using small-area estimation to describe county-level disparities in mammography. Prev Chronic Dis. 2009;64:A125. Schneider KL, Lapane KL, Clark MA, et al. Using small-area estimation to describe county-level disparities in mammography. Prev Chronic Dis. 2009;64:A125.
17.
go back to reference Newcombe RG. Two sided confidence intervals for the single proportion: comparison of seven methods. Stat Med. 1998;17:857–72.CrossRefPubMed Newcombe RG. Two sided confidence intervals for the single proportion: comparison of seven methods. Stat Med. 1998;17:857–72.CrossRefPubMed
Metagegevens
Titel
Informatie voor gebiedsgericht werken in het sociale domein: schattingen van gezondheid in Amsterdamse buurten
Auteurs
Daan G. Uitenbroek
Henriette Dijkshoorn
Suzan van Dijken
Publicatiedatum
10-08-2017
Uitgeverij
Bohn Stafleu van Loghum
Gepubliceerd in
TSG - Tijdschrift voor gezondheidswetenschappen / Uitgave 5/2017
Print ISSN: 1388-7491
Elektronisch ISSN: 1876-8776
DOI
https://doi.org/10.1007/s12508-017-0056-3