Geografische Analysen für evidenzbasierte Public-Health-Interventionen: Das Beispiel Identifikation und Typisierung von Risikoclustern für Masern, Mumps und Röteln

Impfen gehört zu den wirksamsten Maßnahmen des Gesundheitsschutzes [1]. Idealerweise sind für einen bevölkerungsbezogenen Nutzen Gesundheitsangebote und -maßnahmen zur Verbesserung der Impfquoten auf Bevölkerungsgruppen zugeschnitten [1]. Bei evidenzbasierten Krankheitskontroll- und Präventionsprogrammen sind kleinräumige Analysen von Impfraten und kontextuellen Bedingungen nützlich.

Die räumliche Epidemiologie beschreibt und analysiert geografische Variationen von Gesundheitsphänomenen unter Berücksichtigung von demografischen, umweltbezogenen, sozioökonomischen, genetischen und verhaltensbezogenen Risikofaktoren. Der grundlegende Ansatz der räumlichen Epidemiologie geht zurück auf Toblers First Law of Geography, in dem er beschreibt: „everything is related to everything else, but near things are more related than distant things“ [2].

Der Zusammenhang von Durchimpfungsraten und Krankheitsinzidenz wurde wiederholt nachgewiesen [3‐5]. Weitergehende Analysen von Impfprozessen beschränken sich aber bislang weitgehend auf deskriptive Choroplethenkartierungen (Flächenkarten als thematische Karten roher und adjustierter Impfraten; [6‐8]). Der Einfluss räumlich voneinander abhängiger Gebiete und räumlicher Nachbarschaften wird in mehreren Studien nicht ausreichend beachtet. Beispielsweise bei Feikin et al. [9] in ihrer deskriptiven Analyse des relativen Risikos (RR) von Maserninzidenzraten und Impfverweigerung auf Ebene von Counties in Colorado (USA) und bei Goffrier et al. [6], in Analysen der Compliance zu den Empfehlungen der Ständigen Impfkommission (STIKO) bei der Masernimpfung bei Kindern unter 2 Jahren in Deutschland werden Abhängigkeiten der untersuchten Raumeinheiten untereinander nicht berücksichtigt.

Im Allgemeinen beeinflusst die Nachbarschaft, in der die Menschen leben, das Sozial- und Gesundheitsverhalten tiefgreifend, insbesondere bei Kindern und Jugendlichen [10]. Kleinräumige, auf Nachbarschaften fokussierte Disparitäten des Impfverhaltens sind für die evidenzbasierte Entwicklung von Präventionsprogrammen entscheidend. Die Identifikation dieser Disparitäten mit einfachen, breit anwendbaren evidenzbasierten Methoden ist wichtig, um mögliche Grenzen von Impfprogrammen zu identifizieren, die durch die routinemäßige Überwachung der Durchimpfungsrate nicht erkannt werden können. Die Möglichkeit, räumliche Cluster zu identifizieren, würde Gesundheitsorganisationen und Anbietern von Gesundheitsdienstleistungen bei der Planung und Bewertung von kleinräumigen Maßnahmen zur Vermeidung impfpräventabler Erkrankungen unterstützen. Maßnahmen könnten so lokal fokussiert und auf Zielgruppen bedarfsorientiert konzentriert werden [11, 12]. Der Bedarf ergibt sich aus dem Risiko für ein Ausbruchsgeschehen durch Impflücken, z. B. bei Masern, Mumps und Röteln (MMR) bei Kindern unter 6 Jahren.

Die auslösenden Faktoren für die Variation des Impfverhaltens in verschiedenen Ländern, Gebieten oder Gemeinden können noch nicht vollständig nachvollzogen werden. Im Allgemeinen geht Diekema [13] in einer landesweiten Analyse von Impfraten in den USA von der Hypothese aus, dass geteilte Überzeugungen innerhalb von Gemeinschaften Impfvariationen bedingen. Weitere gemeindebezogene Studien zeigen, dass sozioökonomische Faktoren, Bildung, ethnische Zugehörigkeit und Gesundheitsversorgung eine wichtige Rolle für das Impfverhalten und die Entstehung von Unterimmunisierungsclustern spielen. Völker [14], der Cluster unterimmunisierter älterer Menschen gegen Influenzagrippe in Westfalen-Lippe (WL, Deutschland) ermittelte, und Cadena et al. [15], die MMR-Unterimmunisierungscluster in Minnesota und Washington (USA) analysierten, stellten fest, dass Altersstruktur und Erwerbstätigkeit eine wichtige Rolle in Gebieten einnehmen, die Teil eines Unterimmunisierungsclusters sind. Geremew et al. [16], die eine Studie zur Masernimpfung mit einer sekundären Datenstichprobe von ungefähr 4000 Kindern in Äthiopien durchführten, und Völker [14] sahen in ihren allgemeinen Modellen von Unterimmunisierungsclustern einen signifikanten Einfluss von Bildung und Gesundheitsversorgung (Zugänglichkeit und Häufigkeit der Nutzung). Andere mögliche Faktoren für die Ablehnung von Impfstoffen sind laut Salmon et al. [17] hohes Vertrauen in Fachkräfte der Alternativmedizin sowie geringes Vertrauen in medizinische, gesundheitspolitische oder staatliche Informationsquellen und Organisationen.

Nur in wenigen, neueren Studien werden räumliche Clustermethoden angewandt [12, 14‐16, 18‐20]. Dabei wurden u. a. keine Wohnortdaten von unterimmunisierten Kindern verwendet, diese mussten z. B. aus der Adresse der besuchten Schule modelliert werden [15, 20]. Andere Studien konnten räumliche Cluster der Unterimmunisierung identifizieren, aber die Cluster erschienen für spezifische Interventionsmaßnahmen zu groß oder es wurde keine Typologie der Unterimmunisierungscluster erstellt [12, 14, 18, 19].

In der räumlich-epidemiologischen Grundkonzeption des vorliegenden Forschungsvorhabens ist die räumliche Verteilung von Impfungen unterschiedlich, was durch begleitende Risikofaktoren erklärt werden soll. Das Forschungsvorhaben adressiert bisherige Forschungsdesiderata und zielt am Beispiel der MMR-Impfung bei Kindern in Westfalen-Lippe (WL) auf die Beantwortung folgender Forschungsfragen:

Die MMR-Impfung ist eine Kombinationsimpfung gegen Masern, Mumps und Röteln. Die STIKO empfiehlt, dass alle Kinder 2 Impfungen i. d. R. ab einem Alter von 11 Monaten erhalten sollen [21]. Die erste Impfung erfolgt zwischen dem vollendeten 11. und 14. Lebensmonat, die zweite Impfung kann frühestens 4 Wochen nach der ersten und soll spätestens vor der Vollendung des 2. Lebensjahres erfolgen.

Insgesamt wurden in die Studie 189.737 Kinder der Geburtsjahrgänge 2013–2016 im Alter von 2 bis 5 Jahren eingeschlossen. Dies entsprach einem Anteil von 61,9 % an der gesamten Bevölkerung im Alter von 2 bis 5 Jahren in Westfalen-Lippe. In der Studienpopulation haben im Durchschnitt 94,2 % der Kinder im Studienzeitraum mindestens eine MMR-Impfung, 86,1 % 2 MMR-Impfungen erhalten. Die Kohorte des Geburtsjahrgangs 2016 wies die größte Anzahl an Kindern (n = 55.059) auf, die des Geburtsjahrgangs 2013 die geringste (n = 40.954). Die Quoten für mindestens eine MMR-Impfung und 2 MMR-Impfungen stiegen vom jüngsten Geburtsjahrgang 2016 bis zum ältesten Geburtsjahrgang 2013 an. Demnach wies die Kohorte 2016 die geringsten (eine Impfung = 92,3 %, 2 Impfungen = 79,6 %) und der Geburtsjahrgang 2013 die höchsten Impfquoten auf (eine Impfung = 95,6 %, 2 Impfungen = 90,3 %).

Auf Ebene der Postleitzahlgebiete konnten regionale Unterschiede detektiert werden. Die alters- und geschlechtsstandardisierten MMR-Impfquoten reichten bei mindestens einer Impfung von 35,9 % im Minimum (PLZ-Gebiet 59969, Hallenberg, Hochsauerlandkreis) bis 99,7 % im Maximum (PLZ-Gebiet 58509, Lüdenscheid, Märkischer Kreis) und bei 2 Impfungen von 31,5 % (PLZ-Gebiet 59969, Hallenberg, Hochsauerlandkreis) bis maximal 96,9 % (PLZ-Gebiet 46414, Rhede, Kreis Borken) ohne Adjustierung nach U‑Untersuchungen (Abb. 2b, e). Nach der Adjustierung nach U‑Untersuchungen lagen die Impfquoten für eine Impfung zwischen minimal 87,8 % (PLZ-Gebiet 59909, Bestwig, Hochsauerlandkreis) und maximal 100 % (PLZ-Gebiete 44787, 48629, 59514 und 59555, Stadt Bochum, Metelen, Kreis Steinfurt, Welver, Kreis Soest, und Lippstadt, Kreis Soest) sowie für 2 Impfungen zwischen minimal 65,3 % (PLZ-Gebiet 58455, Witten, Ennepe-Ruhr-Kreis) und maximal 97,8 % (PLZ-Gebiet 33161, Hövelhof, Kreis Paderborn; Abb. 2c, f).

Gesundheitsentscheidungen folgen nur selten einer einzigen Rationalität. Sie sind eingebunden in Werthaltungen, Lebenslagen und Opportunitäten. Bis zur Inanspruchnahme medizinischer Hilfe sind meist Stufen des Hilfesuchverhaltens im sozialen Umfeld, das meist aus medizinischen Laien besteht vorgelagert. Die Inanspruchnahme ist von mehreren Faktoren abhängig, u. a. vom sozioökonomischen Status, Bildung und familiären Merkmalen, wie alleinerziehende Eltern, Kinderzahl oder Alter der Eltern [25]. Das Phänomen des sozialen Einflusses auf individuelle Verhaltensweisen in Nachbarschaften, wie einer Entscheidung für oder gegen eine Impfung, wurde in mehreren Studien beobachtet und beschrieben [26, 27]. Beispielsweise zeigten Rao et al. [28] unterschiedliche Impfquoten je nach Zugang zu Versorgungsangeboten: Nach einer zufälligen Aufteilung von insgesamt 10.091 Master-Studierenden der Universität Harvard von 2002 bis 2006 auf Wohnheime mit und ohne Impfpraxis („flu vaccination clinic“, in denen Studierenden eine Impfung gegen die Influenzagrippe erhalten konnten) zeigte sich, dass die Impfquoten von studentischen Wohnheimbewohnenden mit Impfpraxis höher waren. Wenn 10 % der Bekannten und Freunde eines Individuums in einem Wohnheim mit Impfpraxis wohnten, erhöhte dies die Wahrscheinlichkeit einer Impfung des Individuums um jeweils 1,8 %. Dies hatte kleinräumlich unterschiedliche Impfraten zur Folge. Aus räumlich-zeitlicher Perspektive äußert sich dieses Phänomen zum einen in einer Zunahme von Unterimmunisierungsraten in Gebieten innerhalb räumlicher Cluster als selbstverstärkender Prozess, zum anderen in der verstärkten Zunahme der Unterimmunisierung in Gebieten, die in der Nähe dieser Cluster verortet sind, im Rahmen eines Diffusionsprozesses [19].

Auch wenn Zusammenhänge komplex sind, kann ein ähnliches (Impf‑)Verhalten oft auf geteilte Räume und assoziative Selektion von Individuen zurückgeführt werden [29]. Carpiano [30] entwickelte hierzu ein Konzept auf theoretischer Basis von Bourdieu und Putnam über die Wirkung von nachbarschaftlichen bzw. lokalen sozialen Einflüssen auf Gesundheitsdeterminanten. Hierbei betrachtete er Gesundheitsentscheidungen als sozialen Prozess, anstatt als singuläre Entscheidung.

Die hier identifizierten Einflussvariablen wurden ebenfalls in Studien als signifikante Risikofaktoren für niedrige Impfquoten identifiziert. Die Alterszusammensetzung einer Nachbarschaft bzw. deren Altersstruktur beeinflusst als ein Indikator die zukünftige Impfentscheidung [31‐33]. Shaham et al. [32] erkannten signifikante Disparitäten zwischen Impfraten von Patientinnen und Patienten mit unterschiedlichen sozioökonomischen Werten. Die vorliegende Studie bestätigt ebenfalls, dass auch Cluster mit niedrigen Impfquoten sich durch einen hohen sozioökonomischen Status auszeichnen können (Cluster III; [34]). Umgekehrt, in den Clustern I und IV, verringert ein niedriger sozioökonomischer Status die Wahrscheinlichkeit niedriger Impfquoten. Diese Beobachtung deckt sich mit den Ergebnissen von Hegde et al. [11], die über 500.000 Impfstadien von Kindern in Michigan (USA) untersuchten. Kinder in Nachbarschaften mit höherem sozioökonomischen Status hatten eine um rund 1,1 % niedrigere Impfquote bei der Diphtherie-Tetanus-Pertussis-Impfung als Kinder in Nachbarschaften mit niedrigem sozioökonomischen Status.

Die Einwohnerdichte wurde als Faktor ebenfalls bereits in weiteren Studien identifiziert [14]. In der vorliegenden Analyse wurden Risikocluster in hochverdichteten, städtischen Räumen identifiziert. Schon Atkinson und Cheyne [35] wiesen darauf hin, dass aggregierte Daten für urbane Räume häufig Impflücken in kleinräumigeren, aber immer noch stark bevölkerten Gebieten maskieren. In Cluster IV ist eine bessere Erreichbarkeit von Kinderärzten negativ mit der Zugehörigkeit zu einem Risikocluster assoziiert. Dieser Aspekt wurde in mehreren Studien nachgewiesen, in denen die räumliche Erreichbarkeit von Versorgungsangeboten positiv auf die Impfquote wirkt [11, 14]. Die Intensität ärztlicher Inanspruchnahme wurde als negativer Einflussfaktor auf die Impfquote in Cluster I und II identifiziert. Dieser Befund widerspricht jedoch beispielsweise den Ergebnissen von Shaham et al. [32], die eine höhere ärztliche Inanspruchnahme mit einer höheren Impfquote assoziierten. Dies macht die Cluster besonders für eine Public-Health-Intervention interessant, da bereits ein möglicher Zugriff auf die Patientinnen und Patienten seitens des ärztlichen Personals besteht. Schließlich wurde die niedrigere Staatsnähe, mit dem Faktor niedriger Anteil an CDU-Wählern approximiert, als signifikanter Faktor in 3 von 4 Clustern identifiziert. In diesen war eine geringere Staatsnähe mit einer Zugehörigkeit zu einem räumlichen Risikocluster assoziiert, was beispielsweise Feikin et al. [9] bestätigen.

Zusammenfassend sind Ursachen für Impflücken, u. a. bei der Masernimpfung, vielfältig und komplex [31]. Dies findet seinen Ausdruck in den stark unterschiedlichen Clustern, nicht nur in der Deskription nachbarschaftlicher Variablen, sondern auch in der clusterspezifischen Modellierung und Signifikanz von Risikofaktoren. Die Ergebnisse zeigen, dass clusterspezifische Maßnahmen und Lösungen zur Verbesserung der Impfquoten notwendig sind. Für zielgenaue Public-Health-Interventionen liefern die Typisierungen der einzelnen Cluster nicht nur einen klaren Fokus auf vordringliche Interventionsräume, sondern auch die evidenzbasierte Basis für zielgenaue Maßnahmen. Beispielsweise befinden sich in Cluster I Nachbarschaften mit niedrigerem sozioökonomischen Status, in Cluster III Nachbarschaften mit hohem sozioökonomischen Status, die jeweils einer unterschiedlichen Intervention bedürfen. Ein One-size-fits-all-Ansatz wäre nicht zielgruppen- und bedarfsgerecht.

Infektionsepidemiologisch sind Risikocluster besonders gefährlich. Das Potenzial der Krankheitsübertragung ist mit räumlich geclusterten, fehlenden Impfungen größer und erhöht die Gefahr eines zukünftigen Ausbruchs in diesen Gebieten [36]. Geringes Gefahrenbewusstsein ist ein wichtiger Faktor für eine ärztliche Impfaufklärung in Clusternachbarschaften und könnte eine intensivierte individuell-ärztliche Beratung unterstützt von angepassten medialen Aufklärungsinterventionen indizieren.

In der vorliegenden Studie wurden die räumliche Analyse und nachbarschaftsbasierte Determinanten des Impfverhaltens zusammengebracht, um Arten von Risikoclustern abzuleiten, bei denen bedarfsgerechte Interventionen zur effizienten Anwendung kommen könnten. Die Identifikation räumlicher Cluster ermöglicht Gesundheitsversorgern und -organisationen Programme zur Reduktion impfpräventabler Erkrankungen räumlich fokussiert zu planen und zu evaluieren. Dabei können verschiedene Zielgruppen nach Interventionsbedarf adressiert werden.

Die verwendeten Methoden sind etabliert und stammen aus anderen akademischen Bereichen wie der Geografie, den Sozialwissenschaften, der Epidemiologie und der Informatik. In dieser Studie haben wir die Methoden in einem innovativen Design kombiniert und empfehlen deren Einsatz als neuartigen Ansatz in der praktischen Gesundheitsfürsorge und Gesundheitskommunikation. Obwohl ein breiter Konsens über zielgruppenorientierte Interventionsprogramme besteht, liegen jedoch nur wenige Studien vor, die räumliche Variation im Impfverhalten aufzeigen. Unsere vorgeschlagene Methodik ist geeignet, räumliche Variationen des Impfverhaltens über verschiedene Typologien für gezielte evidenzbasierte Interventionen zu beschreiben.