Stroke, diabetes och akut hjärtinfarkt i Örebro län

Transkript

1 Institutionen för folkhälso- och vårdvetenskap Enheten för vårdvetenskap Stroke, diabetes och akut hjärtinfarkt i Örebro län - En klusteranalys av socioekonomiska faktorer Författare: Viktor Näslund Handledare: Ingrid Anderzén Örjan Garpenholt Examinator: Ragnar Westerling Uppsatskurs inom masterprogrammet i folkhälsa, 30 hp 2011

2 Sammanfattning I dag har Sveriges befolkning en god hälsa i jämförelse med andra länder. Inom landet finns dock skillnader i hälsa så väl som i sjuklighet. Exempelvis har Örebro län landsting (ÖLL) högre dödlighet i stroke och akut hjärtinfarkt (AMI), och högre andel diabetiker än i riket som helhet. Dessa skillnader kan vara geografiskt och socioekonomiskt betingade. Syftet med denna studie var att i ÖLL studera sambandet mellan socioekonomiska faktorer och sjuklighet i stroke, diabetes och akut hjärtinfarkt (AMI), samt att identifiera i vilka nyckelkodsområden (NKO) dessa sjukdomar är högst respektive lägst förekommande. Med hjälp av klusteranalys bildades fem socioekonomiska kluster på NKO-nivå. Dessa kluster sammankopplades sedan med sjuklighet för stroke, diabetes och hjärtinfarkt. Med hjälp av två statistiker kvalitetssäkrades samtliga siffror. Huvudresultatet av denna studie är att det finns en koppling mellan sjuklighet i stroke, diabetes, AMI och socioekonomiska faktorer i ÖLL. I kluster med en gynnsam socioekonomisk situation var sjuklighet i stroke, diabetes och AMI lägre än länets som helhet och omvänt högre i socioekonomiskt mindre gynnsamma kluster. Skillnaderna var signifikanta för diabetes och då alla tre sjukdomarna slogs samman. För stroke och AMI uppnåddes inte statistisk signifikans i samma utsträckning som för diabetes eller det sammanslagna sjukdomsmåttet. Den valda analysmetoden möjliggjorde dessutom att beskriva var i länets olika kommuner NKO med olika klustertillhörighet och därmed skilda socioekonomisk situation var geografiskt belägna. För att minska ojämlikheten i hälsa behövs preventivt arbete framför allt för de individer som bor i områden med mindre gynnsam socioekonomisk situation. Nyckelord: stroke, diabetes mellitus, acute myocardial infarction, socioeconomic factors, cluster analysis 2

3 Abstract Today Sweden s population has a good health compared with other countries. However there are differences in health and illness within the country. For example, the county council of Örebro (ÖLL) has higher mortality in stroke and acute myocardial infraction (AMI), and has higher proportion of diabetic, compared to the country as a whole. These differences can be explained geographically and by socio-economic conditions. The aim of this study was to study the connection between socio-economic factors and frequencies in stroke, diabetes and AMI, and to identify in which small areas (NKO) these diseases are highest and lowest in ÖLL. By cluster analysis five socio-economic clusters at NKO-level were formed. The frequencies of stroke, diabetes and AMI were analyzed in these clusters. With help of two statisticians, all figures were quality assured. The central study showed a link between illness in stroke, diabetes, AMI and socio-economic factors in ÖLL. In clusters with a favorable socio-economic situation illness in stroke, diabetes and AMI was lower than the county as a whole and vice versa higher in socioeconomic less favorable clusters. The differences were significant for diabetes and when all three diseases were put together. The results regarding stroke and AMI were not achieved statistical significance in the same extent. The selected method of analysis made it possible to describe the geographical location of different cluster in the country s different municipalities. In order to decrease the inequality in health there is a needed for preventive work above all for the individuals that live in areas with less favorable socio-economic situation. Keywords: stroke, diabetes mellitus, acute myocardial infarction, socioeconomic factors, cluster analysis 3

4 Förord Tack till alla er som uppmuntrat och hjälpt mig på olika sätt under arbetets gång. Först av allt vill jag tacka mina båda handledare, Ingrid Anderzen och Örjan Garpenholt som under detta arbetes gång gett mig många goda råd, praktisk vägledning samt med stort engagemang deltagit i processen att skriva denna uppsats. Därtill vill jag tacka Örebro läns landsting för att jag fått ta del av dessa data som ligger tillgrund för denna uppsats. Ett särskilt tack vill jag även rikta till forskargruppens båda statistiker, Elizabeth Nyström, Hälsokansliet i Örebro och Carina Person, Samhällsmedicinska enheten, ÖLL för all ovärderlig hjälp med datainsamlingen och analys, samt kloka synpunkter för presentation av resultat, diskussion samt metod. Slutligen vill jag även tacka min familj och vänner för all uppmuntran, stöd och hjälp under resans gång. Uppsala 2010 Viktor Näslund 4

5 Innehållsförteckning INLEDNING 7 BAKGRUND 7 HÄLSA OCH SJUKLIGHET 7 JÄMLIK HÄLSA 8 ATT MÄTA HÄLSA, SJUKLIGHET OCH DÖD 9 STROKE, DIABETES OCH AKUT HJÄRTINFARKT 10 STROKE 10 DIABETES 11 AMI 11 ÖREBRO LÄN 12 NYCKELKODSOMRÅDEN (NKO) 12 SYFTE 13 FRÅGESTÄLLNING 13 METOD 13 KLUSTERANALYS 13 PROCEDUR 14 PROCEDURSTEG 1: KLUSTERBILDNING 14 PROCEDURSTEG 2: KOPPLING AV SJUKDATA TILL KLUSTER 15 PROCEDURSTEG 3 BEARBETNING OCH PRESENTATION AV UTDATA 16 ETIK 16 RESULTAT 16 KLUSTERBILDNING OCH KLUSTERKARAKTERISTISKA 17 SJUKDOMSFÖREKOMST 18 SJUKLIGHET PER KLUSTER KOMMUNVIS 19 KOMMUNVIS BESKRIVNING 20 ÖREBRO LÄN 21 ÖREBRO KOMMUN 22 KARLSKOGA KOMMUN 23 LINDESBERGS KOMMUN 24 ASKERSUNDS KOMMUN 25 HALSBERGS KOMMUN 26 KUMLA KOMMUN 27 NORA KOMMUN 28 DEGERFORS KOMMUN 29 5

6 LAXÅ KOMMUN 30 LEKEBERGS KOMMUN 31 HÄLLEFORS KOMMUN 32 LJUSNARSBERGS KOMMUN 33 DISKUSSION 34 RESULTATDISKUSSION 34 METODDISKUSSION 36 SLUTSATS 38 REFERENSER 39 BILAGOR 44 6

7 Inledning Sveriges befolkning har i jämförelse med andra länders befolkning en god hälsa (1). Den sociala välfärden i Sverige har ökat för de flesta medborgarna under senare år. Trots detta kvarstår stora skillnader i hälsa och sjuklighet mellan olika grupper. Barn och ungdomar har haft en gynnsam hälsoutveckling, medan den däremot för vuxna under 45 år varit mindre fördelaktig. Det finns farhågor att barn och ungdomars hälsa ska bli sämre, exempelvis har fetma, diabetes och psykisk ohälsa blivit vanligare hos ungdomar (2,3). Dessa skillnader i både socioekonomiska förutsättningar och i hälsa har visats i olika befolkningsundersökningar som t.ex Liv och Hälsa i de s.k CDUST-länen, av vilka Örebro Län är ett (4). För att kunna förbättra hälsan hos de mest socioekonomiskt utsatta grupperna genom t.ex preventiva insatser måste emellertid en mer detaljerad kunskap om den geografiska fördelningen av olika socioekonomiska faktorer vara känd. Ett län eller en hel kommun är alldeles för stora och omfattande enheter för att genomföra riktade hälsofrämjande åtgärder. Ett mer finmaskigt geografiskt nät måste skapas. I kommunernas nyckelkodsområden (NKO) kan ett sådant instrument finnas. Kunskapen om de socioekonomiska bestämningsfaktorernas fördelning i länet är dock begränsad. I denna studie avses att undersöka hur sjukligheten vid stroke, diabetes och akut hjärtinfarkt (AMI) fördelas på NKO-nivå. Bakgrund Hälsa och sjuklighet Hälsa skiljer sig inom och mellan olika länder och grupper. WHO definierar hälsa som ett tillstånd av fullständigt fysiskt, psykiskt och socialt välbefinnande och ej blott frånvaron av sjukdom eller handikapp (5). Även om slumpen sannolikt kan förklara en del av de skillnader som finns i hälsa mellan olika befolkningsgrupper spelar skillnader i socioekonomiska faktorer och livsstil större roll (6). Exempelvis rapporterar individer med låg utbildningsnivå en sämre hälsa än de med hög utbildningsnivå (2). Forskning har visat på ett klart samband mellan sviktande hälsa och låg lön samt dålig arbetsmiljö. Ett samband som även finns konstaterat för psykisk sjukdom, rökning och fetma (6). En person med små eller minskade ekonomiska resurser riskerar att drabbas av ohälsa i större grad än en individ med goda ekonomiska resurser (7). Det finns omfattande kunskap om vilka riskfaktorer exempelvis hypertoni, lipidrubbning, och fetma, samt livsstilsförhållanden (kost, motion, sömn, rökning 7

8 m.m.) som förorsakar ohälsa och sjuklighet (18-21). Det är även känt att sjuklighet såväl som dödlighet ökar med minskad social position (8). Michel Marmot beskriver detta med hjälp av statussyndromet, där varje individ befinner sig på en social stege och är utsatt för risk för sjuklighet och död. En person högt upp på stegen löper risk för ohälsa, men han/hon har en något mindre risk för ohälsa än den som står ett par steg längre ned på stegen. Då stegen är dynamisk kan en person förflytta sig upp och ned och således få en större eller mindre risk för ohälsa. Detta fenomen beskriver Marmot som att individen rör sig efter den sociala gradienten (22). Ett exempel på en studie som visar hur den sociala gradienten påverkar hälsa är den s.k. Whitehall-studien som visar att arbetare som har en sämre social status har större risk för hjärtsjukdom och dödlighet (12). Ojämlik hälsa har blivit ett forskningsområde för flera vetenskapliga discipliner (25).Utgångspunkt för denna forskning är att hälsoskillnader uppkommer som ett resultat av skillnader i människors allmänna sociala och ekonomiska förutsättningar, vilka därför brukar kallas socioekonomiska bestämningsfaktorer. Exempel på dessa är utbildning, inkomst, arbetslöshet, familjestruktur och invandring (26). Ett sätt att beskriva relationen mellan hälsa och sjuklighet kan göras utifrån den finska omvårdnadsteoretikern Erikssons hälsokors. I denna modell kan individen skifta i både grad av hälsa och sjuklighet. En individ kan medicinskt vara sjuk men ha god upplevd hälsa, medan en annan individ kan vara medicinskt frisk men uppleva sig sjuk genom att känna stor grad av olust eller obehag. Jämlik hälsa Jämfört med andra länder har vi i Sverige idag en god hälsa, men det är av vikt att ständigt sträva efter att förbättra hälsa så väl på grupp- som individnivå (1,2). För att bibehålla hälsa krävs säkra och hälsosamma miljöer och ett socialt skydd i både vardag och kris (8). Att ha ett arbete är en annan viktig faktor för att undvika ohälsa då arbete ofta skapar ekonomisk trygghet, social status, personlig utveckling, självförtroende samt skydd mot psykisk och fysisk fara, vilka alla är viktiga för hälsa (9-11). Därtill påvisade den s.k. Whitehall-studien att personer med lite kontroll över sin vardag har en ökad risk för ohälsa, i form av hjärtkärlsjukdom och depression (12). Grunden för en individs bästa tänkbara hälsa anläggs i barndomen (13). Ett övergripande mål för svensk folkhälsopolitik är att hälsa ska vara jämlikt fördelat i befolkningen (17). I dag finns det en ojämlikhet i landet, vilket kan ses exempelvis i CDUST- 8

9 undersökningen (3). Genom att identifiera och förstå vilka faktorer och mekanismer som ligger bakom ojämlikt fördelad hälsa ökar förutsättningarna att kunna utveckla specifika preventiva interventionsprogram som motverkar denna ojämlikhet (17). I allmänhet lyckas inte generella preventionsprogram att nå socioekonomiskt resurssvaga människor, dvs. de som borde vara i störst behov av dessa preventiva insatser. För att lyckas bättre med sin prevention bör hälso- och sjukvården därför försöka utveckla program som riktar sig specifikt till de socioekonomiska grupper som har störst risk för sjukdom, vilket dock inte motsätter breda generella insatser. För att kunna utveckla sådana riktade program måste hälso- och sjukvården veta var dessa områden med ansamling av socioekonomiskt belastande faktorer finns och var områden med högre sjuklighet i de sjukdomar som man avser att utveckla bättre preventiva insatser emot finns rent geografiskt. För att åstadkomma en mer jämlik hälsa krävs att hälsofaktorer vägs in i alla beslut på samhällets olika nivåer, nationellt, regionalt och lokalt (8). Varje åtgärd inom t.ex. kultur, ekonomi, utbildning och kommunikation påverkar hälsa och jämlikheten i hälsa trots att detta inte är det egentliga syftet med åtgärden (14,15). Politiska beslut och lagstiftning kan både stärka och försvaga jämlikheten i hälsa, varvid det är av vikt att politiska beslut grundas på evidensbaserad kunskap för att öka möjligheter för en jämlik hälsa (6). Att stärka hälsan i mindre omfattning för många individer ger mycket större utveckling mot jämlik hälsa än att förbättra hälsan i hög omfattning för få individer (16). Att mäta hälsa, sjuklighet och död I nuläget finns det många metoder och modeller för att mäta hälsa, sjuklighet och död. Att mäta ojämlikhet i hälsa är liksom att mäta hälsa mycket svårt, varvid det inte finns någon metod som används generellt (23,24). Två välkända mått för att mäta hälsa är dödlighet och medellivslängd (1). Ett annat sätt kan vara att studera vilka kända riskfaktorer och riskförhållanden som påverkar den sociala gradienten i hälsa inom ett land, dvs. vilka mekanismer som kan förklara den sociala ojämlikheten (8). Ytterligare ett sätta att mäta hälsa eller sjuklighet som genereras ur data från enkäter, t.ex. folkhälsoenkäter. En brist i enkätbaserade rapporter om hälsa är att de mest utsatta ofta är underrepresenterade bland de som svarar. Personer med en utsatt socioekonomisk situation deltar sällan i dessa enkätstudier av självskattad hälsa (27,28). 9

10 Stroke, diabetes och akut hjärtinfarkt I Sverige är kardiovaskulära sjukdomar (ex stroke och hjärtinfarkt) den enskilt största dödsorsaken (29). Dödligheten i stroke och hjärtinfarkt har sjunkit markant under de senaste decennierna, hjärtinfarkt till hälften och stroke till en tredjedel av vad den var förut. Incidenstalen för sjukdomarna förmodas fortsätta sjunka, men trots detta är hjärt-kärlsjukdom fortfarande den vanligaste dödsorsaken i Sverige. Därtill finns tecken som tyder på att allt fler barn, ungdomar och unga vuxna drabbas av diabetes (1). WHO uppskattar att knappt 6 millioner människor dör i stroke varje år, omkring 1,1 millioner av diabetes samt mer än 7 millioner människor i AMI (30). Personer som är fysiskt aktiva har hälften så stor risk att insjukna i hjärt- och kärlsjukdom som inaktiva personer (21).Fysisk aktivitet motverkar utveckling av högt blodtryck och sänker blodtrycket hos personer med redan högt blodtryck (31). Likaså motverkar fysisk aktivitet utveckling av typ 2-diabetes (32). Stroke, diabetes och AMI är alla folksjukdomar. I dag är det känt att det finns gemensamma riskfaktorer både vad gäller livs- och levnadsfaktorer som har stor betydelse för deras uppkomst (33,34). Högt blodtryck (hypertoni), höga blodfetter, höga blodsockervärden, rökning, övervikt, brist på fysisk aktivitet samt felsammansatt kost är exempel på dessa faktorer (18-20). Via det s.k. metabola syndromet, dvs. kopplingen mellan högt blodtryck, stress, övervikt, bristande kroppslig aktivitet och felaktig sammansättning av kosten finns en gemensam förklaringsfaktor för alla dessa tillstånd (1). Individer med diabetes löper stor risk att drabbas av komplikationer, så som nefropati, bensår, hjärtinfarkt, sämre tandhälsa och perifera nervskador som i sig kan leda till ytterligare komplikationer. Därtill löper en diabetiker dubbelt så stor risk än icke diabetiker att drabbas av en kardiovaskulär sjukdom (35). Risken att drabbas av någon av dessa sjukdomar (stroke, diabetes eller AMI) ökar med stigande ålder (30, 35). Stroke Stroke är ett samlingsnamn för hjärnblödning och hjärninfarkt. En stroke uppkommer då ett visst område i hjärnas nervvävnad skadas som följd av bristande syretillförsel, via en propp eller en bristning av ett kärl (36). Varje år drabbas individer i Sverige av stroke, vilket motsvarar en individ var sjuttonde minut. Stroke är en av de sjukdomar som kräver flest 10

11 vårddagar och kostar vården årligen omkring 14 miljarder kronor. Därtill är stroke den sjukdom som vanligast orsakar funktionsnedsättning och död i Sverige (37). I en stor europeisk studie, gjorda på tio befolkningar vardera, påvisas även att det finns ett samband mellan socioekonomisk status och dödlighet i stroke (38). Diabetes Diabetes (diabetes mellitus) är en kronisk sjukdom. En individ drabbas av diabetes antingen när bukspottskörteln inte producerar tillräckligt med insulin eller när kroppens celler har en ökad okänslighet för det producerade insulinet. Insulin hjälper kroppen att reglera glukoshalten i blodet. Det finns två typer av diabetes mellitus: typ 1 och 2. Gemensamt för dessa är att kolhydrat- och fettmetabolismen är störd så att stora och små blodkärl skadas i flera organ, exempelvis i njurarna, ögon, skelettmuskulaturen och hjärtkärlsystemet (35). Förekomsten av diabetes har legat stabilt under de senaste åren, men tros stiga snart igen med tanke på att allt fler blir överviktiga. År 2030 beräknas det finnas drygt diabetiker i Sverige (39). WHO har visat att diabetes och dess komplikationer har en signifikant betydelse för individens ekonomi såväl som dess familj, sjukvården i landet och landet i stort (35). AMI En AMI uppkommer då en förträngning i kranskärlen eller en blodpropp täpper till ett av hjärtats kranskärl. Detta leder till att hjärtat inte får nödvändigt syre varvid en hjärtmuskelcellsskada uppkommer (40). Mellan åren drabbades cirka individer av AMI, och av dessa hade dött innan den 1 januari Av kvinnor och män över 20 år drabbades 477 kvinnor respektive 667 män av akut hjärtinfarkt under perioden. Letaliteten, dvs. dödlighet efter hjärtinfarkt, har även minskat på senare år bl.a. till följd av de nya riktlinjer som framarbetats för hjärtsjukvård. År 1995 avled 41 % av männen och 45 % av kvinnorna inom 28 dagar efter en AMI, medan år 2006 var motsvarade siffra 15 % för båda könen (41). I en stor europeisk studie, gjord på tio befolkningar vardera, påvisas även att det finns ett samband mellan socioekonomisk status och dödlighet i AMI (42). 11

12 Örebro län Örebro län är ett av Sveriges 21 län, beläget i mellersta Sverige. Länet består av tolv kommuner varav Örebro kommun är den största såväl befolknings- som storleksmässigt. I länet finns sex städer och femton tätorter. Sjukhus finns beläget i tre städer Örebro, Karlskoga och Lindesberg. Folkmängden den 31 december 2007 var , vilket motsvarar 3 % av landets totala invånarantal. Av dessa var individer mellan 40 och 79 år gamla (43). Arbetslösheten år 2007 var drygt 5 % i Örebro medan motsvarande siffra för riket som helhet var nästa 1 % lägre. Den disponibla inkomsten i länet år 2006 var kr, vilket motsvarar 92 % av rikets disponibla inkomst ( kr) (29). I Örebro län finns idag konstaterade skillnader av såväl sjuklighet som sociala förhållanden. Exempelvis har Örebro län idag högre dödlighet jämfört med riket som helhet för både stroke och AMI, samt hög andel diabetiker. Invånarna i länet har ett av landets bästa förtroenden för vården samt känner sig i större grad nöjda med tillgängligheten av vården än Sveriges invånare som helhet. Ohälsotalet i Örebro län är högre än riket som helhet för båda könen, medan medellivslängden är nästintill densamma (48), se tabell 1. Tabell 1. Ohälsotal och medellivslängd i Örebro län samt medellivslängd i riket i sig Ohälsotal (dagar) Medellivslängd (år) Kvinnor Män Kvinnor Män Örebro län 49,5 31,9 82,8 78,5 Riket 42,9 28,8 82,9 78,7 Ytterligare statistik för varje enskild kommun inom Örebro län finns tillgänglig i bilaga 2. Nyckelkodsområden (NKO) I Örebro läns samtliga kommuner finns alla fastigheter definierat till NKO. För hela länet finns det ca 1400 nyckelkoder. NKO är den minsta administrativa nivån i en kommun. Utseendet på dessa varierar framför allt på den geografiska och bostadsmässiga strukturen i kommunen, varvid även antalet individer varierar. Denna studie bör kunna identifiera de högriskgrupper som finns i olika geografiska områden i länet. Kunskapen kan sedan användas för riktade preventiva åtgärder. Ojämlikheten i hälsa skulle då bättre kunna påverkas i rätt riktning. 12

13 Syfte Syftet med denna studie är att i Örebro län samt dess kommuner studera om det finns en koppling mellan socioekonomiska faktorer och sjuklighet i stroke, diabetes och AMI samt att identifiera i vilka NKO dessa sjukdomar är högst respektive lägst förekommande. Frågeställning 1. Går det att i Örebro län samt dess kommuner finna kluster (på NKO-nivå) av invånare som skiljer sig åt socioekonomiskt? 2. Finns det en koppling mellan sjuklighet i stroke/diabetes/ami och olika socioekonomiska klustren? 3. Var geografiskt (NKO-nivå) i Örebro läns olika kommuner finns högst respektive lägst sjuklighet i stroke, diabetes respektive AMI? Metod Designen för denna studie är en aggregerad deskriptiv registerstudie med kvantitativ ansats i två steg. I ett första steg definieras olika socioekonomiska kluster. I ett andra steg kopplas sjukdomsförekomst (stroke, diabetes och AMI) till dessa kluster. Först beskrivs den statistiska metoden som användes, dvs. klusteranalys. Därefter kommer en stegvis beskrivning av proceduren för studien. Klusteranalys En klusteranalys är en explorativ metod som systematiserar oorganiserad data i överskådliga grupper, dvs. kluster. Enheter inom ett kluster skall med avseende på vissa bestämda socioekonomiska variabler vara likartade samtidigt som enheterna inom klustret skall skilja sig från enheterna i andra kluster. Metoden används ofta för att ur en personorienterad ansats utforska ett datamaterial. Metoden innebär analys av aggregerade data där de studerade personerna aggregerats i större enheter; NKO; som utgör de egentliga studieobjekten för analysen. Val av klusteranalysmetod styrs av det underliggande materialets karaktär (49). En förutsättning för att använda klusteranalys är att variablerna i klustringsmodellen är oberoende och om möjligt bör de även vara approximativt normalfördelade. 13

14 I denna studie användes två olika former av klustermetodik- tvåvägs klusteranalys och klusteranalys med Wards metod. Tvåvägs klusteranalys sker i två steg. I det första steget identifieras vissa klustervärden med hjälp av ett slumpmässigt urval av populationen, för att i det andra steget sedan räkna fram avståndet till dessa för samtliga individer. Tvåvägs klusteranalysen användes endast för att identifiera extremvärden medan klusteranalys med Wards metod användes för den slutliga analysen. Wards metod används för att identifiera relativt homogena grupper av individer. Detta sker genom en algoritm som börjar med varje individ i ett separat kluster för att sedan kombinera kluster tills det endast finns ett kluster med samtliga individer. Antalet kluster bestäms sedan av vad som blir optimalt med tanke på dess karaktär, dvs. likheten inom klustren och skillnaderna mellan dem. Procedur Proceduren beskriva i tre delar: 1) Klusterbildning 2) Koppling av sjukdata till kluster 3) Bearbetning och presentation av data. Procedursteg 1: Klusterbildning Urvalet för klusterbildningen var samtliga invånare i Örebro län år 2007, personer. Med hjälp av tvåstegs klusteranalys, se ovan, identifierades extremvärden som exkluderades ur studien. För att identifiera de olika klustren användes klusteranalys med Wards metod, se ovan. Den minsta studieenheten som användes var NKO. Vid klusterbildningen, som utfördes av en av forskargruppens statistiker, användes totalräknade registeruppgifter från åren 2006 och 2007, fördelade på NKO, se bilaga 3. De fem variabler som användes i huvudanalysen var: 1) Andel 75år och äldre, 2) Andel född i Sverige, 3) Andel ensamstående med barn, 4) Andel invånare 20 år och äldre med låg disponibel inkomst (dvs inkomst mindre än kr/år) samt 5) Andelen invånare år med högst utbildning gymnasienivå.(dvs icke postgymnasial utbildning) För ytterligare beskrivning av de olika klustrens karaktär se bilaga 4. 14

15 Procedursteg 2: Koppling av sjukdata till kluster Då kopplingen till sjuklighet gjordes bestod urvalet av samtliga individer år gamla i Örebro län år 2007 med giltigt personnummer ( personer). I denna studie har förekomsten av tre sjukdomar studerats: stroke, diabetes och AMI. Stroke och AMI har identifierats med hjälp av Örebro läns landstings (ÖLL) patientadministrativa IT-system. ICD-kod I61, I63 och I64 har använts för att definiera stroke och I21 och I22 för AMI. Endast slutenvårdstillfällen har använts. Data har samlats för åren 2006, 2007 och Materialet har rensats så att en person maximalt förekommer en gång per år och per sjukdom. Diabetes har identifierats med hjälp av Socialstyrelsens Läkemedelsregister i vilket det registrerats alla uttag av receptbelagda mediciner på individnivå. Alla individer som varit folkbokförda i Örebro län och hämtat ut mediciner med läkemedelskod för diabetesmedicin någon gång under år har därför kunnat definieras som ett fall med diabetes mellitus. Läkemedel med sådan kod används uteslutande för behandling av diabetes. Sjukdomsdata för stroke och AMI, definierade enligt ovan, från ÖLLs patientadministrativa system samlades i en personnummerbaserad datafil. Forskargruppens statistiker verifierade dessa utdata med hjälp av dataprogrammet SPSS 17.0, där frekvens- och korstabeller liksom rimlighetsbedömningar användes för att sortera ut ofullständig och felaktig data. Filen skickades därefter till Statistiska centralbyrån (SCB). I ett första steg påförde SCB informationen från Socialstyrelsens läkemedelsregister, innan datafilen kompletterades med de länsinvånare med samma åldersintervall som inte hade någon av de studerade sjukdomarna. Därefter påfördes i nästa steg informationen om NKO till filen. Innan SCB returnerade datafilen till forskargruppen nu med data summerad på NKO-nivå hade samtliga personnummer tagits bort. I ett sista steg tillfördes informationen om klustertillhörighet av forskargruppens statistiker. För att kunna ange att sjukdomsförekomst i ett kluster skilde sig statistiskt signifikant över eller under motsvarande värde för landstingets som helhet krävdes signifikansnivå 95 % (p<0,05). 15

16 Procedursteg 3 Bearbetning och presentation av utdata Datainsamlingen gjordes med hjälp av ett av Örebro läns landsting ägt patientadministrativt system samt Socialstyrelsens läkemedelsregister. Analysen gjordes med hjälp av Wards klustermetodik, se ovan i stycket klusteranalys. Statistikverktyget SPSS 16.0 och 17.0 samt Excel användes för att behandla data. Excel användes för att presentera resultatet som tabeller och diagram. Eftersom siffrorna för flertalet kommuner och kluster blir för små för en meningsfylld analys redovisas på kommunnivå endast sjuklighet i diabetes eller någon av de tre sjukdomarna. Stroke och hjärtinfarkt finns endast med i den sammanslagna sjuklighetsgruppen. Fullständig tabell med samtliga sjukligheter presenteras i bilaga 5, samt kartor i bilaga 6. När resultaten presenteras åldersstandardiserat eller som ickeåldersstandardiserat framgår av resultatredovisningen. Icke-åldersstandardierat resultat användes då resultatet beskrevs på kommun nivå, eftersom den geografiska kopplingen då var av särskild vikt. Åldersstandardiserat resultat användes då analysen gjordes för hela länet. Etik Eftersom denna studie innehåller uppgifter både från Läkemedelsregistret samt socioekonomisk data från SCB, behövdes en etisk granskning av studiens upplägg av Etiska Prövningsnämnden i Uppsala-Örebro. De gav ett utlåtande som innebar att inget formellt etiskt godkännande behövdes (dnr 2009/008). Resultat Syftet med denna studie var att i varje kommun i Örebro län studera sambandet mellan socioekonomiska faktorer och sjuklighet i stroke, diabetes och AMI samt att identifiera i vilka NKO dessa sjukdomar är högst respektive lägst förekommande, vilket i denna studie var möjligt. Fem olika kluster identifierades med skilda socioekonomisk struktur. En koppling mellan sjuklighet i stroke, diabetes, hjärtinfarkt och socioekonomiska faktorer kunde även påvisas. De tre sjukdomarnas geografiskt spridda distribution kunde beskrivas med de genomförda analyserna. Nedan presenteras de fem klustrens karakteristika, följt av figurer och tabeller för varje enskild kommun. I bilaga 5, visas även hur de olika NKO fördelar sig geografiskt på NKO-nivå indelade i kluster samt var de ligger rent geografiskt. 16

17 Klusterbildning och klusterkarakteristiska Totalt identifierades 1393 antal NKO i Örebro län. Tolv NKO togs bort på grund av de saknade geografiska koordinaterna eller att de inte gick att slå samman med närliggande NKO. Därefter exkluderades fjorton NKO ur studien pga. att de saknade information på vissa variabler. Ytterligare ett NKO i länet exkluderades då denna hade extrema värden. Vilket gav 1366 NKO att analysera. Antalet invånare i de olika NKO varierade (min 29, max 2124, medeltal 201, median 156, standarddeviation 187). I samband med att sjukdomsdatan matchades ihop med klustren rensades ytterligare NKO bort, varvid 1304 NKO finns med i analysen. Botrfallet beror framför allt på att sjukdomsdata kommer från år , medan socioekonomiska data kommer från år 2006 och 2007, samt att vissa NKO ändrats, tagits bort eller lagts till, under perioden, varvid ingen fullständig matchning kunde ske. Med hjälp av klusterbildningen identifierades fem kluster. Dessa döptes till Kluster 1, Kluster 2, Kluster 3, Kluster 4 och Kluster 5. Nedan i tabell 2 visas varje enskilt klusters sammansättning och karakteristiska. Tabell 2. Karakteristika för varje enskilt kluster. Kluster 1 Flest invånare och högst andel lågutbildade.(tillsammans med kluster 4) Kännetecken kluster 1: 9 procent är 75 år eller äldre 91 procent är födda inom Sverige 4 procent är ensamstående med barn 40 procent har låg inkomst 80 procent lågutbildade 49 procent av Örebro läns befolkning Kluster 3 Minst antal invånare ( tillsammans med kluster 4) samt högst andel äldre. Kännetecken kluster 3: 31 procent är 75 år eller äldre 91 procent är födda inom Sverige 6 procent är ensamstående med barn 34 procent har låg inkomst 68 procent lågutbildade 6 procent av Örebro läns befolkning Kluster 2 Näst flest invånare. Kännetecken kluster 2: 7 procent är 75 år eller äldre 91 procent är födda inom Sverige 5 procent är ensamstående med barn 33 procent har låg inkomst 65 procent lågutbildade 24 procent av Örebro läns befolkning Kluster 4 Minst antal invånare (tillsammans med kluster 3) och lägst andel svenskfödda. Högst andel ensamstående med barn, låg utbildade (tillsammans med kluster 1) och individer med låg inkomst. Kännetecken kluster 4: 3 procent är 75 år eller äldre 57 procent är födda inom Sverige 10 procent är ensamstående med barn 64 procent har låg inkomst 80 procent lårutbildade 6 procent av Örebro läns befolkning 17

18 Kluster 5 Högst andel svenskfödda samt minst andel lågutbildade, låg inkomstagare och ensamstående med barn, Kännetecken kluster 5: 7 procent är 75 år eller äldre 93 procent är födda inom Sverige 3 procent är ensamstående med barn 30 procent har låg inkomst 47 procent lågutbildade 15 procent av Örebro läns befolkning Lågdisponibel inkomst innebär kr/år. Lågutbildning innebär icke postgymnasieutbildning. Äldre innebär individer 75å eller äldre. Befolkningsmässigt var kluster 1 det största (49 %), följt av kluster 2. Minst var kluster 3 och 4. Flest icke födda svenskar fanns i kluster 4, medan flest svenskfödda återfanns i kluster 5. Kluster 3 hade högst andel med invånare 75 år och äldre, medan kluster 2 hade lägst andel av dessa. Flest individer med låg inkomst fanns i kluster 4, medan kluster 5 hade minst andel av dessa. Kluster 1 och 4 hade flest individer med icke postgymnasieutbildning, medan kluster 5 hade minst andel av dessa. Ytterligare skillnader finns beskrivna i bilaga 3. Kluster 5 är det socioekonomiskt mest gynnade klustret, medan kluster 4 är det socioekonomiskt minst gynnade klustret. Kluster 2 och kluster 3 är mellankluster som skiljer sig åt av att kluster 3 innehåller en hög andel äldre. Antalet NKO i varje kluster i respektive kommun och hela länet redovisas längre ner under avsnittet Sjuklighet per kluster kommunvis. Sjukdomsförekomst Av Örebro läns åringar var det 10 per 1000 invånare som drabbades av stroke mellan år , motsvarande siffra för diabetes var 71 per 1000 invånare och för AMI 11 av 1000 invånare. En, två eller alla tre av dessa sjukdomar drabbade 87 per 1000 invånare under år Hur dessa sjukligheter fördelas i de olika klustren redovisas i tabell 3 nedan. Tabell 3. Andel individer år per 1000 invånare med stroke, diabetes, AMI eller någon sjuklighet (stroke, diabetes och/eller AMI) uppdelat per kluster 18

19 Sjuklighet Kluster Kluster Kluster Kluster Kluster Örebro län Stroke Diabetes AMI , Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela Örebro län och plustecknet (+) motsvarar ett statistiskt signifikant högre värde. Ålderstandardiserade värden. I bilaga 5, Antal individer med stroke, diabetes, hjärtinfarkt eller någon sjukdom uppdelat per kluster redovisas konfidensintervallen för respektive sjukdom per kluster. I kluster 1 och kluster 3 har signifikant större andel individer diabetes och med någon sjuklighet än i Örebro län som helhet. I kluster 2 har på motsvarande sätt signifikant mindre andel individer diabetes och med någon sjuklighet. I kluster 4 har signifikant fler individer per 1000 invånare stroke, diabetes och någon sjuklighet. I kluster 5 finns signifikant lägre andel med stroke, diabetes, AMI eller någon sjuklighet jämfört med hela länet. Sjuklighet per kluster kommunvis Vid den kommunvisa redovisningen har absoluta tal av sjuklighet använts, dvs. ej åldersstandardiserade värden. Resultatet på landstingsnivå vad gäller statistiskt signifikanta skillnader mellan åldersstandardiserade och ej åldersstandardiserade värden skiljer framförallt åt beträffande stroke i kluster 2, 3 och 4 (se tabell 3 och 4). Tabell 4. Antal individer år per 1000 invånare med stroke, diabetes, AMI och eller någon sjuklighet (stroke, diabets och/eller AMI). Sjuklighet Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Örebro län Stroke Diabetes AMI Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela Örebro län och plustecknet (+) motsvarar ett statistiskt signifikant högre värde. Ej åldersstandardiserade värden. 19

20 Antalet individer i kluster 3 som drabbades av stroke var signifikant fler än i hela Örebro län, medan det var signifikant färre ur kluster 2 och 5. Antalet diabetiker var signifikant högre för individer som tillhörde kluster 1, 3 och 4, medan det var signifikant lägre för kluster 2 och 5. För antalet AMI fanns ingen signifikans uppmätt förutom för kluster 5, som hade signifikant färre än i länet som helhet. Kluster 2 och 5 hade signifikant färre individer med någon sjuklighet, medan övriga kluster hade signifikant fler individer med någon sjuklighet. Kommunvis beskrivning Resultatet för Örebro län samt Örebro läns samtliga kommuner presenteras nedan efter antalet kluster kommunen hade. Kommunens värden jämförs med hela Örebro län. 20

21 Örebro Län Totalt i Örebro län fanns individer som ingick i analysen. De fördelade sig i fem kluster enligt figuren nedan (figur 1). Det absolut största av dessa var kluster 1, vilket nästan hälften av individer tillhör. Tillsammans med kluster 2, som är det näst största invånarmässigt, motsvarar dessa nästan tre fjärdedelar av samtliga individer i Örebro län. Figur 1. Andel invånare samt procentuell fördelning av antalet invånare i hela länet fördelat på kluster Hos de individer som tillhör kluster 2 och 5 är andelen signifikant lägre av diabetes och någon sjuklighet jämfört med hela länet. Hos de individer som tillhör övriga kluster, dvs. kluster 1, 3 och 4 är andelen signifikant högre av diabetiker och någon sjuklighet jämfört med hela länet. (tabell 5) Tabell 5. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Örebro län Örebro Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL Län (NK0, (NK0, (NKO, (NKO, (NKO, n=576) n=340) n=91) n=44) n=315) Diabetes Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela ÖLL och plustecknet (+) anger ett statistiskt signifikant högre värde. Ej åldersstandardiserade värden, Antalet NKO i respektive kluster anges. 21

22 Örebro kommun Örebro kommun är den både största och mest befolkningsrika kommunen i Örebro län. I kommunen bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i samtliga fem kluster, Kluster 1-5. Tillsammans utgör kluster 2 och 5 drygt två tredjedelar av kommunens invånarantal (figur 2). Figur 2. Andel invånare samt procentuell fördelning av antalet invånare i Örebro kommun fördelat på kluster Hos de individer som tillhör kluster 2 och 5 i Örebro kommun är andelen signifikant lägre av diabetes och någon sjuklighet jämfört med hela länet i övrigt. I kluster 3 och 4 är andelen signifikant högre av diabetes och någon sjuklighet. Ingen statistisk signifikans fanns för kluster 1 (tabell 6). Tabell 6. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Örebro kommun Örebro Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL Kommun (NKO, (NKO, (NKO, (NKO, (NKO, n=112) n=186) n=48) n=40) n=289) Diabetes Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela ÖLL och plustecknet (+) anger ett statistiskt signifikant högre värd. Ej åldersstandardiserade värden, Antalet NKO i respektive kluster anges. Mönstret för Örebro kommun är detsamma som för hela länet, dock uppnås ingen statistisk signifikans i kluster 1. I figur 1 och 2 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 22

23 Karlskoga kommun Karlskoga kommun är Örebro läns näst största kommun vad gäller invånarantal. I kommunen bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i samtliga fem kluster, Kluster 1-5 (figur 3). Figur 3. Andel invånare samt procentuell fördelning av antalet invånare i Karlskoga kommun fördelat på kluster Hos de individer som tillhör kluster 5 i Karlskoga kommun är andelen signifikant lägre av diabetes och någon sjuklighet jämfört med hela länet. Däremot är andelen signifikant högre av diabetes och någon sjuklighet för individer tillhörande kluster 1, 3 och 4, jämfört med hela länet. Ingen statistisk signifikans fanns för kluster 2. Tabell 7. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Karlskoga kommun Karlskoga Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL kommun (NKO, (NKO, (NKO, (NKO, n=1) (NKO, n=79) n=39) n=12) n=10) Diabetes Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela ÖLL och plustecknet (+) anger ett statistiskt signifikant högre värde. Ej åldersstandardiserade värden. Antalet NKO i respektive kluster anges. Mönstret för Karlskoga kommun är detsamma som för hela länet, dock uppnås ingen statistisk signifikans i kluster 2. I figur 3 och 4 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 23

24 Lindesbergs kommun I Lindesbergs kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i samtliga fem kluster, Kluster 1-5 (figur 4). Figur 4. Andel invånare samt procentuell fördelning av antalet invånare i Lindesbergs kommun fördelat på kluster Hos de individer som tillhör kluster 1 är andelen signifikant högre av någon sjuklighet jämfört med hela länet, medan ingen annan signifikans kunde påvisas (tabell 8). Tabell 8. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Lindesberg kommun Lindesbergs Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL kommun (NKO, (NKO, (NKO, (NKO, (NKO, n=81) n=29) n=10) n=1) n=3) Diabetes Någon sjuklighet Plusteckenet (+) anger ett värde som är statistiskt signifikant högre än det för hela ÖLL. Ej åldersstandardiserade värden. Antalet NKO i respektive kluster anges. Mönstret för Lindesbergs kommun är inte detsamma som för hela länet, dock finns statistisk signifikans endast för någon sjuklighet i kluster 1 vilket överens stämmer med siffror för länets. I figur 5 och 6 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 24

25 Askersunds kommun I Askersunds kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i fyra kluster, Kluster 1-3 och 5 (figur 5). Figur 5. Andel invånare samt procentuell fördelning av antalet invånare i Askersunds kommun fördelat på kluster Hos de individer i Askersunds kommun som tillhör kluster 5 är andelen signifikant lägre av diabetes och någon sjuklighet jämfört med hela länet. Hos de individer som tillhörande kluster 1 och 3 är andelen signifikant högre av diabetes och någon sjuklighet jämfört med hela länet. Ingen statistisk signifikans fanns för kluster 2 (tabell 9). Tabell 9. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Askersunds kommun Askersunds Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL kommun (NKO, (NKO, n=2) (NKO, n=3) (NKO, n=0) (NKO, n=1) n=27) Diabetes Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela ÖLL och plustecknet (+) anger ett statistiskt signifikant högre värde. Ej åldersstandardiserade värden, Antalet NKO i respektive kluster anges. Mönstret för Askersunds kommun är detsamma som för hela länet, dock finns ingen statistisk signifikans för kluster 2. I figur 7 och 8 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 25

26 Halsbergs kommun I Hallsbergs kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i fyra kluster, Kluster 1-4 (figur 6). Figur 6. Andel invånare samt procentuell fördelning av antalet invånare i Hallsbergs kommun fördelat på kluster Inga signifikanta siffror finns för Hallsbergs kommun (tabell 10). Tabell 10. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Hallsbergs kommun Hallsbergs Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL kommun (NKO, (NKO, n=7) (NKO, n=2) (NKO, n=2) (NKO, n=0) n=59) Diabetes Någon sjuklighet Ej åldersstandardiserade värden., Antalet NKO i respektive kluster anges. Mönstret för Hallsbergs kommun är inte detsamma som för hela länet. I figur 9 och 10 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 26

27 Kumla kommun I Kumla kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i fyra kluster, Kluster 1, 2, 3 och 5 (figur 7). Figur 7. Andel invånare samt procentuell fördelning av antalet invånare i Kumla kommun fördelat på kluster Hos de individer som tillhör kluster 2 är andelen signifikant lägre av diabetiker och någon sjuklighet jämfört med hela länet. Hos de individer som tillhör kluster 5 är andelen signifikant lägre av någon sjuklighet jämfört med hela länet. Däremot är andelen signifikant högre av diabetes och någon sjuklighet hos de individer som tillhör kluster 3 jämför med hela länet. Hos de individer som tillhör kluster 1 fanns ingen signifikans (tabell 11). Tabell 11. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Kumla kommun Kumla Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL kommun (NKO, (NKO, (NKO, n=8) (NKO, n=0) (NKO, n=4) n=62) n=28) Diabetes Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela ÖLL och plustecknet (+) anger ett statistiskt signifikant högre värde. Ej åldersstandardiserade värden. Antalet NKO i respektive kluster anges. Mönstret för Kumla kommun är detsamma som för hela länet, förutom att ingen statistisk signifikans fanns för kluster 1 samt någon sjuklighet i kluster 5. I figur 11 och 12 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 27

28 Nora kommun I Nora kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i fyra kluster, Kluster 1, 2, 3 och 5 (figur 8). Figur 8. Andel invånare samt procentuell fördelning av antalet invånare i Nora kommun fördelat på kluster Hos de individer i Nora kommun som tillhör kluster 2 och 5 är andelen signifikant lägre av någon sjuklighet jämfört med hela länet. Hos de individer som tillhör kluster 2 är även andelen signifikant lägre av diabetes jämfört med hela länet. Däremot finns en signifikant högre andel av diabetes och någon sjuklighet för individer som tillhör kluster 3. För individer tillhörande kluster 1 fanns ingen signifikans (tabell 12). Tabell 12. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Nora kommun Nora Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Örebro läns kommun (NK0, (NKO, (NKO, n=6) (NKO, n=0) (NKO, n=8) landsting n=42) n=27) Diabetes Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela ÖLL och plustecknet (+) anger ett statistiskt signifikant högre värde. Ej åldersstandardiserade värden. Antalet NKO i respektive kluster anges. Mönstret för Nora kommun är detsamma som för hela länet, förutom att ingen statistisk signifikans fanns för kluster 1 samt någon sjuklighet i kluster 5. I figur 13 och 14 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 28

29 Degerfors kommun I Degerfors kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i tre kluster, Kluster 1-3 (figur 9). Figur 9. Andel invånare samt procentuell fördelning av antalet invånare i Degerfors kommun fördelat på kluster Hos de individer som tillhör kluster 1 och kluster 3 är andelen signifikant högre av diabetes och någon sjuklighet jämfört med hela länet. (tabell 13). För kluster 2 fanns ingen signifikans. Tabell 13. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Degerfors kommun Degerfors Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Örebro läns Kommun (NKO, (NKO, n=8) (NKO, n=1) (NKO, n=0) (NKO, n=0) landsting n=43) Diabetes Någon sjuklighet Plustecknet (+) anger ett värde som är statistiskt signifikant högre än det för hela ÖLL. Ej åldersstandardiserade värden. Antalet NKO i respektive kluster anges. Mönstret för Degerfors kommun är detsamma som för hela länet, dock finns ingen statistisk signifikans för kluster 2. I figur 15 och 16 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 29

30 Laxå kommun I Laxå kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i tre kluster, Kluster 1-3 (figur 10). Figur 10. Andel invånare samt procentuell fördelning av antalet invånare i Laxå kommun fördelat på kluster Hos de individer i Laxå kommun som tillhörande kluster 2 är andelen signifikant lägre av diabetes och någon sjuklighet jämfört med hela länet, medan hos de individer som tillhörde kluster 3 är andelen signifikant högre av diabetes (tabell 14) (de kursiverade siffrorna anger celler med så få observationer att statistisk signifikansanalys ej kan göras). Tabell 14. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Laxå kommun Laxå Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Örebro läns kommun (NKO, (NKO, n=4) (NKO, n=1) (NKO, n=0) (NKO, n=0) landsting n=19) Diabetes Någon sjuklighet Minustecknet (-) anger ett värde som är statistiskt signifikant lägre än det för hela ÖLL. Ej åldersstandardiserade värden. Antalet NKO i respektive kluster anges. Mönstret för Laxå kommun är detsamma som för hela länet, dock finns ingen statistisk signifikans för kluster 1. I figur 17 och 18 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 30

31 Lekebergs kommun I Lekebergs kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i två kluster, Kluster 1 och 2 (figur 11). Figur 11. Andel invånare samt procentuell fördelning av antalet invånare i Lekebergs kommun fördelat på kluster Inga signifikanta siffror fanns för Lekebergs kommun (tabell 15). Tabell 15. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Lekebergs kommun Lekebergs Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL kommun (NKO, (NKO, n=4) (NKO, n=0) (NKO, n=0) (NKO, n=0) n=10) Diabetes Någon sjuklighet Ej åldersstandardiserade värden. Antalet NKO i respektive kluster anges. Mönstret för Lekebergs kommun är inte detsamma som för hela länet. I figur 19 och 20 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 31

32 Hällefors kommun I Hällefors kommun bodde år individer, varav ingick i klusterbildningen. Med hjälp av klusterbildningen fördelades dessa i två kluster, Kluster 1 och 2 (figur 12). Figur 12. Andel invånare samt procentuell fördelning av antalet invånare i Hällefors kommun fördelat på kluster Hos samtliga individer i Hällefors kommun är andelen signifikant högre av diabetes och någon sjuklighet jämfört med hela länet (tabell 16). Tabell 16. Sjuklighet för diabetes och någon sjuklighet (stroke/diabetes/ami) i olika kluster, antal per 1000 inv, år i Hällefors kommun Hällefors Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 ÖLL kommun (NKO, (NKO, n=6) (NKO, n=0) (NKO, n=0) (NKO, n=0) n=26) Diabetes Någon sjuklighet Plustecknet (+) anger ett värde som är statistiskt signifikant högre än det för hela ÖLL. Ej åldersstandardiserade värden. Antalet NKO i respektive kluster anges. Mönstret för Hällefors kommun är detsamma för kluster 1 men inte för kluster 2 som för hela länet. I figur 21 och 22 i bilaga 5 framgår den geografiska spridningen av olika kluster, se bilaga 5. 32