FOLKHÄLSOVETENSKAPLIGT CENTRUM LINKÖPING

Transkript

1 FOLKHÄLSOVETENSKAPLIGT CENTRUM LINKÖPING RAPPORT 2003:5 Fördjupad analys av tandhälsan hos barn och ungdomar i Östergötland Tandhälsa och socioekonomiska faktorer, fortsatt analys del 1b LINKÖPING NOVEMBER 2003 KERSTIN ARONSSON ELIN ERIKSSON

2 Fördjupad analys av tandhälsan hos barn och ungdomar i Östergötland. Tandhälsa och socioekonomiska faktorer, fortsatt analys del 1b. Linköping November 2003 Kerstin Aronssson och Elin Eriksson

3 Bakgrund I rapporten Socioekonomiska data på nyckelkodsområden, rapport 98:9, kartlades Östergötland med avseende på en mängd olika variabler av socioekonomisk karaktär. Den geografiska indelningen gjordes på sk nyckelkodsområden, NYKO, som är kommunernas minsta statistikområden. På landsbygden är de ofta lika stora som församlingarna, men i tätorterna innehåller varje NYKO bara några enstaka kvarter. Av tradition har geografiska analyser oftast gjorts på kommun- eller församlingsnivå, men här finns en möjlighet att studera mindre områden. Detta har skett med hjälp av klusteranalys. Klusteranalys är en multivariat metod, där man använder sig av flera variabler med olika fördelning, för att gruppera områden i olika kategorier. Länets nyckelkodsområden har strukturerats i 5 olika grupper baserade på socioekonomiska gradienter. Gradienterna har beräknats utifrån utbildningsnivå, sysselsättning, medelinkomst per familj och bidragssituationen (socialbidrag, bostadsbidrag samt kommunalt bostadstillägg) i de olika nyckelkodsområdena i Östergötland. Metoden kan användas för kartläggning av olika sjukdomars utbredning och deras eventuella samband med socioekonomiska faktorer. Munhälsan är en faktor som i första delen av denna studie visat sig vara en god indikator på socioekonomiska förhållanden. Klusteranalysen grundades delvis på 10 år gamla data för socioekonomiska förhållanden hos befolkningen i Östergötland. Mot bakgrund av detta är det angeläget att utveckla och förfina analyserna med aktuella data. Syfte och frågeställningar Att uppdatera och förbättra klusteranalysen med nya socioekonomiska data för Östergötland. Att ta fram kartor över socioekonomiska kluster för samtliga kommuner i Östergötland. Att lägga in tandhälsodata för år 2002 i den nya klusteranalysen. Går det att göra klusteranalysen ännu känsligare än den tidigare klusteranalysen? Går det att använda den nya klusteranalysen för planering av riktade tvärsektoriella hälsoinsatser i de socioekonomiskt och tandhälsomässigt tyngst belastade områdena i Östergötland?

4 Mål Att förbättra instrumentets användbarhet för kartläggning av riskgrupper för sjukdomar med socioekonomiskt samband. Att kunna använda metoden praktiskt i Landstingets (beställarens) planering av hälsofrämjande insatser i Östergötland. Metod och material - Klusteranalysen från 1998 har uppdaterats och omarbetats under Se bifogad rapport: Socioekonomiska skillnader i Östergötland, klusteranalys för Klustren har lagts in i kartor för länet, och per kommun, i Östergötland. - Den nya klusteranalysen har jämförts med tandhälsodata för länets 6-respektive 19-åringar.Tandhälsouppgifterna hämtades från tandvårdens årliga rutinepidemiologi, som år 2002 täckte in 86% av 6-åringarna (3911), och 82% av 19-åringarna (4004). Resultat Den nya klusteranalysen har visat god överensstämmelse med den äldre analysen, samtidigt som man fått en ännu bättre differentiering av kartbilderna, speciellt i de tre största kommunerna i länet. Beskrivning av de fem klustren: Högst socioekonomiskt status. (Rosa kartområden) Klustret innehöll 62 nyckelkodsområden med individer, som hade en mycket god inkomst, var högutbildade och hade låga bidrag. Tandhälsan hos barn och ungdomar var mycket god (2000) 6-åringar (mjölktänder), n=241 81% hade helt kariesfria tänder, deft=0 (75%) 3% hade mer än fem kariesskadade tänder, deft>5 19-åringar (permanenta tänder), n=259 27% hade helt kariesfria tänder DFT=0 (19%) 16% hade mer än fem kariesskadade tänder (24%) 68% hade kariesfria kontaktytor, DFSa=0 (62%) 2% hade mer än fem kariesskadade kontaktytor, DFSa>5 (5%)

5 Näst högst socioekonomisk status. (Gröna kartområden) Klustret innehöll 192 nyckelkodsområden med individer, som hade en god inkomst, var högutbildade och hade låga bidrag. Tandhälsan hos barn och ungdomar var god (2000) 6-åringar (mjölktänder), n= % hade helt kariesfria tänder, deft=0 (70%) 3% hade mer än fem kariesskadade tänder, deft>5 19-åringar (permanenta tänder), n= % hade helt kariesfria tänder DFT=0 (14%) 25% hade mer än fem kariesskadade tänder (32%) 63% hade kariesfria kontaktytor, DFSa=0 (56%) 6% hade mer än fem kariesskadade kontaktytor, DFSa>5 (7%) Mellersta socioekonomisk status. (Röda kartområden) Klustret innehöll 395 nyckelkodsområden med individer, som hade en relativt låg inkomst, låg utbildning och låga bidrag. Tandhälsan hos barn och ungdomar var medelgod: 2002 (2000) 6-åringar (mjölktänder), n= % hade helt kariesfria tänder, deft=0 (72%) 4% hade mer än fem kariesskadade tänder, deft>5 19-åringar (permanenta tänder), n= % hade helt kariesfria tänder DFT=0 (15%) 24% hade mer än fem kariesskadade tänder (30%) 63% hade kariesfria kontaktytor, DFSa=0 (57%) 5% hade mer än fem kariesskadade kontaktytor, DFSa>5 (7%)

6 Näst lägst socioekonomisk status. (Blå kartområden) Klustret innehöll 180 nyckelkodsområden med individer, som hade en relativt låg inkomst, var lågutbildade och hade höga bidrag. Tandhälsan hos barn och ungdomar var något sämre än medeltalet: 2002 (2000) 6-åringar (mjölktänder), n= % hade helt kariesfria tänder, deft=0 (64%) 7% hade mer än fem kariesskadade tänder, deft>5 19-åringar (permanenta tänder), n= % hade helt kariesfria tänder DFT=0 (14%) 27% hade mer än fem kariesskadade tänder (37%) 60% hade kariesfria kontaktytor, DFSa=0 (56%) 8% hade mer än fem kariesskadade kontaktytor, DFSa>5 (11%) Lägst socioekonomisk status. (Gula kartområden) Klustret innehöll 37 nyckelkodsområden med individer, som hade låg inkomst, relativt låg utbildning och mycket höga bidrag. Tandhälsan hos barn och ungdomar var avsevärt sämre än i övriga kluster: 2002 (2000) 6-åringar (mjölktänder), n=342 54% hade helt kariesfria tänder, deft=0 (50%) 14% hade mer än fem kariesskadade tänder, deft>5 19-åringar (permanenta tänder), n=412 14% hade helt kariesfria tänder DFT=0 (10%) 35% hade mer än fem kariesskadade tänder (44%) 53% hade kariesfria kontaktytor, DFSa=0 (42%) 12% hade mer än fem kariesskadade kontaktytor, DFSa>5 (16%) Tandhälsan hos barn och ungdomar år 2002 var något förbättrad jämfört med år 2000.

7 Den nya analysen visar liksom den förra, att tandhälsan hos barn och ungdomar samvarierar med socioekonomiskt status i respektive kluster. Områdena med högst socioekonomiskt status hade 50% fler 6-åringar, och dubbelt så många 19-åringar, med helt kariesfria tänder, jämfört med områdena med lägst socioekonomiskt status. Andelen 19-åringar med mer än fem kariesskadade kontaktytor var sex gånger större i områdena med lägst socioekonomiskt status, jämfört med områdena med högst socioekonomiskt status. Slutsatser Studierna Socioekonomiska skillnader i Östergötland, klusteranalys för 1999 och Fördjupad analys av tandhälsan hos barn och ungdomar i Östergötland visar sammantaget att: 1. Den nya klusteranalysen ger en större känslighet och bättre geografisk täckning, än den föregående. 2. Tandhälsans samband med socioekonomiska förhållanden i Östergötland, bekräftas i den nya studien. 3. Tandhälsan är ojämnt fördelad inom kommunerna. 4. Klusteranalysen ger god ledning för planering av hälsofrämjande åtgärder. 5. De nya klusterkartorna är användbara för planering av riktade tvärsektoriella hälsoinsatser i de socioekonomiskt och tandhälsomässigt tyngst belastade områdena i Östergötland.

8 1 (166) Socioekonomiska skillnader i Östergötland klusteranalys för 1999 Elin Eriksson Marika Wenemark

9 2 (166) 1 Bakgrund I rapporten Socioekonomiska skillnader i Östergötland En klusteranalys på nyckelkodsområden (rapport 2000:3) användes huvudsakligen variabler från Den klusterindelning som då gjordes har bland annat använts i rapport 2002:2 Hjärtsjuklighet i Östergötland och rapport 2001:3 Fördjupad analys av tandhälsan hos barn och ungdomar i Östergötland. I båda rapporterna fanns det samband mellan sjuklighet och socioekonomisk klustertillhörighet. Eftersom klustrena baseras på nästan tio år gamla data var det angeläget att uppdatera analyserna och få kluster som bättre speglar den socioekonomiska situation som gäller runt år Datamaterialet Utgångspunkten var att upprepa samma klustermetodik med samma socioekonomiska variabler. En tanke var då också att få en bild av hur hållbara socioekonomiska kluster är över en tidsperiod på fem år. Eftersom yrkesvariablerna hämtades från FoB90, som inte har uppdaterats sedan dess, uteslöts yrke helt ur analysen. Det går därför inte att göra exakt samma klusterindelning för att studera förändring över tid. Istället görs en helt ny klusterindelning som baseras på delvis nya variabler från Precis som i den tidigare analysen finns en viss osäkerhet i materialet eftersom SCB med hänvisning till sekretessregler ändrar alla 1:or till 0:or samt alla 2:or till 3:or. Nykoområden med färre än 10 invånare har tagits bort (totalt 65 stycken). (I analysen för 1994 togs områden bort med färre än 10 personer över 15 år. I det nya materialet skulle ytterligare 5 nykoområden ha tagits bort med detta kriterium. Vid en extra kontroll visade det sig att alla 5 områdena hade 9 vuxna, så de fick vara kvar.) 2.1 Beskrivning av de socioekonomiska variablerna Yrke Yrkesvariablerna utgick helt eftersom de fortfarande baseras på FoB90. Disponibel inkomst Inkomstvariablerna som användes 1994 tog inte hänsyn till om hushållet bestod av en eller flera personer. Det gör att områden med en stor andel familjer kommer att se ut att ha bättre ekonomi än områden med många ensamstående även om familjerna har mycket låga inkomster. För att bättre spegla den verkliga situationen skapades två alternativ: Två separata variabler för sammanboende och ensamstående. En vägd variabel där sammanboende med barn räknas som tre personer, sammanboende utan barn som två, ensamstående med barn som två och ensamstående utan barn som en person. Endast disponibel inkomst inklusive nollinkomsttagare används.

10 3 (166) Bidrag För datamaterialet 1994 relaterades summan av bidragen i ett nykoområde till antalet individer. Eftersom socialbidrag och bostadsbidrag delas ut till hushåll och inte till individer relateras de i denna analys istället till antal familjer. Kommunalt bostadstillägg relateras till antalet pensionärer eftersom det till största delen är dessa som är berättigade till bidraget. Det finns annars en risk att områden med låg andel pensionärer kommer att se ut som om de har låga bidrag även om alla pensionärer i området har höga bostadstillägg. Utbildning Utbildningsvariablerna förenklades till andel med förgymnasial, gymnasial och eftergymnasial utbildning. Övriga variabler För att bättre beskriva de kluster som bildas i klusteranalysen redovisas ibland andel barn, andel pensionärer, storleken på nykoområdena och andelen invandrare. Dessa variabler har dock inte ingått i klusteranalysen där klustrena har skapats. Histogram över ingående variabler finns i bilaga 1.

11 4 (166) 2.2 Samband mellan variabler Korrelationer mellan variablerna (tabell 1) visade att de två separata inkomstvariablerna inte korrelerade särskilt högt (r=0,3). Den vägda individbaserade inkomstvariabeln korrelerade högt med både inkomsten för sammanboende (r=0,8) och för ensamstående (r=0,7). Det borde därför fungera bra att använda den vägda såväl som de två separata i olika modeller. Den vägda fungerar som huvudalternativ. Socialbidrag och bostadsbidrag korrelerade ganska högt (r=0,7). Socialbidrag får därför spegla bidragsberoende i huvudmodellen. Även bostadsbidrag används i en alternativmodellen. Andel med för- och eftergymnasial utbildning korrelerade högt (r=-0,7). Eftersom andel med förgymnasial utbildning korrelerade högre med såväl bostadstillägg som socialbidrag användes eftergymnasial utbildning i huvudmodellen. Tabell 1. Korrelationer mellan variablerna. Disponibel inkomst per person (kr/år) Socialbidrag per hushåll (kr) Bostadstillägg per pensionär (kr) Disponibel inkomst per person (kr/år) 1-0,2-0,3 0,4-0,4 0,0 0,0-0,1-0,1 0,8 0,7-0,2 Socialbidrag per hushåll (kr) -0,2 1 0,5-0,1 0,2 0,3 0,0 0,0 0,7-0,2-0,2 0,7 Bostadstillägg per pensionär (kr) -0,3 0,5 1-0,1 0,1 0,3-0,2 0,3 0,4-0,2-0,3 0,5 Andel eftergymnasial utbildning (%) 0,4-0,1-0,1 1-0,7 0,2 0,1-0,2 0,0 0,4 0,3-0,1 Andel förgymnasial utbildning (%) -0,4 0,2 0,1-0,7 1-0,1-0,1 0,3 0,1-0,4-0,3 0,1 Totalt antal individer 0,0 0,3 0,3 0,2-0,1 1 0,0 0,0 0,3 0,0 0,0 0,4 Andel barn (%) 0,0 0,0-0,2 0,1-0,1 0,0 1-0,5-0,1 0,1 0,2 0,2 Andel pensionärer (%) -0,1 0,0 0,3-0,2 0,3 0,0-0,5 1 0,0-0,2-0,2-0,1 Andel invandrare (%) -0,1 0,7 0,4 0,0 0,1 0,3-0,1 0,0 1-0,1-0,1 0,5 Disp. inkomst för sammanboende (kr) 0,8-0,2-0,2 0,4-0,4 0,0 0,1-0,2-0,1 1 0,3-0,1 Disp. inkomst för ensamstående (kr) 0,7-0,2-0,3 0,3-0,3 0,0 0,2-0,2-0,1 0,3 1-0,1 Bostadsbidrag per hushåll (kr) -0,2 0,7 0,5-0,1 0,1 0,4 0,2-0,1 0,5-0,1-0,1 1 Andel med eftergymnasial utbildning (%) Andel med förgymnasial utbildning (%) Totalt antal individer Andel barn (%) Andel pensionärer (%) Andel invandrare (%) Disponibel inkomst för sammanboende (kr) Disponibel inkomst för ensamstående (kr) Bostadsbidrag per hushåll (kr)

12 5 (166) 3 Klusteranalys 3.1 Metod Precis som i den tidigare rapporten används först Ward s metod för att bedöma hur många kluster som är lämpliga. Därefter används metoden K-means för att skapa de slutliga klustrena. För en mer detaljerad beskrivning av metoderna se rapporten Socioekonomiska skillnader i Östergötland En klusteranalys på nyckelkodsområden (rapport 2000:3). Alla variabler standardiseras till z-värden med medelvärde 0 och standardavvikelse 1. Ett antal nykoområden med extrema värden togs bort (9 stycken i huvudmodellen). 3.2 Val av modell Två alternativa modeller prövades. Huvudmodellen innehåller endast fyra variabler (inkomst per person, socialbidrag per familj, bostadstillägg per pensionär och andel eftergymnasialt utbildade) med sinsemellan mycket små korrelationer. Alternativmodellen innehåller sju variabler (medelinkomst för sammanboende, medelinkomst för ensamstående, socialbidrag per familj, bostadsbidrag per familj, bostadstillägg per pensionär, andel med förgymnasial utbildning och andel med eftergymnasial utbildning). För båda metoderna var det lämpligt att välja fem kluster och inga kluster blev alltför små eller alltför stora. Huvudmodellen valdes av flera olika skäl. Den är enkel och lätt och tolka. De nykoområden i Linköping som låg närmast något klustercentrum studerades och verkade relevanta. Fördelningen av nykoområden blev bra med flest i mittengruppen och få i de mest extrema klustrena. Skillnaderna mellan de olika klustrena för vissa andra variabler av intresse t ex andel invandrare och munhälsa hos barn, var stora för huvudmodellen.

13 6 (166) 3.3 Resultat Beskrivning av kluster I tabell 2 redovisas alla variabler uppdelade på de olika klustrena samt totalt. Tabell 2. Beskrivning av kluster Variabel Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Totalt Antal nykon Totalt antal individer Andel kvinnor 0,47 0,52 0,46 0,47 0,45 0,47 Andel barn 0,25 0,21 0,25 0,22 0,25 0,24 Andel pensionärer 0,14 0,27 0,13 0,14 0,15 0,17 Andel invandrare 0,05 0,07 0,04 0,24 0,04 0,06 Medelinkomst per familj Medelinkomst per ensamstående Medelinkomst per person Andel med förgymnasial utbildning 0,25 0,37 0,27 0,40 0,37 0,34 Andel med gymnasial utbildning 0,42 0,47 0,41 0,43 0,48 0,46 Andel med eftergymnasial utbildning 0,33 0,15 0,31 0,16 0,14 0,20 Bostadsbidrag/familj (kr/familj) Socialbidrag/familj (kr/familj) Kommunalt bostadstillägg/pensionär (kr/pensionär) Kluster 5 innehåller 395 nyckelkodsområden (figur 1). I kluster 1 och kluster 2 ingår 192 respektive 180 områden. Kluster 3 och kluster 4 innehåller minst antal nyckelkodsområden, 62 respektive Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Figur 1. Antal nyckelkodsområden i respektive kluster.

14 7 (166) Antal individer i de olika nyckelkodsområdena framgår av figur 2. Kluster 2 innehåller flest antal individer (ca ), därefter kommer kluster 1 och kluster 5 med cirka individer i respektive kluster. I kluster 4 ingår cirka individer och minst antal individer bor i kluster 3 (ca ) Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Figur 2. Antal individer i respektive kluster Disponibel medelinkomst per familj och disponibel medelinkomst per ensamstående redovisas för respektive kluster i figur 3. I kluster 3 bor de som har den högsta medelinkomsten per familj samt den högsta medelinkomsten per ensamstående. Näst högst medelinkomst både per familj och per ensamstående har kluster 1. Kluster 2, 4 och 5 liknar varandra inkomstmässigt. De har alla lägre medelinkomster jämfört med de övriga klustren och den lägsta disponibla medelinkomsten återfinns i kluster 4. Medelinkomst per familj Medelinkomst per ensamstående Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Figur 3. Medelinkomst i respektive kluster

15 8 (166) Utbildningsnivån för de olika klustrena framgår av figur 4. Kluster 1 har den högsta utbildningsnivån med den högsta andelen eftergymnasial utbildning och den lägsta andelen förgymnasial utbildning. Även kluster 3 har en hög utbildningsnivå, det innehåller näst högst andel med eftergymnasial utbildning och näst lägst andel med förgymnasial utbildning. Kluster 2, 4 och 5 liknar varandra när det gäller utbildning. Där finns de nyckelkodsområden med lägre utbildningsnivå. Förgymnasial utbildning Eftergymnasial utbildning 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Figur 4. Utbildningsgrad i respektive kluster I figur 5 framgår hur mycket de olika klustren får i bostadsbidrag per familj, socialbidrag per familj samt bostadstillägg per pensionär. Kluster 4 högst värden på alla bidrag och får i särklass högst socialbidrag. Näst högst bidrag har kluster 2, som framför allt har högt bostadstillägg. Kluster 1, 3 och 5 har alla låga bidrag, men minst bidrag får individerna i kluster Bostadsbidrag/familj (kr/familj) Socialbidrag/familj (kr/familj) KTB/pensionär (kr/pensionär) Kluster 1 Kluster 2 Kluster 3 Kluster 4 Kluster 5 Figur 5. Bidrag i respektive kluster

16 9 (166) För att utvärdera de olika klustrena används de standardiserade klustercenterna (figur 6). Kluster 3 har t ex en betydligt högre nivå på inkomstvariabeln än övriga kluster och är framför allt ett höginkomst kluster med välutbildade personer. Även kluster 1 har höga inkomster och har en hög andel med eftergymnasial utbildning. Socialbidragen och bostadstilläggen i dessa kluster är mycket små. Kluster 5 och kluster 2 har lite lägre inkomster och lägre andel med eftergymnasial utbildning. I kluster 5 är bidragen mycket små medan det finns mer bidrag, framför allt bostadstillägg, i kluster 2. Slutligen är kluster 4 de nykoområden som har i särklass mest socialbidrag och dessutom lägst inkomster. Totalen i figur 6 är en sammanvägning av de fyra variablerna och indikerar klustrets sammanlagda socioekonomiska ställning. 1 (n=192) 2 (n=180) 3 (n=62) 4 (n=37) 5 (n=395) Inkomst per person Socialbidrag per familj Bostadstillägg per pensionär Andel eftergymnasial utbildning Total Figur 6. Klustercenter för de ingående variablerna (z-värden) för varje kluster 1-5. För att på ett överskådligt sätt kunna se hur den socioekonomiska statusen har fördelat sig på nyckelkodsområden har kartor gjorts över kommunerna i Östergötlands län, (se bilaga), där nykoområdenas klustertillhörighet visas.

17 10 (166) Samband mellan klustertillhörighet och munhälsa bland barn För att utvärdera om klustrena speglar socioekonomiska skillnader som har samband med olika typer av sjuklighet, jämfördes tandhälsa hos barn i de olika klustrena. Som mått på tandhälsa användes andel barn med minst en kariesangripen tand. Framför allt de två kluster med sämst socioekonomiska förutsättningar skilde sig från övriga och hade markant sämre tandhälsa. Resultaten visade på statistiskt signifikanta medelvärdesskillnader mellan klustrena. Se bilaga 2 för boxplot över munhälsa i de olika klustrena. 3.4 Klustertillhörighet för nykoområden med extrema variabler Nio nykoområden med extrema värden på inkomst, socialbidrag eller eftergymnasialutbildning togs tillfälligt bort ur datamaterialet för att de inte skulle få alltför stort inflytande på själva klustringsmetoden. Dessa kan i efterhand imputeras eftersom de har riktiga värden. 3.5 Metodfunderingar Det kan även förekomma nykoområden med en extrem inkomst som ger utslag för hela nykoområdet. Ett alternativ kan därför vid en ny klusteranalys vara att använda medianvärden i stället för medelvärden. Det är en fördel om fördelningen av nykoområden för de olika klustrena är något normalfördelad eftersom de mest extrema områdena ska kunna skiljas ut skulle ett alternativ till klusteranalys kunna vara att skapa ett kontinuerligt socioekonomiskt index. Detta index skulle ha fördelen att kunna användas som kontinuerlig i t ex regressionsanalyser. Det skulle också kunna delas in med fasta fördelningsgränser för olika behov t ex kvartiler för kartframställning eller percentiler för mer finfördelade grupper. Val av klustringsmetod för klusteranalysen kan påverka resultatet. I detta fall vore det intressant att komplettera med en icke-parametrisk klustringsmetod eftersom t ex bidragsvariablerna är långt ifrån normalfördelade.

18 11 (166) 3.6 Klusterbeskrivning Kluster 3 har den högsta socioekonomiska statusen. I detta kluster ingår näst minst nyckelkodsområden och minst antal individer. De har högst disponibel medelinkomst och näst högst andel med eftergymnasial utbildning. Socialbidragen och bostadstilläggen är lägst jämfört med övriga kluster. Kluster 3 innehåller 62 nyckelkodsområden med individer som har en mycket god inkomst, är högutbildade och har låga bidrag. Kluster 1 har den näst högsta socioekonomiska statusen. Det innehåller näst flest nyckelkodsområden och näst flest antal individer. Jämfört med övriga kluster är den disponibla inkomsten näst högst, andelen med eftergymnasial utbildning högst och bidragsnivån medelhög. Kluster 1 innehåller 192 nyckelkodsområden med individer som har en god inkomst, är högutbildade och har låga bidrag. Kluster 5 har den mellersta socioekonomiska statusen. Detta kluster innehåller flest antal nyckelkodsområden och nästan lika många individer som kluster 1. Den disponibla inkomsten är genomsnittlig jämfört med övriga kluster. Andelen med eftergymnasial utbildning är lägst och bidragsnivån är näst lägst. Kluster 5 innehåller 395 nyckelkodsområden med individer som har en relativt låg inkomst, en låg utbildning och låga bidrag. Kluster 2 har den näst lägsta socioekonomiska statusen. I detta kluster är antal nyckelkodsområden nästan lika många som i kluster 1 och det ingår flest antal individer. (Kluster 1, 2 och 5 är storleksmässigt lika när det gäller antal individer. När det gäller antal nyckelkodsområden är däremot kluster 5 överlägset störst.) Den disponibla inkomsten är näst lägst, andelen med eftergymnasial utbildning är näst lägst och bidragsnivån, främst bostadstillägg, är näst högst. I detta kluster bor det en hög andel pensionärer. Kluster 2 innehåller 180 nyckelkodsområden med individer som har en relativt låg inkomst, är lågutbildade och har höga bidrag. Kluster 4 har den lägsta socioekonomiska statusen. Det innehåller minst antal nyckelkodsområden och näst minst antal individer. Detta kluster har lägst disponibel inkomst, genomsnittlig utbildningsnivå (kluster 5, 2 och 4 har i stort sett samma utbildningsnivå) och mest bidrag, framför allt socialbidrag. Detta är det mest invandrartäta klustret. Kluster 4 innehåller 37 nyckelkodsområden med individer som har låg inkomst, relativt låg utbildning och mycket höga bidrag.

19 12 (166) Bilaga 1. Histogram över ingående variabler. 300 Medelvärde disponibel inkomst per person (kr) , , , , , , , , , , , , , , , ,0 0 Std. Dev = 24779,25 Mean = ,0 N = 875, Socialbidrag per hushåll (kr) , , , , , , , , ,0 8000,0 4000,0 0, Std. Dev = 3218,15 Mean = 1235,2 N = 875,00

20 13 (166) Bostadstillägg per pensionär (kr) , , , , , ,0 8000,0 6000,0 4000,0 2000,0 0, Std. Dev = 3563,82 Mean = 3221,8 N = 803, Andel med eftergymnasial utbildning (%) ,850,800,750,700,650,600,550,500,450,400,350,300,250,200,150,100,050 0,000 Std. Dev =,12 Mean =,201 N = 875,00

21 14 (166) Antal personer ,0 6500,0 6000,0 5500,0 5000,0 4500,0 4000,0 3500,0 3000,0 2500,0 2000,0 1500,0 1000,0 500,0 0, Std. Dev = 639,77 Mean = 469,5 N = 875, Andel invandrare (%) ,600,550,500,450,400,350,300,250,200,150,100,050 0,000 Std. Dev =,07 Mean =,060 N = 869,00

22 15 (166) Andel barn (%) ,550,500,450,400,350,300,250,200,150,100,050 0,000 Std. Dev =,10 Mean =,241 N = 875, Andel pensionärer (%) 100,95,90,85,80,75,70,65,60,55,50,45,40,35,30,25,20,15,10,05 0,00 0 Std. Dev =,13 Mean =,17 N = 875,00

23 16 (166) Bilaga 2. Boxplot över munhälsa år 2000 hos 6-åriga barn i de olika klustrena. 1,2 1,0,8,6 Andel barn med deft>0,4,2 0,0 -,2 N = Näst bäst Bäst Medel Näst sämst Sämst Socioekonomiska kluster Figuren visar andel barn per nyckelkodsområde med minst en kariesangripen tand i respektive socioekonomiskt kluster. De mått som visas är spridning (största och minsta värde), median (strecket i boxen) samt 1:a och 3:e kvartil (hälften av alla observationer ligger i boxen). Figuren är en kontroll av hur bra klusteranalysen fungerar och för en jämförelse av tidigare klusteranalys. Data på munhälsa avser år För analys av munhälsan år 2002 i de socioekonomiska klustrena hänvisas till del 1.

24 Socioekonomiska skillnader och tandhälsa hos barn och ungdomar i Östergötlands län år 2002 Kartor över Östergötland och samtliga kommuner i Östergötlands län

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39 FOLKHÄLSOVETENSKAPLIGT CENTRUM LINKÖPING Telefon: eller fax: e-post: ISSN