Zusammenfassung
Das Hintergrundwissen, welche Bevölkerungsgruppen an welchem Ort einem erhöhten Risiko an Typ 2 Diabetes Mellitus (T2DM) zu erkranken ausgesetzt ist, erlaubt effiziente und kostensparende Interventionen, die sich genau an die lokalen Risikogruppen richten. Das Ziel dieser Studie ist die Analyse der räumlichen Verteilung des T2DM und die Identifikation lokaler, bevölkerungsbasierter Risikofaktoren mithilfe globaler und lokaler Regressionsmodelle.
Zur kartografischen Darstellung der T2DM Prävalenz wurde eine bivariate Kernel Density Estimation verwendet. Ein Ordinary Least Squares Regressionsmodell (OLS) wurde zur Identifikation bevölkerungsbasierter Risikofaktoren verwendet. Mithilfe eines geografisch gewichteten Regressionsmodells (GWR) wurde analysiert, wie der Zusammenhang zwischen den ermittelten Risikofaktoren und T2DM innerhalb Berlins variiert.
T2DM ist vor allem im Osten und in den Randgebieten Berlins konzentriert. Das OLS Modell identifiziert Anteile an Personen über 80, Personen ohne Migrationshintergrund, Langzeitarbeitslosigkeit, Haushalte mit Kindern und einen abnehmenden Anteil alleinerziehender Haushalte als soziodemografische Risikofaktoren. Die Ergebnisse des GWR Modells deuten zusätzlich auf starke räumliche Schwankungen des Zusammenhangs zwischen den ermittelten Risikofaktoren und T2DM innerhalb Berlins hin.
Die Risikofaktoren für T2DM hängen sehr stark von der lokalen soziodemografischen Zusammensetzung der Berliner Kieze ab und verdeutlichen, dass ein one-size-fits-all Ansatz für die Prävention des T2DM nicht geeignet ist. Präventionsmaßnahmen für T2DM sollten in Zukunft noch stärker auf lokal unterschiedliche Risikogruppen zugeschnitten werden.
A weighted least-squares cross-validation bandwidth selector for kernel density estimation