25. Februar 2022 | News | Interview

„Die größte Veränderung kam durch die Daten selbst“

Forschungsgruppe: Ungleichheiten im Sterbealter, einen Überblick darüber, wie sich die demografische Forschung zu Sterblichkeitsmustern in den vergangenen 25 Jahren entwickelt hat, nennt zwei große Herausforderungen für das Feld in der Zukunft und erklärt, warum sie glaubt, dass die immer bessere Verfügbarkeit von Daten auch ihren Preis hat.

Frau Dr. van Raalte, warum beschäftigen sich Demograf*innen mit Sterblichkeitsmustern, genauer gesagt mit Altersmustern der Sterblichkeit auf Bevölkerungsebene?

Die Hauptaufgabe von Demograf*innen besteht darin, Veränderungen in der Größe und Struktur von Bevölkerungen zu beschreiben und zu erklären. Diese Veränderungen ergeben sich aus der sich ändernden Sterblichkeit, aber auch aus Veränderungen bei Geburten und Migration. Diejenigen unter uns, die sich mit der Sterblichkeit befassen – auch ich – stellen Fragen nach dem Sterbealter und den Todesursachen, die am stärksten zu Veränderungen der Lebenserwartung im Laufe der Zeit und zu den Unterschieden zwischen Bevölkerungsgruppen beitragen. Wir fragen auch: Wie und warum unterscheidet sich das Altersmuster der Sterblichkeit in verschiedenen sozialen Gruppen? Welche Ursachen führen dazu, dass sich der Rückgang der Sterblichkeit im Laufe der Zeit verlangsamt oder beschleunigt, und was erwarten wir für die Zukunft? Viele andere sozialwissenschaftliche Disziplinen stellen ähnliche Fragen, aber ihr Interesse gilt oft der individuellen Ebene, etwa der Frage: Wie lange könnte ich leben, wenn ich etwas in meinem Leben ändere? Die Grenzen zwischen den einzelnen Disziplinen verschwimmen aber immer mehr, und es gibt viel interdisziplinäre Arbeit, die alle Sozial- und Gesundheitswissenschaften stärkt.

Wie haben die technologischen Veränderungen der vergangenen 25 Jahre die demografische Forschung beeinflusst?

Wie alle Sozialwissenschaften hat auch die Demografie vom enormen technologischen Wandel profitiert. Das Internet erleichtert die internationale Zusammenarbeit, Datensätze sind digitalisiert, werden weiterverbreitet, und die Software ist leistungsfähiger geworden. Die wahrscheinlich größte Veränderung kam aber durch die Daten selbst: Wir nutzen immer häufiger umfangreiche Datensätze aus Bevölkerungsregistern und Langzeitumfragen, die es uns ermöglichen, dieselben Personen im Laufe ihres Lebens wiederholt zu betrachten. Früher haben wir dagegen vor allem mit aggregierten Tabellen aus dem Zensus oder mit Bevölkerungsumfragen gearbeitet. Das war immer nur eine Momentaufnahme der Bevölkerung zu einem bestimmten Zeitpunkt.

Warum glauben Sie, dass die Verfügbarkeit von Daten auch einen Preis hat?

Mit mehr Daten, die alle Aspekte des Lebenslaufs abdecken, können wir Hunderte von immer detaillierteren Fragen beantworten. Im Allgemeinen ist das eine gute Sache. Aber das kann auch dazu führen, dass wir das große Ganze aus den Augen verlieren. Und selbst, wenn wir mit den internationalen Entwicklungen der Sterblichkeit Schritt halten, wird es unglaublich schwierig, eine Bilanz all dieser Mikrobefunde zu ziehen. Es ist schwer herauszufinden, welche Determinanten tatsächlich den Unterschied erklären, warum die Lebenserwartung in einem Land höher oder niedriger ist als in einem anderen.

In Ihrem vor einigen Wochen erschienenen Aufsatz in der Fachzeitschrift ‚Population Studies‘ sagen Sie, dass das, was Demograf*innen über das Sterberisiko herausfinden, nicht immer in angemessener Weise auf die Auswirkungen in der Bevölkerung umgesetzt wird. Würden Sie diesen Gedanken erläutern und ein Beispiel nennen?

Ein Beispiel, das ich genannt habe, sind die Auswirkungen der Bildungsexpansion auf die Sterblichkeitsmuster. Es gibt viele hervorragende Studien, die die Entwicklung der Lebenserwartung nach Bildungsniveau untersucht haben. Fast alle zeigen, dass Menschen mit höherem Bildungsniveau im Durchschnitt länger leben als Menschen mit niedrigerem Bildungsniveau. Gleichzeitig sind die jüngeren Generationen im Allgemeinen besser ausgebildet als die Generationen ihrer Eltern. In einigen Ländern haben sich diese Veränderungen der Bildungszusammensetzung innerhalb von nur wenigen Jahrzehnten enorm auf die Lebenserwartung ausgewirkt.

Welche Art von Forschungsfragen sollten gestellt werden, um diese Lücke zu schließen?

Angefangen mit Evelyn Kitagawa im Jahr 1955 versuchen Demograf*innen seit langem, diese beiden Einflussfaktoren auf die Sterblichkeit voneinander zu trennen: auf der einen Seite das veränderte Sterberisiko innerhalb einzelner Untergruppen der Bevölkerung und auf der anderen die veränderte Zusammensetzung der Gesamtbevölkerung. Die größte Herausforderung besteht jedoch darin, kontextuelle Veränderungen in der Bevölkerung zu berücksichtigen. Wenn das Bildungsniveau ansteigt, könnte das für jeden in der Bevölkerung unabhängig vom Bildungsniveau Vorteile bringen. Wenn aber nur noch wenige Menschen ein sehr niedriges Bildungsniveau haben, wird dieser Gruppe ein größerer Anteil von Personen angehören, die wegen einer Krankheit nicht in der Lage sind, ein höheres Bildungsniveau zu erreichen. Mit anderen Worten, nicht die niedrigere Bildung selbst verursacht ein höheres Sterberisiko, sondern die Unterschiede in der Gesundheit, die die Unterschiede in der erreichten Bildung erst verursachen. Das nennen wir umgekehrte Kausalität.

Es gibt hier also keine einfache Antwort...

Genau, aber wenn wir das große Ganze im Auge behalten wollen, müssen wir mehr über die Rolle der Unterschiede in der Zusammensetzung und im Kontext der Gesundheit der Bevölkerung nachdenken und uns nicht nur auf die kausalen Auswirkungen der Determinanten selbst konzentrieren.

Vor welchen Herausforderungen stehen Demograf*innen in Zukunft?

Da gibt es viele. Ich möchte zwei genauer erklären. Erstens: Die grundlegende Dateninfrastruktur muss verbessert werden. Die COVID-19-Pandemie hat der Welt gezeigt, wie wichtig es ist, über funktionierende Systeme zu verfügen, die Bevölkerungsdaten erfassen und Statistiken erstellen. Wenn wir schlechte Schätzungen über die Gesamtzahl der Todesfälle vor der Pandemie haben, können wir die durch die Pandemie verursachten Todesfälle nicht richtig einschätzen. Das geht natürlich darüber hinaus nur die COVID-19-Sterblichkeit zu verfolgen; jede evidenzbasierte politische Maßnahme, die Gesundheit und Wohlbefinden verbessert, erfordert eine solide Dateninfrastruktur. Erst dadurch wird eine Evaluierung der Maßnahmen möglich. Deshalb müssen wir jede Geburt und jeden Todesfall weltweit registrieren.

…und die zweite Herausforderung, die Sie sehen?

Wir müssen uns überlegen, wie wir unsere Theorien über den Rückgang der Sterblichkeit in unsere Beschreibungen der Veränderungen der Sterblichkeit integrieren können. Auf die Frage, warum Japan und Südkorea die weltweite Rangliste der Lebenserwartung anführen und die USA weiter zurückfallen, haben wir keine einfache Antwort. Es gibt eine Reihe von Erklärungen, wie etwa Unterschiede im Gesundheitsverhalten, in der Gesundheitsfürsorge, in der Infrastruktur, unterschiedliche Auswahlprozesse aufgrund schlechter Sterblichkeitsbedingungen in der Kindheit und viele mehr. Wahrscheinlich tragen alle diese Faktoren in gewissem Maße dazu bei, dass die USA zurückfallen. Wir sollten uns jedoch um bessere Möglichkeiten bemühen, diese Theorien gegeneinander zu testen. Nur so können wir einige dieser Determinanten tatsächlich einordnen und verstehen, unter welchen Umständen sie wie wichtig sind.

Hintergrundinformationen und Definitionen

Was ist Lebenserwartung?

Die Lebenserwartung ist das hypothetische durchschnittliche Sterbealter einer Person in einer Bevölkerung, in der jeder und jede das ganze Leben lang die aktuellen altersspezifischen Sterberaten erlebt. Mit anderen Worten: Es handelt sich nicht um eine Prognose darüber, wie lange jemand tatsächlich leben wird, wie es das Wort Lebenserwartung vermuten lässt, sondern um eine rein hypothetische Annahme.

Wir verwenden die Lebenserwartung, anstatt das tatsächlich beobachtete Sterbealter in verschiedenen Bevölkerungen zu vergleichen, um Unterschiede in der Altersstruktur der Bevölkerung zu berücksichtigen. Andernfalls könnten wir nicht sagen, ob sich der Durchschnitt unterscheidet, weil die Sterblichkeit in jedem Alter niedriger ist, oder weil eine Bevölkerung eine jüngere oder ältere Altersstruktur aufweist.

Was haben die Sterbetafeln damit zu tun?

Sterbetafeln sind das Instrument, mit dem wir unsere Berechnungen zur Lebenserwartung durchführen. Im Grunde rechnen wir durch, wie die Altersstruktur der Sterblichkeit aussehen würde, wenn eine hypothetische Bevölkerung die beobachteten Sterblichkeitsraten in jedem Alter erleben würden.

Wie hat sich die Lebenserwartung in den vergangenen 25 Jahren entwickelt?

Im Großen und Ganzen ist ein stetiger Fortschritt zu verzeichnen. Die Vereinten Nationen schätzen, dass die weltweite Lebenserwartung von etwa 65 Jahren vor 25 Jahren auf heute etwa 73 Jahre gestiegen ist. In allen großen Regionen der Welt ist die Lebenserwartung heute höher als vor 25 Jahren, und in den Ländern mit niedrigem und mittlerem Einkommen stieg die Lebenserwartung im Allgemeinen schneller an, als in Ländern mit hohem Einkommen. Das führte dazu, dass sich die Lebenserwartung auf globaler Ebene angeglichen hat. Das ist eine großartige Nachricht.

Aber die Fortschritte sind weltweit nicht gleichmäßig verteilt. Die HIV/AIDS-Epidemie in Sub-Sahara-Afrika, Gewalt und Krieg in mehreren Ländern und der Übergang zur Marktwirtschaft in vielen Ländern Mittel- und Osteuropas führten zu einem kurzfristigen Anstieg der Sterblichkeit. Und jetzt haben viele Länder infolge der COVID-19-Pandemie einen Rückgang der Lebenserwartung erlebt, wie es ihn seit dem Zweiten Weltkrieg nicht mehr gegeben hat.