Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Gesundheitsdaten verstehen

E-BookEPUBePub WasserzeichenE-Book
136 Seiten
Deutsch
Hogrefe AGerschienen am10.06.20192., vollständig überarbeitete und erweiterte Auflage 2019
'Der Käsekonsum entwickelt sich von 2000 bis 2010 parallel zur Anzahl der Menschen, die auf tragische Weise unter ihrer Bettdecke erstickt sind.' (Bartens, W., 18. März 2018. Die Folge der technisch aufgerüsteten Absicherungsmedizin ist - Verunsicherung. Süddeutsche Zeitung) ) Im Umgang mit Gesundheitsdaten die Spreu vom Weizen zu trennen, erfordert neue Lesefähigkeiten! Dieses Buch führt allgemeinverständlich in die Welt der uns täglich umgebenden Gesundheitsdaten ein und fordert 'Glaube nur der Statistik, die du verstanden hast'. Es zeigt anschaulich, wie man Statistiken lesen muss, wie man Prävalenzen, Risiken und Scheinzusammenhänge richtig einschätzt und welche Fallstricke dabei zu beachten sind. Vorkenntnisse der Statistik oder Medizin sind nicht erforderlich. Durch zahlreiche Beispiele erfährt man außerdem ganz nebenbei, wie es um die Gesundheit der Menschen in Deutschland bestellt ist und lernt auf unterhaltsame Weise: - 'Deutsch-Epidemiologisch'- ein Sprachkurs für die wichtigsten Erklärungen epidemiologischer Begriffe und Kennziffern - relevante Daten und Datenquellen zu suchen und zu finden - aber sich dabei nicht im Datendschungel zu verirren - durch aufschlussreiche Beispiele, wie Daten auch manipulativ dargestellt werden können - Lerneffekt garantiert! Neu in der 2.Auflage: Komplette Aktualisierung aller Kapitel, zusätzliche neue Kapitel zu den Themen Depressionen, Krankenstand und Big Datamehr
Verfügbare Formate
BuchKartoniert, Paperback
EUR25,00
E-BookPDF1 - PDF WatermarkE-Book
EUR21,99
E-BookEPUBePub WasserzeichenE-Book
EUR21,99

Produkt

Klappentext'Der Käsekonsum entwickelt sich von 2000 bis 2010 parallel zur Anzahl der Menschen, die auf tragische Weise unter ihrer Bettdecke erstickt sind.' (Bartens, W., 18. März 2018. Die Folge der technisch aufgerüsteten Absicherungsmedizin ist - Verunsicherung. Süddeutsche Zeitung) ) Im Umgang mit Gesundheitsdaten die Spreu vom Weizen zu trennen, erfordert neue Lesefähigkeiten! Dieses Buch führt allgemeinverständlich in die Welt der uns täglich umgebenden Gesundheitsdaten ein und fordert 'Glaube nur der Statistik, die du verstanden hast'. Es zeigt anschaulich, wie man Statistiken lesen muss, wie man Prävalenzen, Risiken und Scheinzusammenhänge richtig einschätzt und welche Fallstricke dabei zu beachten sind. Vorkenntnisse der Statistik oder Medizin sind nicht erforderlich. Durch zahlreiche Beispiele erfährt man außerdem ganz nebenbei, wie es um die Gesundheit der Menschen in Deutschland bestellt ist und lernt auf unterhaltsame Weise: - 'Deutsch-Epidemiologisch'- ein Sprachkurs für die wichtigsten Erklärungen epidemiologischer Begriffe und Kennziffern - relevante Daten und Datenquellen zu suchen und zu finden - aber sich dabei nicht im Datendschungel zu verirren - durch aufschlussreiche Beispiele, wie Daten auch manipulativ dargestellt werden können - Lerneffekt garantiert! Neu in der 2.Auflage: Komplette Aktualisierung aller Kapitel, zusätzliche neue Kapitel zu den Themen Depressionen, Krankenstand und Big Data
Details
Weitere ISBN/GTIN9783456759128
ProduktartE-Book
EinbandartE-Book
FormatEPUB
Format HinweisePub Wasserzeichen
FormatE101
Erscheinungsjahr2019
Erscheinungsdatum10.06.2019
Auflage2., vollständig überarbeitete und erweiterte Auflage 2019
Seiten136 Seiten
SpracheDeutsch
Artikel-Nr.4535599
Rubriken
Genre9201

Inhalt/Kritik

Leseprobe
|9|1âWenn Daten sprechen könnten: Einladung zu einer hermeneutischen Reise durch Statistiken und Studien

Der griechische Philosoph Pythagoras (570-480 v.âChr.) hielt Zahlen für das Wesen der Welt. Wenn man sich ansieht, welche Rolle Zahlen heute als Begründung für Entscheidungen in der Politik und in unserem Alltagsleben spielen, sind wir wohl alle praktizierende Pythagoräer.

Hermeneutik ist übrigens die Lehre vom Verstehen und Auslegen und darum geht diese Reise letztlich: um ein besseres Verstehen von statistischen Zahlen. Und weil wir in einer Gesellschaft leben, in der Geld erstens wichtig und zweitens knapp ist - Letzteres zumindest in den öffentlichen Kassen -, schauen wir besonders aufmerksam auf Finanzzahlen. Im Gesundheitswesen ist das nicht anders, das Gesundheitswesen kostet schließlich viel Geld, sehr viel Geld. Im Jahr 2016 waren es in Deutschland etwa 357 Mrd. Euro, wie Tabelle 1-1 zeigt. Zum Vergleich: Das Bruttoinlandsprodukt des gesamten Saarlandes betrug im gleichen Jahr nur ca. 34 Mrd. Euro, das Bruttoinlandsprodukt Hessens ca. 269 Mrd. Euro.

Der Verdacht, dass das Geld im Gesundheitswesen nicht immer sinnvoll ausgegeben wird, treibt daher die Gesundheitspolitik genauso um wie den Steuer- und Beitragszahler. Ein Beispiel: Infektionskrankheiten verursachen in Deutschland nur noch 5â% aller Sterbefälle - vor allem durch Grippe und Lungenentzündung. In den Gesundheitsämtern entfällt jedoch etwa ein Drittel der Personalkosten auf den Infektionsschutz, wobei es hier sogar nur um die meldepflichtigen Erkrankungen geht, deren Anteil an den Sterbefällen bei etwa 1â% liegt. Das scheint auf eine schlechte Kosten-Nutzen-Relation hinzudeuten: viel Geld für (fast) nichts. Gleichzeitig kann man in allen Zeitungen lesen, dass Übergewicht die Epidemie des 21. Jahrhunderts ist. In Deutschland gelten den Schuleingangsuntersuchungen zu|10|folge je nach Bundesland 8-12â% der Einschulungskinder als übergewichtig, bei den Erwachsenen sind es nach der DEGS-Studie des Robert Koch-Instituts 67â% der Männer und 53â% der Frauen (Mensink, Schienkiewitz, Haftenberger, Lampert, Ziese & Scheidt-Nave, 2013). Auch die Zukunft ist düster. In den USA liegen die Zahlen noch viel höher und das wird gelegentlich als Prognose für Deutschland gehandelt.


Jahr 2014

Jahr 2015

Jahr 2016

öffentliche Haushalte

â14â812

â15â230

â16â391

gesetzliche Krankenversicherung

191â767

200â032

207â181

soziale Pflegeversicherung

â25â452

â27â995

â29â445

gesetzliche Rentenversicherung

ââ4â363

ââ4â439

ââ4â527

gesetzliche Unfallversicherung

ââ5â213

ââ5â366

ââ5â577

private Krankenversicherung

â29â084

â30â536

â31â016

Arbeitgeber

â13â818

â14â464

â15â015

private Haushalte und private Organisationen ohne Erwerbscharakter

â44â688

â46â091

â47â384

insgesamt

329â198

344â153

356â537


Starkes Übergewicht, Fachleute sprechen von Adipositas, ist eine der wichtigsten Ursachen für lebensstilassoziierte Erkrankungen, bis hin zu vielen vorzeitigen Sterbefällen bei den Herz-Kreislauf-Krankheiten. Für die Prävention von Übergewicht geben die Gesundheitsämter aber so gut wie kein Geld aus.

Was also liegt näher, als die Mittel der Gesundheitsämter umzuschichten: beim Infektionsschutz sparen, bei der Prävention von Übergewicht mehr ausgeben. Die Daten sprechen jedenfalls dafür, oder? Aber wäre ein solcher gesundheitspolitischer Eingriff wirklich durch die Daten gedeckt, evidence-based , wie man heute sagt? Könnte es nicht sein, dass so wenig Menschen an Infektionskrankheiten sterben, weil der Infektionsschutz so gut ist? Dann wären die Zahl der an Infektionskrankheiten Gestorbenen und die Ausgaben für den Infektionsschutz sozusagen kommunizierende Röhren . Gibt man weniger aus, sterben mehr, gibt man mehr aus, sterben weniger. Das Umschichten von Ressourcen würde sich dann nur lohnen, wenn ein zusätzlich ausgegebener Euro im |11|Infektionsschutz weniger bringt als ein zusätzlich ausgegebener Euro in der Prävention von Übergewicht. Weiter wäre zu fragen, ob es überhaupt effektive Strategien zur Prävention von Übergewicht gibt. Und wenn ja, ist der Return on Investment nur anhand von Sterbefällen zu berechnen oder auch anhand von Erkrankungen oder schon am Rückgang der Übergewichtigen - was also sind unsere Outcome-Größen?

Ganz so einfach scheinen die Dinge also nicht zu liegen. Die Daten selbst sprechen eben nicht (und wenn sie es könnten, würden sie sicher manchmal schreien müssen, damit man sie nicht missversteht). Was die Daten scheinbar sagen, hat viel mit unseren Annahmen, unseren Theorien über die Sachverhalte hinter den Daten zu tun. Genauer formuliert: Daten sind erst vor dem Hintergrund von Annahmen und Theorien zu einem Gegenstandsbereich verständlich. Das ist übrigens eine der wichtigsten Erkenntnisse der Wissenschaftsphilosophie des 20. Jahrhunderts.



Daten und Wissen

In der Philosophie gibt es eine Tradition, die man Empirismus nennt. Wichtige Vertreter dieser Tradition waren John Locke (1632-1704), David Hume (1711-1776) und John Stuart Mill (1806-1873). Auch im Wiener Kreis , einer bis heute einflussreichen philosophischen Gruppe Anfang des 20. Jahrhunderts, waren empiristische ...


mehr