Sprachen
Seiten
Rechtliche
Die Erfassung von Depression
in der erwachsenen Allgemeinbevölkerung in Deutschland:
Prävalenzen und Korrelate in bundesweiten
Gesundheitssurveys des Robert Koch-Instituts
Kumulative Dissertation
zur Erlangung des akademischen Grades
Dr. rer. med.
an der Medizinischen Fakultät
der Universität Leipzig
eingereicht von: Ulrike Elisabeth Maske, Diplom-Soziologin, M.Sc. Epidemiologie
geboren am 17.05.1982 in Bielefeld, Nordrhein-Westfalen
angefertigt an der: Universität Leipzig
Medizinische Fakultät
Institut für Sozialmedizin, Arbeitsmedizin und Public Health
Philipp-Rosenthal-Straße 55
04103 Leipzig
Betreuerin: Prof. Dr. med. Steffi G. Riedel-Heller, MPH
Beschluss über die Verleihung des Doktorgrades vom: 21.06.2016
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 2
Bibliographische Zusammenfassung
Maske, Ulrike Elisabeth
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland:
Prävalenzen und Korrelate in bundesweiten Gesundheitssurveys des Robert Koch-Instituts
Universität Leipzig, Kumulative Dissertation, Dezember 2015
71 Seiten, 95 Literaturquellen, 0 Abbildungen, 2 Tabellen, 6 Seiten Anlagen
Referat
Reliable und valide Informationen zur Häufigkeit und zu Korrelaten von Depression in der
Allgemeinbevölkerung sind eine Voraussetzung für eine wissenschaftlich fundierte
Gesundheitsversorgung und für Präventionsmaßnahmen. Die Vielfalt an Definitionen und die
klinische Heterogenität von „Depression“ stellt eine Herausforderung für das
Gesundheitsmonitoring und für die epidemiologische Forschung dar. Dies spiegelt sich in der
Vielzahl an Depressionsmaßen wider. Daran anknüpfend ist das Ziel dieser kumulativen
Dissertation, die Häufigkeiten und soziodemographischen und gesundheitsbezogenen Korrelate –
mit einem Schwerpunkt auf der somatischen Komorbidität – eines breiten Spektrums etablierter
Depressionsmaße in der erwachsenen Allgemeinbevölkerung in Deutschland zu untersuchen: von
aktueller psychischer Belastung, depressiver Symptomatik und einem depressiven Syndrom über
eine selbstberichtete ärztliche Depressionsdiagnose bis hin zu einer klinischen Major Depression.
Datenbasis für die vier Originalarbeiten der Dissertation sind die bundesweit repräsentativen
Querschnittstudien „Gesundheit in Deutschland aktuell“ (GEDA, 18 Jahre und älter) und die
„Studie zur Gesundheit Erwachsener in Deutschland“ (DEGS1, 19-79 Jahre) mit dem Modul
Psychische Gesundheit (DEGS1-MH) des Robert Koch-Instituts (RKI).
In Kapitel 1 werden Forschungshintergrund, Fragestellungen und Methoden der vier
Originalarbeiten zusammengefasst und die Ergebnisse dargestellt. Es ergeben sich hohe
Prävalenzen auf Basis aller Depressionsmaße. Zugleich wird deutlich, dass die jeweiligen Maße
zu unterschiedlichen Prävalenzschätzungen führen und dass es nur moderate Schnittmengen der
jeweils identifizierten Fallgruppen gibt. Weiterhin zeigt sich eine weitgehende, jedoch keine
vollständige Übereinstimmung in assoziierten soziodemographischen und gesundheitsbezogenen
Korrelaten. Dies betrifft auch die Assoziation mit chronischen somatischen Erkrankungen, für die
sich teilweise unterschiedliche Muster zwischen den untersuchten Depressionsmaßen und
zwischen den Altersgruppen zeigen. Es folgen eine synthetisierende Ergebnisdiskussion und die
Ableitung von Implikationen für die epidemiologische Forschung, das Gesundheitsmonitoring
und die klinische Praxis. Kapitel 2 enthält die vier Originalarbeiten der Dissertation.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 3
Inhaltsverzeichnis
Bibliographische Zusammenfassung ...................................................................................... 2
1 Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung ................ 4
1.1 Einführung in die Thematik ............................................................................................ 4
1.2 Fragestellungen ............................................................................................................... 5
1.3 Methoden ........................................................................................................................ 6
1.4 Ergebnisse ..................................................................................................................... 10
1.5 Diskussion der Ergebnisse ............................................................................................ 13
1.6 Schlussfolgerungen und Implikationen für die Praxis .................................................. 19
2 Publikationen ................................................................................................................... 21
2.1 Komorbidität von Diabetes mellitus und Depression in Deutschland. Ergebnisse der bevölkerungsrepräsentativen Querschnittstudie „Gesundheit in Deutschland aktuell“ (GEDA) 2009 und 2010 ............................................................................................... 22
2.2 Chronische somatische Erkrankungen und Beeinträchtigung der psychischen Gesundheit bei Erwachsenen in Deutschland. Ergebnisse der bevölkerungsreprä-sentativen Querschnittsstudie Gesundheit in Deutschland aktuell (GEDA) 2010 ....... 29
2.3 Prevalence and correlates of DSM-IV-TR major depressive disorder, self-reported diagnosed depression and current depressive symptoms among adults in Germany ... 37
2.4 Current major depressive syndrome measured with the Patient Health Questionnaire-9 (PHQ-9) and the Composite International Diagnostic Interview (CIDI): results from a cross-sectional population-based study of adults in Germany ..................................... 49
Zusammenfassung der Arbeit ............................................................................................... 57
Literaturverzeichnis ............................................................................................................... 62
Danksagung ................................................................................................................................ i
Erklärung über die eigenständige Abfassung der Arbeit ..................................................... ii
Lebenslauf ................................................................................................................................ iii
Publikationen ........................................................................................................................... iv
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 4
1 Die Erfassung von Depression in der erwachsenen Allgemein-bevölkerung
1.1 Einführung in die Thematik
Depressionen stellen ein Public Health-Problem mit weitreichenden gesellschaftlichen und
individuellen Konsequenzen dar (Ferrari et al., 2013; Murray et al., 2012; Whiteford et al.,
2013; Wittchen et al., 2011). Diese zeigen sich insbesondere in hohen
Krankschreibungszahlen (Bundespsychotherapeutenkammer, 2013), reduzierter gesundheits-
bezogener Lebensqualität und Funktionsfähigkeit (Mack et al., 2015), verringerter Anzahl
gesunder Lebensjahre (Wittchen et al., 2011) und erhöhter Mortalität (Cuijpers und Smit,
2002). Besondere Relevanz kommt in diesem Zusammenhang der Komorbidität von
depressiven Störungen und somatischen Erkrankungen (Cuijpers et al., 2014; Harter et al.,
2007; Iacovides und Siamouli, 2008; Lin et al., 2011) zu, die mit nochmals reduzierter
gesundheitsbezogener Lebensqualität (Baumeister et al., 2005), erhöhten
Funktionseinschränkungen (Scott et al., 2009), häufigeren Ausfalltagen (Buist-Bouwman et
al., 2005) und erhöhter Mortalität (Evans et al., 2005; van Melle et al., 2004) einhergeht.
Auch subklinische depressive Symptome sind mit Funktionseinschränkungen und weiteren
ungünstigen gesundheitsbezogenen Outcomes assoziiert (Rapaport et al., 2002; Rodriguez et
al., 2012), sodass diese ebenfalls von hoher Public Health-Relevanz sind.
Valide und reliable Informationen zur Häufigkeit von Depression und deren Korrelate in der
Allgemeinbevölkerung sind für eine wissenschaftlich fundierte Gesundheitsversorgung und
für Präventionsmaßnahmen von großer Bedeutung. Eine besondere Herausforderung für das
Gesundheitsmonitoring und für die epidemiologische Forschung ist dabei die Vielfalt an
Definitionen und die klinische Heterogenität des generischen Begriffs „Depression“. Darunter
wird in der Forschungsliteratur oftmals ein breites Spektrum unterschiedlicher psychischer
Zustände zusammengefasst, deren Gemeinsamkeit durch eine depressive Affektlage
gekennzeichnet ist. Die depressiven Zustände können dabei von einmalig und kurz
auftretenden depressiven Symptomen über Dysthymie und subklinische Depression bis hin zu
einer klinischen Major Depression unterschiedlichen Schweregrades und von verschiedener
Dauer reichen (American Psychiatric Association, 2013; Angst und Merikangas, 1997;
Ayuso-Mateos et al., 2010). Entsprechend diesem breiten Spektrum existiert für Studien in
der Allgemeinbevölkerung eine Vielzahl an verfügbaren Depressionsmaßen und damit
einhergehend eine große Bandbreite an Erhebungsinstrumenten. Es gibt etablierte kurze und
einfach auszufüllende Selbstbeurteilungsskalen, beispielsweise das Mental Health Inventory-5
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 5
(MHI-5) zur Erfassung einer aktuellen psychischen Belastung (Berwick et al., 1991), oder den
Patient Health Questionnaire-9 (PHQ-9) zur Erfassung von depressiven Symptomen und
Syndromen ohne Differentialdiagnostik (Kroenke et al., 2001; Löwe et al., 2002). Daneben
stehen für versorgungsorientierte Forschungsfragen Depressionsmaße zur Verfügung, die das
Diagnosegeschehen abbilden, wie beispielsweise eine selbstberichtete ärztlich gestellte
Depressionsdiagnose, die aufgrund ihrer inhaltlichen Relevanz, Robustheit und zeitsparenden
Erhebung in vielen Ländern in Gesundheitssurveys erhoben wird (Betancourt et al., 2014;
Reeves et al., 2011). Schließlich existieren halb- bis voll-strukturierte umfassende klinische
psychiatrische Diagnoseinterviews, von denen das Composite International Diagnostic
Interview (CIDI) als sogenannter Goldstandard für die Erfassung einer klinischen Major
Depression entsprechend den Kriterien des Diagnostic and Statistical Manual of Mental
Disorders (DSM) gilt (Haro et al., 2006; Kessler et al., 1998; Wittchen et al., 1998). Es sind
keine Studien auffindbar, die anhand vergleichbarer, repräsentativer Stichproben der
erwachsenen Allgemeinbevölkerung in Deutschland Häufigkeiten, Schnittmengen und
assoziierte Merkmale von unterschiedlichen etablierten Depressionsmaßen im Vergleich
untersuchen.
1.2 Fragestellungen
In den vier Originalarbeiten der Dissertation wird basierend auf Datensätzen bundesweiter
Gesundheitssurveys des Robert Koch-Instituts (RKI) die übergeordnete Forschungsfrage
untersucht, wie häufig unterschiedliche etablierte Depressionsmaße in der erwachsenen
Allgemeinbevölkerung in Deutschland vorkommen und mit welchen soziodemographischen
und gesundheitsbezogenen Korrelaten diese assoziiert sind, wobei ein Schwerpunkt auf der
somatischen Komorbidität liegt.
In Publikation 1 (Maske et al., 2015b) werden Prävalenzen berichtet und Assoziationen einer
selbstberichteten ärztlich diagnostizierten Depression mit bekanntem Diabetes mellitus unter
Berücksichtigung weiterer chronischer somatischer Erkrankungen analysiert.
In Erweiterung dazu geht es in Publikation 2 (Maske et al., 2013) um die Prävalenzen einer
selbstberichteten ärztlich diagnostizierten Depression und einer aktuellen psychischen
Belastung und um deren Assoziation mit der Anzahl chronischer somatischer Erkrankungen.
Publikation 3 (Maske et al., 2015c) stellt eine umfassende Untersuchung der Prävalenzen und
soziodemographischen und gesundheitsbezogenen Korrelate einer selbstberichteten ärztlich
diagnostizierten Depression, einer klinischen Major Depression und einer aktuellen
depressiven Symptomatik dar.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 6
In der methodisch orientierten Publikation 4 (Maske et al., 2015a) werden zwei
unterschiedliche Instrumente zur Erfassung eines aktuellen major depressiven Syndroms
vertiefend untersucht, indem deren Prävalenzen und Schnittmengen berichtet werden und die
aktuelle Symptombelastung für die jeweils als Fälle klassifizierte Gruppe untersucht wird.
1.3 Methoden
Studiendesign und Stichproben
Basis für die Publikationen der Dissertation sind zwei bundesweit repräsentative Surveys zur
erwachsenen Allgemeinbevölkerung aus dem Gesundheitsmonitoring des RKI, die im
Folgenden knapp beschrieben sind. Ausführliche Darstellungen der Methodik finden sich in
den Publikationen selbst (Kapitel 2) und in den jeweiligen Methodenpublikationen (Jacobi et
al., 2013; Lange et al., 2015; Scheidt-Nave et al., 2012).
Einen Überblick über die genutzten Studien und eine Zuordnung zu den einzelnen
Publikationen der Dissertation gibt Tabelle 1.
Tabelle 1 Überblick über die in den Publikationen genutzten Studien des Robert Koch-
Instituts (RKI)
Gesundheit in Deutschland aktuell
(GEDA), Wellen 2009 und 2010
Studie zur Gesundheit Erwachsener
in Deutschland (DEGS1) und
Zusatzmodul Mental Health
(DEGS1-MH)
Ziel-
population
Erwachsene Allgemeinbevölkerung,
18 Jahre und älter
Erwachsene Allgemeinbevölkerung,
18-79 Jahre
Studientyp Querschnittstudie Mischdesign, genutzte Daten:
Querschnittsdaten
Erhebungs-
zeitraum
GEDA 2009: 07/2008-06/2009
GEDA 2010: 09/2009-07/2010
DEGS1: 11/2008-11/2011
DEGS1-MH: 09/2009-03/2012
Zuordnung
zu den
Publika-
tionen
Publikation 1 (Maske et al., 2015b):
GEDA 2009+2010;
Publikation 2 (Maske et al., 2013):
GEDA 2010
Publikation 3: (Maske et al., 2015c)
DEGS1+DEGS1-MH;
Publikation 4: (Maske et al., 2015a)
DEGS1-MH
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 7
Gesundheit in Deutschland aktuell (GEDA) 2009 und 2010
GEDA ist eine regelmäßig durchgeführte, bundesweit repräsentative standardisierte
telefonische Querschnittstudie, deren Zielpopulation die in Privathaushalten lebende,
mindestens 18-jährige Bevölkerung in Deutschland ist. Die Stichproben der genutzten Daten
wurden mittels eines zweistufigen Zufallsverfahrens gezogen, wobei auf der ersten Stufe
reguläre oder virtuelle Telefonnummern von Privathaushalten nach dem Gabler-Häder-Design
(Gabler und Häder, 1999) generiert und angewählt wurden und auf der zweiten Stufe die
Zielperson aus den Haushaltsmitgliedern über 18 Jahre nach der Last-Birthday-Methode
ermittelt wurde. In der Erhebungswelle GEDA 2009 (N=21262, Erhebungszeitraum: 07/2008-
06/2009) wurde bei 51,2% der Zielpersonenkontakte ein Interview realisiert, in GEDA 2010
(N=22050, Erhebungszeitraum: 09/2009-07/2010) bei 55,8% (Lange et al., 2015). Der
Studiendurchführung wurde vom Bundesbeauftragten für den Datenschutz und die
Informationsfreiheit zugestimmt. Eine Einverständniserklärung wurde vor Interviewbeginn
eingeholt. Publikation 1 basiert auf den gepoolten Daten aus GEDA 2009 und 2010,
Publikation 2 auf Daten aus GEDA 2010.
Studie zur Gesundheit Erwachsener in Deutschland (DEGS1) und das Zusatzmodul
Psychische Gesundheit (DEGS1-MH)
Die aus Interviews, Selbstausfüllfragebögen und medizinischen Untersuchungen bestehende
Studie DEGS1 (N=7987, Erhebungszeitraum: 11/2008-11/2011) (Kamtsiuris et al., 2013;
Scheidt-Nave et al., 2012) und deren Modul DEGS1-MH (N=4483, Erhebungszeitraum:
09/2009-03/2012) (Jacobi et al., 2013; Jacobi et al., 2015; Kamtsiuris et al., 2013; Scheidt-
Nave et al., 2012) haben die in Deutschland lebende, mit Hauptwohnsitz gemeldete
Bevölkerung im Alter von 18 bis 79 Jahre als Zielpopulation. Die Teilnehmer von DEGS1
wurden durch ein zweistufiges Zufallsverfahren ermittelt. Auf der ersten Stufe wurden 180
Studienorte aus der Gesamtmenge der politischen Gemeinden Deutschlands zufällig gezogen,
auf der zweiten Stufe wurden die Zielpersonen aus den Einwohnermelderegistern dieser
Gemeinden ermittelt. N=3795 hatten bereits an der Vorgängerstudie
Bundesgesundheitssurvey 1998 (BGS98) teilgenommen, N=4193 wurden neu gezogen. Die
Response lag für Wiederteilnehmer bei 64%, für neu gezogene Teilnehmer bei 42%
(Kamtsiuris et al., 2013). Von 6027 eligiblen DEGS1-Teilnehmern nahmen N=5303 an
DEGS1-MH teil (konditionale Response Rate: 88%) (Jacobi et al., 2015). Bei N=4483 wurde
ein umfassendes standardisiertes psychiatrisches Diagnoseinterview durchgeführt. Der
mediane Zeitabstand zwischen DEGS1 und DEGS1-MH beträgt 6 Wochen. DEGS1 wurde
vom Bundesbeauftragten für Datenschutz und die Informationsfreiheit und von der
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 8
Ethikkommission der Charité-Universitätsmedizin Berlin, DEGS1-MH zusätzlich von der
Ethikkommission der Technischen Universität Dresden zugestimmt. Eine
Einverständniserklärung der Teilnehmer wurde jeweils vor Datenerhebung eingeholt.
Publikation 3 basiert auf Daten aus DEGS1 und DEGS1-MH, Publikation 4 auf Daten aus
DEGS1-MH.
Erhebungsinstrumente
In den Publikationen werden in den RKI-Surveys erhobene, etablierte Instrumente zur
Erfassung unterschiedlicher Aspekte von Depression genutzt, die im Folgenden beschrieben
werden.
Mental Health Inventory-5 (MHI-5)
In GEDA 2010 wurde der MHI-5 telefonisch erhoben (Berwick et al., 1991). Dieser erfasst
mit den Ausprägungen „immer“, „meistens“, „manchmal“, „selten“, „nie“ die Häufigkeit, mit
der die Teilnehmenden in den letzten vier Wochen „sehr nervös“, „so niedergeschlagen, dass
sie nichts mehr aufheitern konnte“, „ruhig und gelassen“, „entmutigt und traurig“ und
„glücklich“ waren. Nach Datentransformation ergeben sich Skalensummenwerte zwischen 0
und 100, wobei ein niedriger Wert für stärkere psychische Belastung steht. Eine aktuelle
psychische Belastung wurde entsprechend vorheriger RKI-Studien bei einem Wert von 0 bis
50 definiert (Hapke et al., 2012), für den eine Sensitivität für eine unipolare Depression von
0,53, jedoch eine Spezifität von 0,97 berichtet wurde (Cuijpers et al., 2009). Für den MHI-5
als Screeninginstrument für affektive Störungen wurde ein Wert der Fläche unter Kurve
(AUC) von 0,8 berichtet (Rumpf et al., 2001), für eine Major Depression ein AUC-Wert von
0,9 (Cuijpers et al., 2009). Die aktuelle psychische Belastung laut MHI-5 wird in Publikation
2 genutzt.
Patient Health Questionnaire-9 (PHQ-9)
In DEGS1 und in DEGS1-MH wurde der PHQ-9 (Löwe et al., 2002) als
Selbstausfüllfragebogen erhoben. Er erfasst in neun Items das Vorhandensein der
Depressionssymptome gemäß DSM-IV bezogen auf die vergangenen zwei Wochen mit den
Antwortmöglichkeiten „Überhaupt nicht“, „An einzelnen Tagen“, „An mehr als der Hälfte der
Tage“ und „Beinahe jeden Tag“. Auf Basis des PHQ-9 wurden zwei Indikatoren gebildet:
Eine aktuelle depressive Symptomatik liegt vor, wenn der Skalensummenwert aller neun
Antworten (0-27 Punkte) 10 Punkte und mehr beträgt (Löwe et al., 2002). Für diesen Cut-Off
wird eine Sensitivität für eine depressive Episode von 77-88%, eine Spezifität von 88-94%
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 9
berichtet (Kroenke et al., 2010). Ein DSM-IV-basiertes aktuelles major depressives Syndrom
laut PHQ-9 liegt vor, wenn mindestens fünf der neun Depressionssymptome für mehr als die
Hälfte der Tage und öfter berichtet werden (Suizid-Item: mindestens „An einzelnen Tagen“),
darunter depressive Verstimmung oder Interesselosigkeit (Löwe et al., 2002). Eine
Hausarztstudie ergab eine Sensitivität von 83% und eine Spezifität von 90% (Kappa: 0,61) für
eine Major Depression (Löwe et al., 2004). In Publikation 3 wird die aktuelle depressive
Symptomatik aus DEGS1, in Publikation 4 das aktuelle major depressive Syndrom aus
DEGS1-MH verwendet.
Selbstberichtete ärztlich oder psychotherapeutisch diagnostizierte Depression
In GEDA wurde eine selbstberichtete diagnostizierte Depression telefonisch erfragt: „Hat ein
Arzt oder Psychotherapeut bei Ihnen jemals eine Depression oder eine depressive
Verstimmung festgestellt?“. Bei Bejahung: „Auch in den letzten 12 Monaten?“. In DEGS1
wurde im ärztlichen computergestützten persönlichen Interview (CAPI) eine leicht
modifizierte Frage gestellt: „Wurde bei Ihnen jemals von einem Arzt oder einem
Psychotherapeuten eine Depression festgestellt?“ Bei Bejahung: „Ist die Depression auch in
den letzten 12 Monaten aufgetreten?“. Die 12-Monats-Information aus GEDA wird in
Publikation 1 und 2 genutzt, die aus DEGS1 in Publikation 3.
Composite International Diagnostic Interview (CIDI)
In DEGS1-MH wurden psychische Störungen als CAPI mit einer modifizierten deutschen
Version des CIDI (DIA-X/M-CIDI) (Wittchen und Pfister, 1997) erhoben, das als
strukturiertes klinisches Diagnoseinterview u. a. 12-Monats-Diagnosen entsprechend den
Kriterien des DSM-IV-TR erfasst (Kessler und Ustun, 2004; Reed et al., 1998; Wittchen,
1994). Es wurden zwei Depressionsindikatoren gebildet. Eine Major Depression in den
letzten 12 Monaten wird im CIDI entsprechend dem DSM-IV-TR unter Berücksichtigung
aller differentialdiagnostischen Ausschlusskriterien definiert. Das DIA-X/M-CIDI weist
relativ zu einer klinischen Diagnose für einfache bzw. wiederkehrende depressive Episoden
eine Sensitivität von über 95% bzw. 92% und eine Spezifität von jeweils 100% (Reed et al.,
1998) auf und besitzt eine substantielle Test-Retest-Reliabilität (Wittchen und Pfister, 1997;
Wittchen et al., 1998). Weiterhin wurde analog zur gebräuchlichen 4-Wochen-Diagnose ein
aktuelles major depressives Syndrom definiert, für das mindestens das DSM-IV-Kriterium A
der Major Depression in den letzten 12 Monaten erfüllt und die CIDI-Standardfrage nach der
Symptom-Recency mit „in den letzten zwei Wochen“ beantwortet sein müssen. Die Major
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 10
Depression wird in Publikation 3 genutzt, das aktuelle major depressive Syndrom in
Publikation 4.
Weitere Variablen
In den Studien wurden umfassende soziodemographische und gesundheitsbezogene
Merkmale und chronische somatische Erkrankungen standardisiert erfasst. Die genutzten
Variablen sind in den Publikationen jeweils detailliert beschrieben.
Statistische Methoden
Eine ausführliche Beschreibung der studienspezifischen Gewichtungsverfahren und der
angewendeten Analysemethoden ist in den Publikationen in Kapitel 2 zu finden. Genutzt
wurden Gewichtungsfaktoren und die Prozeduren zur Auswertung von Surveydaten von
STATA 12.1 bzw. SPSS Statistics 20, sodass unterschiedliche Auswahl- und
Teilnahmewahrscheinlichkeiten ausgeglichen und Abweichungen der Stichprobe von der
jeweiligen Struktur der Zielpopulation korrigiert wurden (Jacobi et al., 2013; Kamtsiuris et
al., 2013; Lange et al., 2015). In DEGS1 und DEGS1-MH wurde bei den Auswertungen
zusätzlich die Korrelation der Teilnehmenden in den Gemeinden (Sample Points)
berücksichtigt. Gewichtete Häufigkeiten wurden mit 95%-Konfidenzintervallen (95%-KI)
berichtet. Unterschiede galten als signifikant, wenn 95%-KIs sich nicht überlappten oder
wenn der p-Wert der statistischen Tests kleiner als 0,05 war. Das Maß der Übereinstimmung
zweier Instrumente wurde mit dem Kappa-Koeffizienten quantifiziert.
Zusammenhangsanalysen wurden abhängig vom Skalenniveau der jeweiligen Zielvariablen
mittels binärer und multinomialer logistischer Regression, linearer Regression oder negativ-
binomialer Regression mit und ohne Null-Inflation univariat und multivariat durchgeführt.
1.4 Ergebnisse
Prävalenz von selbstberichteter diagnostizierter Depression und Assoziation mit bekanntem Diabetes mellitus
Die Prävalenz einer selbstberichten diagnostizierten Depression in den letzten 12 Monaten lag
in GEDA 2009/2010 bei Männern bei 4,8% (95%-KI 4,4-5,2), bei Frauen bei 8,5% (95%-KI
8,0-8,9). Bei beiden Geschlechtern war die Prävalenz bei den 50-64-Jährigen am höchsten.
Ein komorbides Vorliegen von diagnostizierter Depression und diagnostiziertem Diabetes
mellitus wurde insgesamt bei 0,8% (95%-KI 0,6-0,9) der Teilnehmer festgestellt und war bei
Frauen häufiger als bei Männern. Personen mit Diabetes- und Depressionsdiagnose hatten
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 11
eine höhere Anzahl weiterer diagnostizierter chronischer somatischer Erkrankungen als
Personen mit nur Depression oder nur Diabetes. Bei 18–49-jährigen Männern und Frauen und
bei 50–64-jährigen Frauen lagen Assoziationen zwischen einer Diabetes- und einer
Depressionsdiagnose vor. Diese reduzierten sich nach Adjustierung für soziodemografische
Merkmale und gesundheitsrelevante Verhaltensweisen und waren unter Einbezug weiterer
chronischer somatischer Erkrankungen nicht mehr signifikant. Bei den über 64-jährigen
Männern und Frauen lag keine Assoziation beider Erkrankungen vor.
Prävalenz von selbstberichteter diagnostizierter Depression und aktueller psychischer Belastung und deren Assoziation mit chronischen somatischen Erkrankungen
Eine diagnostizierte Depression in den letzten 12 Monaten berichteten in GEDA 2009 5,1%
(95%-KI 4,6-5,7) der Männer und 9,0% (95%-KI 8,4-9,7) der Frauen, sie war bei den 45–64-
Jährigen am häufigsten. Eine aktuelle psychische Belastung hatten 7,3% (95%-KI 6,6-8,1) der
Männer und 13,5% (95%-KI 12,7-14,4) der Frauen, die Prävalenz war bei den 45-64- und bei
den über 64-Jährigen am höchsten. Für soziodemographische Merkmale adjustierte
Regressionsanalysen ergaben in allen Altersgruppen einen Zusammenhang beider
Depressionsmaße mit chronischer somatischer Erkrankung überhaupt. Bei den 18–44-
Jährigen lag in adjustierten Modellen eine Assoziation beider Indikatoren bereits ab einer
chronischen somatischen Erkrankung vor. Bei den 45-64-Jährigen waren ärztliche
Depressionsdiagnosen ab zwei somatischen Erkrankungen und eine aktuelle psychische
Belastung ab einer somatischen Erkrankung häufiger als wenn keine chronische somatische
Erkrankung vorlag. Bei den über 64-Jährigen war eine diagnostizierte Depression bei
Vorliegen von zwei chronischen somatischen Erkrankungen mehr als doppelt so häufig wie
bei Personen mit einer oder keiner somatischen Erkrankung. Eine aktuelle psychische
Belastung trat bei dieser Altersgruppe erst ab vier und mehr somatischen Erkrankungen
häufiger auf.
Prävalenz und soziodemographische und gesundheitsbezogene Korrelate einer klinischen Major Depression, einer selbstberichteten diagnostizierten Depression und einer aktuellen depressiven Symptomatik
Eine 12-Monats-Major Depression laut CIDI hatten 4,2% (95%-KI 3,3-5,3) der Männer und
9,9% (95%-KI 8,3-11,9) der Frauen, eine selbstberichtete ärztlich diagnostizierte Depression
in den letzten 12 Monaten 3,8% (95%-KI 3,1-4,7) der Männer und 8,1% (95%-KI 7,0-9,4) der
Frauen und eine aktuelle depressive Symptomatik laut PHQ-9 6,1% (95%-KI 5,1-7,2) der
Männer und 10,2% (95%-KI 8,9-11,5) der Frauen. Es ergaben sich substantiell
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 12
unterschiedliche Prävalenzen im Altersverlauf: eine Major Depression und eine aktuelle
depressive Symptomatik waren bei den 18-34-Jährigen am häufigsten, eine selbstberichtete
Depressionsdiagnose bei den 55-64-Jährigen. Die paarweise untersuchten Schnittmengen der
Fallklassifikation lagen zwischen 31,9% und 45,1%. Eine erhöhte Prävalenz lag für alle drei
Depressionsmaße bei unverheirateten und alleinlebenden im Vergleich zu verheirateten
Personen vor (Ausnahme: aktuelle depressive Symptomatik bei Männern), ebenso bei
Personen mit einer niedrigen sozialen Unterstützung. In adjustierten Analysen war ein
niedriger sozioökonomischer Status (SES) bei Frauen mit einer ärztlichen
Depressionsdiagnose und bei beiden Geschlechtern mit einer aktuellen depressiven
Symptomatik assoziiert. Männer berichteten in mittelgroßen und großen Städten häufiger eine
ärztliche Depressionsdiagnose, und Frauen und Männer in mittelgroßen oder großen Städten
häufiger eine aktuelle depressive Symptomatik als in kleinstädtischen Wohnorten. In
adjustierten Analysen lag keine Assoziation zwischen einer Major Depression und dem SES
und der Wohnortgröße vor. Für alle drei Depressionsmaße ergaben adjustierte Analysen eine
Assoziation mit schlechtem subjektiven Gesundheitszustand (Ausnahme: Männer mit Major
Depression), schlechterer körperlicher und sozialer Funktionsfähigkeit, erhöhter somatischer
Komorbidität (Ausnahme: Frauen mit Major Depression), erhöhte Anzahl an
Arbeitsunfähigkeitstagen und vermehrte Inanspruchnahme von Gesundheitsleistungen
(Ausnahme: stationärer Krankenhausaufenthalt bei Frauen mit Major Depression).
Aktuelles major depressives Syndrom auf Basis des PHQ-9 und des CIDI: Prävalenz, Schnittmengen der Fallklassifikation und aktuelle Symptombelastung
Ein aktuelles major depressives Syndrom hatte eine Prävalenz von 2,7% (95%-KI 2,0-3,6)
basierend auf dem PHQ-9 und von 3,9% (95%-KI 3,1-5,0) basierend auf dem CIDI. Die
Übereinstimmung der Fallklassifikation auf Basis beider Erhebungsinstrumente war moderat
(Kappa: 0,43). Beide Instrumente klassifizierten übereinstimmend insgesamt 1,5% (95%-KI
1,0-2,2) der Teilnehmer als Fälle eines major depressiven Syndroms. Von den Fällen eines
aktuellen major depressiven Syndroms laut PHQ-9 wurden 54,5% (95%-KI 42,7-65,9)
ebenfalls durch das CIDI als Fälle klassifiziert, von den Fällen eines major depressiven
Syndroms laut CIDI waren 37,9% (95%-KI 27,8-49,1) auch Fälle laut PHQ-9. Der Anteil
derer, die übereinstimmend als Nicht-Fälle klassifiziert wurden, lag in beide Richtungen bei
mindestens 97,5%. Der mittlere und mediane PHQ-9 Skalensummenwert war bei Fällen eines
aktuellen major depressiven Syndrom laut PHQ-9 höher als bei Fällen laut CIDI, ebenso wie
die Häufigkeiten, mit der die Mehrzahl der Depressionssymptome im PHQ-9 als „an mehr als
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 13
der Hälfte der Tage“ berichtet wurde. Personen mit einem major depressiven Syndrom laut
CIDI berichteten außerdem im PHQ-9 seltener mindestens eines der beiden
Depressionshauptsymptome (Interesselosigkeit, Niedergeschlagenheit) als Personen mit
einem major depressiven Syndrom laut PHQ-9.
1.5 Diskussion der Ergebnisse
In den vier Publikationen wurden basierend auf umfangreichen repräsentativen Datensätzen
zur Gesundheit der erwachsenen Allgemeinbevölkerung in Deutschland unterschiedliche
etablierte Depressionsmaße bezüglich ihrer Prävalenz, ihrer soziodemographischen und
gesundheitsbezogenen Korrelate, insbesondere ihrer somatischen Komorbiditäten, untersucht.
Weiterhin wurden exemplarisch Schnittmengen von identifizierten Fallgruppen berichtet.
Durch die Design- und Anpassungsgewichtung der jeweiligen Studiendaten ist von einer
guten Verallgemeinerbarkeit der Ergebnisse für die Wohnbevölkerung in Privathaushalten in
Deutschland für Personen über 18 Jahre (GEDA) bzw. zwischen 18 und 79 Jahre (DEGS1
und DEGS1-MH) auszugehen. Publikation 1 und 2 zeichnen sich durch hohe Fallzahlen und
eine Altersspanne bis ins hohe Lebensalter hinein aus, die altersspezifische Analysen
ermöglichen. Publikation 3 stellt einen einmaligen, breit angelegten Vergleich dreier
etablierter Depressionsmaße bezüglich ihrer Häufigkeiten und Korrelate in der
Allgemeinbevölkerung dar. Die methodisch orientierte Publikation 4 zeichnet sich dadurch
aus, dass zwei häufig genutzte Erhebungsinstrumente erstmals in einer großen Stichprobe der
erwachsenen Allgemeinbevölkerung in Deutschland vergleichend untersucht werden.
Im Folgenden werden die Ergebnisse der vier Publikationen übergreifend diskutiert.
Prävalenz und Schnittmengen
Die Studienergebnisse sprechen für eine hohe Prävalenz von psychischer Belastung,
depressiven Symptomen und Syndromen, ärztlichen Depressionsdiagnosen und Major
Depressionen in der erwachsenen Allgemeinbevölkerung in Deutschland. Zugleich zeigt sich,
dass die untersuchten Depressionsmaße zu unterschiedlichen Prävalenzschätzungen führen
und dass es substantielle Unterschiede in den identifizierten Fallgruppen gibt. Die höchsten
Prävalenzen wurden für eine psychische Belastung (letzte vier Wochen) und für eine
depressive Symptomatik (letzte zwei Wochen) gefunden. Dabei werden die Schätzungen der
Häufigkeit einer aktuellen depressiven Symptomatik in Studien aus Deutschland (Rief et al.,
2004) und den USA repliziert (Strine et al., 2008). Die Prävalenz einer Major Depression
(letzte 12 Monate) und einer selbstberichteten ärztlich diagnostizierten Depression (letzte 12
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 14
Monate) fällt niedriger aus, ist jedoch ebenfalls gut mit Studien aus den USA (Kessler et al.,
2015; Strine et al., 2008) vergleichbar. Die leicht niedrigere Prävalenz der selbstberichteten
Depressionsdiagnose in DEGS1 im Vergleich zu GEDA könnte dadurch erklärt werden, dass
GEDA auch Personen ab 80 Jahren einschließt, für welche ein Anstieg der
Depressionsdiagnosen berichtet wird (Erhart und von Stillfried, 2012).
Der Befund, dass zwei Depressionsmaße mit einem vergleichbar engem Zeitbezug (2 Wochen,
4 Wochen) zu höheren Prävalenzschätzungen kommen als die beiden Maße mit 12-Monats-
Bezug wird unter Berücksichtigung der Art der Erfassung und der zu Grunde liegenden
Konstrukte plausibel. Die Einzelitems des MHI-5 erfassen keine depressionsspezifischen
Symptome, sondern Symptome einer allgemeinen psychischen Belastung, weshalb ein
konservativer und für unipolare Depression hoch spezifischer Cut-Off-Wert gewählt wurde.
Die depressive Symptomatik laut PHQ-9 erfasst zwar die neun DSM-IV-
Depressionssymptome und bildet insofern eine depressive Symptomatik ab, sie enthält jedoch
keine diagnostischen Ausschlusskriterien und ist somit ebenfalls unspezifischer, als
beispielsweise die auf den DSM-Kriterien beruhende Major Depression des CIDI. Das
deutlich seltenere Vorkommen eines aktuellen major depressiven Syndroms im Vergleich zur
aktuellen depressiven Symptomatik ist dadurch zu erklären, dass bei der letzteren das
Vorhandensein mindestens eines Hauptsymptoms Teil des Algorithmus ist.
Bezüglich der auf Schnittmengen hin untersuchten Depressionsmaße wurde auch bei
Vorliegen desselben Zeitbezugs (letzte 12 Monate) lediglich eine moderate Überlappung
gefunden, wie es bei der selbstberichteten Depressionsdiagnose und der Major Depression
laut CIDI der Fall ist. Dies repliziert die Ergebnisse einer US-amerikanischen Studie zu
Erwachsenen in Privathaushalten (Mojtabai, 2013). Während die CIDI-basierte Major
Depression als internationaler Goldstandard für eine klinische Depression gilt, müssen bei der
Interpretation der selbstberichteten Depressionsdiagnose neben einem erfolgten Arztkontakt
weitere Bedingungen bedacht werden: möglicherweise erhalten Personen auch eine
Depressionsdiagnose, die eigentlich keine Depression, sondern subklinische Symptome oder
eine andere psychische Störung haben (Höfler und Wittchen, 2000; Mitchell et al., 2009), in
der primärärztlichen Versorgung werden vermutete Depressionen nicht unbedingt immer auch
als Diagnose mitgeteilt (Fiske et al., 2009), und eine Depressionsdiagnose könnte aufgrund
von Stigmatisierung (Schomerus et al., 2009) nicht angeben werden. Die moderate
Schnittmenge beider Instrumente könnte jedoch teilweise auch durch den Zeitabstand
zwischen DEGS1 und DEGS1-MH erklärt werden.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 15
Die identifizierten Gruppen eines aktuellen major depressiven Syndroms auf Basis des PHQ-9
und auf Basis des CIDI überlappen sich ebenfalls nur moderat. Der Anteil derer mit einem
major depressiven Syndrom laut CIDI, die ebenfalls vom PHQ-9 als Fälle klassifiziert wurden
(37,9%), ist niedrig im Vergleich zu Studien mit klinischen Populationen (Kroenke et al.,
2010; Wittkampf et al., 2007). Durch eine differenzierte Betrachtung der Algorithmen der
Falldefinition wird deutlich, dass das major depressive Syndrom laut CIDI Personen mit
einem major depressiven Syndrom im letzten Jahr einschließt, die berichten, dass zuletzt in
den letzten zwei Wochen mindestens ein Hauptsymptom und „einige weitere Symptome“
vorlagen. Es könnten hierin folglich auch subklinische Fälle enthalten sein, was durch das
niedrigere Ausfallen des PHQ-9 Skalensummenwerts bestätigt wird. Auf Seiten des PHQ-9 ist
die Abfrage der Intensität der Symptombelastung weniger stringent als im DSM-IV und im
CIDI, sodass auch hier Personen mit subklinischer Symptombelastung als Fälle klassifiziert
werden könnten. Weiterhin haben Studien gezeigt, dass der PHQ-9 in Stichproben mit
niedrigen Depressionsprävalenzen weniger valide ist als in klinischen Stichproben mit
höheren Prävalenzen (Moriarty et al., 2015; Wittkampf et al., 2007), und es ist anzunehmen,
dass in Stichproben mit einem großen Anteil an milden Depression die Konkordanz
diagnostischer Instrumente vermindert ausfällt (Brugha et al., 2001; Helzer et al., 1985;
Wittchen et al., 1999). Der Anteil an wechselseitig als Nicht-Fälle klassifizierten Personen lag
bei über 97,5%, was eine weitgehende Übereinstimmung bezüglich des Fall-Ausschlusses
impliziert.
Für alle untersuchten Depressionsindikatoren ist zu bedenken, dass die unterschiedlichen
Zeitbezüge der Erhebungsinstrumente in unterschiedlicher Weise den episodischen Verlauf
von Depressionen mit der Variation der Symptomschwere zwischen dem vollen klinischen
Bild und subklinischer Symptomatik (Judd und Akiskal, 2000; Kennedy et al., 2004)
abzubilden vermögen.
Wo geschlechtsspezifische Prävalenzen berichtet wurden, ergaben sich entsprechend des
Forschungsstandes höhere Prävalenzen für Frauen als für Männer (Jacobi et al., 2004; Kessler
und Bromet, 2013; Reeves et al., 2011; Wittchen et al., 2010). Neben den biologischen,
psychosozialen und verhaltensbezogenen Erklärungen (Parker und Brotchie, 2010) könnten
insbesondere bei der selbstberichteten Depressionsdiagnose geschlechtsspezifische Hilfesuch-
und Diagnoseverhalten (Hammer et al., 2013), Stigmatisierung (Latalova et al., 2014) und
Mitteilungsbereitschaft von Symptomen (Möller-Leimkühler, 2002) relevant sein. Die
Prävalenzschätzungen für unterschiedliche Altersgruppen zeigen entsprechend anderer
Studien, dass eine klinische Major Depression und eine aktuelle depressive Symptomatik bei
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 16
jüngeren Altersgruppen am häufigsten sind (Kessler et al., 2010a; Strine et al., 2008), eine
Depressionsdiagnose hingegen im mittleren Lebensalter (Erhart und von Stillfried, 2012).
Altersbezogene Unterschiede bezüglich Symptombild (Wittchen et al., 2010),
Resilienzfaktoren und psychischen Belastungen (Blazer und Hybels, 2005; Fiske et al., 2009;
Weyerer und Bickel, 2007), somatischer Morbidität und damit verbundener Kontakthäufigkeit
mit dem Versorgungssystem (Higashi et al., 2007) und ein altersspezifischer Diagnosebias
(Mojtabai, 2014) könnten diese Unterschiede erklären.
Soziodemographische und gesundheitsbezogene Korrelate
Die durchweg erhöhten Prävalenzen einer depressiven Symptomatik, einer ärztlich
diagnostizierten Depression und einer Major Depression bei unverheirateten oder getrennt
lebenden Personen und bei Personen mit niedriger sozialer Unterstützung bestätigen bekannte
Zusammenhänge (Grav et al., 2012; Kessler und Bromet, 2013). Forschungsergebnisse, die
zeigen, dass ein niedriger SES mit einem erhöhten Depressionsrisiko einhergeht (Bromet et
al., 2011; Lorant et al., 2003; World Health Organisation, 2000) wurden für die
diagnostizierte Depression bei Frauen und für eine aktuelle depressive Symptomatik bei
beiden Geschlechtern repliziert. Für eine klinische Major Depression wurde keine Assoziation
mit niedrigem SES gefunden, was mit Ergebnissen adjustierter Analysen aus der
Vorgängerstudie (Jacobi et al., 2004) einhergeht. Im Gegensatz zur in vielen Studien
berichteten inversen Assoziation von städtischem Wohnort und psychischer Gesundheit
(McKenzie et al., 2013; Paykel et al., 2003) wurde keine Assoziation zwischen der
Wohnortgröße und einer klinischen Major Depression gefunden, was mit der Adjustierung für
eine Vielzahl relevanter Confounder erklärbar sein könnte. Die bei Männern gefundene
Assoziation von diagnostizierter Depression mit mittelgroßen und großen Wohnorten könnte
mit einer höheren Versorgungsdichte in urbanen Regionen in Deutschland (Erhart und von
Stillfried, 2012) erklärt werden.
Für eine Major Depression, eine diagnostizierte Depression und eine aktuelle depressive
Symptomatik lagen auch in adjustierten Modellen Assoziationen mit einer erhöhten Anzahl an
Arbeitsunfähigkeitstagen und mit erhöhter Anzahl an Arztkontakten vor. Eine Major
Depression laut CIDI war mit einer erhöhten Anzahl an Tagen mit Funktionseinschränkungen
assoziiert (nur für Major Depression berechnet). Es zeigte sich außerdem durchweg eine
inverse Assoziation mit sozialer und körperlicher Funktionsfähigkeit. Der gut belegte
Zusammenhang von Depressionen und depressiven Symptomen mit
Funktionseinschränkungen (Dietrich und Stengler, 2013; Kessler und Bromet, 2013; Martin et
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 17
al., 2006) und mit erhöhter Inanspruchnahme des Versorgungssystems (Dietrich und Stengler,
2013) wird folglich für alle drei Depressionsmaße repliziert. Alle drei Depressionsmaße
waren außerdem bei Männern mit erhöhter Anzahl an Krankenhausaufenthalten assoziiert, bei
Frauen hingegen nicht. Für den subjektiven Gesundheitszustand wurde entsprechend den
Ergebnissen einer Studie in der Primärversorgung (Ambresin et al., 2014) eine Assoziation
mit allen drei untersuchten Depressionsmaßen gefunden.
Somatische Komorbidität
Insgesamt wurden bei Männern und Frauen auch in adjustierten Analysen Assoziationen von
diagnostizierter Depression, aktueller depressiver Symptomatik und aktueller psychischer
Belastung mit somatischer Komorbidität gefunden, was Ergebnisse anderer Studien bestätigt
(Gunn et al., 2012; Kessler et al., 2010a; Kessler et al., 2010b; Kessler und Bromet, 2013).
Für eine klinische Major Depression laut CIDI zeigte sich eine Assoziation mit somatischer
Multimorbidität bei Männern, jedoch nicht bei Frauen. Diese unterschiedlichen Ergebnisse
auf Basis der unterschiedlichen Depressionsmaße könnten implizieren, dass Assoziationen
von körperlichen Erkrankungen und depressiven Symptomen und Störungen nach
Geschlechtern, aber auch Altersgruppen unterschiedlich ausfallen. Mögliche
Erklärungsansätze sind hier wieder das bereits diskutierte geschlechts- und altersspezifische
Informations- und Hilfesuchverhalten, unterschiedliche Resilienzfaktoren bezüglich
körperlicher Probleme und möglicherweise ein alters- und geschlechtsspezifischer
Diagnosebias auf Seiten der Ärzte.
Die altersspezifischen Analysen zur Assoziation von diagnostizierter Depression und Diabetes
mellitus zeigten stärkere Assoziationen beider Erkrankungen bei Personen unter 50 Jahren als
bei älteren Personen. Als Erklärung ist denkbar, dass ältere Personen sich eher akzeptierend
auf unausweichliche körperliche Probleme beziehen und deshalb die Assoziation von
somatischer Erkrankung und Depression tatsächlich reduziert ist, wie Kessler et al. (Kessler et
al., 2010a) vermuten. Es ist auch möglich, dass die psychische Belastung bei Diabetes oder
anderen chronischen Erkrankungen besonders in einem Alter, in dem dies nicht zum
„erwartbaren“ Krankheitsgeschehen gehört, besonders groß ist (van den Akker et al., 1998).
Vor dem Hintergrund des bereits diskutierten möglichen Diagnosebias kommt auch eine
selektive Unterschätzung der Komorbidität – hier bei älteren Personen – in Betracht. Eine
Metaanalyse zum Zusammenhang von Depression und Diabetes ermittelte beispielsweise ein
signifikantes Odds Ratio von 1,8 bei Personen ab 60 Jahren (Huang et al., 2010), was für eine
Unterschätzung des Zusammenhangs mit dem Depressionsmaß der diagnostizierten
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 18
Depression sprechen könnte. Die Tatsache, dass der statistische Zusammenhang zwischen
Diabetes und Depression letztendlich durch die Anzahl weiterer Komorbiditäten erklärt
wurde, könnte als Bestätigung der Vermutung interpretiert werden, dass eher der allgemeine
Grad an Morbidität mit Depression assoziiert ist, als diabetesspezifische Mechanismen
(Albers et al., 2011).
Bezüglich der Assoziation einer selbstberichteten Depressionsdiagnose bzw. einer aktuellen
psychischen Belastung mit der Anzahl an chronischen somatischen Erkrankungen wurde
gezeigt, dass nicht nur eine diagnostizierte Depression, sondern auch eine aktuelle psychische
Belastung bei Personen mit mindestens einer chronischen somatischen Erkrankung häufiger
ist als bei gesunden Personen. Der Befund, dass die Stärke des Zusammenhanges mit
zunehmender Anzahl somatischer Erkrankungen besonders bei jüngeren und mittelalten
Erwachsenen zunimmt, stützt die bereits erwähnte Vermutung einer möglichen
altersspezifischen Verarbeitungsweise von körperlichen Beschwerden (Kessler et al., 2010a).
Limitationen
Folgende Limitationen sind zu bedenken: Ein allgemeiner Selektionsbias könnte zu Gunsten
einer gesünderen Studienpopulation im Vergleich zur Zielpopulation zu einer generellen
Unterschätzung der Prävalenzen führen. Bezogen auf die somatische Morbidität trifft dies
vermutlich auf die in GEDA telefonisch erhobenen Daten weniger zu als auf die in DEGS1 in
Untersuchungszentren erhobenen Daten. Non-Response-Analysen aus DEGS1 (Kamtsiuris et
al., 2013) sprechen jedoch gegen eine starke Verzerrungen der Stichprobe durch eine erhöhte
Nicht-Teilnahme von Personen mit schlechtem Gesundheitszustand. Für Personen mit hoher
psychischer Belastung und mit Depressionen berichten Studien niedrigere
Studienteilnahmeraten (de Graaf et al., 2000; Eaton et al., 1992; Torvik et al., 2012), sodass
eine Unterschätzung der depressionsbezogenen Prävalenzen nicht auszuschließen ist.
Weiterhin handelt es sich bei allen Depressionsmaßen um Selbstangaben, weshalb ein Recall-
Bias und ein Under-Reporting aufgrund von Stigmatisierung (Schomerus et al., 2009) zu einer
Unterschätzung der Prävalenzen geführt haben könnten. Für alle vier Publikationen ist
außerdem zu beachten, dass das querschnittliche Studiendesign keine kausalen Aussagen über
Zusammenhänge zwischen den Depressionsmaßen und den Korrelaten zulässt. Die genutzten
Stichproben umfassen keine institutionalisierten Personen. Personen mit nicht ausreichenden
Deutschkenntnissen sind ebenfalls nicht in den Stichproben enthalten. In Publikation 1 und 2
muss mit einem zusätzlichen Selektionsbias aufgrund des Erhebungsmodus als Telefonsurvey
über reguläre oder virtuelle Festnetznummer gerechnet werden, was einen selektiven
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 19
Ausschluss junger, vermutlich gesünderer Teilnehmer zur Folge haben könnte (Behrends und
Kott, 2009). In Publikation 3 könnte der Zeitabstand zwischen DEGS1 und DEGS1-MH eine
Unterschätzung der Assoziationen der Major Depression aus DEGS1-MH mit den in DEGS1
erhobenen Korrelaten mit sich bringen. Bei Publikation 4 ist zu bedenken, dass keines der
beiden untersuchten Erhebungsinstrumente für ein major depressives Syndrom in Studien der
Allgemeinbevölkerung als Goldstandard betrachtet werden kann.
1.6 Schlussfolgerungen und Implikationen für die Praxis
Die Ergebnisse dieser Arbeit haben eine hohe Public Health-Relevanz, da sie zeigen, dass
Belastungen durch unterschiedliche Aspekte des Konstrukts „Depression“ – von einer
aktuellen psychischen Belastung über eine aktuelle depressive Symptomatik, ein aktuelles
depressives Syndrom und eine diagnostizierte Depression bis hin zur klinischen Major
Depression – in der Allgemeinbevölkerung häufig vorkommen und mit einer Bandbreite an
negativen gesundheitsbezogenen Outcomes assoziiert sind. Dies bezieht sich auf reduzierte
körperliche und soziale Funktionsfähigkeit, eine erhöhte an Arbeitsunfähigkeitstagen, erhöhte
Inanspruchnahme von Gesundheitsleistungen und vermehrte somatische Ko- und
Multimorbidität. Die Befunde unterstreichen die Notwendigkeit, effiziente Public-Health-
Maßnahmen und frühzeitige Interventionen zu entwickeln, zu prüfen und bei Erfolg gezielt
einzusetzen.
Für die epidemiologische Forschung zeigen die Ergebnisse für die untersuchten
Depressionsmaße einerseits einen hohen Grad an Konsistenz, was assoziierte
gesundheitsbezogene Korrelate betrifft. Andererseits unterstreichen die unterschiedlichen
Prävalenzschätzungen und die moderaten Schnittmengen die Unterschiedlichkeit verfügbarer
Depressionsmaße. Dies scheint selbst dann der Fall zu sein, wenn die untersuchten
Erhebungsinstrumente Operationalisierungen derselben Kriterien darstellen. Dies sollte bei
der Darstellung und Interpretation von Forschungsergebnissen berücksichtigt werden.
Weiterhin sollten in Publikationen die verwendeten Depressionsmaße jeweils präzise
beschrieben und adäquat benannt werden. Für das Gesundheitsmonitoring am RKI bedeuten
die Ergebnisse, dass im Idealfall weiterhin verschiedene Depressionsmaße erhoben werden
sollten, sodass das breite Spektrum an Belastungen im Kontext von Depression abgedeckt und
für unterschiedliche Forschungsfragen die jeweils aussagekräftigste Information nutzbar ist.
Insbesondere die Differenzen zwischen den Depressionsmaßen bezüglich der Prävalenzen,
Schnittmengen und der somatischen Komorbidität weisen auf weiteren Forschungsbedarf hin.
Besonders relevant scheint hierbei die Untersuchung möglicher Gründe für die Differenz
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 20
einer klinischen Major Depression und einer selbstberichteten diagnostizierten Depression,
die unter anderem das Inanspruchnahmeverhalten, die Psychiater- und
Psychotherapeutendichte am Wohnort und soziodemographische Aspekte einschließen sollte.
Für die klinische Praxis deuten die gefundenen Zusammenhänge mit chronischen somatischen
Erkrankungen darauf hin, dass besonders bei somatisch multimorbiden Patienten eine
depressive Störung, aber auch schon eine begleitende depressive Symptomatik als möglicher
Beginn einer Depression in Betracht gezogen werden sollten. Dies scheint bei jüngeren und
mittelalten Erwachsenen schon bei einer chronischen somatischen Erkrankung angeraten. Die
Kombination von diagnostizierter Depression und Diabetes mellitus ist trotz ihrer
vergleichsweise niedrigen Gesamtprävalenz ein Beispiel für die Versorgungsrelevanz von
somato-psychischer Komorbidität, zumal bereits gezeigt wurde, dass der Kreislauf sich
gegenseitig verschlimmernder Verläufe durchbrochen werden kann (Baumeister et al., 2012).
Insofern wird deutlich, dass eine verstärkte Beachtung der körperlichen Gesundheit auch in
psychiatrischen Behandlungssettings und eine Beachtung psychischer Störungen bei
somatisch orientierter Versorgung angeraten scheint, um ein positives Gesundheitsverhalten
zu fördern und die Last komorbider somatischer Erkrankungen für den Patienten und letztlich
für das Gesundheitssystem zu verringern.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 21
2 Publikationen
Die vier publizierten Originalarbeiten, die die Basis für diese Dissertation darstellen, sind in
Tabelle 2 zur Übersicht aufgeführt und in den darauf folgenden Unterkapiteln abgedruckt.
Tabelle 2 Die Publikationen der kumulativen Dissertation
Publikation Kapitel
Maske UE, Scheidt-Nave C, Busch MA, Jacobi F, Weikert B, Riedel-Heller SG,
Hapke U.
Komorbidität von Diabetes mellitus und Depression in Deutschland. Ergebnisse der
bevölkerungsrepräsentativen Querschnittstudie „Gesundheit in Deutschland aktuell“
(GEDA) 2009 und 2010.
Psychiatr Prax. 2015; 42(4): 202-207
2.1
Maske UE, Busch MA, Jacobi F, Riedel-Heller SG, Scheidt-Nave C, Hapke U.
Chronische somatische Erkrankungen und Beeinträchtigung der psychischen
Gesundheit bei Erwachsenen in Deutschland. Ergebnisse der
bevölkerungsrepräsentativen Querschnittsstudie Gesundheit in Deutschland aktuell
(GEDA) 2010.
Psychiatr Prax. 2013; 40(4): 207-213
2.2
Maske UE, Buttery AK, Beesdo-Baum K, Riedel-Heller SG, Hapke U, Busch MA.
Prevalence and correlates of DSM-IV-TR major depressive disorder, self-reported
diagnosed depression and current depressive symptoms among adults in Germany.
J Affect Disord. 2015; 190: 167-177 (Epub)
2.3
Maske UE, Busch MA, Jacobi F, Beesdo-Baum K, Seiffert I, Wittchen HU, Riedel-
Heller SG, Hapke U.
Current major depressive syndrome measured with the Patient Health Questionnaire-
9 (PHQ-9) and the Composite International Diagnostic Interview (CIDI): results
from a cross-sectional population-based study of adults in Germany.
BMC Psychiatry. 2015;15: 77-83
2.4
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 22
2.1 Komorbidität von Diabetes mellitus und Depression in Deutschland. Ergebnisse
der bevölkerungsrepräsentativen Querschnittstudie „Gesundheit in Deutschland
aktuell“ (GEDA) 2009 und 2010
Autoren
Maske UE, Scheidt-Nave C, Busch MA, Jacobi F, Weikert B, Riedel-Heller SG, Hapke U
Bibliographie
Psychiatr Prax. 2015; 42(4): 202-207
Komorbidität von Diabetes mellitus und Depression in DeutschlandErgebnisse der bevölkerungsrepräsentativen Querschnittstudie„Gesundheit in Deutschland aktuell“ (GEDA) 2009 und 2010Comorbidity of Diabetes Mellitus and Depression in the General Population in GermanyResults of the National Telephone Health Interview Survey “German Health Update (GEDA)” 2009 and 2010
Autoren Ulrike E. Maske1,3, Christa Scheidt-Nave1, Markus A. Busch1, Frank Jacobi2, Beate Weikert1, Steffi G. Riedel-Heller3,Ulfert Hapke1
Institute 1 Robert Koch-Institut, Abt. Epidemiologie und Gesundheitsmonitoring, Berlin2 Psychologische Hochschule Berlin3 Institut für Sozialmedizin, Arbeitsmedizin und Public Health (ISAP), Medizinische Fakultät, Universität Leipzig
Schlüsselwörter●" Depression●" Diabetes mellitus●" chronische Erkrankung●" Komorbidität●" Multimorbidität
Keywords●" depression●" diabetes mellitus●" chronic disease●" comorbidity●" multimorbidity
BibliografieDOI http://dx.doi.org/10.1055/s-0034-1369955Psychiat Prax© Georg Thieme Verlag KGStuttgart · New YorkISSN 0303-4259
KorrespondenzadresseUlrike E. MaskeRobert Koch-Institut,Abt. Epidemiologie undGesundheitsmonitoringGeneral-Pape-Straße 62–6612101 [email protected]
Originalarbeit
Einleitung!
Ein statistisch signifikanter Zusammenhang zwi-schen Depression und Diabetes mellitus Typ 2 istin zahlreichen, aber nicht allen quer- und längs-schnittlichen epidemiologischen Studien gezeigtworden [1–3]. Kausalität und Richtung eines Zu-sammenhangs zwischen beiden Erkrankungensind ungeklärt [4]. Bei gleichzeitigem Vorliegeneiner Depression bei Patienten mit Diabetes istmit einer höheren Komplikationsrate [5], erhöh-ter Morbidität und Mortalität [6, 7] und erhöhtenBehandlungskosten [8] zu rechnen.Diabetes und Depressionen sind für sich genom-men häufige Erkrankungen bei Erwachsenen inDeutschland [9–11]. Bislang ist wenig dazu be-kannt, wie häufig die Komorbidität von Diabetesund Depression in der Allgemeinbevölkerung ist,und ob beide Erkrankungen in unterschiedlichenLebensaltern und bei den Geschlechtern unter-schiedlich häufig kombiniert auftreten. Um dieseFragen zu beantworten, sind bevölkerungsreprä-sentative Untersuchungen mit hoher Fallzahl nö-tig. Diese Möglichkeit boten Daten zweier konse-kutiver Erhebungswellen der telefonischen Studie„Gesundheit in Deutschland Aktuell“ (GEDA)2009 und 2010 des Robert Koch-Instituts (RKI).
Methode!
Studiendesign und StichprobenziehungDatengrundlage sind 2 aufeinanderfolgende Wel-len der bundesweit repräsentativen Querschnitt-studie GEDA des RKI (GEDA 2009: 07/2008–06/2009, n=21262, GEDA 2010: 09/2009–07/2010,n=22050) [12, 13]. GEDA wird bei mindestens18-jährigen, in Privathaushalten lebenden Perso-nen in Deutschland telefonisch durchgeführt.Grundgesamtheit waren jeweils alle Haushaltemit Festnetzanschluss oder virtueller Festnetz-nummer. In dem Stichprobenverfahren wurdenzufällig Telefonnummern von Privathaushaltennach dem Gabler-Häder-Verfahren gezogen [14]und dann die Zielperson aus den über 18-jährigenHaushaltsmitgliedern durch die Last-Birthday-Methode ermittelt [12, 13]. Geschulte Interviewerführten das standardisierte computergestützteTelefoninterview durch. In GEDA 2009 konntebei 51,2% der Zielpersonenkontakte ein Interviewrealisiert werden, in GEDA 2010 bei 55,8%[12, 13]. Der Studiendurchführung wurde vomBundesbeauftragten für den Datenschutz und dieInformationsfreiheit zugestimmt. Eine mündlicheEinverständniserklärung der Teilnehmendenwurde vor Interviewbeginn eingeholt.
Diagnostizierte DepressionDepression wurde als selbstangegebene Diagnosemit folgenden Fragen erfasst: „Hat ein Arzt oderPsychotherapeut bei Ihnen jemals eine Depres-
Maske UE et al. Komorbidität von Diabetes… Psychiat Prax
Zusammenfassung!
Ziel der Studie: Untersuchung der Komorbiditätvon Diabetes und Depression.Methode: In einer bundesweiten Stichprobe Er-wachsener (n=43312) wurden 19 diagnostiziertechronische Krankheiten und diagnostizierte De-pression erfasst.
Ergebnisse: 12-Monats-Prävalenzen: diagnosti-zierter Diabetes 7,4%, diagnostizierte Depression6,7%, deren Komorbidität 0,8%. Eine Assoziationbeider Erkrankungen lag bei Personen unter 50und bei Frauen von 50–64 Jahren vor. Sie war ab-hängig von der Anzahl weiterer Erkrankungen.Schlussfolgerung: Trotz niedriger Prävalenz derKomorbidität besteht Versorgungsrelevanz.
Her
unte
rgel
aden
von
: IP
-Pro
xy U
nive
rsitä
t Lei
pzig
, Uni
vers
ität L
eipz
ig. U
rheb
erre
chtli
ch g
esch
ützt
.
sion oder eine depressive Verstimmung festgestellt?“ Bei Beja-hung: „Auch in den letzten 12 Monaten?“
Diagnostizierter Diabetes mellitusZur 12-Monats-Prävalenz des Diabetes wurde gefragt: „Wurdebei Ihnen jemals von einem Arzt eine Zuckerkrankheit oder Dia-betes festgestellt?“ Bei Bejahung: „Bestand die Zuckerkrankheitbei Ihnen auch in den letzten 12 Monaten?“
Weitere diagnostizierte chronische Erkrankungenund BeeinträchtigungenAnalog zum Vorgehen bei Diabetes wurde das Vorliegen 18 wei-terer chronischer somatischer Erkrankungen und Beeinträchti-gungen standardisiert erfragt. Nach einem für Surveyerhebungenentwickelten Algorithmus [15] wurden folgende Erkrankungenund Gesundheitsprobleme berücksichtigt, wenn sie jemals ärzt-lich diagnostiziert wurden und auch in den 12 Monaten vor Stu-dienteilnahme bestanden: Bluthochdruck, erhöhte Blutfettwerte,Adipositas (BMI≥30 nach WHO-Definition [16], basierend aufSelbstangaben), Herzinsuffizienz, Asthma, chronische Bronchitis,chronische Lebererkrankung, Niereninsuffizienz, Arthrose, Ar-thritis, Osteoporose (bei mind. 50-Jährigen gefragt), chronischeRückenschmerzen (≥3Monate), schwere Hör- und Seheinschrän-kung [17]. Schlaganfall, Herzinfarkt, andere koronare Herzer-krankungen und Krebserkrankungen wurden berücksichtigt,auch wenn sie vor über einem Jahr bestanden hatten. Die Anzahlan Komorbiditätenwurde als Summe dieser Erkrankungen quan-tifiziert.
Soziodemografie und GesundheitsverhaltenDrei Altersgruppen (18–49, 50–64 und 65 Jahre und älter) wur-den gebildet, um Unterschiede des Krankheits- und Diagnosege-schehens abzubilden (z.B. deutlicher Anstieg der Diabetespräva-lenz ab 50 Jahre [9]). Die Gruppe der 50–64-Jährigen wurde zurDifferenzierung von Personen im Erwerbsalter und Personenoberhalb des Erwerbsalters gebildet, was bezüglich des Diagno-
segeschehens wichtig erscheint. Der sozioökonomische Status(SES), Familienstand und soziale Unterstützung sind für Morbidi-tät und Inanspruchnahmeverhalten und folglich für das Diagno-segeschehen relevant, weshalb sie berücksichtigt werden [18–20]. Der SES wurde über einen Index aus Bildung, Berufsstatusund Einkommen in die Gruppen niedrig, mittel und hoch einge-teilt [21]. Der Familienstand wird durch die soziale Unterstüt-zung ergänzt, um außerfamiliäre Kontakte (z.B. Nachbarschaftbei Alleinstehenden) abzudecken. Sie wurde mit der Oslo 3-ItemSocial-Support-Scale erhoben (eingeteilt in gering, mittel undstark) [22]. Sportliche Aktivität (keine sportliche Betätigung; ≤2Std./Wo.; 2–4 Std./Wo.; >4 Std./Wo.), Rauchstatus (Raucher; Ex-Raucher; Niemals-Raucher) und Alkoholkonsum (Summenscoredes Alcohol Use Disorder Identification Test Consumption [AU-DIT-C] [23]) wurden als Einflussfaktoren für Diabetes und De-pression bei den Analysen berücksichtigt [24].
StatistikPrävalenzen wurden als gewichtete Anteilswerte mit 95%-Konfi-denzintervallen (95%-KI) berechnet. Unterschiede wurden miteinem χ2-Test bestimmt, wenn sich die 95%-KI überschnitten. Eswurden gewichtete Mittelwerte zur mittleren Anzahl an Komor-biditäten berechnet. Bei überlappenden 95%-KI wurde ein Mit-telwertvergleich (Bonferroni Post-hoc-Test) durchgeführt. DerZusammenhang von diagnostiziertem Diabetes und Depressionwurde mit logistischen Regressionsanalysen alters- und ge-schlechtsstratifiziert untersucht. Es wurden rohe Modelle (Mo-dell 1) und multivariable Modelle unter Mitführung von SES, Fa-milienstand und sozialer Unterstützung (Modell 2) und zusätz-lich sportlicher Aktivität, Rauchstatus und Alkoholkonsum (Mo-dell 3) berechnet. Weiterhinwurde zusätzlich für die Anzahl wei-terer chronischer somatischer Erkrankungen adjustiert (Modell4). Alle Analysen wurden mit IBM SPSS Statistics 20 (V.20.0.0.1)durchgeführt. Das Modul Complex Samples wurde genutzt, umunterschiedliche Auswahlwahrscheinlichkeiten bei der Stichpro-benziehung und verschiedene Teilnahmebereitschaften mit adä-
Tab. 1 Beschreibung derStichprobe.
% (ungew.) % (95%-KI) (gew.) n1
Geschlecht
weiblich 56,8 51,5 (50,8–52,1) 24 597
männlich 43,2 48,5 (47,9 –49,2) 18 715
gesamt 43312
Alter
18–49 Jahre 56,6 52,8 (52,2–53,4) 24 494
50–64 Jahre 24,6 22,7 (22,2–23,2) 10 639
65 Jahre und älter 18,9 24,5 (23,9–25,1) 8 179
Familienstand
verheiratet, mit Ehepartner zusammenlebend 53,0 59,1 (58,5–59,7) 22 910
verheiratet, getrennt lebend 2,6 1,7 (1,6 –1,8) 1 118
ledig 27,7 24,1 (23,7–24,6) 11 954
geschieden 9,1 6,8 (6,5 –7,1) 3 931
verwitwet 7,7 8,3 (7,9–8,6) 3 320
sozioökonomischer Status (SES)2
niedrig 11,3 19,6 (19,0–20,2) 4 888
mittel 56,0 60,0 (59,4–60,6) 24 160
hoch 32,7 20,4 (20,0–20,8) 14 093
soziale Unterstützung3
gering 13,8 16,0 (15,5–16,5) 5 771
mittel 50,0 50,0 (49,3–50,6) 20 934
stark 36,2 34,0 (33,4–34,6) 15 133
1 ungewichtete Anzahl; 2 SES: gebildet anhand eines Indexes aus Bildungsabschluss, beruflichem Status und Nettoäquivalenzeinkommen;3 Oslo 3-Item Social-Support-Scale
Maske UE et al. Komorbidität von Diabetes… Psychiat Prax
Originalarbeit
Her
unte
rgel
aden
von
: IP
-Pro
xy U
nive
rsitä
t Lei
pzig
, Uni
vers
ität L
eipz
ig. U
rheb
erre
chtli
ch g
esch
ützt
.
quaten Gewichtungsprozeduren auszugleichen (detaillierte Dar-stellung der Gewichtungsverfahren siehe Studiendokumentation[12, 13]).●" Tab.1 zeigt die soziodemografischen Merkmale derStichprobe gewichtet und ungewichtet.
Ergebnisse!
Die 12-Monats-Prävalenzen von selbstberichteter diagnostizier-ter Depression (6,7%; 95%-KI 6,4–7,0), selbstberichtetem diag-nostiziertem Diabetes (7,4; 95%-KI 7,0–7,7) und dem Vorliegenbeider Erkrankungen (0,8%; 95%-KI 0,6–0,9) sind in ●" Tab.2dargestellt. Frauen berichteten insgesamt und in allen Alters-gruppen häufiger eine Depressionsdiagnose als Männer (p<0,001). Bei beiden Geschlechtern war die Prävalenz von diagnos-tizierter Depression in der Altersgruppe der 50–64-Jährigen amhöchsten. Bezüglich der Gesamtprävalenz eines bekannten Dia-betes mellitus zeigten sich keine Geschlechtsunterschiede. DieDiabetesprävalenz stieg bei beiden Geschlechtern mit zuneh-mendem Alter an (pTrend: <0,001). Das parallele Vorliegen beiderDiagnosen in den letzten 12 Monaten kam bei Frauen häufiger
vor als bei Männern. Bezüglich der Altersgruppen war die Präva-lenz der Komorbidität bei den über 64-jährigen Frauen signifi-kant höher als bei Männern.Personen mit bekanntem Diabetes und diagnostizierter Depres-sion hatten signifikant mehr komorbide Erkrankungen als Perso-nen mit jeweils nur einer der beiden Erkrankungen (●" Abb.1).Personen ohne eine der beiden Erkrankungen wiesen signifikantamwenigsten Komorbidität auf.Eine Diabetes- und eine Depressionsdiagnose kamen bei den18–49-Jährigen beider Geschlechter überzufällig häufig gemein-sam vor (●" Tab.3, Modell 1). Ein statistisch signifikanter Zusam-menhang zeigte sich auch bei 50–64-jährigen Frauen, nicht je-doch bei Männern dieser Altersgruppe. Bei den über 65-Jährigenlag kein signifikanter Zusammenhang vor. Adjustierung für so-ziodemografische Merkmale (Modell 2) und gesundheitsrelevan-te Verhaltensweisen (Modell 3) reduzierte die Stärke der gefun-denen Zusammenhänge, ohne sie zu erklären. Weitere Adjustie-rung mit Einbezug zusätzlicher Komorbiditäten (Modell 4) hin-gegen erklärte die beobachteten Zusammenhänge.
Tab. 2 Alters- und geschlechtsspezifische 12-Monats-Prävalenzen von diagnostizierter Depression, diagnostiziertem Diabetes und deren Komorbidität.
Depression
(12-Monats-Prävalenz)
Diabetes
(12-Monats-Prävalenz)
Depression und Diabetes
(12-Monats-Prävalenz)
n % (gew.) (95%-KI) n % (gew.) (95%-KI) n % (gew.) (95%-KI) n
Männer 18715 4,8 (4,4–5,2) 910 7,4 (6,9–8,0) 1183 0,5 (0,4–0,7) 94
18–49 Jahre 10 727 4,2 (3,7–4,7) 448 1,8 (1,4–2,1) 150 0,2 (0,1–0,4) 20
50–64 Jahre 4 426 7,7 (6,7–8,8) 344 10,3 (9,2–11,5) 421 1,1 (0,8–1,6) 47
65 Jahre und älter 3 562 3,2 (2,5–4,0) 118 19,0 (17,3–20,8) 612 0,8 (0,5–1,3) 27
Frauen 24597 8,5 (8,0–8,9) 2174 7,3 (6,8–7,8) 1294 0,9 (0,8–1,1) 193
18–49 Jahre 13 767 7,8 (7,3–8,4) 1110 1,7 (1,4–2,0) 211 0,3 (0,2–0,5) 41
50–64 Jahre 6 213 11,1 (10,2–12,1) 721 8,3 (7,4–9,3) 424 1,6 (1,2–2,0) 91
65 Jahre und älter 4 617 7,4 (6,5–8,5) 343 16,8 (15,3–18,4) 659 1,6 (1,1–2,2) 61
gesamt 43312 6,7 (6,4–7,0) 3084 7,4 (7,0–7,7) 2477 0,8 (0,6–0,9) 287
18–49 Jahre 24 494 6,0 (5,6–6,4) 1558 1,7 (1,5–2) 361 0,3 (0,2–0,4) 61
50–64 Jahre 10 639 9,4 (8,7–10,1) 1065 9,3 (8,6–10,1) 845 1,4 (1,1–1,7) 138
65 Jahre und älter 8 179 5,6 (5,0–6,3) 461 17,7 (16,6–18,9) 1271 1,2 (0,9–1,6) 88
8
7
6
5
4
3
2
1
018 – 49 Jahre 50 – 64 Jahre
Männer
65 Jahre und älter
8
7
6
5
4
3
2
1
018 – 49 Jahre 50 – 64 Jahre
Frauen
65 Jahre und älter
Depression und Diabetes nur Depression nur Diabetes weder Depression noch Diabetes
–
–
––
Abb.1 Alters- und geschlechtsspezifische mittlere Anzahl chronischer somatischer Komorbiditäten1) bei Personen mit diagnostizierter Depression und Dia-betes, nur Depression, nur Diabetes, ohne Depression und ohne Diabetes in den letzten 12 Monaten.1) Mittlere Anzahl chronischer somatischer Komorbiditäten berechnet aus: (1) jemals ärztlich diagnostiziert: Schlaganfall, Herzinfarkt, andere koronare Herz-erkrankung. (2) in den letzten 12 Monaten ärztlich diagnostiziert: Bluthochdruck, erhöhte Blutfettwerte, Adipositas, Herzinsuffizienz, Asthma, chronischeBronchitis, chronische Lebererkrankung, Niereninsuffizienz, Arthrose, Arthritis, Osteoporose. (3) Beschwerden/sensorische Einschränkungen in den letzten12 Monaten: chronische Rückenschmerzen, schwere Höreinschränkung, schwere Seheinschränkung.– Unterschied der Mittelwerte nicht signifikant (Mittelwertvergleich: Bonferroni Post-hoc-Test).
Maske UE et al. Komorbidität von Diabetes… Psychiat Prax
Originalarbeit
Her
unte
rgel
aden
von
: IP
-Pro
xy U
nive
rsitä
t Lei
pzig
, Uni
vers
ität L
eipz
ig. U
rheb
erre
chtli
ch g
esch
ützt
.
Diskussion!
Die Daten ermöglichen aufgrund der hohen Fallzahl (n=43312)erstmals bevölkerungsbezogene, repräsentative und geschlechts-und altersspezifische Analysen zur Prävalenz des gleichzeitigenVorliegens von diagnostizierter Depression und diagnostiziertemDiabetes und zur Stärke derer querschnittlichen Assoziation. Al-lein auf Basis der hier festgestellten Häufigkeit ärztlicher Diagno-sen liegt bei jedem 10. Erwachsenen mit bekanntem Diabetesauch eine Depressionsdiagnose und bei jedem 9. Erwachsenenmit diagnostizierter Depression auch ein bekannter Diabetesvor. Ein signifikanter Zusammenhang bestand nur bei Erwachse-nen unter 50 Jahren und bei Frauen im Alter von 50–64 Jahren,der durch soziodemografische und gesundheitsrelevante Fakto-ren teilweise und durch die Anzahl weiterer chronischer Erkran-kungen vollständig erklärt wurde.Bislang ist nicht geklärt, welche Mechanismen dem Zusammen-hang von Depression und Diabetes zugrunde liegen. Es gibt Hin-weise darauf, dass der oftmals mit einer Depression einherge-hende ungesunde Lebensstil (z.B. wenig Bewegung) eine Diabe-tesentstehung begünstigt [25]. Des Weiteren könnten psychoso-ziale Beeinträchtigungen durch eine Diabeteserkrankung für dasEntstehen einer Depression relevant sein [25]. Zudem wird dis-kutiert, dass pathophysiologische Veränderungen im Verlauf ei-ner Depression oder auchmedikamentöse Behandlungenmit be-stimmten Antidepressiva [26] die Entwicklung eines Diabetes be-günstigen [27]. Nicht zuletzt werden bidirektionale Erklärungs-ansätze auf Grundlage komplexer Wechselwirkungen zwischenbeiden Erkrankungen angenommen [28]. Unsere Ergebnisse kön-nen vor diesemHintergrund interpretiert werden, jedochmit derklaren Einschränkung, dass kausale Betrachtungen aufgrund desQuerschnittsdesigns nicht möglich sind, und dass sie sich ledig-lich auf diagnostizierte Depression und diagnostizierten Diabetesbeziehen.Die 12-Monats-Prävalenz der diagnostizierten Depression liegtmit 6,7% leicht niedriger als die im Rahmen der „Studie zur Ge-sundheit Erwachsener in Deutschland“ (DEGS1) anhand einesstandardisierten klinischen Interviews aktuell geschätzten 7,7%für eine unipolare Depression [11]. Dass die Diagnoseprävalenznicht noch geringer ist, könnte damit zusammenhängen, dassauch Personen eine Depressionsdiagnose erhalten, die tatsäch-
lich eine unterschwellige Depression oder eine andere psy-chische Störung haben [29]. Jedoch ist auch eine Unterschätzungdenkbar, da in der primärärztlichen Versorgung vermutete De-pressionen nicht unbedingt immer auch als Diagnose „fixiert“,mitgeteilt [30] oder erkannt [31] werden. Besonders bei älterenPersonen könnte letzteres wegen stärkerer körperlicher Sympto-matik der Fall sein [32]. Studienteilnehmer könnten sich außer-dem an eine Depressionsdiagnose nicht erinnern oder sie auf-grund von Stigmatisierung nicht angeben [33]. Auch der diagnos-tizierte Diabetes ist für die tatsächliche Diabetesrate als konser-vativ zu betrachten, da nicht angegebener und unerkannter Dia-betes unerfasst bleibt [34]. Allgemein ist von einem unterschied-lichen Hilfesuchverhalten in unterschiedlichen Bevölkerungs-gruppen auszugehen [35], was Auswirkungen auf die Diagnose-häufigkeit hat.Insgesamt ist ein gleichzeitiges Vorliegen von diagnostiziertemDiabetes und diagnostizierter Depression bei Erwachsenen mit0,8% selten. Angesichts der bereits diskutierten Möglichkeit vonDiagnosebias vor allem in Bezug auf Depression ist eine allgemei-ne oder auch selektive Unterschätzung der Komorbidität mög-lich. Diese könnte insbesondere bei Männern und älteren Perso-nen eine Rolle spielen, was das Fehlen einer statistisch signifikan-ten Assoziation bei Personen ab 65 Jahren und bei Männern imAlter von 50–65 Jahren erklären würde. Allerdings gibt es auchBerichte über eine höhere Versorgungsqualität mit Zunahme derAnzahl chronischer Erkrankungen für Menschen ab 65 Jahren[36]. Eine Metaanalyse zum querschnittlichen Zusammenhangvon Depression und Diabetes ermittelte ein signifikantes OddsRatio von 1,8 bei Personen ab 60 Jahren [37], was ebenfalls füreine Unterschätzung des Zusammenhangs in der vorliegendenArbeit spricht. Zuletzt ist auch nicht auszuschließen, dass der Zu-sammenhang von somatischer Erkrankung und Depression beiälteren Personen tatsächlich reduziert ist. Kessler et al. vermuten,dass ältere Personen sich eher akzeptierend auf unausweichlichekörperliche Probleme beziehen, was die psychische Belastung re-duzieren könnte [38].Die stärkere Assoziation von bekanntem Diabetes und Depres-sion bei Jüngeren könnte dadurch zustande kommen, dass diepsychische Belastung bei Diabetes besonders in einem Alter, indem dies nicht zum „erwartbaren“ Krankheitsgeschehen gehört,tatsächlich besonders groß sein könnte, oder dass hohe somati-
Tab. 3 Zusammenhangsanalyse von diagnostiziertem Diabetes und diagnostizierter Depression in den letzten 12 Monaten.*
Prävalenz diagnostizierter Depression Zusammenhangsanalyse
Diabetes
(i.d. l. 12 Monaten)
kein Diabetes
(i.d. l. 12 Monaten)
Modell 1 Modell 2 Modell 3 Modell 4
% (gew.) (95%-KI) % (gew.) (95%-KI) OR (95%-KI) OR (95%-KI) OR (95%-KI) OR (95%-KI)
Männer
18–49 Jahre 12,0 (6,9–19,8) 4,1 (3,6–4,6) 3,2 (1,7–5,9) 2,6 (1,3–5,2) 2,5 (1,2–5,1) 1,2 (0,6–2,5)
50–64 Jahre 11,0 (7,6–15,6) 7,3 (6,3–8,4) 1,6 (1,0–2,4) 1,4 (0,9–2,2) 1,2 (0,8–2,0) 0,7 (0,4–1,2)
65 Jahre und älter 4,2 (2,6–6,7) 2,9 (2,2–3,8) 1,5 (0,8–2,6) 1,6 (0,9–2,9) 1,5 (0,8–2,9) 1,1 (0,6–2,0)
Frauen
18–49 Jahre 19,6 (13,8–27,0) 7,6 (7,1–8,2) 3,0 (1,9–4,5) 2,3 (1,5–3,6) 2,1 (1,3–3,3) 1,3 (0,8–2,2)
50–64 Jahre 19,1 (15,0–24) 10,3 (9,4–11,4) 2,0 (1,5–2,8) 1,8 (1,3–2,4) 1,7 (1,2–2,4) 1,1 (0,7–1,5)
65 Jahre und älter 9,3 (6,7–12,7) 7,0 (6,1–8,2) 1,3 (0,9–2,0) 1,2 (0,8–1,9) 1,2 (0,8–1,8) 0,9 (0,6–1,4)
Modell 1: rohes ModellModell 2: adjustiert für Familienstand, SES, soziale UnterstützungModell 3: wie Modell 2, zusätzlich adjustiert für Gesundheitsverhalten (sportliche Aktivität, Rauchstatus und Alkoholkonsum)Modell 4: wie Modell 3, zusätzlich adjustiert für Anzahl chronischer somatischer Komorbiditäten und sensorische Einschränkungen/Beschwerden* Outcomevariable: diagnostizierte Depression in den letzten 12 Monaten. Expositions-Variable: diagnostizierter Diabetes in den letzten 12 Monaten (Referenzkategorie:kein diagnostizierter Diabetes i.d. l. 12 Monaten);
Maske UE et al. Komorbidität von Diabetes… Psychiat Prax
Originalarbeit
Her
unte
rgel
aden
von
: IP
-Pro
xy U
nive
rsitä
t Lei
pzig
, Uni
vers
ität L
eipz
ig. U
rheb
erre
chtli
ch g
esch
ützt
.
sche Krankheitslast im jüngeren Lebensalter mit stärkerer Beein-trächtigung der psychischen Gesundheit einhergeht [39, 40]. Da-für spricht auch, dass der statistische Zusammenhang zwischenDiabetes und Depression letztendlich durch die Anzahl weitererKomorbiditäten erklärt wurde. Dies könnte bedeuten, dass eherder allgemeine Grad an Morbidität mit Depression assoziiert ist,als diabetesspezifische Mechanismen. Zu diesem Schluss kommtauch eine Metaanalyse auf Basis von longitudinalen Studien [41].Bei unserem für die Anzahl an Komorbiditäten adjustierten Mo-dell kann eine Überadjustierung allerdings nicht ausgeschlossenwerden [42], weshalb es unter Vorbehalt betrachtet werden soll-te. Zuletzt ist eine besonders hohe Aufmerksamkeit und engma-schige Versorgung bis hin zur Überdiagnose von Depression beimultimorbiden jüngeren Erwachsenen nicht ganz auszuschlie-ßen.
Limitationen!
Durch die Design- und Anpassungsgewichtung ist von einer gu-ten Verallgemeinerbarkeit der Ergebnisse für die über 18-jährigeWohnbevölkerung in Privathaushalten in Deutschland auszuge-hen. Dennoch spiegelt sich in GEDA die allgemeine SchwierigkeitvonTelefonsurveys wider, sodass ein Selektionsbias aufgrund desErhebungsmodus nicht auszuschließen ist. Auch der Stichpro-benzugang über Festnetznummer (regulär, virtuell) könnte eineSelektion besonders bei jungen Teilnehmern zur Folge haben[43].Die beobachteten Prävalenzen und Zusammenhänge könnteninsgesamt unterschätzt sein, da nur diagnostizierter Diabetesund diagnostizierte Depression betrachtet wurden (ein Scree-ninginstrument für psychische Belastung wurde nur in GEDA2010 eingesetzt). Es wurden keine Informationen zur Dauer undMedikation beider Erkrankungen und zum Diabetestyp erhobenund folglich nicht berücksichtigt. Personen in Krankenhäusernoder anderen Institutionen und Personen mit eingeschränktenDeutschkenntnissen waren von der Teilnahme ausgeschlossen.Aufgrund des Querschnittsdesigns sind Aussagen zum kausalenZusammenhang zwischen Depression und Diabetes nicht mög-lich.
Fazit!
Um zu klären, inwieweit die vorliegenden Ergebnisse durch ei-nen Diagnosebias beeinflusst sind und inwiefern die Assoziationvon Depression und Diabetes keine spezifische ist, sind weitereStudien notwendig. Hierbei sollten Informationen zu depressivenStörungen generiert werden, die möglichst unabhängig von zeit-lichen oder regionalen Diagnosegewohnheiten sind, und bezüg-lich des Diabetes sollten auch Labordaten und Medikation be-rücksichtigt werden, um Verzerrungen durch einen Recall- undDiagnosebias zu minimieren.Die Kombination beider Erkrankungen ist von hoher Versor-gungsrelevanz. Zahlreiche Studien lieferten Hinweise auf dieWechselwirkung beider Erkrankungen im Hinblick auf ungüns-tige Krankheitsverläufe und Krankheitsprognosen [1, 5, 6]. Zu-gleich wurde gezeigt, dass dieser Kreis durchbrochen werdenkann [44]. Das Beispiel der Assoziation von Diabetes und Depres-sion zeigt folglich, dass eine verstärkte Beachtung der körperli-chen Gesundheit auch in Behandlungssettings für psychischeStörungen und eine Beachtung psychischer Störungen in somati-
schen Behandlungssettings angeraten scheint, um ein positivesGesundheitsverhalten zu fördern und die Last komorbider soma-tischer Erkrankungen für den Patienten und letztlich für das Ge-sundheitssystem zu verringern [45].
Interessenkonflikt!
Die Autoren geben an, dass kein Interessenkonflikt besteht.
Abstract
Comorbidity of Diabetes Mellitus and Depression inthe General Population in Germany!
Objective: To assess the comorbidity of diabetes and depressionin the adult general population of Germany.Methods: Data (n=43312) derived from the representativecross-sectional telephone survey „German Health Update (GE-DA)”. Information about diagnosed chronic somatic diseases in-cluding diabetes and diagnosed depression was available for resi-dents in private households. Age- and sex-specific adjusted logis-tic regressions were used to examine the association betweendiabetes and depression.Results: 12-month prevalences: diagnosed diabetes 7.4%, diag-nosed depression 6.7%, comorbidity of both 0.8%. An associationof diabetes and depression was found in people <50 years and inwomen aged 50–64 years. This association was dependent onthe number of additional chronic diseases.Conclusion: Comorbidity of diabetes and depression was quiterare. Yet according to our results every 10th adult with diagnoseddiabetes gets a depression diagnosis and every 9th adult with di-agnosed depression has known diabetes. Underestimation formen and older adults due to diagnostic bias is possible. The com-bination of diabetes and depression is relevant for medical carebecause of its health burden.
Literatur1 Wagner G, Icks A, Albers B et al. Diabetes mellitus Typ 2 und Depressi-
vität: Was ist ursächlich für was? Dtsch Med Wochenschr 2012; 137:523–528
2 Rotella F, Mannucci E. Diabetes mellitus as a risk factor for depression.A meta-analysis of longitudinal studies. Diabetes Res Clin Pract 2013;99: 98–104
3 Roy T, Lloyd CE. Epidemiology of depression and diabetes: a systematicreview. J Affect Disord 2012; 142 (Suppl. 01): 8–21
Konsequenzen für Klinik und Praxis
▶ Komorbidität von diagnostizierter Depression und diag-nostiziertem Diabetes mellitus ist mit insgesamt 0,8% beiErwachsenen in Deutschland eher selten.
▶ In allen Altersgruppen geht ein kombiniertes Vorliegenbeider Erkrankungen mit weiteren chronischen Erkran-kungen einher.
▶ Der Zusammenhang von diagnostizierter Depression unddiagnostiziertemDiabetes ist bei Erwachsenen im Alter von18–49 und bei Frauen im Alter von 50–64 Jahren signifi-kant, was möglicherweise eine Unterdiagnose von Depres-sionen bei Männern und Personen ab 65 Jahren reflektiert.
Maske UE et al. Komorbidität von Diabetes… Psychiat Prax
Originalarbeit
Her
unte
rgel
aden
von
: IP
-Pro
xy U
nive
rsitä
t Lei
pzig
, Uni
vers
ität L
eipz
ig. U
rheb
erre
chtli
ch g
esch
ützt
.
4 Wagner G, Icks A, Redaelli M et al. Assoziation von Diabetes Typ 2 undDepressivität. Dtsch Med Wochenschr 2014; 139: 369–374
5 de Groot M, Anderson R, Freedland KE et al. Association of depressionand diabetes complications: a meta-analysis. Psychosom Med 2001;63: 619–630
6 Egede LE, Ellis C. Diabetes and depression: global perspectives. DiabetesRes Clin Pract 2010; 87: 302–312
7 Park M, KatonWJ,Wolf FM. Depression and risk of mortality in individ-uals with diabetes: a meta-analysis and systematic review. Gen HospPsychiatry 2013; 35: 217–225
8 Lehnert T, Konnopka A, Riedel-Heller S et al. Diabetes und komorbideDepression: Systematische Literaturübersicht gesundheitsökonomi-scher Studien. Psychiat Prax 2011; 38: 369–375
9 Heidemann C, Du Y, Schubert I et al. Prävalenz und zeitliche Entwick-lung des bekannten Diabetes mellitus: Ergebnisse der Studie zur Ge-sundheit Erwachsener in Deutschland (DEGS1). Bundesgesundheits-blatt Gesundheitsforschung Gesundheitsschutz 2013; 56: 668–677
10 Busch MA,Maske UE, Ryl L et al. Prävalenz von depressiver Symptoma-tik und diagnostizierter Depression bei Erwachsenen in Deutschland.Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz2013; 56: 733–739
11 Jacobi F, Höfler M, Strehle J et al. Psychische Störungen in der Allge-meinbevölkerung. Nervenarzt 2014; 85: 77–87
12 Robert Koch-Institut (RKI). Daten und Fakten: Ergebnisse der Studie»Gesundheit in Deutschland aktuell 2009«. Berlin: RKI; 2011
13 Robert Koch-Institut (RKI). Daten und Fakten: Ergebnisse der Studie»Gesundheit in Deutschland aktuell 2010«. Berlin: RKI; 2012
14 Gabler S, Häder S, Hrsg. Generierung von Telefonstichproben mit Tel-SuSaAufl. Mannheim: Zentrum für Umfragen, Methoden und Analysen(ZUMA); 1999
15 Fuchs J, Busch M, Lange C et al. Prevalence and patterns of morbidityamong adults in Germany. Results of the German telephone health in-terview survey German Health Update (GEDA) 2009. Bundesgesund-heitsblatt Gesundheitsforschung Gesundheitsschutz 2012; 55: 576–586
16 World Health Organisation (WHO). Obesity: preventing and managingthe global epidemic. Report of a WHO consultation. World Health Or-gan Tech Rep Ser 2000; 894: i–xii, 1–253
17 European commission EUROSTAT and Partnership on Public HealthStatistics Group HIS. European Heath Interview Survey EHIS Question-naire. English version. 2006: Im Internet: http://ec.europa.eu/health/ph_information/implement/wp/systems/docs/ev_20070315_ehis_en.pdf (Stand: 24.02.2014)
18 Lampert T, Kroll LE, von der Lippe E et al. Sozioökonomischer Status undGesundheit: Ergebnisse der Studie zur Gesundheit Erwachsener inDeutschland (DEGS1). Bundesgesundheitsblatt GesundheitsforschungGesundheitsschutz 2013; 56: 814–821
19 Griffith LS, Field BJ, Lustman PJ. Life stress and social support in diabe-tes: association with glycemic control. Int J Psychiatry Med 1990; 20:365–372
20 Uchino BN, Cacioppo JT, Kiecolt-Glaser JK. The relationship between so-cial support and physiological processes: a review with emphasis onunderlying mechanisms and implications for health. Psychol Bull1996; 119: 488–531
21 Lampert T, Kroll LE, Muters S et al. Messung des soziookonomischenStatus in der Studie „Gesundheit in Deutschland aktuell“ (GEDA). Bun-desgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2013;56: 131–143
22 Dalgard OS, Dowrick C, Lehtinen V et al. Negative life events, social sup-port and gender difference in depression: a multinational communitysurvey with data from the ODIN study. Soc Psychiatry Psychiatr Epide-miol 2006; 41: 444–451
23 Bush K, Kivlahan DR, McDonell MB et al. The AUDIT alcohol consump-tion questions (AUDIT-C): an effective brief screening test for problemdrinking. Ambulatory Care Quality Improvement Project (ACQUIP). Al-cohol Use Disorders Identification Test. Arch Intern Med 1998; 158:1789–1795
24 Schulze MB, Hoffmann K, Boeing H et al. An accurate risk score based onanthropometric, dietary, and lifestyle factors to predict the develop-ment of type 2 diabetes. Diabetes Care 2007; 30: 510–515
25 Robert Koch-Institut (RKI), Hrsg. Diabetes mellitus. Berlin: RKI; 200526 Kivimäki M, Hamer M, Batty GD et al. Antidepressant medication use,
weight gain, and risk of type 2 diabetes. A population-based study.Diabetes Care 2010; 33: 2611–2616
27 Golden SH. A reviewof the evidence for a neuroendocrine link betweenstress, depression and diabetes mellitus. Curr Diabetes Rev 2007; 3:252–259
28 Renn BN, Feliciano L, Segal DL. The bidirectional relationship of depres-sion and diabetes: a systematic review. Clin Psychol Rev 2011; 31:1239–1246
29 Höfler M, Wittchen H-U. Why do primary care doctors diagnose de-pression when diagnostic criteria are not met? Int J Methods PsychiatrRes 2000; 9: 110–120
30 Sielk M, Altiner A, Janssen B et al. Prävalenz und Diagnostik depressiverStörungen in der Allgemeinarztpraxis. Ein kritischer Vergleich zwi-schen PHQ-D und hausärztlicher Einschätzung. Psychiat Prax 2009;36: 169–174
31 Mitchell AJ, Vaze A, Rao S. Clinical diagnosis of depression in primarycare: a meta-analysis. Lancet 2009; 374: 609–619
32 Fiske A, Wetherell JL, Gatz M. Depression in older adults. Annu Rev ClinPsychol 2009; 5: 363–389
33 Schomerus G,Matschinger H, Angermeyer MC. The stigma of psychiatrictreatment and help-seeking intentions for depression. Eur Arch Psy-chiatry Clin Neurosci 2009; 259: 298–306
34 Molenaar EA, Van Ameijden EJ, Grobbee DE et al. Comparison of routinecare self-reported and biometrical data on hypertension and diabetes:results of the Utrecht Health Project. Eur J Public Health 2007; 17:199–205
35 Galdas PM, Cheater F, Marshall P. Men and health help-seeking be-haviour: literature review. J Adv Nurs 2005; 49: 616–623
36 Higashi T, Wenger NS, Adams JL et al. Relationship between number ofmedical conditions and quality of care. N Engl J Med 2007; 356: 2496–2504
37 Huang CQ,Dong BR, Lu ZC et al. Chronic diseases and risk for depressionin old age: a meta-analysis of published literature. Ageing Res Rev2010; 9: 131–141
38 Kessler RC, BirnbaumH, Bromet E et al. Age differences inmajor depres-sion: results from the National Comorbidity Survey Replication (NCS-R). Psychol Med 2010; 40: 225–237
39 van den Akker M, Buntinx F, Metsemakers JF et al. Multimorbidity ingeneral practice: prevalence, incidence, and determinants of co-occur-ring chronic and recurrent diseases. J Clin Epidemiol 1998; 51: 367–375
40 Maske UE, Busch AM, Jacobi F et al. Chronische somatische Erkrankun-gen und Beeinträchtigung der psychischen Gesundheit in Deutsch-land. Ergebnisse der bevölkerungsrepräsentativen Studie Gesundheitin Deutschland aktuell (GEDA) 2010. Psychiat Prax 2013; 40: 207–213
41 Albers B, Kruse J, Giani G et al. Diabetes and incident depression: Is theassociation mediated or modified by sociodemographic factors or co-morbidities? A systematic review. Exp Clin Endocrinol Diabetes 2011;119: 591–598
42 Schisterman EF, Cole SR, Platt RW. Overadjustment bias and unnecessa-ry adjustment in epidemiologic studies. Epidemiology 2009; 20: 488–495
43 Behrends S, Kott K. Zuhause in Deutschland. Ausstattung und Wohnsi-tuation privater Haushalte. Wiesbaden: Statistisches Bundesamt; 2009
44 Baumeister H,Hutter N, Bengel J. Psychological and pharmacological in-terventions for depression in patients with diabetes mellitus and de-pression. Cochrane Database Syst Rev 2012; 12: CD008381
45 Lehnert T, Konnopka A, Riedel-Heller S et al. GesundheitsökonomischeAspekte psychischer Komorbidität bei somatischen Krankheiten. Bun-desgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2011;54: 120–127
Maske UE et al. Komorbidität von Diabetes… Psychiat Prax
Originalarbeit
Her
unte
rgel
aden
von
: IP
-Pro
xy U
nive
rsitä
t Lei
pzig
, Uni
vers
ität L
eipz
ig. U
rheb
erre
chtli
ch g
esch
ützt
.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 29
2.2 Chronische somatische Erkrankungen und Beeinträchtigung der psychischen
Gesundheit bei Erwachsenen in Deutschland. Ergebnisse der
bevölkerungsrepräsentativen Querschnittsstudie Gesundheit in Deutschland
aktuell (GEDA) 2010
Autoren
Maske UE, Busch MA, Jacobi F, Riedel-Heller SG, Scheidt-Nave C, Hapke U
Bibliographie
Psychiatr Prax. 2013; 40(4): 207-213
Sonderdruck
fürpriva
teZw
ecke
des
Autors
Chronische somatische Erkrankungen und Beeinträchtigung der psychischenGesundheit bei Erwachsenen in DeutschlandErgebnisse der bevölkerungsrepräsentativen Querschnittsstudie Gesundheitin Deutschland aktuell (GEDA) 2010Chronic Somatic Conditions and Mental Health Problems in the General Population in GermanyResults of the National Telephone Health Interview Survey “German Health Update (GEDA)” 2010
Autoren Ulrike E. Maske1, Markus A. Busch1, Frank Jacobi2, Steffi G. Riedel-Heller3, Christa Scheidt-Nave1, Ulfert Hapke1
Institute 1 Robert Koch-Institut, Abt. Epidemiologie und Gesundheitsmonitoring, Berlin2 Psychologische Hochschule Berlin3 Institut für Sozialmedizin, Arbeitsmedizin und Public Health, Universität Leipzig
Schlüsselwörter●" chronische Erkrankung●" psychische Störung●" Komorbidität●" Depression●" MHI-5
Keywords●" chronic disease●" psychologic impairment●" comorbidity●" depression●" MHI-5
BibliografieDOI http://dx.doi.org/10.1055/s-0033-1343103Online-Publikation: 5.4.2013Psychiat Prax 2013; 40:207–213© Georg Thieme Verlag KGStuttgart · New YorkISSN 0303-4259
KorrespondenzadresseUlrike MaskeRobert Koch-Institut,Abt. Epidemiologie undGesundheitsmonitoringGeneral-Pape-Straße 6412101 [email protected]
Originalarbeit 207
Einleitung!
Eine erhöhte Komorbidität von psychischen Stö-rungen und somatischen Erkrankungen ist in vie-len Studien belegt [1–4]. Dies geht oftmals mitgeringerer Lebensqualität, Arbeitsausfällen, er-höhter Mortalität und höheren Krankheitskosteneinher, als wenn nur die psychische Störung odernur die somatische Erkrankung vorliegt [5–9].Depressionen gehören zu den häufigsten psy-chischen Störungen. Aktuelle Ergebnisse der „Stu-die zur Gesundheit Erwachsener in Deutschland“(DEGS) auf Basis des Composite International Di-agnostic Interview (CIDI) zeigen, dass 7,9% derBevölkerung in Deutschland zwischen 18 und 79Jahren innerhalb eines Jahres eine unipolare De-pression haben [10]. Mit Depressionen sind eben-falls Arbeitsausfälle, erhöhte Mortalität und hoheKrankenkosten verbunden, nicht zuletzt aufgrundvon Komorbidität mit somatischen Erkrankungen[8, 11–14].Aufgrund der erhöhten Lebenserwartung spielenvor allem chronische somatische Erkrankungenund deren komorbides Auftreten eine große Rollefür die Versorgung und Krankheitskosten [15].Studien zum Zusammenhang von Depressionund chronischen somatischen Erkrankungen ha-ben einen engen Zusammenhang gezeigt [16, 17].Nationale und internationale Studien haben au-ßerdem ergeben, dass der Zusammenhang vonDepression und der Anzahl komorbider somati-
scher Erkrankungen mit jeder zusätzlichen soma-tischen Erkrankung stärker wird [11, 18]. Es zeig-te sich außerdem, dass die Assoziation von De-pression und körperlichen Erkrankungen in un-terschiedlichen Altersgruppen unterschiedlichstark ist [17, 18].In Deutschland sind Studien zum Zusammenhangvon chronischen Erkrankungen und Beeinträchti-gung der psychischen Gesundheit bislang auf denAltersbereich 18–65 Jahre beschränkt und liegenmit dem Bundesgesundheitssurvey 1998 (BGS98)bereits 15 Jahre zurück [19] oder decken nur starkselektierte Stichproben ab [4, 11]. Ergebnisse desDEGS liegen hierzu noch nicht vor [20].Anhand einer aktuellen, großen bevölkerungsre-präsentativen Stichprobe soll für Erwachsene imjüngeren (18–44 Jahre), mittleren (45–64 Jahre)und höheren Alter (65 Jahre und älter) untersuchtwerden, ob mit somatischen Erkrankungen eineBeeinträchtigung der psychischen Gesundheiteinhergeht, und ob es mit erhöhter somatischerKrankheitslast häufiger Beeinträchtigungen derpsychischen Gesundheit gibt.
Methode!
Studiendesign und StichprobenziehungDatengrundlage bildete die für über 18-Jährigebevölkerungsrepräsentative telefonische Studie„Gesundheit in Deutschland aktuell (GEDA) 2010“
Maske UE et al. Chronische somatische Erkrankungen… Psychiat Prax 2013; 40: 207–213
Zusammenfassung!
Anliegen: Untersuchung des Zusammenhangsvon chronischen somatischen Erkrankungen undBeeinträchtigung der psychischen Gesundheit.Methode: In einer repräsentativen Stichprobe Er-wachsener in Deutschland (n=22050) wurden 19somatische Erkrankungen, diagnostizierte De-
pression und aktuelle psychische Belastung er-fasst.Ergebnisse: Ein Zusammenhang von somatischerErkrankung und psychischer Gesundheit liegtvor. Dieser ist je nach Lebensalter unterschiedlichstark.Schlussfolgerungen: Besonders bei somatischmultimorbiden Patienten sollte eine komorbidepsychische Störung in Betracht gezogen werden.
Sonderdruck
fürpriva
teZw
ecke
des
Autors
(Sept. 2009 bis Juli 2010) des Robert Koch-Instituts (RKI) [21], dieals Querschnittsstudie bei Erwachsenen durchgeführt wurde.Grundgesamtheit der Stichprobe waren alle Haushalte mit Fest-netzanschluss oder virtueller Festnetznummer. Zunächst wur-den nach dem Gabler-Häder-Design [22] zufällig Telefonnum-mern von Privathaushalten generiert, angewählt und dann dieZielperson aus den Haushaltsmitgliedern über 18 Jahre durchdie Last-Birthday-Methode ermittelt [21]. In den meisten Fällenwaren Terminvereinbarungen zur Erreichung der Zielpersonund zur Interviewdurchführung notwendig. Die Befragung wur-de standardisiert und computergestützt von geschulten Intervie-wern werktags durchgeführt, die durchschnittliche Inter-viewdauer betrug 31Minuten. Die Qualität der Interviewführungwurde von Supervisoren anhand einer an internationalen Stan-dards orientierten Checkliste sichergestellt [21, 23].
Beeinträchtigung der psychischen GesundheitBeeinträchtigung der psychischen Gesundheit wurde anhandzweier Indikatoren erfasst [21]. Diagnostizierte Depression wur-dewie folgt erfragt: „Hat ein Arzt oder Psychotherapeut bei Ihnenjemals eine Depression oder eine depressive Verstimmung fest-gestellt?“ Bei Bejahung wurde weiter gefragt: „Auch in den letz-ten 12 Monaten?“Aktuelles psychisches Wohlbefinden wurde mit dem MentalHealth Inventory (MHI-5) gemessen [21, 24]. Der MHI-5 wirdfür bevölkerungsbezogene Untersuchungen empfohlen [25] undzeigte als Screeninginstrument für psychische Störungen guteValidität u.a. für das Erkennen von affektiven Störungen [26].Die Teilnehmenden wurden gefragt, wie oft sie in den letzten 4Wochen „sehr nervös“, „so niedergeschlagen, dass sie nichtsmehr aufheitern konnte“, „ruhig und gelassen“, „entmutigt undtraurig“ und „glücklich“ waren (Antwortmöglichkeiten: immer,meistens, manchmal, selten, nie). Nach Datentransformation la-gen Werte zwischen 0 (minimale psychische Gesundheit) und100 (maximale psychische Gesundheit) vor. Entsprechend inter-nationaler Studien wurden Personen mit einem Summenscorevon 50 und weniger als aktuell psychisch belastet gewertet, wo-bei es in diesem Wertebereich als sehr wahrscheinlich gilt, dasseine psychische Störung vorliegt [26, 27].
Chronische somatische ErkrankungenÄrztlich diagnostizierte chronische somatische Erkrankungenwurden anhand einer Krankheitsliste von 19 chronischen soma-tischen Erkrankungen standardisiert und nach demselben Sche-ma abgefragt. Zum Beispiel lautete die Frage für chronische Le-bererkrankungen: „Hat ein Arzt bei Ihnen jemals eine chronischeLebererkrankung festgestellt?“ Bei Bejahung wurde weiter ge-fragt: „Bestand diese Lebererkrankung auch in den letzten 12Monaten?“ Entsprechend anderen GEDA-Publikationen wurdenfolgende Erkrankungen und Gesundheitsprobleme berücksich-tigt, wenn sie in den letzten 12 Monaten bestanden hatten[28, 29]: Bluthochdruck und Fettstoffwechselstörung (behandelt,unbehandelt), Diabetes, Adipositas (BMI ≥30kg/m2 [30] basie-rend auf Selbstangabe von Größe und Gewicht), Herzinsuffizienz,Asthma, chronische Bronchitis, chronische Lebererkrankung,Niereninsuffizienz, Arthrose, Arthritis, Osteoporose (bei Perso-nen ≥50 Jahren gefragt), chronische Rückenschmerzen (≥3 Mo-nate), schwere Hör- und schwere Sehbeeinträchtigung. Fernerwurden folgende Erkrankungen berücksichtigt, auch wenn sieschon vor den letzten 12 Monaten aufgetreten waren [28, 29]:Schlaganfall, Herzinfarkt, andere koronare Herzerkrankung undKrebserkrankungen. Daraus wurde die „Anzahl chronischer so-
matischer Erkrankungen“ mit den Ausprägungen 0, 1, 2, 3 und 4oder mehr berechnet. Dies soll das Krankheitsgeschehen in denAltersgruppen möglichst differenziert abbilden, was bei der ge-bräuchlichen Einteilung in 0, 1 und 2 oder mehr Erkrankungennicht möglich ist.
SoziodemografieDie 3 Altersgruppen 18–44, 45–64 und 65 Jahre und älter wur-den gebildet. Geschlecht und Familienstand (verheiratet, mitEhepartner zusammenlebend; verheiratet, getrennt lebend; le-dig; geschieden; verwitwet) wurden direkt erfragt. Der Bildungs-standwurde auf Basis des höchsten Schul- und Berufsabschlussesnach der Comparative Analysis of Social Mobility in IndustrialNations (CASMIN) in einfache, mittlere und höhere Bildung ein-geteilt [31]. Soziale Unterstützung wurde mit der Oslo 3-itemsSocial-Support-Scale mit den Ausprägungen geringe (Score 3–8),mittlere (Score 9–11) und starke Unterstützung (Score 12–14)erfasst [32].
Statistische MethodenUm unterschiedliche Auswahlwahrscheinlichkeiten und Teilnah-mebereitschaften zu berücksichtigen, wurden die deskriptivenAnalysen sowie die logistischen Regressionsanalysen mit ge-wichteten Daten und dem SPSS Modul Complex Samples durch-geführt.Für die Berechnung der Gewichtewurden zunächst die Designge-wichte umgekehrt proportional zur Auswahlwahrscheinlichkeitder Befragten berechnet. Anschließend wurden die Daten an dieBevölkerung ab 18 Jahren in Deutschland (Jahr 2008) angepasst,unter Berücksichtigung von Bundesland des Wohnorts, Alters-klasse, Geschlecht (Datengrundlage: Daten des Statistischen Bun-desamtes zum Bevölkerungstand zum 31.12.2008) und ISCED-Bildungsgruppe (Datengrundlage: Mikrozensus 2008) [21].Prävalenzen wurden als gewichtete Anteilswerte berechnet undmit 95%-Konfidenzintervallen (95%-KI) berichtet. Unterschiedegelten als statistisch signifikant, wenn sich die jeweiligen 95%-KI nicht überschneiden. Die Zusammenhänge von diagnostizier-ter Depression bzw. psychischer Belastung mit chronischen so-matischen Erkrankungen wurden mit gewichteten Daten undunter Nutzung der Complex Samples-Prozeduren mittels logisti-scher Regressionsanalysen untersucht, in denen für Geschlecht,Bildung, Familienstand und soziale Unterstützung adjustiertwurde, da eine Assoziation dieser Variablen mit der psychischenund somatischen Gesundheit anzunehmen ist [15, 19, 33]. Refe-renzkategorie für die Regressionsanalysen war bei den 18–44-und 45–64-Jährigen „0 chronische somatische Erkrankung“, beiden über 64-Jährigen „0 oder 1 chronische somatische Erkran-kung“. Bei diesen lagen n=10 Fälle vor, die keine Erkrankung,aber eine Depressionsdiagnose hatten, sodass die Referenzkate-gorie „0 chronische somatische Erkrankung“ dem Krankheitsge-schehen in dieser Altersgruppe unangemessen schien.Alle Analysen wurden mit IBM SPSS Statistics 20 durchgeführt.
Ergebnisse!
Die soziodemografischen Merkmale der Stichprobe sind gewich-tet und ungewichtet in●" Tab.1 dargestellt.●" Tab.2 zeigt diePrävalenz von selbstberichteter diagnostizierter Depression inden letzten 12 Monaten bzw. aktueller psychischer Belastung inden letzten 4Wochen laut MHI-5. Eine aktuelle psychische Belas-tung kam in allen Altersgruppen häufiger vor als diagnostizierte
Maske UE et al. Chronische somatische Erkrankungen… Psychiat Prax 2013; 40: 207–213
Originalarbeit208
Sonderdruck
fürpriva
teZw
ecke
des
Autors
Depression. Die Prävalenz von diagnostizierter Depression in denletzten 12 Monaten war bei den 18–44-Jährigen am höchsten(9,7%), die Prävalenz einer aktuellen psychischen Belastung beiden über 64-Jährigen (11,9%). Frauen hatten durchweg häufigereine Beeinträchtigung der psychischen Gesundheit als Männer.In den Altersgruppen der 18–44- und 45–64-Jährigen gabenPersonen mit mindestens einer chronischen somatischen Er-krankung mehr als doppelt so häufig eine Depressionsdiagnosean und erfüllten 2,5- bis 3-mal so häufig die Kriterien einer psy-
chischen Belastung wie somatisch Gesunde (●" Tab.3). Bei denüber 64-Jährigen berichteten Personenmit mindestens 2 somati-schen Erkrankungen 3,3-mal so häufig eine Depressionsdiagnosewie Personen mit keiner oder einer Erkrankung, eine aktuellepsychische Belastung kam fast doppelt so häufig vor wie bei Ge-sunden.Die adjustierte logistische Regressionsanalyse zum Zusammen-hang unterschiedlicher Anzahlen chronischer Erkrankungenund Beeinträchtigung der psychischen Gesundheit ergab, dass
Tab. 1 Beschreibung der Stich-probe.
gesamt
n1 % ungewichtet
(95%-KI)
% gewichtet
(95%-KI)
gesamt 22050
Geschlecht
Frauen 12483 56,6 51,5 (50,6–52,3)
Männer 9 567 43,4 48,5 (47,7–49,4)
Alter
18–29 J. 3 831 17,4 16,9 (16,3–17,5)
30–39 J. 3 564 16,2 15,5 (14,9–16,1)
40–49 J. 4 992 22,6 20,4 (19,8–21,1)
50–59 J. 3 931 17,8 16,5 (15,9–17,1)
60–69 J. 3 207 14,5 13,7 (13,1–14,3)
70–79 J. 1 956 8,9 13,1 (12,4–13,8)
80 + 569 2,6 3,9 (3,5–4,3)
Familienstand
verheiratet, mit Ehepartner zusammenlebend 11652 52,9 58,5 (57,6–59,3)
verheiratet, getrennt lebend 558 2,5 1,7 (1,5–1,9)
ledig 6 087 27,7 24,3 (23,6–25)
geschieden 2052 9,3 6,9 (6,5–7,3)
verwitwet 1 660 7,5 8,6 (8–9,2)
Bildung2
einfache Bildung 5081 23,1 35,6 (34,8 –36,5)
mittlere Bildung 10968 49,9 49,6 (48,8–50,5)
höhere Bildung 5924 27,0 14,7 (14,3–15,2)
soziale Unterstützung3
geringe Unterstützung 2802 13,1 15,6 (14,9 –16,3)
mittlere Unterstützung 10482 48,9 49,0 (48,1–49,8)
starke Unterstützung 8136 38,0 35,4 (34,6–36,3)
1 ungewichte Anzahl; 2 CASMIN: Comparative Analysis of Social Mobility in Industrial Nations; 3 Oslo 3-items Social-Support-Scale
Tab. 2 Prävalenz selbstberichte-ter Depressionsdiagnose in denletzten 12 Monaten und aktuellerpsychischer Belastung für gesamtund Geschlecht, stratifiziert nachAltersgruppen.
diagnostizierte Depression
(12-Monats-Prävalenz)
psychische Belastung (MHI-5)
n1 % gewichtet (95%-KI) n1 % gewichtet (95%-KI)
gesamt
Frauen 1128 9,0 (8,4–9,7) 1457 13,5 (12,7–14,4)
Männer 490 5,1 (4,6–5,7) 625 7,3 (6,6–8,1)
gesamt 1618 7,1 (6,7–7,6) 2086 10,5 (10,0–11,1)
18–44 Jahre
Frauen 422 7,5 (6,7–8,4) 597 11,5 (10,5–12,6)
Männer 179 4,3 (3,5–5,1) 275 6,6 (5,7–7,6)
gesamt 601 5,8 (5,3–6,4) 872 9,0 (8,3–9,7)
45–64 Jahre
Frauen 531 11,8 (10,7–13,1) 583 14,6 (13,3–16,1)
Männer 248 7,6 (6,5–8,8) 240 8,4 (7,2–9,9)
gesamt 779 9,7 (8,9–10,6) 823 11,5 (10,6–12,5)
65 Jahre und älter
Frauen 175 7,9 (6,6–9,5) 277 15,4 (13,3–17,7)
Männer 63 3,0 (2,1 –4,1) 110 7,1 (5,6–9,1)
gesamt 238 5,8 (4,9–6,9) 387 11,9 (10,5–13,4)
1 ungewichtete Anzahl
Maske UE et al. Chronische somatische Erkrankungen… Psychiat Prax 2013; 40: 207–213
Originalarbeit 209
Sonderdruck
fürpriva
teZw
ecke
des
Autors
bei den 18–44-Jährigen mit zunehmender Anzahl chronischerErkrankungen eine Depressionsdiagnose und eine aktuelle psy-chische Belastung häufiger vorkommen (●" Abb.1). Bei den 45–64-Jährigen gab es einen signifikanten Anstieg der Depressions-diagnosen erst bei 2 somatischen Erkrankungen. Bei den über64-Jährigen wurde eine Depression bei Vorliegen von 2 chroni-
schen somatischen Erkrankungen 2,2-mal so häufig berichtetwie bei Personen mit keiner oder einer somatischen Erkrankung.Eine aktuelle psychische Belastung kam in dieser Altersgruppebei Vorliegen von 4 oder mehr somatischen Erkrankungen signi-fikant häufiger vor.
Tab. 3 Zusammenhang zwischen chronischer somatischer Erkrankung und diagnostizierter Depression bzw. aktueller psychischer Belastung, stratifiziertnach Altersgruppen.
18–44 Jahre 45–64 Jahre 65 Jahre und älter
OR* (95%-KI) OR* (95%-KI) OR* (95%-KI)
diagnostizierte Depression in denletzten 12 Monaten
0 chronische somatische Erkrankung Ref. Ref. 0 oder 1 chronische somatischeErkrankung
Ref.
1 oder mehr chronische somatischeErkrankung
2,2 (1,7–2,7) 3,0 (2,3–3,9) 2 oder mehr chronische somatischeErkrankungen
3,3 (2,0–5,3)
aktuelle psychische Belastung
0 chronische somatische Erkrankung Ref. Ref. 0 oder 1 chronische somatischeErkrankung
Ref.
1 oder mehr chronische somatischeErkrankung
2,3 (1,9–2,8) 2,5 (2–3,3) 2 oder mehr chronische somatischeErkrankungen
1,8 (1,2–2,7)
* adj. für Geschlecht, Familienstand, Bildung, soziale Unterstützung; Ref.=Referenzkategorie
12
43
5OR*
Anzahl somatischer Erkrankungen Anzahl somatischer Erkrankungen
210
1 2 3 4 +
109
11
876
diagnostizierte Depression in denletzten 12 Monaten
18 –
44
Jahr
e45
– 6
4 Ja
hre
65 Ja
hre
und
älte
r
12
43
5OR*
210
1 2 3 4 +
109
11
876
aktuelle psychische Belastung
diagnostizierte Depression in denletzten 12 Monaten aktuelle psychische Belastung
diagnostizierte Depression in denletzten 12 Monaten aktuelle psychische Belastung
12
43
5OR*
Anzahl somatischer Erkrankungen Anzahl somatischer Erkrankungen
210
1 2 3 4 +
109
11
876
12
43
5OR*
210
1 2 3 4 +
109
11
876
12
43
5OR*
Anzahl somatischer Erkrankungen Anzahl somatischer Erkrankungen
210
2 3 4 +
109
11
876
12
43
5OR*
210
2 3 4 +
109
11
876
Referenzkategorie: 18 – 44 Jahre, 45 – 64 Jahre: 0 somatische Erkrankung65 Jahre und älter: 0 oder 1 somatische Erkrankung* adj. für Geschlecht, Familienstand, Bildung, soziale Unterstützung
Abb.1 Odds Ratios für den Zusammenhangzwischen der Anzahl chronischer somatischer Er-krankungen und diagnostizierter Depression bzw.aktueller psychischer Belastung, stratifiziert nachAltersgruppen.
Maske UE et al. Chronische somatische Erkrankungen… Psychiat Prax 2013; 40: 207–213
Originalarbeit210
Sonderdruck
fürpriva
teZw
ecke
des
Autors
Diskussion!
Die Ergebnisse zeigen, dass in allen Lebensaltern mit chronischensomatischen Erkrankungen eine Beeinträchtigung der psy-chischen Gesundheit einhergeht, allerdings in unterschiedlichemAusmaß.Die Prävalenz der selbstberichteten diagnostizierten Depressionin den letzten 12 Monaten beträgt insgesamt 7,1%, sie liegt somitetwa 1 Prozentpunkt niedriger als die im DEGS mit dem CIDI-In-terview erfasste Prävalenz einer unipolaren Depression (7,9%)[10]. Diese eher geringe Differenz erstaunt, da psychische Störun-gen erstens nicht immer erkannt und behandelt werden undzweitens auch nicht jede vermutete oder erkannte Depressionunmittelbar als Diagnose „fixiert“ wird [34–36]. Zugleich ist al-lerdings denkbar, dass möglicherweise insbesondere im haus-ärztlichen Bereich eine Depressionsdiagnose auch bei Patientenvergeben wird, die die diagnostischen Kriterien nicht erfüllen,aber eine andere psychische Störung haben [37].Eine aktuelle psychische Belastung wurde bei 10,5% der Stich-probe festgestellt. Die Prävalenz aktueller psychischer Belastungfällt bei den über 64-Jährigen nicht ab, wie es bei den Depres-sionsdiagnosen der Fall ist. Dies könnte dafür sprechen, dass De-pressionen wegen stärkerer körperlicher Symptomatik bei älte-ren Personen seltener diagnostiziert werden oder dass im höhe-ren Lebensalter depressive Störungen öfter im subklinischen Be-reich auftreten [38].Die vorgestellten Ergebnisse replizieren den starken altersspezi-fischen Zusammenhang von psychischen und somatischen Er-krankungen [17, 18]. Bei Erwachsenen jüngeren und mittlerenAlters ist eine Beeinträchtigung der psychischen Gesundheit beimindestens einer chronischen somatischen Erkrankung signifi-kant häufiger. Bei Älteren liegt eine Beeinträchtigung der psy-chischen Gesundheit bei 2 oder mehr chronischen somatischenErkrankungen signifikant häufiger vor, als wenn keine oder einesomatische Erkrankung vorhanden ist. Folglich sprechen die Er-gebnisse ebenfalls für einen Zusammenhang von somatischer Er-krankung und psychischer Gesundheit bei über 64-Jährigen. Mitzunehmender Anzahl somatischer Erkrankungen steigt die Stär-ke des Zusammenhangs bei jüngeren und mittelalten Erwachse-nen, was die Ergebnisse von Kessler et al. stützt [17]. Studienohne Altersstratifizierung ergeben jeweils höhere Odds Ratiosfür Depression je zusätzlicher somatischer Erkrankung, währendandere Arbeiten diese Tendenz bei jüngeren Erwachsenen, nichtaber bei Personen im höheren Lebensalter zeigen [17]. In allenAltersgruppen haben besonders multimorbide Personen mit 4oder mehr chronischen Erkrankungen deutlich häufiger eine Be-einträchtigung der psychischen Gesundheit als Gesunde.Der Zusammenhangmit chronischen Erkrankungen zeigt sich beiden 45–64- und über 64-Jährigen für diagnostizierte Depressioninsgesamt deutlicher als für aktuelle psychische Belastung, wobeimögliche Gründe hier nur angedacht werden können. Ein Grundkönnte sein, dass die verwendeten Indikatoren einen unter-schiedlichen Zeitbezug haben, wobei die diagnostizierte Depres-sion – wie die erhobenen chronischen somatischen Erkrankun-gen mindestens auch – sich auf die letzten 12 Monate bezieht,der MHI-5 nur auf die letzten 4 Wochen. Beide Indikatoren erhe-ben außerdem unterschiedliche Aspekte psychischer Beeinträch-tigung, die psychische Belastung laut MHI-5 ist mit einer gutenSensitivität für depressive und Angststörungen breiter und somitunspezifischer.
Stärken und LimitationenGEDA ist eine aktuelle standardisierte bevölkerungsrepräsentati-ve Studie zu Erwachsenen in Deutschland, die auch Personen imhöheren Lebensalter enthält. Die erzielte Ausschöpfung ent-sprach der Erwartung für Telefonumfragen in Deutschland oderden USA in den letzten Jahren [21]. Bezüglich der Repräsentativi-tät ist zu bedenken, dass im Jahr 2008 etwa 10% aller Haushaltein Deutschland kein Festnetztelefon hatten, besonders häufigkam dies bei jüngeren Personen vor [39]. Die vorgenommene An-passungsgewichtung gewährleistet jedoch einen Ausgleich mög-licher Über- oder Unterrepräsentation durch die Art der Stich-probenziehung oder unterschiedliche Teilnahmebereitschaften.Insgesamt kann folglich von einer guten Verallgemeinerbarkeitder Ergebnisse auf die deutschsprachige Bevölkerung in Privat-haushalten ab 18 Jahren ausgegangen werden. Nicht in derGrundgesamtheit enthalten sind institutionalisierte Personen.Eine Folge davon könnte eine Unterschätzung der Häufigkeitenund der Stärke der Zusammenhänge sein.Das querschnittliche Design lässt keine kausalen Aussagen übersomatopsychische Zusammenhänge zu, dennoch können die Be-funde sinnvoll interpretiert werden. Die einbezogenen „Volks-krankheiten“ wie koronare Herzkrankheit oder Diabetes lassenzumindest auch auf Verhaltensstörungen hinsichtlich ihrer Risi-kofaktoren (z.B. Überernährung, Bewegungsmangel, Rauchen,Alkoholkonsum) schließen, weshalb es nicht verwundert, dasseingeschränkte psychische Gesundheit und körperliche Erkran-kungen miteinander einhergehen [40, 41].
FazitAuf der Grundlage der vorgestellten Ergebnisse scheint es bei Er-wachsenen jüngeren und mittleren Alters schon bei einer vor-handenen chronischen Erkrankung wichtig, auf eine möglichekomorbide psychische Belastung oder Störung zu achten undggf. in die Behandlung einzuschließen. Ob dies auch bei älterenPatienten ratsam wäre und inwiefern auch die jeweilige Art derErkrankung(en) zu berücksichtigen ist, lässt sich aufgrund dervorgestellten Ergebnisse nicht beurteilen. Es wird jedoch deut-lich, dass in jedem Lebensalter besonders bei somatisch starkmultimorbiden Patienten eine komorbide psychische Störung inBetracht gezogen werden sollte. Und auch umgekehrt könnte essinnvoll sein, in psychiatrischen Behandlungssettings wie psychi-atrischen Kliniken, die körperliche Gesundheit verstärkt in denBlick zu nehmen. So könnte die Krankheitslast direkt verringertund das Gesundheitsverhalten gefördert werden.Um kausale Zusammenhänge zu untersuchen, sind Längsschnitt-studien nötig, was mit dem BGS98, DEGS und dem Zusatzmodulzur psychischen Gesundheit möglich sein wird [20]. Außerdemwären Wirksamkeitsstudien sinnvoll, um evidenzbasierte Emp-
Konsequenzen für Klinik und Praxis
▶ Die Ergebnisse zeigen, dass in der Bevölkerung in Deutsch-land Personen mit chronischer somatischer Erkrankunghäufiger eine Beeinträchtigung der psychischen Gesund-heit haben als somatisch Gesunde.
▶ Besonders bei multimorbiden Patienten sollte ungeachtetdes Alters eine mögliche komorbide psychische Störung inBetracht gezogen werden.
▶ Bei jüngeren und mittelalten Erwachsenen sollte einemögliche psychische Störung schon bei einer vorhandenenchronischen Erkrankung bedacht werden.
Maske UE et al. Chronische somatische Erkrankungen… Psychiat Prax 2013; 40: 207–213
Originalarbeit 211
Sonderdruck
fürpriva
teZw
ecke
des
Autors
fehlungen zur integrierten Behandlung von psychischen Störun-gen bei multimorbiden Patienten zu entwickeln [42].
Interessenkonflikt!
Die Autorin gibt an, dass kein Interessenkonflikt besteht.
Abstract
Chronic Somatic Conditions and Mental HealthProblems in the General Population in Germany!
Objective: To assess the association of chronic somatic diseasesand mental health problems in the general population in Ger-many.Methods: The data (n=22050) derived from the representativecross-sectional telephone survey “Gesundheit in Deutschland ak-tuell (GEDA) 2010”. It included self-reported information on di-agnosis of 19 chronic physical conditions for at least 18-year-oldpeople. Mental health problems encompass self-reported diag-nosis of depression and recent mental distress according to theMental Health Inventory (MHI-5). Age-specific adjusted logisticregressions were calculated.Results: There was an association of chronic physical illness andmental health problems in all age groups. In 18–44 and 45–64-year-olds the association got stronger with each additionalchronic disease. In all age groups mental health problems weremost common in multimorbid subjects.Conclusion: Comorbid mental health problems should beaccounted for particularly in multimorbid subjects of all ages. Inyounger patients mental health problems should be consideredeven if only one chronic disease is present.
Literatur1 Lin WC, Zhang J, Leung GY et al. Chronic physical conditions in older
adults withmental illness and/or substance use disorders. J Am GeriatrSoc 2011; 59: 1913–1921
2 Iacovides A, Siamouli M. Comorbid mental and somatic disorders: anepidemiological perspective. Curr Opin Psychiatry 2008; 21: 417–421
3 Baune BT, Adrian I, Jacobi F. Medical disorders affect health outcomeand general functioning depending on comorbid major depression inthe general population. J Psychosom Res 2007; 62: 109–118
4 Harter M, Baumeister H, Reuter K et al. Increased 12-month prevalencerates of mental disorders in patients with chronic somatic diseases.Psychother Psychosom 2007; 76: 354–360
5 Baumeister H, Balke K, Harter M. Psychiatric and somatic comorbiditiesare negatively associated with quality of life in physically ill patients. JClin Epidemiol 2005; 58: 1090–1100
6 Evans DL, Charney DS, Lewis L et al. Mood disorders in themedically ill:scientific review and recommendations. Biol Psychiatry 2005; 58:175–189
7 Buist-Bouwman MA, de Graaf R, Vollebergh WA et al. Comorbidity ofphysical and mental disorders and the effect on work-loss days. ActaPsychiatr Scand 2005; 111: 436–443
8 van Melle JP, de Jonge P, Spijkerman TA et al. Prognostic association ofdepression following myocardial infarction with mortality and cardio-vascular events: a meta-analysis. Psychosom Med 2004; 66: 814–822
9 Scott KM, von Korff M, Alonso J et al. Mental-physical co-morbidity andits relationship with disability: results from the World Mental HealthSurveys. Psychol Med 2009; 39: 33–43
10 Wittchen HU, Jacobi F et al. Zur Häufigkeit psychischer Störungen in derBevölkerung 2012. Vortrag auf dem DGPPN Kongress; 21.–24.11.2012:Berlin
11 Pieper L, Schulz H, Klotsche J et al. Depression as a comorbid disorder inprimary care. Bundesgesundheitsblatt Gesundheitsforschung Gesund-heitsschutz 2008; 51: 411–421
12 Luppa M, Heinrich S, Angermeyer MC et al. Cost-of-illness studies of de-pression: a systematic review. J Affect Disord 2007; 98: 29–43
13 Lehnert T, Konnopka A, Riedel-Heller S et al. Diabetes und komorbideDepression: Systematische Literaturübersicht gesundheitsökonomi-scher Studien. Psychiat Prax 2011; 38: 369–375
14 Wedegärtner F, Arnhold-Kerri S, Sittaro N-A et al. Invalidität und Tod beiErwerbsfähigen mit Depressionen. Psychiat Prax 2011; 38: 135–141
15 Marengoni A, Angleman S, Melis R et al. Aging with multimorbidity: asystematic review of the literature. Ageing Res Rev 2011; 10: 430–439
16 Katon WJ. Epidemiology and treatment of depression in patients withchronic medical illness. Dialogues Clin Neurosci 2011; 13: 7–23
17 Kessler RC, BirnbaumH, Bromet E et al. Age differences inmajor depres-sion: results from the National Comorbidity Survey Replication (NCS-R). Psychol Med 2010; 40: 225–237
18 Kessler RC, Birnbaum HG, Shahly V et al. Age differences in the preval-ence and co-morbidity of DSM-IV major depressive episodes: resultsfrom theWHOWorldMental Health Survey Initiative. Depress Anxiety2010; 27: 351–364
19 Jacobi F,Wittchen HU,Holting C et al. Prevalence, co-morbidity and cor-relates of mental disorders in the general population: results from theGerman Health Interview and Examination Survey (GHS). PsycholMed2004; 34: 597–611
20 Scheidt-Nave C, Kamtsiuris P, Goesswald A et al. German health inter-view and examination survey for adults (DEGS) – design, objectivesand implementation of the first data collection wave. BMC PublicHealth 2012; 12: 730
21 Robert Koch-Institut (RKI). Daten und Fakten: Ergebnisse der Studie»Gesundheit in Deutschland aktuell 2010«. Berlin: RKI; 2012
22 Gabler S, Häder S, Hrsg. Generierung von Telefonstichproben mit Tel-SuSaAufl. Mannheim: Zentrum für Umfragen, Methoden und Analysen(ZUMA); 1999
23 CDC. Behavioral Risk Factor Surveillance System 2009. Summary DataQuality Report. Atlanta: U.S. Department of Health and Human Ser-vices; 2010
24 Berwick DM, Murphy JM, Goldman PA et al. Performance of a five-itemmental health screening test. Med Care 1991; 29: 169–176
25 Cuijpers P, Smits N, Donker T et al. Screening for mood and anxiety dis-orders with the five-item, the three-item, and the two-item MentalHealth Inventory. Psychiatry Res 2009; 168: 250–255
26 Rumpf HJ,Meyer C, Hapke U et al. Screening for mental health: validityof the MHI-5 using DSM-IV Axis I psychiatric disorders as goldstandard. Psychiatry Res 2001; 105: 243–253
27 Kelly MJ, Dunstan FD, Lloyd K et al. Evaluating cutpoints for the MHI-5and MCS using the GHQ-12: a comparison of five different methods.BMC Psychiatry 2008; 8: 10
28 Schienkiewitz A, Mensink GB, Scheidt-Nave C. Comorbidity of over-weight and obesity in a nationally representative sample of Germanadults aged 18-79 years. BMC Public Health 2012; 12: 658
29 Fuchs J, Busch M, Lange C et al. Prevalence and patterns of morbidityamong adults in Germany. Results of the German telephone health in-terview survey German Health Update (GEDA) 2009. Bundesgesund-heitsblatt Gesundheitsforschung Gesundheitsschutz 2012; 55: 576–586
30 World Health Organisation (WHO). Obesity: Preventing and Managingthe Global Epidemic. Report of a WHO consultation. Geneva: WHO;2000
31 Brauns H, Scherer S, Steinmann S. The CASMIN educational classifica-tion in international comparative research. A European working bookfor demographic and socio-economic variables. In: Hoffmeyer-ZlotnikJHP, Wolf C, eds. Advances in Cross-National Comparison. New York:Kluwer; 2003: 221–244
32 Dalgard OS, Dowrick C, Lehtinen V et al. Negative life events, social sup-port and gender difference in depression: a multinational communitysurvey with data from the ODIN study. Soc Psychiatry Psychiatr Epide-miol 2006; 41: 444–451
33 Blazer DG. Depression in late life: review and commentary. J Gerontol ABiol Sci Med Sci 2003; 58: 249–265
34 Jacobi F, Klose M, Wittchen HU. Mental disorders in the community:healthcare utilization and disability days. Bundesgesundheitsblatt Ge-sundheitsforschung Gesundheitsschutz 2004; 47: 736–744
Maske UE et al. Chronische somatische Erkrankungen… Psychiat Prax 2013; 40: 207–213
Originalarbeit212
Sonderdruck
fürpriva
teZw
ecke
des
Autors
35 Höfler M, Wittchen H-U. Why do primary care doctors diagnose de-pression when diagnostic criteria are not met? Int J Methods PsychiatrRes 2000; 9: 110–120
36 Pilars de Pilar M, Abholz H-H, Becker N et al. Was erzählen Hausärzteüber ihre Patienten, bei denen sie eine vorliegende Depression nichtdiagnostiziert haben? Psychiat Prax 2012; 39: 71–78
37 Wittchen HU, Winter S, Höfler M et al. Häufigkeit und Erkennensratevon Depression in der hausärztlichen Praxis. Fortschritte der Medizin2000; 118: 22–30
38 Weyerer S, Bickel H. Epidemiologie psychischer Erkrankungen im hö-heren Lebensalter. Stuttgart: W. Kohlhammer; 2007
39 Behrends S, Kott K. Zuhause in Deutschland. Ausstattung und Wohnsi-tuation privater Haushalte. Wiesbaden: Statistisches Bundesamt; 2009
40 Patten SB, Williams JV, Lavorato DH et al. Major depression as a riskfactor for chronic disease incidence: longitudinal analyses in a generalpopulation cohort. Gen Hosp Psychiatry 2008; 30: 407–413
41 Lim SS, Vos T, Flaxman AD et al. A comparative risk assessment of bur-den of disease and injury attributable to 67 risk factors and risk factorclusters in 21 regions, 1990–2010: a systematic analysis for the GlobalBurden of Disease Study 2010. Lancet 2013; 380: 2224–2260
42 Katon WJ, Lin EH, von Korff M et al. Collaborative care for patients withdepression and chronic illnesses. N Engl J Med 2010; 363: 2611–2620
Maske UE et al. Chronische somatische Erkrankungen… Psychiat Prax 2013; 40: 207–213
Originalarbeit 213
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 37
2.3 Prevalence and correlates of DSM-IV-TR major depressive disorder, self-reported
diagnosed depression and current depressive symptoms among adults in Germany
Autoren
Maske UE, Buttery AK, Beesdo-Baum K, Riedel-Heller SG, Hapke U, Busch MA
Bibliographie
J Affect Disord. 2015; 190: 167-177 (Epub)
Journal of Affective Disorders 190 (2016) 167–177
Contents lists available at ScienceDirect
Journal of Affective Disorders
http://d0165-03
AbbreagnosticagnosticDEGS1,DEGS1-PHQ-9,nomic s
n CorrE-m
journal homepage: www.elsevier.com/locate/jad
Research report
Prevalence and correlates of DSM-IV-TR major depressive disorder,self-reported diagnosed depression and current depressive symptomsamong adults in Germany
Ulrike E. Maske a,b, Amanda K. Buttery a,c, Katja Beesdo-Baumd,e, Steffi Riedel-Heller b,Ulfert Hapke a, Markus A. Busch a,n
a Robert Koch Institute, Dept. of Epidemiology and Health Monitoring, Berlin, Germanyb Institute for Social Medicine, Occupational Health and Public Health, University of Leipzig, Leipzig, Germanyc Faculty of Life Sciences and Medicine, King's College London, London, United Kingdomd Institute of Clinical Psychology and Psychotherapy, Technische Universität Dresden, Dresden, Germanye Behavioral Epidemiology, Technische Universität Dresden, Dresden, Germany
a r t i c l e i n f o
Article history:Received 26 May 2015Received in revised form30 September 2015Accepted 2 October 2015
Keywords:Major depressive disorderCIDIDepressive symptomsPHQ-9DiagnosisCorrelatesGeneral population
x.doi.org/10.1016/j.jad.2015.10.00627/& 2015 Elsevier B.V. All rights reserved.
viations: CIDI, Composite International Diagnand Statistical Manual of Mental Disorders,and Statistical Manual of Mental Disorders,German Health Interview and Examination SMH, Mental health module of DEGS1; MDD, MPatient Health Questionnaire nine item depretatusesponding author. Fax: þ49 30 18745 3211.ail address: [email protected] (M.A. Busch).
a b s t r a c t
Background: While standardized diagnostic interviews using established criteria are the gold standardfor assessing depression, less time consuming measures of depression and depressive symptoms arecommonly used in large population health surveys. We examine the prevalence and health-relatedcorrelates of three depression measures among adults aged 18–79 years in Germany.Methods: Using cross-sectional data from the national German Health Interview and Examination Surveyfor Adults (DEGS1) (n¼7987) and its mental health module (DEGS1-MH) (n¼4483), we analysed pre-valence and socio-demographic and health-related correlates of (a) major depressive disorder (MDD)established by Composite International Diagnostic Interview (CIDI) using DSM-IV-TR criteria (CIDI–MDD)in the last 12 months, (b) self-reported physician or psychotherapist diagnosed depression in the last 12months, and (c) current depressive symptoms in the last two weeks (PHQ-9, score Z10).Results: Prevalence of 12-month CIDI–MDD was 4.2% in men and 9.9% in women. Prevalence of 12-month self-reported health professional-diagnosed depression was 3.8% and 8.1% and of current de-pressive symptoms 6.1% and 10.2% in men and women, respectively. Case-overlap between measures wasonly moderate (32–45%). In adjusted multivariable analyses, depression according to all three measureswas associated with lower self-rated health, lower physical and social functioning, higher somatic co-morbidity (except for women with 12-month CIDI–MDD), more sick leave and higher health serviceutilization.Limitations: Persons with severe depression may be underrepresented. Associations between CIDI–MDDand correlates and overlap with other measures may be underestimated due to time lag between DEGS1and DEGS1-MH.Conclusions: Prevalence and identified cases varied between these three depression measures, but allmeasures were consistently associated with a wide range of adverse health outcomes.
& 2015 Elsevier B.V. All rights reserved.
ostic Interview; DSM-IV, Di-4th edition; DSM-IV-TR, Di-4th edition, text revision;urvey for Adults (DEGS1);ajor depressive disorder;ssion scale; SES, Socio-eco-
1. Introduction
Depression is one of the most common mental disorders and aleading cause of years of life lost due to disability and diseaseburden worldwide (Ferrari et al., 2013; Murray et al., 2012;Whiteford et al., 2013; Wittchen et al., 2011). Reliable data on theprevalence and consequences of depression in the general popu-lation are needed to estimate disease burden, inform healthcarepolicy and develop preventive strategies.
A key challenge in obtaining reliable population estimates of
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177168
depression arises from how the term depression is defined andused in the literature. The generic term depression is commonlyused to describe a broad spectrum of diverse conditions whichshare the common characteristic of disturbed mood. These con-ditions may range from isolated depressive symptoms of short-duration, through dysthymia or subthreshold depressive disorders,to major depressive disorders with variable severity and duration(American Psychiatric Association, 2013; Angst and Merikangas,1997; Ayuso-Mateos et al., 2010). Accordingly, measurement in-struments range from simple self-rating scales to screen for cur-rent depressive symptoms without differential diagnosis, such asthe Patient Health Questionnaire nine-item depression scale(PHQ-9) (Kroenke et al., 2001; Löwe et al., 2002), to fully-struc-tured diagnostic interviews such as the World Health Organisation(WHO) Composite International Diagnostic Interview (CIDI)(Kessler et al., 1998) to assess for major depressive disorder (MDD)using the Diagnostic and Statistical Manual of Mental Disorders(DSM) (American Psychiatric Association, 2013) criteria. In addi-tion to these different approaches, population surveys in the US(Reeves et al., 2011), Canada (Betancourt et al., 2014), Germany(Busch et al., 2013; Buttery et al., 2014; Maske et al., 2014) andother countries frequently employ questions about the history ofhealth professional-diagnosed depression to capture the reality ofclinical practice and the communication of depression diagnosisexperienced by respondents.
CIDI-defined major depression is the gold standard for esti-mating the burden of clinical depression in general populations(Haro et al., 2006; Wittchen et al., 1998). However, due to timeconstraints or specific research objectives, shorter and simplermeasures are commonly used in health surveys and general po-pulation samples. For example, sub-threshold depressive symp-toms are important to measure from a public health perspective asthey are associated with functional impairment (Rapaport et al.,2002) and other adverse health outcomes (Rodriguez et al., 2012).
The aim of this study is to provide up-to-date information onthe burden of depression in the general adult population in Ger-many by considering three different measures of depression. Weexamine the prevalence of MDD according to DSM-IV-TR criteria inthe last 12 months as assessed by CIDI interview, self-reported
Table 1Overview over the three depression measures.
Measure Method
Major depressive disorder accordingto DSM-IV-TR criteria
Composite International Diagnostic Interview(CIDI)
Diagnosed depression in clinicalpractice
Self-reported depression diagnosis made byphysician or psychotherapist
Current depressive symptoms basedon DSM-IV-TR criterion A
Patient Health Questionnaire nine-item de-pression scale (PHQ-9) sum score Z10 points
physician- or psychotherapist-diagnosed depression in the last 12months and current depressive symptoms in the last two weeks(PHQ-9 score) in a nationwide population-based study of adultsaged 18–79 years. As these three measures must be clearly dis-tinguished with regard to the underlying construct and the timeframe, Table 1 shows an overview of their main features. Asso-ciations of all three measures with a range of socio-demographiccharacteristics and health-related correlates, including self-ratedhealth, somatic comorbidity, indicators of impairment and func-tioning and health service use are examined.
2. Methods
2.1. Study design and sample
The German Health Interview and Examination Survey forAdults (DEGS1, field work 2008-2011) and its mental healthmodule (DEGS1-MH, field work 2009-2012) were conducted toobtain comprehensive information about the health of the non-institutionalized population aged 18-79 years in Germany. Thedesign, objectives and methods of DEGS1 and DEGS1-MH havebeen described in detail elsewhere (Gößwald et al., 2013; Jacobiet al., 2015; Jacobi et al., 2013; Kamtsiuris et al., 2013; Scheidt-Nave et al., 2012). In brief, a random sample of persons aged 18–79years stratified for sex, age and geographical location was selectedusing two-stage clustered random sampling (stage 1: 180 samplepoints from all German municipal communities; stage 2: partici-pants from local population registries of those sample points) andsupplemented by former participants of the previous GermanNational Health Interview and Examination Survey 1998 (Kamt-siuris et al., 2013; Scheidt-Nave et al., 2012). For DEGS1-MH, allDEGS1 participants with complete assessment (interview and ex-aminations) aged 18–79 years were eligible who had consented tobeing re-contacted for the mental health module, who had suffi-cient language skills and who were available during the assess-ment period (Jacobi et al., 2015; Jacobi et al., 2013).
In DEGS1, data was collected by self-administered writtenquestionnaire, standardized physician-administered computer-
Features and areas of application
� Assessment: fully-structured clinical diagnostic interview (face-to-face CAPIinterview)
� Time frame: last 12 months� Gold standard for assessing 12-month MDD according to DSM-IV criteria in
clinical and epidemiological studies� Allows for in-depth analyses on MDD subtypes, onset of episodes, analyses
beyond threshold diagnosis� Considers diagnostic exclusions on a lifetime basis (bipolar disorder, sub-
stance-induced depression, depression due to a general medical condition,bereavement)
� Assessment: physician-administered interview questions (face-to-face CAPIinterview): "Has a physician or psychotherapist ever diagnosed you with de-pression?”. If the answer was yes: “Was the depression present during the past12 months”
� Time frame: last 12 months� Measure for health surveys about mental disorders as identified and treated in
routine clinical care (in Germany: ICD-10 based)� Influenced by service utilization, severity, comorbidity and treatment status� Assessment: self-administered questionnaire with 9 items� Time frame: last 2 weeks� Measure of current depressive symptoms in clinical and epidemiological stu-
dies and in health surveys� Brief tool for screening and measuring severity of depressive symptoms and
syndromes in clinical practice� No diagnostic exclusions possible
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177 169
assisted personal interview (CAPI) and a range of physical, la-boratory and other measurements. In DEGS1-MH, in-depth in-formation on mental disorders including MDD was collected by afully-structured standardized computer-assisted interview (CIDI).The median time lag between DEGS1 and DEGS1-MH was 6 weeks(interquartile range, 5–25 weeks).
DEGS1 was approved by the federal and state commissionersfor data protection and by the ethics committee of Charité-Uni-versitätsmedizin Berlin (No. EA2/047/08). DEGS1-MH was ad-ditionally approved by the ethics committee of the TechnischeUniversität Dresden (No. EK174062009). All participants providedwritten informed consent prior to interview.
2.2. Measures of depression
MDD in the last 12 months based on diagnostic criteria of theDSM-IV-TR was assessed in DEGS1-MH with a modified Germanversion of the CIDI (DIA-X/M-CIDI) (Jacobi et al., 2013; Wittchenand Pfister, 1997). The CIDI is an internationally established,standardized computer-assisted psychiatric interview for the as-sessment of 12-month and lifetime diagnoses of mental disordersusing the diagnostic criteria of the DSM-IV (Kessler and Ustun,2004; Wittchen, 1994; Wittchen et al., 1998). A diagnosis of CIDI–MDD in the last 12 months (12-month CIDI–MDD) is based on thenine DSM-IV-TR symptoms (criterion A), which are assessed with30 single questions. CIDI–MDD is defined as the presence of atleast five of the nine depression symptoms, of which at least one isdepressed mood or decreased interest or pleasure on almost everyday for most of the time over a period of two weeks or longerduring the last 12 months. MDD diagnosis also requires distress orimpairment associated with these symptoms (DSM-IV criterion C)and absence of DSM-IV exclusion criteria which are: (1) symptomsdue to physical illness, injury or accident, (2) symptoms due tomedication, drugs or alcohol, (3) symptoms are explained by grief,and (4) lifetime manic or hypomanic episodes.
Self-reported health professional-diagnosed and commu-nicated depression was defined as a previous diagnosis of de-pression made by a physician or psychotherapist within the last 12months. In the physician-administered CAPI participants wereasked: “Have you ever been diagnosed with depression by aphysician or a psychotherapist?” and, if affirmed, “Was the de-pression present during the last 12 months?” (Busch et al., 2013).
Current depressive symptoms were assessed with the self-ad-ministered German version of the PHQ-9 (Kroenke et al., 2001;Löwe et al., 2002), which measures the presence and frequencywithin the last two weeks of the nine DSM-IV symptoms for de-pressive disorders (DSM-IV criterion A). Based on reported fre-quencies of symptoms, scores of 0 (“not at all “), 1 (“several days”),2 (“more than half the days”) or 3 (“nearly every day”) points areassigned to each item. Scores for individual items are summed(range 0–27 points). A score of 10 or more points indicates currentdepressive symptoms (Kroenke et al., 2001; Löwe et al., 2002).
2.3. Other measures
In DEGS1, socio-demographic variables included age, sex andmarital status (dichotomized into married and living with partnerversus separated, divorced, widowed or single). Self-perceivedlevels of social support were assessed using the Oslo-3 SocialSupport Scale (OSS-3) and categorized as poor (3–8 points),moderate (9–11 points) and strong support (12–14 points) (Dal-gard et al., 2006). Socio-economic status (SES) was classified aslow, middle and high using an index based on information oneducation, occupational status and net household income (Lam-pert et al., 2013). Community size was determined based on offi-cial administrative municipal codes for the place of residence and
categorized into rural (o5000 inhabitants), small town (5000 too20,000 inhabitants), medium-sized town (20,000 to o100,000)and large town (Z100,000 inhabitants) (Kamtsiuris et al., 2013).
Self-rated health was measured using the first question of theGerman version of the Short Form 36 (SF-36 version 2) (Ellert andKurth, 2013; Ware, 2000) and dichotomized as poor or fair versusgood, very good, or excellent.
Self-reported physician-diagnosed chronic somatic conditionswere assessed in DEGS 1 by the CAPI and included lifetime diag-noses of coronary heart disease (CHD) (myocardial infarction orother CHD), stroke, heart failure, chronic renal disease, cirrhosis ofthe liver, osteoarthritis, osteoporosis, Parkinson's disease andcancer. In addition, the presence of hypertension, diabetes, dysli-pidaemia, epilepsy, rheumatoid arthritis, gout, bronchial asthma,hepatitis, gastric-duodenal ulcer and inflammatory bowel diseasein the last 12 months was recorded. The total number of physician-diagnosed conditions (range 0–19) was grouped into none, one,and two or more chronic somatic conditions.
Physical functioning (PF) and social functioning (SF) were as-sessed in DEGS1 using SF-36 sub-scales (Ellert and Kurth, 2013;Ware, 2000). Established methods were used to calculate PF andSF scores (range 0-100), with higher values indicating betterfunctioning (Ellert and Kurth, 2013; Ware et al., 2007).
In DEGS1-MH, the number of days with limitations in daily lifeactivities due to physical or mental health problems in the pastfour weeks was assessed. Participants were asked on how manydays during the past four weeks they were a) totally limited and b)at least mildly limited in daily life activities by physical or mentalhealth problems. The total number of activity limitation days wascalculated by summing the numbers of days with total limitation(counted as 1) and mild limitation (counted as 0.5). The totalnumber of days was truncated at a maximum of 28 days.
The number of sick leave days from work in the last 12 monthswas assessed in DEGS1 among participants younger than 65 yearsin employment by self-administered questionnaire.
Healthcare use was recorded in DEGS1 by self-reports of anyepisodes of hospital admission for at least one night in the last 12months and the number of outpatient visits to any primary care orspecialist physician in the last 12 months.
2.4. Statistical analysis
All analyses were conducted for men and women separately.The prevalence of CIDI–MDD in the last 12 months, self-reportedhealth professional-diagnosed depression in the last 12 monthsand current depressive symptoms were calculated as percentageswith 95% confidence intervals (95% CI) of the total number of menand women with valid data. Participants with missing data on thethree depression measures were excluded from respective ana-lyses. Prevalence was stratified by socio-demographic character-istics. Differences in prevalence were considered statistically sig-nificant if 95% CI did not overlap. The percentage of case-overlapfor the three measures was calculated as formal concordance andagreement analyses between the three depression measures werenot considered appropriate due to conceptual differences betweenthe measures (clinical MDD, self-reported health professional-di-agnosed depression, current depressive symptoms) and the dif-ferent time frames used in their assessment (12 months versustwo weeks).
Associations between the three depression measures (depen-dent variables) and SES and community size (independent vari-ables) were examined with multiple logistic regression analysesadjusting for age, marital status, social support and the number ofchronic somatic conditions (and community size and SES, re-spectively). Participants with missing data on covariables wereexcluded from further analyses of associations.
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177170
Associations between health-related correlates (dependentvariables) and the three depression measures (independent vari-ables) were examined using a variety of regression methods. Lo-gistic regression models were used for binary outcome variables(poor/fair self-rated health; any sick leave days in the last 12months; any hospital admission in the last 12 months; any activitylimitation day in the last four weeks). Linear regression modelswere used for continuous outcome variables (SF-36 PF and SFscales). Multinomial logistic regression was used for the number ofchronic somatic conditions. For count outcome variables, negativebinomial regression was used without (number of outpatientphysician visits) or with zero-inflation (number of sick leave days;number of activity limitation days) based on testing for zero-in-flation with the Vuong test. Regression analyses were adjusted forage, SES, marital status, social support, number of chronic somaticconditions (except in analyses on the number of chronic condi-tions), and physical functioning (except in analyses on the numberof chronic conditions and SF-36 PF and SF scales).
In sensitivity analyses, we examined the influence of time lagbetween DEGS1 and DEGS1-MH on the association between CIDI–MDD and correlates assessed in DEGS1 by including interactionterms of CIDI–MDD and the number of weeks between examina-tions in quartiles into relevant regression models. In addition, thenumber of weeks of time lag between examinations was includedas a covariable in separate models. No significant interactions werefound and the inclusion of time lag did not materially change ef-fect estimates (detailed results not reported).
Table 2Characteristics of DEGS1 and DEGS1-MH participants by sex. Figures are weighted popindicated.
Age group (years)18–3435–4445–5455–6465–79a
Marital statusMarried and living with partnerSeparated, divorced, widowed, or single
Social supportPoorModerateStrong
Socioeconomic statusLowMiddleHigh
Community sizeRural (o5000 inhabitants)Small town (5000 to o20,000)Mid-sized town (20,000 to o100,000)Large town (Z100,000)
Fair/poor self-rated healthNo. of chronic somatic conditionsNone12þ
SF-36 physical functioning scale, mean (95% CI)SF-36 social functioning scale, mean (95% CI)No. of activity limitation days due to physical or mental health problems (4 weeks), m(95% CI)
No. of sick leave days (12 months), mean (95% CI)b
Any hospital admission (12 months)No. of outpatient physician visits (12 months), mean (95% CI)
a Due to time lag between DEGS1 and DEGS1-MH (median, 6 weeks), 15 participanb Among participants younger than 65 years in employment (DEGS1: n¼ 2160 men
All analyses were conducted with a weighting factor whichaccounts for the complex sampling design and which correctsdeviations in the sample from the population structure (as of 31Dec 2010) with regard to age group, sex, region and nationality, aswell as community type and education (Kamtsiuris et al., 2013).For all analyses using the DEGS1-MH subsample, a similarweighting factor was calculated which additionally accounts foreligibility and participation in DEGS1-MH (Jacobi et al., 2013). Totake into account the weighting as well as the correlation of par-ticipants within a community, confidence intervals were de-termined with survey procedures in STATA 12.1.
3. Results
DEGS1 comprised a total of 7987 participants aged 18–79 years(4198 women, 3789 men). Among those with complete assess-ment (n¼7115), 6027 fulfilled the inclusion criteria for DEGS1-MHand of these, 4483 participated in DEGS1-MH with full psychiatricassessment with the CIDI (2340 women, 2143 men). Table 2 showscharacteristics of DEGS1 and DEGS1-MH participants by sex.Compared to men, women were less likely to have high SES, hadlower levels of physica l and social functioning, reported highernumbers of activity limitation days due to physical or mentalhealth problems in the last four weeks and reported highernumbers of outpatient physician visits in the last 12 months.
ulation estimates expressed in percent (95% confidence interval), unless otherwise
DEGS1 DEGS1-MH
Men n¼3789 Women n¼ 4198 Men n¼2143 Women n¼ 2340
49.7 (48.2–51.1) 50.3 (48.9–51.8) 49.2 (47.2–51.1) 50.8 (48.9–52.8)
26.4 (24.8–28.1) 25.2 (23.6–26.8) 24.1 (21.5–26.8) 24.7 (22.6–27.0)18.6 (17.1–20.2) 17.7 (16.2–19.2) 18.6 (16.3–21.2) 17.9 (15.8–20.1)21.3 (19.9–22.7) 20.3 (18.9–21.9) 21.3 (19.1–23.6) 20.6 (18.6–22.8)15.6 (14.2–17.1) 15.9 (14.8–17.1) 16.0 (14.2–17.9) 15.6 (13.9–17.5)18.1 (17.0–19.3) 21.0 (19.7–22.3) 20.1 (18.2–22.1) 21.2 (19.3–23.3)
62.3 (59.9–64.6) 58.9 (56.7–61.1) 61.6 (58.3–64.8) 57.3 (54.1–60.4)37.7 (35.4–40.1) 41.1 (38.9–43.3) 38.4 (35.2–41.7) 42.7 (39.6–45.9)
12.3 (10.9–13.9) 11.6 (10.4–12.9) 12.1 (10.0–14.4) 11.7 (9.9–13.8)51.6 (49.5–53.8) 48.8 (46.9–50.7) 51.1 (48.0–54.1) 47.3 (44.5–50.2)36.1 (33.9–38.2) 39.6 (37.8–41.5) 36.9 (33.9–39.9) 41.0 (38.4–43.7)
18.8 (16.9–20.8) 20.7 (18.9–22.6) 18.7 (16.2–21.4) 20.1 (17.7–22.7)58.8 (56.8–60.8) 61.7 (59.7–63.7) 58.4 (55.4–61.3) 62.4 (59.2–65.4)22.4 (20.5–24.4) 17.6 (16.0–19.4) 23.0 (20.6–25.5) 17.6 (15.5–19.8)
16.1 (11.2–22.7) 15.9 (11.0–22.5) 15.6 (10.4–22.8) 14.5 (9.5–21.4)23.4 (17.7–30.4) 23.2 (17.5–30.0) 24.0 (17.7–31.7) 24.3 (17.9–32.1)29.4 (22.9–36.8) 29.8 (23.3–37.2) 30.0 (22.9–38.2) 29.7 (22.8–37.7)31.1 (24.4–38.7) 31.2 (24.6–38.6) 30.5 (23.5–38.5) 31.5 (24.4–39.7)14.5 (13.1–16.0) 16.1 (14.6–17.7) 15.4 (13.3–17.7) 17.7 (15.7–20.0)
53.9 (51.8–55.9) 51.6 (49.7–53.5) 53.2 (50.4–56.0) 52.5 (50.0–55.0)21.4 (19.8–23.1) 22.4 (20.8–24.0) 21.0 (18.8–23.3) 20.9 (19.0–22.9)24.7 (23.1–26.5) 26.0 (24.5–27.6) 25.8 (23.7–28.1) 26.6 (24.5–28.9)88.8 (87.9–89.6) 84.5 (83.7–85.3) 88.9 (87.8–90.0) 84.3 (83.2–85.5)88.1 (87.2–89.0) 84.0 (83.2–84.8) 88.5 (87.3–89.6) 84.1 (82.8–85.4)
ean – – 2.5 (2.1–2.8) 3.4 (2.9–3.8)
10.3 (9.1–11.5) 12.3 (10.6–14.0) 11.0 (9.4–12.7) 12.6 (10.1–15.2)12.4 (11.0–14.0) 13.3 (12.0–14.7) 12.2 (10.3–14.3) 13.3 (11.6–15.1)6.4 (6.0–6.9) 9.2 (8.6–9.7) 6.5 (6.0–7.1) 9.2 (8.6–9.8)
ts were already 80–81 years old at the time of DEGS1-MH assessment.and n¼2201 women; DEGS1-MH: n¼1183 men and n¼1240 women).
Table 3Prevalence of 12-month CIDI-defined major depressive disorder (CIDI–MDD), self-reported diagnosed depression in the last 12 months and current depressive symptoms(PHQ-9 Z10) in the last 2 weeks by socio-demographic characteristics. Figures are weighted population estimates expressed in per cent (95% confidence interval).
Men Women
CIDI–MDD (12months)n¼2103
Self-reported diagnoseddepression (12 months)n¼3757
Current depressivesymptoms (2 weeks)n¼3583
CIDI–MDD (12months)n¼2305
Self-reported diagnoseddepression (12 months)n¼4142
Current depressivesymptoms (2 weeks)n¼3940
Total 4.2 (3.3–5.3) 3.8 (3.1–4.7) 6.1 (5.1–7.2) 9.9 (8.3–11.9) 8.1 (7.0–9.4) 10.2 (8.9–11.5)Age group (years)
18–34 4.8 (3.0–7.6) 2.7 (1.7–4.4) 7.4 (5.3–10.3) 15.7 (11.4–21.2) 6.5 (4.3–9.5) 12.0 (9.5–14.9)35–44 3.0 (1.4–6.4) 1.9 (0.8–4.2) 5.4 (3.6–8.2) 11.8 (7.7–17.7) 5.2 (3.5–7.7) 9.5 (7.2–12.4)45–54 5.8 (3.7–9.0) 5.5 (3.8–8.0) 6.0 (4.2–8.4) 8.0 (5.4–11.5) 10.1 (7.7–13.2) 9.8 (7.6–12.5)55–64 4.6 (2.7–7.7) 5.5 (3.7–8.3) 6.7 (4.7–9.4) 5.5 (3.5–8.5) 12.6 (9.6–16.4) 11.1 (8.3–14.6)65–79 2.3 (1.3–4.1) 3.9 (2.4–6.3) 4.3 (2.9–6.4) 6.8 (4.5–10.3) 7.2 (5.4–9.6) 8.0 (5.8–10.9)
Marital statusMarried and living withpartner
3.4 (2.5–4.8) 2.7 (2.0–3.5) 5.5 (4.4–6.9) 6.2 (4.8–8.0) 6.7 (5.4–8.2) 7.9 (6.7–9.4)
Separated, divorced,widowed, or single
5.3 (3.7–7.4) 5.3 (3,8–7.3) 6.9 (5.2–9.2) 15.0 (11.7–18.9) 9.9 (7.9–12.2) 12.9 (10.7–15.5)
Social supportPoor 7.1 (4.3–11.4) 6.1 (4.0–9.2) 16.1 (12.0–21.2) 22.6 (15.6–31.5) 17.6 (13.4–22.7) 27.7 (22.7–33.2)Moderate 3.6 (2.5–5.2) 3.3 (2.4–4.4) 5.3 (4.2–6.7) 8.7 (6.8–11.1) 6.7 (5.4–8.2) 8.8 (7.2–10.8)Strong 4.1 (2.6–6.2) 3.3 (2.0–5.5) 4.0 (2.7–5.8) 7.4 (5.2–10.4) 6.4 (4.9–8.2) 6.7 (5.1–8.7)
Socioeconomic statusLow 5.5 (3.1–9.7) 3.7 (2.1–6.4) 10.7 (7.8–14.6) 14.9 (10.3–21.1) 12.5 (9.4–16.5) 16.7 (13.4–20.7)Middle 4.4 (3.2–5.9) 3.6 (2.7–4.8) 5.4 (4.3–6.7) 8.8 (7.0–11.1) 7.1 (5.9–8.6) 9.7 (8.1–11.5)High 2.6 (1.5–4.8) 3.7 (2.4–5.7) 4.4 (3.0–6.4) 8.1 (5.4–12.1) 5.6 (3.8–8.2) 5.0 (3.5–7.1)
Community sizeRural (o5000inhabitants)
4.8 (2.7–8.3) 3.5 (1.6–7.4) 4.6 (3.3–6.3) 6.8 (4.5–10.0) 8.0 (5.7–10.9) 10.3 (8.0–13.2)
Small town (5000 too20,000)
2.7 (1.4–5.1) 2.5 (1.5–4.1) 4.2 (2.9–6.1) 8.1 (5.5–11.7) 6.4 (4.6–8.7) 7.4 (5.9–9.3)
Mid-sized town(20,000 to o100,000)
5.0 (3.4–7.2) 4.1 (3.0–5.7) 7.1 (5.5–9.2) 10.5 (7.8–14.0) 6.9 (5.4–8.9) 10.8 (8.7–13.5)
Large town(Z100,000)
4.2 (2.8–6.4) 4.6 (3.3–6.4) 7.4 (5.4–10.1) 12.3 (8.8–16.9) 10.6 (8.1–13.7) 11.5 (8.9–14.6)
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177 171
3.1. Prevalence of CIDI−MDD, self-reported diagnosed depressionand current depressive symptoms
Of 7987 DEGS1 participants, 3583 men (94.6%) and 3940 wo-men (93.9%) had self-valid data on current depressive symptoms,and 3757 men (99.2%) and 4142 women (98.7%) had valid data onreported health professional-diagnosed depression in the last 12months. Of 4483 DEGS1-MH participants, 2103 men (98.1%) and2305 women (98.5%) had valid data on 12-month CIDI–MDD.
Table 3 shows the prevalence of all three depression measuresby socio-demographic characteristics. For all measures, a sig-nificantly higher prevalence was found among women. Prevalenceof 12-month CIDI–MDD, self-reported health professional-diag-nosed depression in the last 12 months and current depressivesymptoms was 4.2%, 3.8% and 6.1% in men and 9.9%, 8.1% and10.2%, respectively, in women.
Of those participants with CIDI–MDD in DEGS1-MH, 33.0% hadself-reported health professional-diagnosed depression and 39.3%had current depressive symptoms in DEGS1. Of those with self-reported health professional-diagnosed depression in DEGS1,45.1% had current depressive symptoms and 37.2% had CIDI–MDDin DEGS1-MH. Of those with current depressive symptoms inDEGS1, 31.9% had self-reported health professional-diagnoseddepression and 32.4% had CIDI–MDD in DEGS1-MH.
Prevalence established by all three measures varied by age butthere was no consistent age-related pattern across measures. Inboth sexes, current depressive symptoms were most prevalent inthe age group 18–34 years and decreased thereafter. Prevalence ofCIDI–MDD in women was also highest in those aged 18–34 years,while in men it was highest in those aged 45–54. For both mea-sures, confidence intervals of prevalence estimates overlappedwidely across age groups. By contrast, the prevalence of self-
reported health professional-diagnosed depression was lowestamong men and women aged 18–34 years, then rose and peakedin the 55–64 year age group and subsequently declined. This peakin late middle age was more pronounced and statistically sig-nificant among women.
Prevalence of all three measures in women and of self-reportedhealth professional-diagnosed depression in men was significantlyhigher among those who were not married and living with partnercompared to those married and living together. There was also asignificant relationship between poor social support and higherprevalence across the three measures in both sexes, albeit weakerin men than in women.
3.2. Association with socio-economic status and community size
Table 4 shows the results of adjusted logistic regression modelsexamining the associations between SES and community size andthe three measures. There were no significant associations be-tween SES or community size and CIDI–MDD. Low SES was asso-ciated with significantly higher odds of self-reported health pro-fessional-diagnosed depression for women and current depressivesymptoms for both men and women. With regard to communitysize, men living in mid-sized or large towns had significantlyhigher odds of self-reported health professional-diagnosed de-pression compared to those living in small towns. Men and wo-men living in mid-sized or large towns had higher odds of currentdepressive symptoms.
3.3. Health-related correlates
Table 5 shows the results of adjusted regression analyses ex-amining the associations between the three depression measures
Table 4Associations between socioeconomic status and community size (independentvariables) and 12-month CIDI-defined major depressive disorder (CIDI-MDD), self-reported diagnosed depression in the last 12 months and current depressivesymptoms (PHQ-9 Z10) in the last 2 weeks (dependent variables).
Men Women
Adjusted ORa
(95%-CI)P Adjusted ORa
(95%-CI)p
CIDI–MDD (12 months)Socioeconomic statusLow 1.8 (0.7–4.4) 0.2 1.7 (0.9–3.3) 0.1Middle 1.6 (0.8–3.0) 0.2 1.0 (0.6–1.7) 0.9High Ref. Ref.
Community sizeRural (o5000inhabitants)
1.7 (0.7–4.1) 0.2 1.0 (0.5–1.7) 0.9
Small town (5000 too20,000)
Ref. Ref.
Mid-sized town (20,000to o100,000)
1.9 (0.9–4.1) 0.1 1.4 (0.8–2.4) 0.3
Large town (Z100,000) 1.5 (0.7–3.4) 0.3 1.4 (0.8–2.4) 0.3Self-reported diagnoseddepression (12 months)
Socioeconomic statusLow 0.9 (0.4–2.0) 0.8 2.1 (1.3–3.4) 0.002Middle 1.0 (0.5–1.8) 0.9 1.2 (0.7–1.8) 0.5High Ref. Ref.
Community sizeRural (o5000inhabitants)
1.6 (0.7–4.0) 0.3 1.2 (0.8–2.0) 0.4
Small town (5000 too20,000)
Ref. Ref.
Mid-sized town (20,000to o100,000)
2.0 (1.1–3.8) 0.03 1.1 (0.7–1.8) 0.6
Large town (Z100,000) 2.2 (1.2–4.1) 0.02 1.5 (1.0–2.5) 0.07Current depressive symp-toms (2 weeks)
Socioeconomic statusLow 2.1 (1.2–3.8) 0.008 3.0 (1.9–4.6) o0.001Middle 1.2 (0.8–1.8) 0.5 1.8 (1.2–2.8) 0.009High Ref. Ref.
Community sizeRural (o5000inhabitants)
1.0 (0.6–1.8) 0.9 1.5 (1.0–2.1) 0.05
Small town (5000 too20,000)
Ref. Ref.
Mid-sized town (20,000to o100,000)
1.7 (1.0–2.7) 0.04 1.6 (1.1–2.3) 0.02
Large town (Z100,000) 1.6 (0.9–2.7) 0.09 1.5 (1.0–2.4) 0.06
a OR: odds ratio, adjusted for age group, socioeconomic status, community size,marital status, social support, number of chronic somatic conditions. Categorieswith the lowest prevalence were defined as reference categories.
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177172
and health-related correlates.The odds of poor/fair self-rated health was most notably in-
creased in men (odds ratio (OR) 8.6) and women (OR 5.3) withcurrent depressive symptoms. Having two or more chronic so-matic conditions was associated with CIDI–MDD among men, butno statistically significant relationship was found among women.However, having two or more chronic somatic conditions wassignificantly associated with self-reported health professional-di-agnosed depression and current depressive symptoms for bothmen and women.
The strength of the associations of depression according to thethree measures with PF and SF was lower for women than for menand was comparatively lower for CIDI–MDD than the other twomeasures. CIDI–MDD was associated with increased odds of anyactivity limitation days and the number of activity limitation daysin the last four weeks in men and women.
Among participants younger than 65 years and in employment,all three measures were associated with a higher number of sick
leave days in the last 12 months for both sexes. However, none ofthe three measures were associated with any sick leave day inmen, while only CIDI-MDD was not associated with any sick leavedays in women. Concerning health service utilisation, depressionaccording to all three measures was associated with more out-patient physician visits (rate ratio (RR) 1.3–2.5) in the last 12months in both sexes and with higher odds of hospital admission(OR 1.9–2.1) in the last 12 months among men.
4. Discussion
This nationwide population-based study examined the pre-valence and burden of MDD according to DSM-IV-TR assessed withthe CIDI, self-reported health professional-diagnosed depressionin the last 12 months and current depressive symptoms in a re-presentative sample of adults aged 18–79 years in Germany. Pre-valence estimates and identified cases varied between the threemeasures, but all measures were consistently associated with awide range of adverse health outcomes.
4.1. Prevalence of CIDI-MDD, self-reported diagnosed depression andcurrent depressive symptoms
We found that the total prevalence of CIDI-MDD was similar tothe prevalence of self-reported health professional-diagnosed de-pression among men (4.2% vs. 3.8%) and only slightly higheramong women (9.9% vs. 8.1%). However, the notably differentpatterns of prevalence across age groups and the moderate case-overlap (33% of CIDI-MDD reported health professional-diagnoseddepression and 37% of health professional-diagnosed depressionhad CIDI–MDD) highlights that these measures identify differentdepression cases. The divergence may be explained by the differ-ent concepts underpinning the measures. CIDI–MDD assesses thepresence of diagnostic criteria according to the DSM-IV-TR in thelast 12 months, while self-reported health professional-diagnoseddepression relies on several assumptions. These include: (1) thediagnosis was correct, (2) the health professional informed theperson of the diagnosis or applied treatment (Wittchen et al.,2000b), (3) the person remembered the diagnosis at the surveyinterview and (4) the person informed the interviewer of the di-agnosis, who might not do so due to fear of stigmatization(Schomerus and Angermeyer, 2008). Diagnosis of depression inroutine clinical care in Germany is commonly based on ICD-10criteria, which has a slightly lower threshold (4 instead of5 symptoms required) than DSM-IV-TR- based CIDI–MDD. Find-ings from a meta-analysis investigating general practitioner (GP)diagnosis rates in primary care indicate that these health profes-sionals may be good at ruling out depression in most people whoare not depressed but correctly diagnose depression less fre-quently (Mitchell et al., 2009).
Prevalence of current depressive symptoms (PHQ-9 Z10) washighest for both men (6.1%) and women (10.2%) compared to theother two measures, but more pronounced in men than in women.Even though the PHQ-9 refers to the briefer time frame of twoweeks, this high prevalence is not unexpected, as it covers sub-threshold depressive symptoms; does not require the presence ofany of the two core symptoms of depression (depressed mood orloss of interest or pleasure); and does not allow for differentialdiagnosis (e.g. bipolar disorder) or the exclusion of normal be-reavement. Therefore, the PHQ-9 is likely to identify more parti-cipants as cases than the other two measures.
The 12-month prevalence of CIDI–MDD of 4.2% in men and 9.9%in women is comparable to international data on depression inwestern countries including the US and other Western countries(Kessler et al., 2015). In particular, it is similar to estimates in the
Table 5Regression analyses examining associations between 12-month CIDI-defined major depressive disorder (CIDI–MDD), self-reported diagnosed depression in the last 12months and current depressive symptoms (PHQ-9 Z10) in the last 2 weeks (independent variables) and health-related correlates (dependent variables).
Men Women
No Yes Effectestimate
Adjusted effectestimatea (95% CI)
P No Yes Effectestimate
Adjusted effectestimatea (95% CI)
P
CIDI–MDD (12 months)Poor/fair self-rated health, % 14.4 38.7 OR 2.9 (1.3–6.4) 0.01 14.7 40.0 OR 4.5 (2.5–7.9) o0.001No. of chronic somatic conditions, %
1 21.1 20.8 RRR 1.5 (0.7–3.1) 0.3 21.0 20.3 RRR 1.3 (0.8–2.2) 0.32þ 25.2 34.9 RRR 2.8 (1.2–6.8) 0.02 27.2 19.4 RRR 1.3 (0.8–2.4) 0.3
SF-36 physical functioning scale, mean 89.3 80.2 ß �7.5 (�13.5 to�1.5)
0.02 85.1 78.2 ß �6.9 (�11.7 to�2.1)
0.005
SF-36 social functioning scale, mean 89.7 61.5 ß �26.2 (�33.7 to�18.7)
o0.001 86.3 65.5 ß �18.4 (�23.3 to�13.5)
o0.001
Any activity limitation days due to physical ormental health problems (4 weeks), %
35.6 67.8 OR 2.9 (1.6–5.2) 0.001 43.7 76.3 OR 3.3 (2.0–5.2) o0.001
No. of activity limitation days due to physical ormental health problems (4 weeks), mean
2.3 7.1 IRR* 2.0 (1.3–3.2) 0.004 2.7 9.0 IRR* 1.9 (1.5–2.4) o0.001
Any sick leave days (12 months)b , % 56.1 72.3 OR 1.6 (0.7–3.7) 0.3 58.6 66.2 OR 1.0 (0.5–1.7) 0.9No. of sick leave days (12 months)b , mean 10.5 21.7 IRR* 1.9 (1.1–3.2) 0.01 11.8 18.9 IRR* 1.6 (1.0–2.6) 0.06Any hospital admission (12 months), % 11.4 23.9 OR 2.1 (1.1–4.2) 0.03 13.7 10.2 OR 0.6 (0.3–1.2) 0.2No. of outpatient physician visits (12 months),mean
6.2 14.5 IRR** 1.9 (1.5–2.6) o0.001 8.8 12.2 IRR** 1.3 (1.0–1.6) 0.04
Self-reported diagnosed depression (12months)
Poor/fair self-rated health, % 12.8 56.6 OR 6.0 (3.4–10.7) o0.001 13.6 43.0 OR 3.7 (2.4–5.5) o0.001No. of chronic somatic conditions, %
1 21.4 24.1 RRR 2.1 (1.0–4.6) 0.05 22.2 27.5 RRR 1.8 (1.1–2.9) 0.012þ 24.1 44.3 RRR 3.3 (1.6–7.0) 0.002 25.3 37.7 RRR 2.4 (1.5–3.8) 0.001
SF-36 physical functioning scale, mean 89.4 72.1 ß �13.0 (�18.6 to�7.3)
o0.001 85.5 72.5 ß �8.1 (�11.9 to�4.3)
o0.001
SF-36 social functioning scale, mean 89.4 57.8 ß �29.5 (�34.9 to�24.1)
o0.001 86.0 61.5 ß �21.9 (�26.2 to�17.6)
o0.001
Any sick leave days (12 months)b ,% 55.5 69.4 OR 1.8 (0.9–3.5) 0.1 58.8 76.3 OR 2.0 (1.2–3.5) 0.01No. of sick leave days (12 months)b mean 9.6 31.8 IRR* 2.3 (1.5–3.5) o0.001 9.6 45.4 IRR* 3.2 (2.2–4.5) o0.001Any hospital admission (12 months), % 11.6 30.1 OR 1.9 (1.0–3.6) 0.04 12.7 21.3 OR 1.4 (0.9–2.1) 0.1No. of outpatient physician visits (12 months),mean
6.0 17.0 IRR** 2.5 (1.8–3.5) o0.001 8.3 19.5 IRR** 2.0 (1.7–2.4) o0.001
Current depressive symptoms (2 weeks)Poor/fair self-rated health, % 11.8 53.2 OR 8.6 (5.2–14.5) o0.001 11.8 47.4 OR 5.3 (3.6–7.8) o0.001No. of chronic somatic conditions, %
1 21.3 24.0 RRR 2.3 (1.3–4.1) 0.004 22.6 20.8 RRR 1.6 (1.0–2.3) 0.032þ 23.8 35.2 RRR 4.0 (2.0–7.6) o0.001 24.6 32.0 RRR 2.7 (1.7–4.1) o0.001
SF-36 physical functioning scale, mean 89.7 74.7 ß �12.5 (�16.4 to�8.6)
o0.001 86.2 71.8 ß �11.7 (�14.9 to�8.5)
o0.001
SF-36 social functioning scale, mean 90.5 53.5 ß �34.8 (�39.5 to�30.1)
o0.001 87.6 56.0 ß �28.8 (�32.3 to�25.4)
o0.001
Any sick leave days (12 months)b ,% 55.2 72.1 OR 1.6 (0.9–2.9) 0.1 57.9 78.9 OR 2.0 (1.2–3.1) 0.004No. of sick leave days (12 months)b mean 9.4 27.5 IRR* 1.4 (1.0–1.9) 0.03 10.0 32.4 IRR* 1.9 (1.3–2.6) o0.001Any hospital admission (12 months), % 11.3 28.2 OR 1.9 (1.1–3.1) 0.01 12.2 20.6 OR 1.3 (0.9–1.9) 0.2No. of outpatient physician visits (12 months),mean
5.9 14.9 IRR** 1.9 (1.5–2.5) o0.001 8.5 15.0 IRR** 1.4 (1.2–1.7) o0.001
OR: odds ratio from logistic regression; RRR: relative risk ratio from multinomial logistic regression; ß: ß coefficient from linear regression; IRR*: incidence rate ratio fromnegative binomial regression with zero-inflation; IRR**: incidence rate ratio from negative binomial regression.
a Adjusted for SES, marital status, social support, number of chronic somatic conditions and physical functioning (except analyses on chronic somatic conditions and SF-36 scales).
b Among participants younger than 65 years in employment (DEGS1: n¼2160 men and n¼2201 women; DEGS1-MH: n¼1183 men and n¼1240 women).
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177 173
National Comorbidity Survey Replication (NCS-R) for the generaladult population in the USA (4.9% in men and 8.6% in women)(Kessler et al., 2003) using similar methods to measure MDD andto results from the DEGS1-MH predecessor study, the GermanNational Health Interview and Examination Survey 1998(GNHIES98) Mental Health Supplement (5.5% in men and 11.2% inwomen) (Jacobi et al., 2004a)).
Our prevalence estimates for self-reported health professional-diagnosed depression (men: 3.8%, women 8.1%) are consistentwith a contemporary Germany-wide telephone survey reportingprevalence estimates of 4.7% in men and 8.3% in women (Butteryet al., 2014). However, our prevalence estimates are lower than ananalysis of claims data for all people in Germany with statutory
health insurance (about 88% of the general population) reporting ahigher 12-month prevalence of diagnosed depression of 6.4% inmen and 12.8% in women (Erhart and von Stillfried, 2012). Con-versely, another study of claims data including 6 Million peopleacross Germany found even higher prevalence with 8.8% in menand 17.8% in women (Melchior et al., 2014). However, Melchior andcolleagues (2014) considered inpatient diagnoses in their analyseshighlighting how meaningful comparisons are limited due tomethodological differences in sample populations.
Our estimates of current depressive symptoms are slightlyhigher than a previous nationwide population based study fromGermany estimating prevalence of 5.3% in men and 8.9% in womenusing the same PHQ-9 based definition of depressive symptoms
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177174
(Rief et al., 2004). However, differences may be due to change overtime and methodological differences in the age range of thesample (14-93 years), and alternate statistical approaches in esti-mating prevalence. Our findings are similar to findings from theBehavioral Risk Factor Surveillance System (BRFSS) in the US, re-porting a prevalence of 6.8% in men and 10.5% in women using thePHQ-8 (Strine et al., 2008).
4.2. Socio-demographic correlates
For all three measures, women had a significantly higher pre-valence than men, overall and in specific age groups, consistentwith national and international comparative studies and sys-tematic reviews (Jacobi et al., 2004b; Kessler and Bromet, 2013;Reeves et al., 2011; Wittchen et al., 2010). A variety of bio-phy-siological, psychosocial and behaviour-related explanations havebeen described for these sex differences (Grigoriadis and Ro-binson, 2007; Parker and Brotchie, 2010). Concerning self-reporteddiagnosed depression, sex-specific help-seeking behaviour due todifferent extents of stigmatization and sex-specific reporting ofsymptoms should be considered as additional explanations(Hammer et al., 2013; Latalova et al., 2014; Möller-Leimkühler,2002).
The prevalence according to all three measures varied with agein both men and women but no consistent age-related pattern wasfound. The prevalence of current depressive symptoms was high-est in the youngest age group and decreased thereafter, as was theprevalence of CIDI–MDD in women. Among men, the prevalence ofCIDI–MDD was highest in the youngest age group and in thoseaged 45–54 years. An age-related decrease of prevalence has beenreported for CIDI–MDD in developed countries (Kessler et al.,2010) and for current depressive symptoms in the USA (Strineet al., 2008). In contrast, prevalence of self-reported health pro-fessional-diagnosed depression was higher in middle and olderage groups and highest among those aged 55–64 years. This isconsistent with other surveys from the USA (Strine et al., 2008)and Germany (Erhart and von Stillfried, 2012; Maske et al., 2013).These age-related patterns may partly be explained by bio-graphical influences, the differential impact of stress and resiliencefactors in different age groups, higher proportions of atypical typesof depression that are less likely to be identified by the usedmeasures or simply age-related information bias (Busch et al.,2013; Mauz and Jacobi, 2008; Wittchen et al., 2010). Also, age-related differences in the use of health care services may influencethe prevalence of self-reported diagnosed depression as olderpeople may come into contact with their GP due to other physicalcomplaints (Higashi et al., 2007) and the GP may briefly refer topsychosocial factors (Holvast et al., 2012) thereby providing anopportunity for mental health assessment. Furthermore, olderpeople may be more inclined to report that mental health pro-blems have been discussed (Holvast et al., 2012) and communicatea diagnosis of depression to interviewers.
Our results confirm established associations between maritalstatus and social support and depression with high level of con-sistency across the three measures investigated (Grav et al., 2012;Kessler and Bromet, 2013). We found no statistically significantrelationship between low SES and CIDI–MDD consistent withprevious national data which showed trends in a social gradientwith CIDI–MDD but no statistically significant associations in ad-justed analyses (Jacobi et al., 2004b). However, low SES was as-sociated with significantly higher odds of self-reported healthprofessional-diagnosed depression for women and current de-pressive symptoms for both men and women. These findings areconsistent with previous research showing that low SES is asso-ciated with an increased risk of depression and other mentaldisorders (Bromet et al., 2011; Lorant et al., 2003; World Health
Organisation, 2000).We found no significant association between community size
and CIDI–MDD differing from previous studies reporting inverserelationships between urban living environment and mentalhealth (McKenzie et al., 2013; Paykel et al., 2003). This may be dueto alternate methodological approaches and how we adjusted for alarger number of important cofounders in our analyses than theseprevious studies. However, we found that men living in mid-sizedor large towns had higher odds of self-reported health profes-sional-diagnosed depression, and men and women living in mid-sized towns had significantly higher odds of current depressivesymptoms compared to those living in small towns.
4.3. Health-related correlates
Overall, we found strong relationships between all three mea-sures and self-rated health status, which is considered a validpredictor for mortality (DeSalvo et al., 2006), consistent with otherstudies in primary care settings (Ambresin et al., 2014).
Our findings of associations between somatic comorbidity anddepression are consistent with previous surveys of self-reporteddiagnosed depression for the general adult population in Germany(Maske et al., 2013) and depressive symptoms in primary caresettings (Gunn et al., 2012). In the USA in the NCS-R study, asso-ciations between CIDI–MDD and having a higher number of so-matic comorbidities were reported for the overall study popula-tion (Gadermann et al., 2012; Kessler et al., 2010). In our data, anassociation with a higher number of somatic comorbidities wasfound in men, but not in women suggesting that physical andmental health may be more closely aligned in men than womenand highlight the importance of sex-specific analyses. Our analysesshowed an inverse associations of all three measures with physicaland social functioning, confirming previous associations betweenSF-36 scales and CIDI–MDD (Wittchen et al., 2000a) in the generalpopulation as well as with PHQ-9 measures (Martin et al., 2006).
In relation to sick leave and health service utilization, we foundstrong associations between the number of sick leave days in thepast 12 months and all three measures. People with CIDI–MDDhad significantly higher numbers of days with some or full im-pairment due to mental health and physical problems in the pastfour weeks. These findings support previous suggestions that de-pression is a substantially disabling mental disorder with regard toyears lived with disability (Wittchen et al., 2011) and days out ofusual role (Kessler and Bromet, 2013) and has strong associationswith health care utilization (Bhattarai et al., 2013). Research hasreported a higher number of sick leave days due to commonmental disorders for women than for men (Dietrich and Stengler,2013), which is consistent with our results for current depressivesymptoms and self-reported diagnosed depression among menand women and for CIDI–MDD among men. Furthermore, allmeasures were associated with significantly increased odds ofhospital admission for men, but not in women. For CIDI–MDD, thisgender difference may be explained by the relatively lower so-matic comorbidity experienced by women as compared to men inour study. In general, gender-related role differences may alsocontribute to this finding, e.g. women may be less likely to receiveinpatient therapy due to childcare responsibilities.
4.4. Implications for research and clinical practice
The results of this study emphasize the importance of specifi-city in depression measurement tools for use in both research andclinical practice for assessing, reporting and interpreting in-formation about depression. Our results demonstrate that differ-ent depression measures identify different individuals as cases.This has implications for researchers and emphasizes the need for
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177 175
precise selection of measures of depression in clinical and popu-lation studies. Greater detailed description of depression measuresand their specific limitations in study reporting is warranted fromour findings.
In clinical practice where a rigorous diagnostic assessment isnot possible due to logistic or time constraints, self-report as-sessments such as the PHQ-9 may be very useful for depressionscreening. Elevated scores should be taken seriously given thestrong and consistent associations with many adverse health cor-relates found in this study and patients should be followed up forconfirmation of diagnosis or referred for more rigorous and dif-ferential diagnostic assessment.
4.5. Limitations
Several methodological limitations should be considered ininterpreting these findings. First, persons with severe depressionare likely to be underrepresented in DEGS1 and DEGS1-MH,therefore prevalence may be underestimated for all three mea-sures. Second, the time lag between DEGS1 and DEGS1-MH shouldbe considered when interpreting the results on CIDI–MDD andcorrelates from DEGS1, as this may have resulted in under-estimation of associations. Third, even among participants with12-month CIDI–MDD who had their DEGS1-MH assessmentshortly after DEGS1 the last depressive episode may have beenoutside the time period of some health-related correlates (e.g.,SF36-PF subscale investigating functioning in the previous4 weeks) potentially resulting in an underestimation of respectiveassociations. The same may apply to health professional-diag-nosed depression. Finally, recall bias may have influenced somemeasures, such as self-reported health professional-diagnoseddepression in the past 12 months and data related to health ser-vice utilization.
4.6. Conclusions
The results presented confirm a high prevalence of 12-monthCIDI–MDD, self-reported health professional-diagnosed depres-sion in the last 12 months and current depressive symptoms inmen and women in Germany and demonstrate that estimates andidentified cases vary widely between these three distinct mea-sures. This has important implications for clinical practice andfuture research, highlighting the need for specificity in assessing,reporting and interpreting depression in populations as pre-valence estimates are used to inform and impact on health carepolicy and preventive strategies. Female gender, lack of partner-ship and social support are significant correlates of depressionaccording to all three measures analysed. Low SES was associatedwith current depressive symptoms but not 12-month CIDI–MDDfor both men and women. Overall, depression according to allthree measures largely demonstrated consistent associations witha wide range of adverse health outcomes including lower self-rated health, lower physical and social functioning, high somaticcomorbidity (except for women with 12-month CIDI–MDD),higher number of sick leave days or activity limitation days (CIDI–MDD) and higher utilization of health services. These findings callfor effectively targeted interventions to reduce the burden asso-ciated with depression diagnoses or depressive symptoms.
Conflict of interestThe authors declare that they have no conflicts of interest.
Contributors
UEM and MAB designed the study, wrote the protocol, inter-preted the results and wrote the first draft of the manuscript. UEM
prepared and analysed the data. AKB, KBB, SRH and UH con-tributed to the interpretation of results and writing the manu-script. All authors contributed to and have approved the finalmanuscript.
AcknowledgementsDEGS1 and DEGS1-MH were funded primarily by the German Ministry of
Health (Bundesministerium für Gesundheit, BMG) (grant numbers for DEGS1-MH:1368-1124 and 1501-54401). Supplementary funding for DEGS1-MH was providedby the Technische Universität Dresden, and by the Foundation for Mental Health(Stiftung Seelische Gesundheit) inaugurated by the German Association for Psy-chiatry, Psychotherapy and Psychosomatics (Deutsche Gesellschaft für Psychiatrieund Psychotherapie, Psychosomatik und Nervenheilkunde, DGPPN).
References
Ambresin, G., Chondros, P., Dowrick, C., Herrman, H., Gunn, J.M., 2014. Self-ratedhealth and long-term prognosis of depression. Ann. fam. Med. 12, 57–65.
American Psychiatric Association, 2013. Diagnostic and Statistical Manual of MentalDisorders, Fith edition (DSM-5). American Psychiatric Association, Washington,DC.
Angst, J., Merikangas, K., 1997. The depressive spectrum: diagnostic classificationand course. J. Affect. Disord. 45, 31–39, discussion 39-40.
Ayuso-Mateos, J.L., Nuevo, R., Verdes, E., Naidoo, N., Chatterji, S., 2010. From de-pressive symptoms to depressive disorders: the relevance of thresholds. Br. J.Psychiatry: J. Mental Sci. 196, 365–371.
Betancourt, M.T., Roberts, K.C., Bennett, T.L., Driscoll, E.R., Jayaraman, G., Pelletier, L.,2014. Monitoring chronic diseases in Canada: the chronic disease indicatorframework. Chronic Dis. Inj. Can. 34 (Suppl 1), 1–30.
Bhattarai, N., Charlton, J., Rudisill, C., Gulliford, M.C., 2013. Prevalence of depressionand utilization of health care in single and multiple morbidity: a population-based cohort study. Psychol. Med. 43, 1423–1431.
Bromet, E., Andrade, L.H., Hwang, I., Sampson, N.A., Alonso, J., de Girolamo, G., deGraaf, R., Demyttenaere, K., Hu, C., Iwata, N., Karam, A.N., Kaur, J., Kos-tyuchenko, S., Lepine, J.P., Levinson, D., Matschinger, H., Mora, M.E., Browne, M.O., Posada-Villa, J., Viana, M.C., Williams, D.R., Kessler, R.C., 2011. Cross-nationalepidemiology of DSM-IV major depressive episode. BMC Med. 9, 90.
Busch, M.A., Maske, U.E., Ryl, L., Schlack, R., Hapke, U., 2013. Prevalence of de-pressive symptoms and diagnosed depression among adults in Germany: re-sults of the German Health Interview and Examination Survey for Adults(DEGS1). Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz56, 733–739.
Buttery, A.K., Mensink, G.B., Busch, M.A., 2014. Healthy behaviours and mentalhealth: findings from the German Health Update (GEDA). Eur. J. Publ. Health.
Dalgard, O.S., Dowrick, C., Lehtinen, V., Vazquez-Barquero, J.L., Casey, P., Wilkinson,G., Ayuso-Mateos, J.L., Page, H., Dunn, G., Group, O., 2006. Negative life events,social support and gender difference in depression: a multinational communitysurvey with data from the ODIN study. Soc. Psychiatry Psychiatr. Epidemiol. 41,444–451.
DeSalvo, K.B., Bloser, N., Reynolds, K., He, J., Muntner, P., 2006. Mortality predictionwith a single general self-rated health question. J. Gen. Intern. Med. 21,267–275.
Dietrich, S., Stengler, K., 2013. [Sickness absence and disability due to psychiatricdisorders from a gender perspective-a systematic literature review]. Ge-sundheitswesen 75, e74–e94.
Ellert, U., Kurth, B.M., 2013. Health related quality of life in adults in Germany:results of the German Health Interview and Examination Survey for Adults(DEGS1). Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz56, 643–649.
Erhart, M., von Stillfried, D., 2012. Analyse regionaler Unterschiede in der Prävalenzund Versorgung depressiver Störungen aufBasis vertragsärztlicher Abrech-nungsdaten. Zentralinstitut für die kassenärztliche Versorgung in Deutschland,Berlin.
Ferrari, A.J., Charlson, F.J., Norman, R.E., Patten, S.B., Freedman, G., Murray, C.J., Vos,T., Whiteford, H.A., 2013. Burden of depressive disorders by country, sex, age,and year: findings from the global burden of disease study 2010. PLoS. Med. 10,e1001547.
Gadermann, A.M., Alonso, J., Vilagut, G., Zaslavsky, A.M., Kessler, R.C., 2012. Co-morbidity and disease burden in the national comorbidity survey replication(ncs-R). Depress. Anxiety 29, 797–806.
Gößwald, A., Lange, M., Dölle, R., Hölling, H., 2013. The first wave of the GermanHealth Interview and Examination Survey for Adults (DEGS1). Recruitment ofparticipants, fieldwork, and quality assurance. Bundesgesundheitsblatt Ge-sundheitsforschung Gesundheitsschutz 56, 611–619.
Grav, S., Hellzen, O., Romild, U., Stordal, E., 2012. Association between social supportand depression in the general population: the HUNT study, a cross-sectionalsurvey. J. Clin. Nurs. 21, 111–120.
Grigoriadis, S., Robinson, G.E., 2007. Gender issues in depression. Ann. Clin. Psy-chiatry: Off. J. Am. Acad. Clin. Psychiatry 19, 247–255.
Gunn, J.M., Ayton, D.R., Densley, K., Pallant, J.F., Chondros, P., Herrman, H.E.,
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177176
Dowrick, C.F., 2012. The association between chronic illness, multimorbidityand depressive symptoms in an Australian primary care cohort. Soc. PsychiatryPsychiatr. Epidemiol. 47, 175–184.
Hammer, J.H., Vogel, D.L., Heimerdinger-Edwards, S.R., 2013. Men's help seeking:Examination of differences across community size, education, and income.Psychol. Men Masculinity 14, 65.
Haro, J.M., Arbabzadeh‐Bouchez, S., Brugha, T.S., De Girolamo, G., Guyer, M.E., Jin, R.,Lepine, J.P., Mazzi, F., Reneses, B., Vilagut, G., 2006. Concordance of the Com-posite International Diagnostic Interview Version 3.0 (CIDI 3.0) with standar-dized clinical assessments in the WHO World Mental Health surveys. Int. J.Methods Psychiatr. Res. 15, 167–180.
Higashi, T., Wenger, N.S., Adams, J.L., Fung, C., Roland, M., McGlynn, E.A., Reeves, D.,Asch, S.M., Kerr, E.A., Shekelle, P.G., 2007. Relationship between number ofmedical conditions and quality of care. New. Engl. J. Med. 356, 2496–2504.
Holvast, F., Verhaak, P.F., Dekker, J.H., de Waal, M.W., van Marwijk, H.W., Penninx, B.W., Comijs, H., 2012. Determinants of receiving mental health care for de-pression in older adults. J. Affect. disord. 143, 69–74.
Jacobi, F., Hofler, M., Strehle, J., Mack, S., Gerschler, A., Scholl, L., Busch, M.A., Hapke,U., Maske, U., Seiffert, I., Gaebel, W., Maier, W., Wagner, M., Zielasek, J.,Wittchen, H.U., 2015. Twelve-months prevalence of mental disorders in theGerman Health Interview and Examination Survey for Adults-Mental HealthModule (DEGS1-MH): a methodological addendum and correction. Int. J.methods Psychiatr. Res.
Jacobi, F., Klose, M., Wittchen, H.U., 2004a. Psychische Störungen in der deutschenAllgemeinbevölkerung: Inanspruchnahme von Gesundheitsleistungen undAusfalltage. Bundesgesundheitsbl-Gesundheitsforsch-Gesundheitsschutz 47,736–744.
Jacobi, F., Mack, S., Gerschler, A., Scholl, L., Hofler, M., Siegert, J., Burkner, A., Preiss,S., Spitzer, K., Busch, M., Hapke, U., Gaebel, W., Maier, W., Wagner, M., Zielasek,J., Wittchen, H.U., 2013. The design and methods of the mental health modulein the German Health Interview and Examination Survey for Adults (DEGS1-MH). Int. J. Methods Psychiatr. Res. 22, 83–99.
Jacobi, F., Wittchen, H.U., Holting, C., Hofler, M., Pfister, H., Muller, N., Lieb, R.,2004b. Prevalence, co-morbidity and correlates of mental disorders in thegeneral population: results from the German Health Interview and Examina-tion Survey (GHS). Psychol. Med. 34, 597–611.
Kamtsiuris, P., Lange, M., Hoffmann, R., Schaffrath Rosario, A., Dahm, S., Kuhnert, R.,Kurth, B.M., 2013. The first wave of the German Health Interview and Ex-amination Survey for Adults (DEGS1): sample design, response, weighting andrepresentativeness. Bundesgesundheitsblatt Gesundheitsforschung Ge-sundheitsschutz 56, 620–630.
Kessler, R.C., Berglund, P., Demler, O., Jin, R., Koretz, D., Merikangas, K.R., Rush, A.J.,Walters, E.E., Wang, P.S., National Comorbidity Survey, R., 2003. The epide-miology of major depressive disorder: results from the National ComorbiditySurvey Replication (NCS-R). JAMA: J. Am. Med. Assoc. 289, 3095–3105.
Kessler, R.C., Birnbaum, H.G., Shahly, V., Bromet, E., Hwang, I., McLaughlin, K.A.,Sampson, N., Andrade, L.H., de Girolamo, G., Demyttenaere, K., Haro, J.M.,Karam, A.N., Kostyuchenko, S., Kovess, V., Lara, C., Levinson, D., Matschinger, H.,Nakane, Y., Browne, M.O., Ormel, J., Posada-Villa, J., Sagar, R., Stein, D.J., 2010.Age differences in the prevalence and co-morbidity of DSM-IV major depressiveepisodes: results from the WHO World Mental Health Survey Initiative. De-press. Anxiety 27, 351–364.
Kessler, R.C., Bromet, E.J., 2013. The epidemiology of depression across cultures.Annu. Rev. Public Health 34, 119–138.
Kessler, R.C., Sampson, N.A., Berglund, P., Gruber, M.J., Al-Hamzawi, A., Andrade, L.,Bunting, B., Demyttenaere, K., Florescu, S., de Girolamo, G., Gureje, O., He, Y., Hu,C., Huang, Y., Karam, E., Kovess-Masfety, V., Lee, S., Levinson, D., Medina Mora,M.E., Moskalewicz, J., Nakamura, Y., Navarro-Mateu, F., Browne, M.A., Piazza, M.,Posada-Villa, J., Slade, T., Ten Have, M., Torres, Y., Vilagut, G., Xavier, M., Zarkov,Z., Shahly, V., Wilcox, M.A., 2015. Anxious and non-anxious major depressivedisorder in the World Health Organization World Mental Health Surveys. Epi-demiol. Psychiatr. Sci., 1–17.
Kessler, R.C., Ustun, T.B., 2004. The World Mental Health (WMH) Survey InitiativeVersion of the World Health Organization (WHO) Composite International Di-agnostic Interview (CIDI). Int. J. Methods Psychiatr. Res. 13, 93–121.
Kessler, R.C., Wittchen, H.-U., Abelson, J.M., McGonagle, K., Schwarz, N., Kendler, K.S., Knäuper, B., Zhao, S., 1998. Methodological studies of the Composite Inter-national Diagnostic Interview (CIDI) in the US national comorbidity survey(NCS). Int. J. Methods Psychiatr. Res. 7, 33–55.
Kroenke, K., Spitzer, R.L., Williams, J.B., 2001. The PHQ-9: validity of a brief de-pression severity measure. J. Gen. Intern. Med. 16, 606–613.
Lampert, T., Kroll, L., Muters, S., Stolzenberg, H., 2013. Measurement of socio-economic status in the German Health Interview and Examination Survey forAdults (DEGS1). Bundesgesundheitsblatt Gesundheitsforschung Ge-sundheitsschutz 56, 631–636.
Latalova, K., Kamaradova, D., Prasko, J., 2014. Perspectives on perceived stigma andself-stigma in adult male patients with depression. Neuropsychiatr. Dis. Treat.10, 1399–1405.
Lorant, V., Deliege, D., Eaton, W., Robert, A., Philippot, P., Ansseau, M., 2003. So-cioeconomic inequalities in depression: a meta-analysis. Am. J. Epidemiol. 157,98–112.
Löwe B., Spitzer R. L., Zipfel S., Herzog W., 2002. Gesundheitsfragebogen für Pa-tienten (PHQ-D). Komplettversion und Kurzform. Testmappe mit Manual, Fra-gebögen, Schablonen. 2 Auflage. Pfizer, Karlsruhe.
Martin, A., Rief, W., Klaiberg, A., Braehler, E., 2006. Validity of the Brief PatientHealth Questionnaire Mood Scale (PHQ-9) in the general population. Gen. hosp.
Psychiatry 28, 71–77.Maske, U.E., Busch, A.M., Jacobi, F., Riedel-Heller, S.G., Scheidt-Nave, C., Hapke, U.,
2013. [Chronic Somatic Conditions and Mental Health Problems in the GeneralPopulation in Germany. Results of the National Telephone Health InterviewSurvey “German Health Update (GEDA)” 2010]. Psychiatr. Praxis 40, 207–213.
Maske, U.E., Scheidt-Nave, C., Busch, M.A., Jacobi, F., Weikert, B., Riedel-Heller, S.G.,Hapke, U., 2015. [Comorbidity of Diabetes Mellitus and Depression in theGeneral Population in Germany]. Psychiatr. Praxis 42, 202–207.
Mauz, E., Jacobi, F., 2008. [Mental disorders and social inequalities in three birthcohorts]. Psychiatr. Praxis 35, 343–352.
McKenzie, K., Murray, A., Booth, T., 2013. Do urban environments increase the riskof anxiety, depression and psychosis? An epidemiological study. J. Affect. Dis-ord. 150, 1019–1024.
Melchior, H., Schulz, H., Härter, M., 2014. Faktencheck Gesundheit: Regionale Un-terschiede in der Diagnostik und Behandlung von Depressionen. Bertelsmannstift. Gutersl., 202–207.
Mitchell, A.J., Vaze, A., Rao, S., 2009. Clinical diagnosis of depression in primarycare: a meta-analysis. Lancet 374, 609–619.
Möller-Leimkühler, A.M., 2002. Barriers to help-seeking by men: a review of so-ciocultural and clinical literature with particular reference to depression. J.Affect. Disord. 71, 1–9.
Murray, C.J., Vos, T., Lozano, R., Naghavi, M., Flaxman, A.D., Michaud, C., Ezzati, M.,Shibuya, K., Salomon, J.A., Abdalla, S., Aboyans, V., Abraham, J., Ackerman, I.,Aggarwal, R., Ahn, S.Y., Ali, M.K., Alvarado, M., Anderson, H.R., Anderson, L.M.,Andrews, K.G., Atkinson, C., Baddour, L.M., Bahalim, A.N., Barker-Collo, S., Bar-rero, L.H., Bartels, D.H., Basanez, M.G., Baxter, A., Bell, M.L., Benjamin, E.J.,Bennett, D., Bernabe, E., Bhalla, K., Bhandari, B., Bikbov, B., Bin Abdulhak, A.,Birbeck, G., Black, J.A., Blencowe, H., Blore, J.D., Blyth, F., Bolliger, I., Bona-venture, A., Boufous, S., Bourne, R., Boussinesq, M., Braithwaite, T., Brayne, C.,Bridgett, L., Brooker, S., Brooks, P., Brugha, T.S., Bryan-Hancock, C., Bucello, C.,Buchbinder, R., Buckle, G., Budke, C.M., Burch, M., Burney, P., Burstein, R., Ca-labria, B., Campbell, B., Canter, C.E., Carabin, H., Carapetis, J., Carmona, L., Cella,C., Charlson, F., Chen, H., Cheng, A.T., Chou, D., Chugh, S.S., Coffeng, L.E., Colan, S.D., Colquhoun, S., Colson, K.E., Condon, J., Connor, M.D., Cooper, L.T., Corriere,M., Cortinovis, M., de Vaccaro, K.C., Couser, W., Cowie, B.C., Criqui, M.H., Cross,M., Dabhadkar, K.C., Dahiya, M., Dahodwala, N., Damsere-Derry, J., Danaei, G.,Davis, A., De Leo, D., Degenhardt, L., Dellavalle, R., Delossantos, A., Denenberg, J.,Derrett, S., Des Jarlais, D.C., Dharmaratne, S.D., Dherani, M., Diaz-Torne, C., Dolk,H., Dorsey, E.R., Driscoll, T., Duber, H., Ebel, B., Edmond, K., Elbaz, A., Ali, S.E.,Erskine, H., Erwin, P.J., Espindola, P., Ewoigbokhan, S.E., Farzadfar, F., Feigin, V.,Felson, D.T., Ferrari, A., Ferri, C.P., Fevre, E.M., Finucane, M.M., Flaxman, S., Flood,L., Foreman, K., Forouzanfar, M.H., Fowkes, F.G., Fransen, M., Freeman, M.K.,Gabbe, B.J., Gabriel, S.E., Gakidou, E., Ganatra, H.A., Garcia, B., Gaspari, F., Gillum,R.F., Gmel, G., Gonzalez-Medina, D., Gosselin, R., Grainger, R., Grant, B., Groeger,J., Guillemin, F., Gunnell, D., Gupta, R., Haagsma, J., Hagan, H., Halasa, Y.A., Hall,W., Haring, D., Haro, J.M., Harrison, J.E., Havmoeller, R., Hay, R.J., Higashi, H., Hill,C., Hoen, B., Hoffman, H., Hotez, P.J., Hoy, D., Huang, J.J., Ibeanusi, S.E., Jacobsen,K.H., James, S.L., Jarvis, D., Jasrasaria, R., Jayaraman, S., Johns, N., Jonas, J.B.,Karthikeyan, G., Kassebaum, N., Kawakami, N., Keren, A., Khoo, J.P., King, C.H.,Knowlton, L.M., Kobusingye, O., Koranteng, A., Krishnamurthi, R., Laden, F.,Lalloo, R., Laslett, L.L., Lathlean, T., Leasher, J.L., Lee, Y.Y., Leigh, J., Levinson, D.,Lim, S.S., Limb, E., Lin, J.K., Lipnick, M., Lipshultz, S.E., Liu, W., Loane, M., Ohno, S.L., Lyons, R., Mabweijano, J., MacIntyre, M.F., Malekzadeh, R., Mallinger, L.,Manivannan, S., Marcenes, W., March, L., Margolis, D.J., Marks, G.B., Marks, R.,Matsumori, A., Matzopoulos, R., Mayosi, B.M., McAnulty, J.H., McDermott, M.M.,McGill, N., McGrath, J., Medina-Mora, M.E., Meltzer, M., Mensah, G.A., Merri-man, T.R., Meyer, A.C., Miglioli, V., Miller, M., Miller, T.R., Mitchell, P.B., Mock, C.,Mocumbi, A.O., Moffitt, T.E., Mokdad, A.A., Monasta, L., Montico, M., Moradi-Lakeh, M., Moran, A., Morawska, L., Mori, R., Murdoch, M.E., Mwaniki, M.K.,Naidoo, K., Nair, M.N., Naldi, L., Narayan, K.M., Nelson, P.K., Nelson, R.G., Nevitt,M.C., Newton, C.R., Nolte, S., Norman, P., Norman, R., O’Donnell, M., O’Hanlon, S.,Olives, C., Omer, S.B., Ortblad, K., Osborne, R., Ozgediz, D., Page, A., Pahari, B.,Pandian, J.D., Rivero, A.P., Patten, S.B., Pearce, N., Padilla, R.P., Perez-Ruiz, F.,Perico, N., Pesudovs, K., Phillips, D., Phillips, M.R., Pierce, K., Pion, S., Polanczyk,G.V., Polinder, S., Pope 3rd, C.A., Popova, S., Porrini, E., Pourmalek, F., Prince, M.,Pullan, R.L., Ramaiah, K.D., Ranganathan, D., Razavi, H., Regan, M., Rehm, J.T.,Rein, D.B., Remuzzi, G., Richardson, K., Rivara, F.P., Roberts, T., Robinson, C., DeLeon, F.R., Ronfani, L., Room, R., Rosenfeld, L.C., Rushton, L., Sacco, R.L., Saha, S.,Sampson, U., Sanchez-Riera, L., Sanman, E., Schwebel, D.C., Scott, J.G., Segui-Gomez, M., Shahraz, S., Shepard, D.S., Shin, H., Shivakoti, R., Singh, D., Singh, G.M., Singh, J.A., Singleton, J., Sleet, D.A., Sliwa, K., Smith, E., Smith, J.L., Stapelberg,N.J., Steer, A., Steiner, T., Stolk, W.A., Stovner, L.J., Sudfeld, C., Syed, S., Tam-burlini, G., Tavakkoli, M., Taylor, H.R., Taylor, J.A., Taylor, W.J., Thomas, B.,Thomson, W.M., Thurston, G.D., Tleyjeh, I.M., Tonelli, M., Towbin, J.A., Truelsen,T., Tsilimbaris, M.K., Ubeda, C., Undurraga, E.A., van der Werf, M.J., van Os, J.,Vavilala, M.S., Venketasubramanian, N., Wang, M., Wang, W., Watt, K., Weath-erall, D.J., Weinstock, M.A., Weintraub, R., Weisskopf, M.G., Weissman, M.M.,White, R.A., Whiteford, H., Wiebe, N., Wiersma, S.T., Wilkinson, J.D., Williams,H.C., Williams, S.R., Witt, E., Wolfe, F., Woolf, A.D., Wulf, S., Yeh, P.H., Zaidi, A.K.,Zheng, Z.J., Zonies, D., Lopez, A.D., AlMazroa, M.A., Memish, Z.A., 2012. Dis-ability-adjusted life years (DALYs) for 291 diseases and injuries in 21 regions,1990-2010: a systematic analysis for the Global Burden of Disease Study 2010.Lancet 380; , pp. 2197–2223.
Parker, G., Brotchie, H., 2010. Gender differences in depression. Int. Rev. Psychiatry22, 429–436.
Paykel, E., Abbott, R., Jenkins, R., Brugha, T., Meltzer, H., 2003. Urban-rural mental
U.E. Maske et al. / Journal of Affective Disorders 190 (2016) 167–177 177
health differences in Great Britain: findings from the National Morbidity Sur-vey. Int. Rev. Psychiatry. 15, 97–107.
Rapaport, M.H., Judd, L.L., Schettler, P.J., Yonkers, K.A., Thase, M.E., Kupfer, D.J.,Frank, E., Plewes, J.M., Tollefson, G.D., Rush, A.J., 2002. A descriptive analysis ofminor depression. Am. J. Psychiatry 159, 637–643.
Reeves, W,C., Strine, T,W., Pratt, L.A., Thompson, W., Ahluwalia, I., Dhingra, S.S,McKnight-Eily, L.R., Harrison, L., D’Angelo, D.V., Williams, L., 2011. Mental ill-ness surveillance among adults in the United States. MMWR Surveill. Summ. 60(Suppl. 3), S1–S29.
Rief, W., Nanke, A., Klaiberg, A., Braehler, E., 2004. Base rates for panic and de-pression according to the Brief Patient Health Questionnaire: a population-based study. J. Affect. Disord. 82, 271–276.
Rodriguez, M.R., Nuevo, R., Chatterji, S., Ayuso-Mateos, J.L., 2012. Definitions andfactors associated with subthreshold depressive conditions: a systematic re-view. BMC Psychiatry 12, 181.
Scheidt-Nave, C., Kamtsiuris, P., Goesswald, A., Hoelling, H., Lange, M., Busch, M.A.,Dahm, S., Doelle, R., Ellert, U., Fuchs, J., Hapke, U., Heidemann, C., Knopf, H.,Laussmann, D., Mensink, G.B., Neuhauser, H., Richter, A., Sass, A.C., SchaffrathRosario, A., Stolzenberg, H., Thamm, M., Kurth, B.M., 2012. German health in-terview and examination survey for adults (DEGS)-design, objectives and im-plementation of the first data collection wave. BMC Public Health 12, 730.
Schomerus, G., Angermeyer, M.C., 2008. Stigma and its impact on help-seeking formental disorders: what do we know? Epidemiol. Psychiatr. Sci. 17, 31–37.
Strine, T.W., Mokdad, A.H., Balluz, L.S., Gonzalez, O., Crider, R., Berry, J.T., Kroenke,K., 2008. Depression and anxiety in the United States: findings from the 2006Behavioral Risk Factor Surveillance System. Psychiatr. Serv. 59, 1383–1390.
Ware Jr., J.E., 2000. SF-36 health survey update. Spine 25, 3130–3139.Ware, J.E.J., Kosinski, M., Bjorner, B.J., Turner-Bowker, D.M., Gandek, B., ME, M.,
2007. User's Manual for the SF-36v2 Health Survey, 2nd edn Quality MetricIncorported, USA.
Whiteford, H.A., Degenhardt, L., Rehm, J., Baxter, A.J., Ferrari, A.J., Erskine, H.E.,Charlson, F.J., Norman, R.E., Flaxman, A.D., Johns, N., 2013. Global burden of
disease attributable to mental and substance use disorders: findings from theGlobal Burden of Disease Study 2010. Lancet 382, 1575–1586.
Wittchen, H.-U., 1994. Reliability and validity studies of the WHO-Composite In-ternational Diagnostic Interview (CIDI): a critical review. J. Psychiatr. Res. 28,57–84.
Wittchen, H.U., Carter, R.M., Pfister, H., Montgomery, S.A., Kessler, R.C., 2000a.Disabilities and quality of life in pure and comorbid generalized anxiety dis-order and major depression in a national survey. Int. Clin. Psychopharmacol. 15,319–328.
Wittchen, H.U., Jacobi, F., Klose, M., Ryl, L., 2010. Depressive Erkrankungen, Ge-sundheitsberichterstattung des Bundes. Robert Koch-Institut, Berlin.
Wittchen, H.U., Jacobi, F., Rehm, J., Gustavsson, A., Svensson, M., Jonsson, B., Olesen,J., Allgulander, C., Alonso, J., Faravelli, C., Fratiglioni, L., Jennum, P., Lieb, R.,Maercker, A., van Os, J., Preisig, M., Salvador-Carulla, L., Simon, R., Steinhausen,H.C., 2011. The size and burden of mental disorders and other disorders of thebrain in Europe 2010. Eur. Neuropsychopharmacol.: J. Eur. College Neu-ropsychopharmacol. 21, 655–679.
Wittchen, H.U., Lachner, G., Wunderlich, U., Pfister, H., 1998. Test-retest reliability ofthe computerized DSM-IV version of the Munich-Composite International Di-agnostic Interview (M-CIDI). Soc. Psychiatry Psychiatr. Epidemiol. 33, 568–578.
Wittchen H.U., Pfister H, 1997. DIA-X-Interviews: Manual für Screening-Verfahrenund Interview; Interviewheft Längsschnittuntersuchung (DIA-X-Lifetime); Er-gänzungsheft (DIA-X-Lifetime); Interviewheft Querschnittuntersuchung (DIA-X-12 Monate); Ergänzungsheft (DIA-X-12Monate); PC-Programm zur Durch-führung des Interviews (Längs-und Querschnittuntersuchung); Auswertung-sprogramm Swets und Zeitlinger, Frankf.
Wittchen, H.U., Winter, S., Höfler, M., Spiegel, B., Ormel, H., Müller, N., Pfister, H.,2000b. Häufigkeit und Erkennensrate von Depression in der hausärztlichenPraxis. Fortschritte Med. 118, 22–30.
World Health Organisation, 2000. Cross-national comparisons of the prevalencesand correlates of mental disorders. WHO international consortium in psy-chiatric epidemiology. Bull. world health Organ. 78, 413–426.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 49
2.4 Current major depressive syndrome measured with the Patient Health
Questionnaire-9 (PHQ-9) and the Composite International Diagnostic Interview
(CIDI): results from a cross-sectional population-based study of adults in
Germany
Autoren
Maske UE, Busch MA, Jacobi F, Beesdo-Baum K, Seiffert I, Wittchen HU, Riedel-Heller SG,
Hapke U
Bibliographie
BMC Psychiatry. 2015; 15: 77-83
Maske et al. BMC Psychiatry (2015) 15:77 DOI 10.1186/s12888-015-0463-4
RESEARCH ARTICLE Open Access
Current major depressive syndrome measuredwith the Patient Health Questionnaire-9 (PHQ-9)and the Composite International DiagnosticInterview (CIDI): results from a cross-sectionalpopulation-based study of adults in GermanyUlrike E Maske1,2*, Markus A Busch1, Frank Jacobi3, Katja Beesdo-Baum3,4, Ingeburg Seiffert1, Hans-Ulrich Wittchen3,Steffi Riedel-Heller2 and Ulfert Hapke1
Abstract
Background: Prevalence estimates for depression vary considerably by the type of assessment instrument, andthere is limited information on their overlap in population-based samples. Our aim was to compare the PatientHealth Questionnaire-9 (PHQ-9) with the Composite International Diagnostic Interview (CIDI) as measures for currentmajor depressive syndrome (MDS) in a large population-based sample.
Methods: Data derived from the mental health module of the nationwide cross-sectional German Health Interviewand Examination Survey for Adults (DEGS1-MH) (n = 4483; age 18–79 years). MDS in the past two weeks wasassessed (a) using the PHQ-9 diagnostic algorithm (PHQ-MDS) and (b) based on CIDI information about the latestsymptom occurrence (recency) (CIDI-MDS). Prevalences, overall concordance and percentages of overlap of bothMDS measures were determined. Prevalences of affirmed PHQ-9 depression symptoms and the mean and medianPHQ-9 sum scores were analyzed per measure.
Results: Prevalence of current MDS was 2.7% (95% CI: 2.0-3.6) for PHQ-MDS and 3.9% (95% CI: 3.1-5.0) for CIDI-MDS.The overall agreement between both measures was moderate (kappa: 0.43). Of all the participants, 1.5% (95% CI:1.0-2.2) were classified as MDS cases by both measures, with 54.5% (95% CI: 42.7-65.9) of PHQ-MDS cases and 37.9%(95% CI: 27.8-49.1) of CIDI-MDS cases also being classified as MDS by the respective other MDS measure. However,94.8% (95% CI: 93.6-95.8) of the participants were classified as non-MDS by both measures, with 97.5% (95% CI:96.6-98.1) of non-PHQ-MDS and 98.7% (95% CI: 98.2-99.1) of non-CIDI-MDS being classified as non-MDS by therespective other MDS measure. The mean and median PHQ-9 sum score was higher in those with PHQ-MDS thanin those with CIDI-MDS.(Continued on next page)
* Correspondence: [email protected] of Epidemiology and Health Monitoring, Robert Koch Institute,General-Pape-Straße 62-66, 12045 Berlin, Germany2Institute for Social Medicine, Occupational Health and Public Health, Facultyof Medicine, University of Leipzig, Ph.-Rosenthal-Str. 55, 04103 Leipzig,GermanyFull list of author information is available at the end of the article
© 2015 Maske et al.; licensee BioMed Central. This is an Open Access article distributed under the terms of the CreativeCommons Attribution License (http://creativecommons.org/licenses/by/4.0), which permits unrestricted use, distribution, andreproduction in any medium, provided the original work is properly credited. The Creative Commons Public DomainDedication waiver (http://creativecommons.org/publicdomain/zero/1.0/) applies to the data made available in this article,unless otherwise stated.
Maske et al. BMC Psychiatry (2015) 15:77 Page 2 of 7
(Continued from previous page)
Conclusions: Both measures have a high level of agreement for ruling out current MDS, but the overlap in theirclassification of cases is moderate. Our results indicate that they cannot be interpreted as equal measures of the sameconstruct, suggesting limited comparability of their prevalence estimates. However, further exploration of algorithmsand correlates and a proper labeling of measures in epidemiological studies are required.
Keywords: Depression, Patient health questionnaire, Composite international diagnostic interview, Population-basedsample
BackgroundDepressive disorders are a major public health issue withfar reaching consequences for individuals and society[1,2]. Reliable and valid information at the populationlevel is essential for estimating prevalences and associatedcare needs. Of the wide range of depressive categories de-fined in the Diagnostic and Statistical Manual of MentalDisorders (DSM-IV) [3], major depression is by far themost prevalent type in the general population [4]. In lightof different research questions and mostly limited inter-view time, various instruments have been developed formental health epidemiology and monitoring that differ inlength, structure, and construct covered (i.e., at the levelof symptoms, syndromes or the full clinical picture).The Composite International Diagnostic Interview
(CIDI) is an established and widely used instrument forassessing a clinical diagnosis of major depression in epi-demiological and clinical studies [5-7]. It has been devel-oped and validated for determining major depressivedisorder (MDD) according to DSM-IV criteria in the past12 months and over the lifetime, and major depressivesyndrome (MDS), in which the exclusion criteria forMDD (i.e., mixed episodes, medical or substance-relatedreasons for symptoms, lifetime manic or hypomanic epi-sodes) are disregarded. However, information about thelatest occurrence, i.e., the recency of symptoms, is used indiverse studies based on the CIDI to determine a 4-weekdiagnosis [8-11]. The CIDI 4-week recency informationfor MDD was reported to be highly concordant with thediagnosis of MDD based on a professional psychiatricinterview in a clinical sample [12], but the validity ofrecency information for determining a diagnosis for thepast four weeks or shorter time frames has not yet beenexamined in the general population.The Patient Health Questionnaire-9 (PHQ-9) is another
established and frequently used instrument to assess MDSin clinical and population-based studies. Although it isalso based on the DSM-IV criteria of major depression,the PHQ-9 has been specifically developed as a screeninginstrument for current depressive symptoms and syn-dromes in the past two weeks [13,14]. The PHQ-9 diag-nostic algorithm has been extensively validated in clinicalsamples with varying results [15-17], but there are practic-ally no studies on its diagnostic validity for determining
current MDS with an appropriate reference instrument inthe general population.In this study, we use data from a large sample of the
adult general population of Germany to explore theagreement and comparability of the PHQ-9 diagnosticalgorithm and the CIDI information about symptomrecency as measures for MDS in the past two weeks.Therefore, for both MDS measures, we investigated (1)the prevalence, (2) the percentages of overlap betweenthese measures, and (3) the prevalence of single PHQ-9depression symptoms and the mean and median PHQ-9sum score. (4) Additionally, we examined the percentageof PHQ-MDS cases identified as 12-month MDS casesby the CIDI.
MethodsStudy design and sampleCross-sectional data of the mental health module(DEGS1-MH) of the German Health Interview and Exam-ination Survey for Adults (DEGS1) (data collection: 2009–2012) were used. The study design and sample have beendescribed elsewhere [18-20]. DEGS1 and DEGS1-MHincluded a representative sample of community-dwellingresidents of Germany aged 18–79 years. In DEGS1-MH,25 mental disorders were assessed with the DEGS-CIDI, amodified version of the German version (DIA-X/M-CIDI)[7,12] of the World Health Organization CIDI [5,20],complemented by additional questionnaires including thePHQ-9. Of the 8151 DEGS1 participants, 6027 wereeligible for DEGS1-MH, and 5317 of these participated inthe DEGS1-MH (conditional response rate: 88.2%) [20].Of these, 4483 had full mental health interviews (one par-ticipant withdrew informed consent after publication ofthe study protocol), which were conducted by clinicallytrained interviewers, of which 94% were clinical psycholo-gists or advanced clinical psychology students [20]. Partici-pants with missing data for any of the measures of MDSwere excluded from this study.The DEGS1 study protocol was consented by the Federal
and State Commissioners for Data Protection and wasapproved by the Charité-Universitätsmedizin Berlin ethicscommittee (No. EA2/047/08) and by the Ethics Board ofthe Technische Universität Dresden for DEGS1-MH (No.
Table 1 Prevalence of MDS and non-MDS according toPHQ-MDS1, CIDI-MDS2 or both
CIDI-MDS
MDS(n = 130)
Non-MDS(n = 4152)
Total
PHQ-MDS MDS(n = 86)
1.5 (1.0-2.2) 1.2 (0.9-1.8) 2.7 (2.0-3.6)
Non-MDS(n = 4196)
2.4 (1.8-3.3) 94.8 (93.6-95.8) 97.3 (96.4-98.0)
Total 3.9 (3.1-5.0) 96.1 (95.0-96.9) 1001current major depressive syndrome according to the diagnostic algorithm ofthe Patient Health Questionnaire-9 (PHQ-9).22-week major depressive syndrome according to the CIDI information aboutsymptom recency.
Maske et al. BMC Psychiatry (2015) 15:77 Page 3 of 7
EK174062009). The participants gave written informedconsent prior to the interviews.
Measures of current MDSPHQ-9 diagnostic algorithmThe self-administered German version of the PHQ-9[21] was applied prior to the CIDI depression section.For each of the nine DSM-IV depression symptoms, thePHQ-9 assesses how often the respondent has beenbothered by that symptom over the past two weeks,assigning values of 0 to 3 points (0 - not at all, 1 - severaldays, 2 - more than half of the days, 3 - nearly everyday). According to Löwe et al., a case of current majordepressive syndrome (PHQ-MDS) was determinedwhen at least five symptoms were reported as presentfor more than half the days (suicide item: several daysor more) in the past two weeks, including depressedmood or lack of interest [21].
12-month and 2-week CIDI-MDSIn the DIA-X/M-CIDI, the standard algorithm aggre-gates thirty single items into the nine DSM-IV depres-sion symptoms. MDS within the past 12 months isdefined as at least five of the nine symptoms presentmost of the days for a minimum of two weeks, includingdepressed mood or lack of interest present most of thetime of the day, disregarding additional information onexclusion criteria such as medication or substance useor bereavement, which is used in the definition of MDD[3]. As the 12-month time frame was not appropriate forassessing current MDS, a CIDI measure for currentMDS was defined in analogy to the algorithm used todetermine 4-week diagnoses of disorders [8-10,22]: MDSin the past two weeks (CIDI-MDS) was defined as 12-month MDS with recency of depressed mood or loss ofinterest, or tiredness or exhaustion, and “further depressionsymptoms” in the past two weeks.
Statistical analysisPrevalences with 95% confidence intervals (95% CIs) ofPHQ-MDS and CIDI-MDS were estimated. Because ofthe lack of a gold standard for current MDS, operationalcharacteristics (sensitivity and specificity) were not calcu-lated, but the percentages of overlap between both mea-sures were calculated. Concordance between the measureswas examined using Cohen’s kappa [23]. Additionally, thepercentage of PHQ-MDS cases identified as 12-monthMDS cases according to the CIDI was examined. Finally,the prevalence of the single PHQ-9 depression symptomspresent on more than half the days (suicide item: severaldays or more) in the past two weeks and the mean PHQ-9sum scores by MDS measure were calculated. Sex- or age-specific results were not reported due to the small numberof cases.
Differences were considered statistically significant ifthe 95% CIs did not overlap. Sample weights were usedto account for participation probability and correctingsample deviations from population structure (as of Dec31, 2010) in age, sex, region, nationality, type of munici-pality and education [20]. Therefore, all figures presentedare weighted population estimates (except the medianPHQ-9 sum score). To account for the clustering of par-ticipants within sample points, Stata 12.1 survey proce-dures were used.
ResultsOf the 4483 DEGS1-MH participants, 126 (2.8%) hadmissing values for the PHQ-MDS, 51 (1.1%) for the CIDI-MDS, and 24 (0.5%) for both measures, leaving a studysample of n = 4282. Of those, 50.8% (95% CI: 48.8-52.8)were female, the mean age was 47.8 years (95% CI: 47.2-48.4), 59.1% (95% CI: 56.7-61.5) were married, 34.5% (95%CI: 32.0-37.1) had a low education level, and 51.1% (95%CI: 48.9-53.2) had a medium education level according tothe Comparative Analysis of Social Mobility in IndustrialNations (CASMIN) [24].
Concordance and overlap of the PHQ-MDS and CIDI-MDSPrevalence of current MDS was 2.7% (95% CI: 2.0-3.6) ac-cording to PHQ-MDS and 3.9% (95%CI: 3.1-5.0) accord-ing to CIDI-MDS (Table 1). Overall, 1.5% of participants(95% CI: 1.0-2.2) were classified as MDS cases and 94.8%as non-MDS cases by both instruments. The overall agree-ment between PHQ-MDS and CIDI-MDS was moderate(kappa: 0.43).Of those with PHQ-MDS, 54.5% (95% CI: 42.7-65.9)
were classified as CIDI-MDS (Table 2), and of those withCIDI-MDS, 37.9% (95% CI: 27.8-49.1) were classified asPHQ-MDS. The percentages of concordant classificationas non-MDS cases were at least 97.4% in both directions.Of those with PHQ-MDS, 78.8% (95% CI: 67.6-86.72)
were classified as 12-month CIDI-MDS cases.
Table 2 Percentages of overlap of MDS and non-MDScases according to PHQ-MDS1 and CIDI-MDS2
% (95% CI)
PHQ-MDS classified as CIDI-MDS 54.5 (42.7-65.9)
Non-PHQ-MDS classified as non-CIDI-MDS 97.5 (96.6-98.1)
CIDI-MDS classified as PHQ-MDS 37.9 (27.8-49.1)
Non-CIDI-MDS classified as non-PHQ-MDS 98.7 (98.2-99.1)1current major depressive syndrome according to the diagnostic algorithm ofthe Patient Health Questionnaire-9 (PHQ-9).22-week major depressive syndrome according to the CIDI information aboutsymptom recency.
Maske et al. BMC Psychiatry (2015) 15:77 Page 4 of 7
PHQ-9 depression symptoms and PHQ-9 sum scoreOverall, the prevalence of all the PHQ-9 depressionsymptoms except “psychomotor retardation or agitation”was higher among participants with PHQ-MDS com-pared to those with CIDI-MDS (Table 3). CIDI-MDScases were less likely than PHQ-MDS cases to affirmdepressed mood and lack of interest as main depressionsymptoms in the PHQ-9. Additional analyses showedthat 58.9% (95% CI: 47.9-69.1) of those with CIDI-MDSaffirmed at least one of these two symptoms. CIDI-MDScases had a lower mean and median PHQ-9 sum score(11.7 and 10.5) than PHQ-MDS cases (15.9 and 15).
DiscussionThis study compares two measures of current MDS inthe past two weeks based on the PHQ-9 diagnosticalgorithm and on information of symptom recency fromthe CIDI in a large population-based sample of adults inGermany. Prevalence was 2.7% for PHQ-MDS and 3.9%for CIDI-MDS. Our analyses showed a moderate overall
Table 3 Prevalence of PHQ-9 depression symptoms and meanand CIDI-MDS2
PHQ-9 depression symptoms present more than half of the days
Little interest or pleasure in doing things
Feeling down, depressed, or hopeless
Trouble falling or staying asleep, or sleeping too much
Feeling tired or having little energy
Poor appetite or overeating
Feeling bad about yourself or that you are a failure or have let yourself or yo
Trouble concentrating on things, such as reading the newspaper or watching
Moving or speaking so slowly that other people could have noticed, or the orestless that you have been moving around a lot more than usual
Thoughts that you would be better off dead or of hurting yourself in some w
Mean PHQ-9 score
Median PHQ-9 score1current major depressive syndrome according to the diagnostic algorithm of the P22-week major depressive syndrome according to the CIDI information about symp3present at least “several days”.
concordance of both, with a high agreement regarding theclassification as non-MDS, but with moderate agreementin their classification as MDS. CIDI-MDS cases had lowerprevalences of single PHQ-9 items affirmed and a lowermean PHQ-9 sum score than those with PHQ-MDS.More than three-quarters of those with PHQ-MDS wereincluded in the 12-month CIDI-MDS diagnosis.The difference in prevalence is plausible considering
that the PHQ-9 focuses on the narrow time frame of twoweeks before the assessment, whereas the 2-week CIDI-MDS comprises those cases of any episode of MDS in thepast 12 months, who reported the past two weeks as thelatest presence of depressed mood or loss of interest ortiredness/exhaustion and “some further symptoms”.The moderate percentage of overlap between PHQ-
MDS and CIDI-MDS in the past two weeks appearsremarkable at first sight considering that both instrumentscover the same time frame of the past two weeks and arebased on the criteria of the DSM-IV. In our data, 37.9% ofthose with CIDI-MDS were also classified as PHQ-MDS,which is rather low compared to studies in clinical sam-ples with the Structured Clinical Interview for DSM-IVDisorders (SCID) as the reference instrument [14,16].However, there are several plausible explanations for thisfinding. First, depression is likely to be less frequent in thegeneral population than in clinical samples, and the abilityof the PHQ-9 to detect MDS has been questioned insamples with low pretest probabilities [16]. Second, milderforms of depression are likely to be more common in ageneral population sample than in a clinical sample, andthe agreement of diagnostic instruments may be lower insuch samples [25-27].
/median PHQ-9 score among participants with PHQ-MDS1
PHQ-MDS %(95% CI) n = 86
CIDI-MDS %(95% CI) n = 130
68.7 (54.1-80.3) 38.6 (28.5-49.8)
77.1 (63.0-87.0) 42.5 (31.6-54.3)
83.5 (71.4-91.1) 60.9 (49.6-71.1)
97.7 (89.9-99.5) 68.8 (57.5-78.3)
72.8 (60.7-82.2) 41.9 (31.3-53.2)
ur family down 72.1 (59.6-81.9) 39.4 (29.1-50.8)
television 52.2 (39.3-64.8) 34.5 (24.2-46.5)
pposite — being so fidgety or 17.7 (10.5-28.3) 8.3 (4.3-15.3)
ay3 61.0 (46.8-73.6) 41.9 (32.1-52.5)
15.9 (14.9-17.0) 11.7 (10.6-12.8)
15 10.5
atient Health Questionnaire-9 (PHQ-9).tom recency.
Maske et al. BMC Psychiatry (2015) 15:77 Page 5 of 7
Two further explanations for the discrepancy are pos-sible, resulting from differences in the assessment ofsymptom severity and in the algorithms applied in themeasures examined. Regarding the PHQ-9, the wordingconcerning the temporal pattern of the occurrence ofsymptoms is slightly less stringently specified than in theDSM-IV in that it demands five of nine symptoms to bepresent at least half of the days in the past two weeks;however, it does not specify the presence as “most of thetime of the day” for the main symptoms, as does theDSM-IV [3] and the CIDI. Thus, PHQ-MDS is likely toinclude cases whose main symptoms were potentially lesssevere than demanded in the DSM-IV, which might alsoexplain why 78.8% and not all of those with PHQ-MDSwere identified as 12-month CIDI-MDS cases.Regarding the CIDI, the presence of the full MDS cri-
teria is assessed for at least two weeks in the pasttwelve months but not necessarily for the time indi-cated in the question about the latest symptom occur-rence. To determine the recency, potential 12-monthMDS cases were asked to indicate the latest occurrenceof depressed mood or loss of interest or additionaltiredness/exhaustion and “some further symptoms”.First, this might lead to a classification of current MDSin respondents with subthreshold depression symp-toms, which is supported by the finding that the meanand median PHQ-9 sum scores for 2-week CIDI-MDSwere rather low (11.7 and 10.5) and that the PHQ-9items on depressed mood and loss of interest as maindepression symptoms were reported substantially lessfrequently than in those with PHQ-MDS. Second, 2-week CIDI-MDS does not include depressed mood andlack of interest as the only main symptoms; it alsoincludes loss of interest following the ICD-10 [28]. Thisdifference between the algorithms of PHQ-MDS and 2-week CIDI-MDS might be an additional explanation forthe discrepancies found.The fact that 12-month CIDI-MDS cases do not neces-
sarily experience the full symptomatic picture in the twoweeks prior to the interview is self-evident considering theepisodic course of depression, i.e., the variation of symptomseverity between the full clinical picture and subclinicalsymptoms [29,30] or partial remission with or withouttreatment.
LimitationsSeveral limitations must be considered. Firstly, there islimited information about the diagnostic validity ofPHQ-MDS and 2-week CIDI-MDS based on the infor-mation about symptom recency in general populationsamples; therefore, neither can be considered the goldstandard. Secondly, symptom assessments and algorithmsdiffer between the measures investigated, confining theoptions of identification of reasons for discrepancy.
Thirdly, because the definition of MDS does not com-prise differential diagnosis, MDS according to bothmeasures might occur in the context of other mentaldisorders, e.g., bipolar disorder. Fourthly, because caseswith severe depression symptoms are less likely to par-ticipate in health surveys, reported prevalences are pre-sumably conservative with regard to the prevalence ofMDS in the general population in Germany aged 18–79years.
ConclusionThe results suggest that both the PHQ-9 diagnosticalgorithm and CIDI-MDS in the past two weeks may beuseful to rule out current MDS in samples of the generalpopulation. The PHQ-9 may be more useful for generalpopulation surveys with limited interview time becauseof its brevity, flexible use as a diagnostic algorithm andseverity score, different validated assessment modes andfrequent worldwide use. Nevertheless, one should con-sider that the diagnostic algorithm might include depres-sion cases with less persistent symptoms in the currentepisode than are defined in the DSM-IV. Thus, its valid-ity in screening for or determining current MDS in thegeneral population must be further examined with anappropriate reference instrument in a large sample, ana-lyzing possible sex- and age-specific differences as well.When using the CIDI recency information as an indica-tor for the latest clinical diagnosis, researchers shouldkeep in mind and explicitly discuss that it might includea considerable number of subthreshold cases, particu-larly in general population samples. Our findings raisethe question of whether this is also the case with regardto other time frames based on the recency information.This question has yet to be investigated with a valid goldstandard to determine to what extent recency informa-tion can be interpreted as a valid indicator for a clinicaldiagnosis. Obviously, this does not affect the CIDI 12-month perspective, which remains the gold standard fordetermining depressive disorders in the past 12 months,even more so because it also allows determining MDDdiagnosis with exclusion criteria.The fact that we found only moderate overlap of the
two measures for current MDS, which have both beendeveloped based on the same criteria, supports otherresearch showing that even minor wording changes indepression measures may lead to major changes inprevalence estimates [31]. Thus, it is important for re-searchers in the field of depression to carefully describeand precisely discuss the constructs and time framescovered by specific depression measures. Additionally,it is important to use adequate terminology for eachdepression measure instead of subsuming any measuresunder the general name “depression”.
Maske et al. BMC Psychiatry (2015) 15:77 Page 6 of 7
AbbreviationsDSM-IV: Diagnostic and statistical manual of mental disorders, 4th edition;CIDI: Composite international diagnostic interview; MDD: Major depressivedisorder; MDS: Major depressive syndrome; PHQ-9: Patient healthquestionnaire-9; DEGS1-MH: Mental health module of the German HealthInterview and Examination Survey for Adults (DEGS1); 95% CI: 95%confidence interval; SCID: Structured clinical interview for DSM-IV disorders;ICD-10: International statistical classification of diseases and related healthproblems.
Competing interestsThe authors declare that they have no competing interests.
Authors’ contributionsUEM prepared and analyzed the data and designed and drafted themanuscript. MAB extensively helped writing the manuscript and interpretingthe results. KBB and SRH helped drafting the manuscript and contributed tothe interpretation. IS helped analyzing the data and drafting the methodssection. UH, HUW and FJ were responsible for the concept and design ofDEGS1-MH and contributed to the interpretation of the results. All authorsread and approved the final manuscript.
AcknowledgementsThis research project was funded primarily by the German Ministry of Health(BMG). Supplementary funding was provided by the Technische UniversitätDresden, and by the Stiftung Seelische Gesundheit inaugurated by theGerman Association for Psychiatry and Psychotherapy (DGPPN). We thankJens Strehle of the Institute of Clinical Psychology and Psychotherapy &Center for Clinical Epidemiology and Longitudinal Studies, TechnischeUniversität Dresden, for advising in the process of CIDI data preparation.
Author details1Department of Epidemiology and Health Monitoring, Robert Koch Institute,General-Pape-Straße 62-66, 12045 Berlin, Germany. 2Institute for SocialMedicine, Occupational Health and Public Health, Faculty of Medicine,University of Leipzig, Ph.-Rosenthal-Str. 55, 04103 Leipzig, Germany. 3Instituteof Clinical Psychology and Psychotherapy & Center for Clinical Epidemiologyand Longitudinal Studies, Technische Universität Dresden, Chemnitzer Str. 46,01187 Dresden, Germany. 4Behavioral Epidemiology, Technische UniversitätDresden, Chemnitzer Str. 46, 01187 Dresden, Germany.
Received: 23 October 2014 Accepted: 30 March 2015
References1. Ferrari AJ, Charlson FJ, Norman RE, Patten SB, Freedman G, Murray CJ, et al.
Burden of depressive disorders by country, sex, age, and year: findings fromthe global burden of disease study 2010. PLoS Med. 2013;10, e1001547.
2. Vos T, Flaxman AD, Naghavi M, Lozano R, Michaud C, Ezzati M, et al. Yearslived with disability (YLDs) for 1160 sequelae of 289 diseases and injuries1990–2010: a systematic analysis for the Global Burden of Disease Study2010. Lancet. 2012;380:2163–96.
3. American Psychiatric Association. Diagnostic and statistical manual ofmental disorders, 4th edition text revised. Washington, DC: AmericanPsychiatric Association; 2000.
4. Jacobi F, Hofler M, Siegert J, Mack S, Gerschler A, Scholl L, et al. Twelve-monthprevalence, comorbidity and correlates of mental disorders in Germany: theMental Health Module of the German Health Interview and Examination Surveyfor Adults (DEGS1-MH). Int J Methods Psychiatr Res. 2014;23:304–19.
5. Kessler RC, Ustun TB. The World Mental Health (WMH) Survey InitiativeVersion of the World Health Organization (WHO) Composite InternationalDiagnostic Interview (CIDI). Int J Methods Psychiatr Res. 2004;13:93–121.
6. Haro JM, Arbabzadeh-Bouchez S, Brugha TS, De Girolamo G, Guyer ME, JinR, et al. Concordance of the Composite International Diagnostic InterviewVersion 3.0 (CIDI 3.0) with standardized clinical assessments in the WHOWorld Mental Health surveys. Int J Methods Psychiatr Res. 2006;15:167–80.
7. Wittchen HU, Pfister H. DIA-X-Interviews: Manual für Screening-Verfahrenund Interview; Interviewheft Längsschnittuntersuchung (DIA-X-Lifetime);Ergänzungsheft (DIA-X-Lifetime); Interviewheft Querschnittuntersuchung(DIA-X-12 Monate); Ergänzungsheft (DIA-X-12Monate), PC-Programm zur
Durchführung des Interviews (Längs-und Querschnittuntersuchung);Auswertungsprogramm. Frankfurt: Swets und Zeitlinger; 1997.
8. Baumeister H, Morar V. The impact of clinical significance criteria on subthresholddepression prevalence rates. Acta Psychiatr Scand. 2008;118:443–50.
9. Jacobi F, Wittchen HU, Holting C, Hofler M, Pfister H, Muller N, et al.Prevalence, co-morbidity and correlates of mental disorders in the generalpopulation: results from the German Health Interview and ExaminationSurvey (GHS). Psychol Med. 2004;34:597–611.
10. Rumpf HJ, Meyer C, Hapke U, John U. Screening for mental health: validityof the MHI-5 using DSM-IV Axis I psychiatric disorders as gold standard.Psychiatry Res. 2001;105:243–53.
11. Carta MG, Mura G, Lecca ME, Moro MF, Bhat KM, Angermeyer MC, et al.Decreases in depression over 20 years in a mining area of Sardinia: due toselective migration? J Affect Disord. 2012;141:255–60.
12. Reed V, Gander F, Pfister H, Steiger A, Sonntag H, Trenkwalder C, et al. Towhat degree does the Composite International Diagnostic Interview (CIDI)correctly identify DSM-IV disorders? Testing validity issues in a clinicalsample. Int J Methods Psychiatr Res. 1998;7:142–55.
13. Kroenke K, Spitzer RL, Williams JB. The PHQ-9: validity of a brief depressionseverity measure. J Gen Intern Med. 2001;16:606–13.
14. Kroenke K, Spitzer RL, Williams JB, Lowe B. The Patient Health QuestionnaireSomatic, Anxiety, and Depressive Symptom Scales: a systematic review.Gen Hosp Psychiatry. 2010;32:345–59.
15. Gilbody S, Richards D, Brealey S, Hewitt C. Screening for depression inmedical settings with the Patient Health Questionnaire (PHQ): a diagnosticmeta-analysis. J Gen Intern Med. 2007;22:1596–602.
16. Wittkampf KA, Naeije L, Schene AH, Huyser J, Van Weert HC. Diagnosticaccuracy of the mood module of the Patient Health Questionnaire: asystematic review. Gen Hosp Psychiatry. 2007;29:388–95.
17. Manea L, Gilbody S, McMillan D. A diagnostic meta-analysis of the PatientHealth Questionnaire-9 (PHQ-9) algorithm scoring method as a screen fordepression. Gen Hosp Psychiatry. 2015;37:67–75.
18. Kamtsiuris P, Lange M, Hoffmann R, Schaffrath Rosario A, Dahm S, KuhnertR, et al. The first wave of the German Health Interview and ExaminationSurvey for Adults (DEGS1): sample design, response, weighting andrepresentativeness. Bundesgesundheitsblatt GesundheitsforschungGesundheitsschutz. 2013;56:620–30.
19. Scheidt-Nave C, Kamtsiuris P, Goesswald A, Hoelling H, Lange M, Busch MA,et al. German health interview and examination survey for adults (DEGS) -design, objectives and implementation of the first data collection wave.BMC Public Health. 2012;12:730.
20. Jacobi F, Mack S, Gerschler A, Scholl L, Hofler M, Siegert J, et al. The designand methods of the mental health module in the German Health Interviewand Examination Survey for Adults (DEGS1-MH). Int J Methods Psychiatr Res.2013;22:83–99.
21. Löwe B, Spitzer RL, Zipfel S, Herzog W. Gesundheitsfragebogen fürPatienten (PHQ-D). Komplettversion und Kurzform. Testmappe mit Manual,Fragebögen, Schablonen. 2. Auflage. Karlsruhe: Pfizer; 2002.
22. Bromet E, Andrade LH, Hwang I, Sampson NA, Alonso J, de Girolamo G,et al. Cross-national epidemiology of DSM-IV major depressive episode.BMC Med. 2011;9:90.
23. Landis JR, Koch GG. The measurement of observer agreement forcategorical data. Biometrics. 1977;33:159–74.
24. Brauns H, Scherer S, Steinmann S. The CASMIN educational classification ininternational comparative research. A European working book fordemographic and socio-economic variables. In: Hoffmeyer-Zlotnik JHP,Wolf C, editors. Advances in Cross-National Comparison. New York:Kluwer; 2003. p. 221–44.
25. Wittchen H-U, Üstün TB, Kessler RC. Diagnosing mental disorders in thecommunity. A difference that matters? Psychol Med. 1999;29:1021–7.
26. Helzer JE, Robins LN, McEvoy LT, Spitznagel EL, Stoltzman RK, Farmer A,et al. A comparison of clinical and diagnostic interview schedule diagnoses.Physician reexamination of lay-interviewed cases in the general population.Arch Gen Psychiatry. 1985;42:657–66.
27. Brugha TS, Jenkins R, Taub N, Meltzer H, Bebbington PE. A generalpopulation comparison of the Composite International Diagnostic Interview(CIDI) and the Schedules for Clinical Assessment in Neuropsychiatry (SCAN).Psychol Med. 2001;31:1001–13.
28. World Health Organisation. The ICD-10 classification of mental health andbehavioural disorders: clinical descriptions and diagnostic guidelines. 2nded. Geneva: World Health Organisation; 1993.
Maske et al. BMC Psychiatry (2015) 15:77 Page 7 of 7
29. Judd LL, Akiskal HS. Delineating the longitudinal structure of depressiveillness: Beyond clinical subtypes and duration thresholds. Pharmacopsychiatry.2000;33:3–7.
30. Kennedy N, Abbott R, Paykel ES. Longitudinal syndromal and sub-syndromalsymptoms after severe depression: 10-Year follow-up study. Br J Psychiatry.2004;184:330–6.
31. Karlsson L, Marttunen M, Karlsson H, Kaprio J, Hillevi A. Minor change in thediagnostic threshold leads into major alteration in the prevalence estimateof depression. J Affect Disord. 2010;122:96–101.
Submit your next manuscript to BioMed Centraland take full advantage of:
• Convenient online submission
• Thorough peer review
• No space constraints or color figure charges
• Immediate publication on acceptance
• Inclusion in PubMed, CAS, Scopus and Google Scholar
• Research which is freely available for redistribution
Submit your manuscript at www.biomedcentral.com/submit
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 57
Zusammenfassung der Arbeit
Dissertation zur Erlangung des akademischen Grades Dr. rer. med.
Titel:
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland:
Prävalenzen und Korrelate in bundesweiten Gesundheitssurveys des Robert Koch-Instituts
Eingereicht von: Ulrike Elisabeth Maske
Angefertigt an der: Universität Leipzig
Medizinische Fakultät
Institut für Sozialmedizin, Arbeitsmedizin und Public Health
Philipp-Rosenthal-Straße 55
04103 Leipzig
Betreut von: Prof. Dr. med. Steffi G. Riedel-Heller, MPH
Monat und Jahr der Einreichung: Dezember 2015
Reliable und valide Informationen zur Häufigkeit und zu Korrelaten von Depression in der
Allgemeinbevölkerung sind eine Voraussetzung für eine wissenschaftlich fundierte
Gesundheitsversorgung und für Präventionsmaßnahmen. Die Vielfalt an Definitionen und die
klinische Heterogenität des generischen Begriffs „Depression“ stellt eine Herausforderung für
die epidemiologische Forschung und für das Gesundheitsmonitoring in diesem Bereich dar
und spiegelt sich in der Vielzahl an Depressionsmaßen wider. Es existiert eine entsprechende
Bandbreite an Erhebungsinstrumenten, die von kurzen Selbstbeurteilungsskalen zur aktuellen
Symptombelastung über das Diagnosegeschehen erfassende Fragen nach einer ärztlich
gestellten Depressionsdiagnose bis hin zu halb- bis vollstrukturierten psychiatrischen
Diagnoseinterviews entsprechend den Kriterien des Diagnostic and Statistical Manual of
Mental Disorders (DSM) reicht.
Ziel dieser kumulativen Dissertation ist es, die Häufigkeiten und soziodemographischen und
gesundheitsbezogenen Korrelate unterschiedlicher etablierter Depressionsmaße anhand
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 58
bundesweiter Gesundheitssurveys des Robert Koch-Instituts (RKI) in der erwachsenen
Allgemeinbevölkerung in Deutschland zu untersuchen, wobei ein Schwerpunkt auf der
somatischen Komorbidität liegt. Exemplarisch werden außerdem Schnittmengen der
Fallklassifikation untersucht.
Datenbasis für die zwei englisch- und zwei deutschsprachigen Originalarbeiten der
Dissertation sind zwei Wellen der bundesweit repräsentativen telefonischen Querschnittstudie
„Gesundheit in Deutschland aktuell“ (GEDA, 18 Jahre und älter, GEDA 2009 N=21262,
GEDA 2010 N=22050) und querschnittliche Daten des Befragungs- und
Untersuchungssurveys „Studie zur Gesundheit Erwachsener in Deutschland“ (DEGS1, 19-79
Jahre, N=7987) mit dem Modul Psychische Gesundheit (DEGS1-MH, N=4483) des RKI. In
GEDA 2009 wurde bei 51,2% der Zielpersonenkontakte ein Interview realisiert, in GEDA
2010 bei 55,8%. In DEGS1 lag die Response Rate bei Wiederteilnehmern der
Vorgängerstudie Bundesgesundheitssurvey 1998 (BGS98) bei 64%, bei neu gezogenen
Teilnehmern bei 42%. Die konditionale Response Rate in DEGS1-MH lag bei 88%. Alle
Analysen wurden gewichtet unter Anwendung der Prozeduren zur Auswertung von
Surveydaten durchgeführt, die unterschiedliche Auswahl- und Teilnahme-
wahrscheinlichkeiten und Abweichungen von der jeweiligen Zielpopulation ausgleichen.
Folglich kann von einer Repräsentativität für die in Deutschland in Privathaushalten lebende
Bevölkerung im jeweiligen Altersbereich der Studie ausgegangen werden.
Folgende in den RKI-Surveys erfasste Depressionsmaße werden untersucht: das Mental
Health Inventory-5 (MHI-5) zur Erfassung einer aktuellen psychischen Belastung (letzte 4
Wochen), der Patient Health Questionnaire-9 (PHQ-9) zur Erfassung einer aktuellen
depressiven Symptomatik und eines depressiven Syndroms ohne Differentialdiagnostik (letzte
2 Wochen), eine von den Teilnehmern selbstberichtete ärztlich oder psychotherapeutisch
diagnostizierte Depression (letzte 12 Monate) und das voll-strukturierte psychiatrische
Diagnoseinterview Composite International Diagnostic Interview (CIDI) zur Erfassung eines
aktuellen major depressiven Syndroms (letzte 2 Wochen) und einer klinischen Major
Depression entsprechend den Kriterien des DSM-IV-TR (letzte 12 Monate).
Die Untersuchung der Prävalenz einer selbstberichteten diagnostizierten Depression und
deren Assoziation mit Diabetes mellitus unter Berücksichtigung weiterer chronischer
somatischer Erkrankungen anhand gepoolter Daten von GEDA 2009 und 2010 ergab
folgendes: Eine selbstberichtete diagnostizierte Depression in den letzten 12 Monaten
berichteten 4,8% der Männer und 8,5% der Frauen. Bei beiden Geschlechtern war eine
selbstberichtete diagnostizierte Depression bei den 50-64-Jährigen am häufigsten. Ein
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 59
komorbides Vorliegen von diagnostizierter Depression und Diabetes mellitus bestand bei
0,8% der Teilnehmer. Personen mit Diabetes- und Depressionsdiagnose hatten eine höhere
Anzahl weiterer diagnostizierter chronischer somatischer Erkrankungen als Personen mit nur
Depression oder nur Diabetes. Bei 18–49-jährigen Männern und Frauen und bei 50–64-
jährigen Frauen lagen Assoziationen einer Diabetes- und Depressionsdiagnose auch nach
Adjustierung für soziodemografische Merkmale und gesundheitsrelevante Verhaltensweisen
vor. Unter Einbezug weiterer chronischer somatischer Erkrankungen waren die Assoziationen
nicht mehr signifikant.
In Erweiterung dazu wurde die Assoziation von chronischen somatischen Erkrankungen mit
einer selbstberichteten diagnostizierten Depression in den letzten 12 Monaten und einer
aktuellen psychischen Belastung laut MHI-5 untersucht. Eine diagnostizierte Depression
berichteten in GEDA 2010 5,1% der Männer und 9,0% der Frauen, sie war bei den 45–64-
Jährigen am häufigsten. Eine aktuelle psychische Belastung hatten 7,3% der Männer und
13,5% der Frauen, die Prävalenz war bei den über 64-Jährigen am höchsten. Adjustierte
Analysen ergaben in allen Altersgruppen eine Assoziation beider Depressionsmaße mit
chronischen somatischen Erkrankungen, wobei die Assoziationen in höheren Altersgruppen
schwächer waren.
Eine umfassende und vergleichende Untersuchung der Häufigkeiten und der assoziierten
soziodemographischen und gesundheitsbezogenen Merkmale einer selbstberichteten
diagnostizierten Depression in den letzten 12 Monaten, einer Major Depression in den letzten
12 Monaten laut CIDI und einer aktuellen depressiven Symptomatik laut PHQ-9 anhand von
Daten aus DEGS1 und DEGS1-MH ergab folgende Prävalenzen: eine Major Depression
hatten 4,2% der Männer und 9,9% der Frauen, eine selbstberichtete Depressionsdiagnose
3,8% der Männer und 8,1% der Frauen und eine aktuelle depressive Symptomatik 6,1% der
Männer und 10,2% der Frauen. Im Altersverlauf zeigten sich unterschiedliche Prävalenzen:
Eine Major Depression und eine aktuelle depressive Symptomatik waren bei den 18-34-
Jährigen am häufigsten, eine selbstberichtete Depressionsdiagnose bei den 55-64-Jährigen.
Die paarweise berichteten Schnittmengen der Fallklassifikation lagen zwischen 31,9% und
45,1%. Es gab eine erhöhte Prävalenz für alle drei Depressionsmaße bei unverheirateten und
alleinlebenden im Vergleich zu verheirateten Personen (Ausnahme: aktuelle depressive
Symptomatik bei Männern), ebenso bei niedriger sozialer Unterstützung. In adjustierten
Analysen war ein niedriger sozioökonomischer Status (SES) bei Frauen mit einer ärztlichen
Depressionsdiagnose und bei beiden Geschlechtern mit einer aktuellen depressiven
Symptomatik assoziiert. Männer in mittelgroßen und großen Städten berichteten häufiger eine
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 60
ärztliche Depressionsdiagnose, und Frauen und Männer in mittelgroßen oder großen Städten
hatten häufiger eine aktuelle depressive Symptomatik als in kleinstädtischen Wohnorten. Es
zeigte sich keine Assoziation einer Major Depression mit dem SES und der Wohnortgröße.
Für alle drei Depressionsmaße ergaben adjustierte Analysen eine Assoziation mit schlechtem
subjektiven Gesundheitszustand (Ausnahme: Männer mit Major Depression), schlechterer
körperlicher und sozialer Funktionsfähigkeit, erhöhter somatischer Komorbidität (Ausnahme:
Frauen mit Major Depression), erhöhte Anzahl an Arbeitsunfähigkeitstagen und vermehrte
Inanspruchnahme von Gesundheitsleistungen (Ausnahme: stationärer Krankenhausaufenthalt
bei Frauen mit Major Depression).
Die vertiefende methodisch orientierte Untersuchung zweier Instrumente zur Erfassung eines
aktuellen major depressiven Syndroms (basierend auf dem PHQ-9 und dem CIDI) ergab eine
Prävalenz von 2,7% (PHQ-9) und von 3,9% (CIDI). Übereinstimmend wurden 1,5% der
Teilnehmer als Fälle eines major depressiven Syndroms klassifiziert (Kappa: 0,43). Von den
vom PHQ-9 klassifizierten Fällen eines major depressiven Syndroms wurden 54,5% ebenfalls
vom CIDI als Fälle klassifiziert, von den Fällen eines aktuellen major depressiven Syndroms
laut CIDI waren 37,9% auch Fälle auf Basis des PHQ-9. Der Anteil derer, die
übereinstimmend als Nicht-Fälle klassifiziert wurden, lag bei mindestens 97,5%. Die
Belastung durch depressive Symptome war bei Fällen eines major depressiven Syndroms laut
PHQ-9 höher als bei Fällen laut CIDI.
Limitierend ist zu bedenken, dass die genutzten Querschnittdaten keine kausalen Aussagen
über Zusammenhänge zulassen und dass alle Informationen auf Selbstangaben der
Studienteilnehmer beruhen, sodass ein Recall-Bias nicht auszuschließen ist.
Schlussfolgerungen aus den Ergebnissen: Die Ergebnisse der Arbeit verdeutlichen, dass
Belastungen unterschiedlicher Aspekte des Konstrukts „Depression“ in der erwachsenen
Allgemeinbevölkerung häufig und mit einer Bandbreite an negativen gesundheitsbezogenen
Outcomes assoziiert sind. Sie verdeutlichen die Notwendigkeit, effiziente Public-Health-
Maßnahmen und frühzeitige Interventionen zu entwickeln, zu prüfen und bei Erfolg gezielt
einzusetzen. Für die epidemiologische Forschung unterstreichen die Studienergebnisse die
Unterschiedlichkeit verfügbarer Depressionsmaße, was bei der Instrumentenauswahl und bei
der Darstellung und Interpretation von Forschungsergebnissen berücksichtigt werden sollte.
Sie verdeutlichen außerdem, dass in Publikationen die verwendeten Depressionsmaße jeweils
präzise beschrieben und adäquat benannt werden sollten. Für das Gesundheitsmonitoring am
RKI bedeuten die Ergebnisse, dass es im Idealfall sinnvoll ist, verschiedene Depressionsmaße
in der erwachsenen Allgemeinbevölkerung zu erfassen, sodass das breite Spektrum an
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 61
Indikatoren im Kontext von Depression abgedeckt und für unterschiedliche Forschungsfragen
die jeweils aussagekräftigste Information nutzbar ist. Für die klinische Praxis implizieren die
Ergebnisse, dass eine verstärkte Beachtung der körperlichen Gesundheit auch in
Behandlungssettings für psychische Störungen und eine Beachtung psychischer Störungen in
somatischen Behandlungssettings angeraten scheint, um ein positives Gesundheitsverhalten
zu fördern und die Last komorbider somatischer Erkrankungen für den Patienten und letztlich
für das Gesundheitssystem zu verringern. Weiterhin könnte es sinnvoll sein, besonders bei
Erwachsenen jüngeren und mittleren Alters schon bei einer vorhandenen chronischen
Erkrankung auf eine mögliche psychische Belastung oder komorbide Störung zu achten und
präventive Aspekte in die Patientenbetreuung einzuschließen.
Veröffentlichungen der kumulativen Dissertation
1. Maske UE, Scheidt-Nave C, Busch MA, Jacobi F, Weikert B, Riedel-Heller SG, Hapke
U. Komorbidität von Diabetes mellitus und Depression in Deutschland. Ergebnisse der
bevölkerungsrepräsentativen Querschnittstudie „Gesundheit in Deutschland aktuell“
(GEDA) 2009 und 2010. Psychiatr Prax. 2015; 42(4): 202-207
2. Maske UE, Busch MA, Jacobi F, Riedel-Heller SG, Scheidt-Nave C, Hapke U.
Chronische somatische Erkrankungen und Beeinträchtigung der psychischen Gesundheit
bei Erwachsenen in Deutschland. Ergebnisse der bevölkerungsrepräsentativen
Querschnittsstudie Gesundheit in Deutschland aktuell (GEDA) 2010. Psychiatr Prax.
2013; 40(4): 207-213
3. Maske UE, Buttery AK, Beesdo-Baum K, Riedel-Heller SG, Hapke U, Busch MA.
Prevalence and correlates of DSM-IV-TR major depressive disorder, self-reported
diagnosed depression and current depressive symptoms among adults in Germany. J
Affect Disord. 2015; 190: 167-177 (Epub)
4. Maske UE, Busch MA, Jacobi F, Beesdo-Baum K, Seiffert I, Wittchen HU, Riedel-Heller
SG, Hapke U. Current major depressive syndrome measured with the Patient Health
Questionnaire-9 (PHQ-9) and the Composite International Diagnostic Interview (CIDI):
results from a cross-sectional population-based study of adults in Germany. BMC
Psychiatry. 2015; 15: 77-83
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 62
Literaturverzeichnis
1. Albers B, Kruse J, Giani G, Icks A (2011). Diabetes and incident depression: Is the
association mediated or modified by sociodemographic factors or co-morbidities? A
systematic review. Exp Clin Endocrinol Diabetes 119(10): 591-598.
2. Ambresin G, Chondros P, Dowrick C, Herrman H, Gunn JM (2014). Self-rated health and
long-term prognosis of depression. Ann Fam Med 12(1): 57-65.
3. American Psychiatric Association (2013). Diagnostic and Statistical Manual of Mental
Disorders, Fifth Edition (DSM-5). Washington, DC, American Psychiatric Association.
4. Angst J, Merikangas K (1997). The depressive spectrum: diagnostic classification and
course. J Affect Disord 45(1-2): 31-39; discussion 39-40.
5. Ayuso-Mateos JL, Nuevo R, Verdes E, Naidoo N, Chatterji S (2010). From depressive
symptoms to depressive disorders: the relevance of thresholds. Br J Psychiatry 196(5):
365-371.
6. Baumeister H, Balke K, Harter M (2005). Psychiatric and somatic comorbidities are
negatively associated with quality of life in physically ill patients. J Clin Epidemiol
58(11): 1090-1100.
7. Baumeister H, Hutter N, Bengel J (2012). Psychological and pharmacological
interventions for depression in patients with diabetes mellitus and depression. Cochrane
Database Syst Rev 12: CD008381.
8. Behrends S, Kott K (2009). Zuhause in Deutschland. Ausstattung und Wohnsituation
privater Haushalte. Wiesbaden, Statistisches Bundesamt.
9. Berwick DM, Murphy JM, Goldman PA, Ware JE, Jr., Barsky AJ, Weinstein MC (1991).
Performance of a five-item mental health screening test. Med Care 29(2): 169-176.
10. Betancourt MT, Roberts KC, Bennett TL, Driscoll ER, Jayaraman G, Pelletier L (2014).
Monitoring chronic diseases in Canada: the Chronic Disease Indicator Framework.
Chronic Dis Inj Can 34 Suppl 1: 1-30.
11. Blazer DG, 2nd, Hybels CF (2005). Origins of depression in later life. Psychol Med
35(9): 1241-1252.
12. Bromet E, Andrade LH, Hwang I, Sampson NA, Alonso J, de Girolamo G et al. (2011).
Cross-national epidemiology of DSM-IV major depressive episode. BMC Med 9: 90.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 63
13. Brugha TS, Jenkins R, Taub N, Meltzer H, Bebbington PE (2001). A general population
comparison of the Composite International Diagnostic Interview (CIDI) and the
Schedules for Clinical Assessment in Neuropsychiatry (SCAN). Psychol Med 31(6):
1001-1013.
14. Buist-Bouwman MA, de Graaf R, Vollebergh WA, Ormel J (2005). Comorbidity of
physical and mental disorders and the effect on work-loss days. Acta Psychiatr Scand
111(6): 436-443.
15. Bundespsychotherapeutenkammer (2013). Psychische Erkrankungen und
gesundheitsbedingte Frühverrentung. BPtK-Studie zur Arbeits- und Erwerbsunfähigkeit.
Berlin, Bundespsychotherapeutenkammer.
16. Cuijpers P, Smit F (2002). Excess mortality in depression: a meta-analysis of community
studies. J Affect Disord 72(3): 227-236.
17. Cuijpers P, Smits N, Donker T, ten Have M, de Graaf R (2009). Screening for mood and
anxiety disorders with the five-item, the three-item, and the two-item Mental Health
Inventory. Psychiatry Res 168(3): 250-255.
18. Cuijpers P, Vogelzangs N, Twisk J, Kleiboer A, Li J, Penninx BW (2014).
Comprehensive meta-analysis of excess mortality in depression in the general community
versus patients with specific illnesses. Am J Psychiatry 171(4): 453-462.
19. de Graaf R, Bijl RV, Smit F, Ravelli A, Vollebergh WA (2000). Psychiatric and
sociodemographic predictors of attrition in a longitudinal study: The Netherlands Mental
Health Survey and Incidence Study (NEMESIS). Am J Epidemiol 152(11): 1039-1047.
20. Dietrich S, Stengler K (2013). Geschlechtsspezifische Analyse von Fehlzeiten am
Arbeitsplatz und Erwerbsunfahigkeit aufgrund psychischer Erkrankungen - ein
systematischer Literaturreview. Gesundheitswesen 75(6): e74-94.
21. Eaton WW, Anthony JC, Tepper S, Dryman A (1992). Psychopathology and attrition in
the epidemiologic catchment area surveys. Am J Epidemiol 135(9): 1051-1059.
22. Erhart M, von Stillfried D (2012). Analyse regionaler Unterschiede in der Prävalenz und
Versorgung depressiver Störungen auf Basis vertragsärztlicher Abrechnungsdaten.
versorgungsatlas.de, URL:
http://www.versorgungsatlas.de/fileadmin/ziva_docs/Bericht_Depressionen_20120529.pd
f (12.11. 2015).
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 64
23. Evans DL, Charney DS, Lewis L, Golden RN, Gorman JM, Krishnan KR et al. (2005).
Mood disorders in the medically ill: scientific review and recommendations. Biol
Psychiatry 58(3): 175-189.
24. Ferrari AJ, Charlson FJ, Norman RE, Patten SB, Freedman G, Murray CJ et al. (2013).
Burden of depressive disorders by country, sex, age, and year: findings from the global
burden of disease study 2010. PLoS Med 10(11): e1001547.
25. Fiske A, Wetherell JL, Gatz M (2009). Depression in older adults. Annu Rev Clin
Psychol 5: 363-389.
26. Gabler S, Häder S, Hrsg. (1999). Generierung von Telefonstichproben mit TelSuSa.
ZUMA-Nachrichten. Mannheim, Zentrum für Umfragen, Methoden und Analysen
(ZUMA).
27. Grav S, Hellzen O, Romild U, Stordal E (2012). Association between social support and
depression in the general population: the HUNT study, a cross-sectional survey. J Clin
Nurs 21(1-2): 111-120.
28. Gunn JM, Ayton DR, Densley K, Pallant JF, Chondros P, Herrman HE et al. (2012). The
association between chronic illness, multimorbidity and depressive symptoms in an
Australian primary care cohort. Soc Psychiatry Psychiatr Epidemiol 47(2): 175-184.
29. Hammer JH, Vogel DL, Heimerdinger-Edwards SR (2013). Men's help seeking:
Examination of differences across community size, education, and income. Psychology of
Men & Masculinity 14(1): 65-75.
30. Hapke U, von der Lippe E, Busch M, Lange C (2012). Psychische Gesundheit bei
Erwachsenen in Deutschland. Daten und Fakten: Ergebnisse der Studie »Gesundheit in
Deutschland aktuell 2010«. Beiträge zur Gesundheitsberichterstattung des Bundes. Berlin,
Robert Koch-Institut.
31. Haro JM, Arbabzadeh-Bouchez S, Brugha TS, De Girolamo G, Guyer ME, Jin R et al.
(2006). Concordance of the Composite International Diagnostic Interview Version 3.0
(CIDI 3.0) with standardized clinical assessments in the WHO World Mental Health
surveys. Int J Methods Psychiatr Res 15(4): 167-180.
32. Harter M, Baumeister H, Reuter K, Jacobi F, Hofler M, Bengel J et al. (2007). Increased
12-month prevalence rates of mental disorders in patients with chronic somatic diseases.
Psychother Psychosom 76(6): 354-360.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 65
33. Helzer JE, Robins LN, McEvoy LT, Spitznagel EL, Stoltzman RK, Farmer A et al.
(1985). A comparison of clinical and diagnostic interview schedule diagnoses. Physician
reexamination of lay-interviewed cases in the general population. Arch Gen Psychiatry
42(7): 657-666.
34. Higashi T, Wenger NS, Adams JL, Fung C, Roland M, McGlynn EA et al. (2007).
Relationship between number of medical conditions and quality of care. N Engl J Med
356(24): 2496-2504.
35. Höfler M, Wittchen H-U (2000). Why do primary care doctors diagnose depression when
diagnostic criteria are not met? Int J Methods Psychiatr Res 9(3): 110-120.
36. Huang CQ, Dong BR, Lu ZC, Yue JR, Liu QX (2010). Chronic diseases and risk for
depression in old age: a meta-analysis of published literature. Ageing Res Rev 9(2): 131-
141.
37. Iacovides A, Siamouli M (2008). Comorbid mental and somatic disorders: an
epidemiological perspective. Curr Opin Psychiatry 21(4): 417-421.
38. Jacobi F, Wittchen HU, Holting C, Hofler M, Pfister H, Muller N et al. (2004).
Prevalence, co-morbidity and correlates of mental disorders in the general population:
results from the German Health Interview and Examination Survey (GHS). Psychol Med
34(4): 597-611.
39. Jacobi F, Mack S, Gerschler A, Scholl L, Hofler M, Siegert J et al. (2013). The design
and methods of the mental health module in the German Health Interview and
Examination Survey for Adults (DEGS1-MH). Int J Methods Psychiatr Res 22(2): 83-99.
40. Jacobi F, Höfler M, Siegert J, Mack S, Gerschler A, Scholl L et al. (2015). Twelve-
months prevalence of mental disorders in the German Health Interview and Examination
Survey for Adults – Mental Health Module (DEGS1-MH): a methodological addendum
and correction. Int J Methods Psychiatr Res (Epub). DOI: 10.1002/mpr.1479.
41. Judd LL, Akiskal HS (2000). Delineating the longitudinal structure of depressive illness:
Beyond clinical subtypes and duration thresholds. Pharmacopsychiatry 33(1): 3-7.
42. Kamtsiuris P, Lange M, Hoffmann R, Schaffrath Rosario A, Dahm S, Kurth B-M (2013).
Die erste Welle der Studie zur Gesundheit Erwachsener in Deutschland (DEGS1):
Stichprobendesign, Response, Gewichtung und Repräsentativität. Bundesgesundheitsblatt
Gesundheitsforschung Gesundheitsschutz 56(5-6): 620-630.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 66
43. Kennedy N, Abbott R, Paykel ES (2004). Longitudinal syndromal and sub-syndromal
symptoms after severe depression: 10-Year follow-up study. British Journal of Psychiatry
184(4): 330-336.
44. Kessler RC, Wittchen HU, Abelson JM, McGonagle K, Schwarz N, Kendler KS et al.
(1998). Methodological studies of the Composite International Diagnostic Interview
(CIDI) in the US national comorbidity survey (NCS). Int J Methods Psychiatr Res 7(1):
33-55.
45. Kessler RC, Ustun TB (2004). The World Mental Health (WMH) Survey Initiative
Version of the World Health Organization (WHO) Composite International Diagnostic
Interview (CIDI). Int J Methods Psychiatr Res 13(2): 93-121.
46. Kessler RC, Birnbaum H, Bromet E, Hwang I, Sampson N, Shahly V (2010a). Age
differences in major depression: results from the National Comorbidity Survey
Replication (NCS-R). Psychol Med 40(2): 225-237.
47. Kessler RC, Birnbaum HG, Shahly V, Bromet E, Hwang I, McLaughlin KA et al.
(2010b). Age differences in the prevalence and co-morbidity of DSM-IV major
depressive episodes: results from the WHO World Mental Health Survey Initiative.
Depress Anxiety 27(4): 351-364.
48. Kessler RC, Bromet EJ (2013). The epidemiology of depression across cultures. Annu
Rev Public Health 34: 119-138.
49. Kessler RC, Sampson NA, Berglund P, Gruber MJ, Al-Hamzawi A, Andrade L et al.
(2015). Anxious and non-anxious major depressive disorder in the World Health
Organization World Mental Health Surveys. Epidemiol Psychiatr Sci 24(3): 210-216.
50. Kroenke K, Spitzer RL, Williams JB (2001). The PHQ-9: validity of a brief depression
severity measure. J Gen Intern Med 16(9): 606-613.
51. Kroenke K, Spitzer RL, Williams JB, Lowe B (2010). The Patient Health Questionnaire
Somatic, Anxiety, and Depressive Symptom Scales: a systematic review. Gen Hosp
Psychiatry 32(4): 345-359.
52. Lange C, Jentsch F, Allen J, Hoebel J, Kratz AL, von der Lippe E et al. (2015). Data
Resource Profile: German Health Update (GEDA)--the health interview survey for adults
in Germany. Int J Epidemiol 44(2): 442-450.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 67
53. Latalova K, Kamaradova D, Prasko J (2014). Perspectives on perceived stigma and self-
stigma in adult male patients with depression. Neuropsychiatr Dis Treat 10: 1399-1405.
54. Lin WC, Zhang J, Leung GY, Clark RE (2011). Chronic physical conditions in older
adults with mental illness and/ or substance use disorders. J Am Geriatr Soc 59(10): 1913-
1921.
55. Lorant V, Deliege D, Eaton W, Robert A, Philippot P, Ansseau M (2003). Socioeconomic
inequalities in depression: a meta-analysis. Am J Epidemiol 157(2): 98-112.
56. Löwe B, Spitzer RL, Zipfel S, Herzog W (2002). Gesundheitsfragebogen für Patienten
(PHQ-D). Komplettversion und Kurzform. Testmappe mit Manual, Fragebögen,
Schablonen. 2. Auflage. Karlsruhe, Pfizer.
57. Löwe B, Spitzer RL, Gräfe K, Kroenke K, Quenter A, Zipfel S et al. (2004). Comparative
validity of three screening questionnaires for DSM-IV depressive disorders and
physicians' diagnoses. J Affect Disord 78(2): 131-140.
58. Mack S, Jacobi F, Beesdo-Baum K, Gerschler A, Strehle J, Hofler M et al. (2015).
Functional disability and quality of life decrements in mental disorders: Results from the
Mental Health Module of the German Health Interview and Examination Survey for
Adults (DEGS1-MH). Eur Psychiatry 30(6): 793-800.
59. Martin A, Rief W, Klaiberg A, Braehler E (2006). Validity of the Brief Patient Health
Questionnaire Mood Scale (PHQ-9) in the general population. Gen Hosp Psychiatry
28(1): 71-77.
60. Maske UE, Busch MA, Jacobi F, Riedel-Heller SG, Scheidt-Nave C, Hapke U (2013).
Chronische somatische Erkrankungen und Beeinträchtigung der psychischen Gesundheit
bei Erwachsenen in Deutschland. Ergebnisse der bevölkerungsrepräsentativen
Querschnittsstudie Gesundheit in Deutschland aktuell (GEDA) 2010. Psychiatr Prax
40(4): 207-213.
61. Maske UE, Busch MA, Jacobi F, Beesdo-Baum K, Seiffert I, Wittchen HU et al. (2015a).
Current major depressive syndrome measured with the Patient Health Questionnaire-9
(PHQ-9) and the Composite International Diagnostic Interview (CIDI): results from a
cross-sectional population-based study of adults in Germany. BMC Psychiatry 15: 77.
62. Maske UE, Scheidt-Nave C, Busch MA, Jacobi F, Weikert B, Riedel-Heller SG et al.
(2015b). Komorbidität von Diabetes mellitus und Depression in Deutschland. Psychiatr
Prax 42(4): 202-207.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 68
63. Maske UE, Buttery AK, Beesdo-Baum K, Riedel-Heller S, Hapke U, Busch MA (2015c).
Prevalence and correlates of DSM-IV-TR major depressive disorder, self-reported
diagnosed depression and current depressive symptoms among adults in Germany. J
Affect Disord 190: 167-177 (Epub).
64. McKenzie K, Murray A, Booth T (2013). Do urban environments increase the risk of
anxiety, depression and psychosis? An epidemiological study. J Affect Disord 150(3):
1019-1024.
65. Mitchell AJ, Vaze A, Rao S (2009). Clinical diagnosis of depression in primary care: a
meta-analysis. Lancet 374(9690): 609-619.
66. Mojtabai R (2013). Clinician-identified depression in community settings: concordance
with structured-interview diagnoses. Psychother Psychosom 82(3): 161-169.
67. Mojtabai R (2014). Diagnosing depression in older adults in primary care. N Engl J Med
370(13): 1180-1182.
68. Möller-Leimkühler AM (2002). Barriers to help-seeking by men: a review of
sociocultural and clinical literature with particular reference to depression. J Affect
Disord 71(1–3): 1-9.
69. Moriarty AS, Gilbody S, McMillan D, Manea L (2015). Screening and case finding for
major depressive disorder using the Patient Health Questionnaire (PHQ-9): a meta-
analysis. Gen Hosp Psychiatry 37(6): 567-576.
70. Murray CJ, Vos T, Lozano R, Naghavi M, Flaxman AD, Michaud C et al. (2012).
Disability-adjusted life years (DALYs) for 291 diseases and injuries in 21 regions, 1990-
2010: a systematic analysis for the Global Burden of Disease Study 2010. Lancet
380(9859): 2197-2223.
71. Parker G, Brotchie H (2010). Gender differences in depression. Int Rev Psychiatry 22(5):
429-436.
72. Paykel E, Abbott R, Jenkins R, Brugha T, Meltzer H (2003). Urban-rural mental health
differences in Great Britain: findings from the National Morbidity Survey. Int Rev
Psychiatry 15(1-2): 97-107.
73. Rapaport MH, Judd LL, Schettler PJ, Yonkers KA, Thase ME, Kupfer DJ et al. (2002). A
descriptive analysis of minor depression. Am J Psychiatry 159(4): 637-643.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 69
74. Reed V, Gander F, Pfister H, Steiger A, Sonntag H, Trenkwalder C et al. (1998). To what
degree does the Composite International Diagnostic Interview (CIDI) correctly identify
DSM-IV disorders? Testing validity issues in a clinical sample. Int J Methods Psychiatr
Res 7(3): 142-155.
75. Reeves WC, Strine TW, Pratt LA, Thompson W, Ahluwalia I, Dhingra SS et al. (2011).
Mental illness surveillance among adults in the United States. MMWR Surveill Summ
60(Suppl 3): 1-29.
76. Rief W, Nanke A, Klaiberg A, Braehler E (2004). Base rates for panic and depression
according to the Brief Patient Health Questionnaire: a population-based study. J Affect
Disord 82(2): 271-276.
77. Rodriguez MR, Nuevo R, Chatterji S, Ayuso-Mateos JL (2012). Definitions and factors
associated with subthreshold depressive conditions: a systematic review. BMC Psychiatry
12: 181.
78. Rumpf HJ, Meyer C, Hapke U, John U (2001). Screening for mental health: validity of
the MHI-5 using DSM-IV Axis I psychiatric disorders as gold standard. Psychiatry Res
105(3): 243-253.
79. Scheidt-Nave C, Kamtsiuris P, Goesswald A, Hoelling H, Lange M, Busch MA et al.
(2012). German health interview and examination survey for adults (DEGS) - design,
objectives and implementation of the first data collection wave. BMC Public Health
12(1): 730.
80. Schomerus G, Matschinger H, Angermeyer MC (2009). The stigma of psychiatric
treatment and help-seeking intentions for depression. Eur Arch Psychiatry Clin Neurosci
259(5): 298-306.
81. Scott KM, Von Korff M, Alonso J, Angermeyer MC, Bromet E, Fayyad J et al. (2009).
Mental-physical co-morbidity and its relationship with disability: results from the World
Mental Health Surveys. Psychol Med 39(1): 33-43.
82. Strine TW, Mokdad AH, Balluz LS, Gonzalez O, Crider R, Berry JT et al. (2008).
Depression and anxiety in the United States: findings from the 2006 Behavioral Risk
Factor Surveillance System. Psychiatr Serv 59(12): 1383-1390.
83. Torvik FA, Rognmo K, Tambs K (2012). Alcohol use and mental distress as predictors of
non-response in a general population health survey: the HUNT study. Soc Psychiatry
Psychiatr Epidemiol 47(5): 805-816.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 70
84. van den Akker M, Buntinx F, Metsemakers JF, Roos S, Knottnerus JA (1998).
Multimorbidity in general practice: prevalence, incidence, and determinants of co-
occurring chronic and recurrent diseases. J Clin Epidemiol 51(5): 367-375.
85. van Melle JP, de Jonge P, Spijkerman TA, Tijssen JG, Ormel J, van Veldhuisen DJ et al.
(2004). Prognostic association of depression following myocardial infarction with
mortality and cardiovascular events: a meta-analysis. Psychosom Med 66(6): 814-822.
86. Weyerer S, Bickel H (2007). Epidemiologie psychischer Erkrankungen im höheren
Lebensalter. Stuttgart, W. Kohlhammer.
87. Whiteford HA, Degenhardt L, Rehm J, Baxter AJ, Ferrari AJ, Erskine HE et al. (2013).
Global burden of disease attributable to mental and substance use disorders: findings from
the Global Burden of Disease Study 2010. Lancet 382(9904): 1575-1586.
88. Wittchen HU (1994). Reliability and validity studies of the WHO-Composite
International Diagnostic Interview (CIDI): a critical review. J Psychiatr Res 28(1): 57-84.
89. Wittchen HU, Pfister H (1997). DIA-X-Interviews: Manual für Screening-Verfahren und
Interview; Interviewheft Längsschnittuntersuchung (DIA-X-Lifetime); Ergänzungsheft
(DIA-X-Lifetime); Interviewheft Querschnittuntersuchung (DIA-X-12 Monate);
Ergänzungsheft (DIA-X-12 Monate); PC-Programm zur Durchführung des Interviews
(Längs-und Querschnittuntersuchung); Auswertungsprogramm. Frankfurt, Swets und
Zeitlinger.
90. Wittchen HU, Lachner G, Wunderlich U, Pfister H (1998). Test-retest reliability of the
computerized DSM-IV version of the Munich-Composite International Diagnostic
Interview (M-CIDI). Soc Psychiatry Psychiatr Epidemiol 33(11): 568-578.
91. Wittchen HU, Üstün TB, Kessler RC (1999). Diagnosing mental disorders in the
community. A difference that matters? Psychological Medicine 29(05): 1021-1027.
92. Wittchen HU, Jacobi F, Klose M, Ryl L, Hrsg. (2010). Depressive Erkrankungen.
Gesundheitsberichterstattung des Bundes. Berlin, Robert Koch-Institut.
93. Wittchen HU, Jacobi F, Rehm J, Gustavsson A, Svensson M, Jonsson B et al. (2011). The
size and burden of mental disorders and other disorders of the brain in Europe 2010. Eur
Neuropsychopharmacol 21(9): 655-679.
Die Erfassung von Depression in der erwachsenen Allgemeinbevölkerung in Deutschland 71
94. Wittkampf KA, Naeije L, Schene AH, Huyser J, van Weert HC (2007). Diagnostic
accuracy of the mood module of the Patient Health Questionnaire: a systematic review.
Gen Hosp Psychiatry 29(5): 388-395.
95. World Health Organisation (2000). Cross-national comparisons of the prevalences and
correlates of mental disorders. WHO International Consortium in Psychiatric
Epidemiology. Bull World Health Organ 78(4): 413-426.
Anlagen i
Danksagung
Mein Dank gilt allen, die mich bei der Erarbeitung der Publikationen und bei der Erstellung
der Dissertation unterstützt haben. Ganz besonders herzlich möchte ich mich bei Frau Prof.
Dr. Steffi G. Riedel-Heller für die Betreuung dieser Arbeit, ihre engagierte und hilfreiche
fachliche Unterstützung und die wissenschaftliche Förderung bedanken. Weiterhin bin ich
meinen RKI-Kollegen Herrn Dr. Ulfert Hapke und Herrn Dr. Markus A. Busch für die
fachliche Begleitung und Förderung zu großem Dank verpflichtet. Ich danke meinem
Lebensgefährten für seine Geduld und die Entlastung im Alltag, und natürlich danke ich
meinen Eltern für ihre stetige Unterstützung und ihr Interesse an meinen wissenschaftlichen
Tätigkeiten.
Zu guter Letzt möchte ich mich bei allen Teilnehmerinnen und Teilnehmern der
Gesundheitssurveys des RKI bedanken, deren Bereitschaft zur Studienteilnahme das
Fundament dieser Arbeit bildet.
Anlagen ii
Erklärung über die eigenständige Abfassung der Arbeit
Hiermit erkläre ich, dass ich die vorliegende Arbeit selbständig und ohne unzulässige Hilfe
oder Benutzung anderer als der angegebenen Hilfsmittel angefertigt habe. Ich versichere, dass
Dritte von mir weder unmittelbar noch mittelbar geldwerte Leistungen für Arbeiten erhalten
haben, die im Zusammenhang mit dem Inhalt der vorgelegten Dissertation stehen, und dass
die vorgelegte Arbeit weder im Inland noch im Ausland in gleicher oder ähnlicher Form einer
anderen Prüfungsbehörde zum Zweck einer Promotion oder eines anderen Prüfungsverfahrens
vorgelegt wurde. Alles aus anderen Quellen und von anderen Personen übernommene
Material, das in der Arbeit verwendet wurde oder auf das direkt Bezug genommen wird,
wurde als solches kenntlich gemacht. Insbesondere wurden alle Personen genannt, die direkt
an der Entstehung der vorliegenden Arbeit beteiligt waren.
................................ ............................................................ Datum Unterschrift
Anlagen iv
Publikationen
2015
Maske UE, Buttery A, Beesdo-Baum K, Riedel-Heller SG, Hapke U, Busch MA. Prevalence
and correlates of DSM-IV-TR major depressive disorder, self-reported diagnosed de-pression
and current depressive symptoms among adults in Germany. J Affect Disord. 2015 Oct; 190:
167-177 (Epub).
Mack S, Jacobi F, Beesdo-Baum K, Gerschler A, Strehle J, Höfler M, Busch MA, Maske U,
Hapke U, Gaebel W, Zielasek J, Maier W, Wittchen HU. Functional disability and quality of
life decrements in mental disorders: Results from the Mental Health Module of the German
Health Interview and Examination Survey for Adults (DEGS1-MH). Eur Psychiatry. 2015
Sep; 30(6): 793-800.
Maske UE, Riedel-Heller SG, Seiffert I, Jacobi F, Hapke U. Erratum zu: Häufigkeit und
psychiatrische Komorbiditäten von selbstberichtetem diagnostiziertem Burnout-Syndrom.
Psychiatr Prax. 2015 Aug; Epub, DOI: 10.1055/s-0035-1552702.
Jacobi F, Höfler M, Siegert J, Mack S, Gerschler A, Scholl L, Busch MA, Hapke U, Maske
U, Seiffert I, Gaebel W, Maier W, Wagner M, Zielasek J, Wittchen HU. Twelve-months
prevalence of mental disorders in the German Health Interview and Examination Survey for
Adults - Mental Health Module (DEGS1-MH): a methodological addendum and correction.
Int J Methods Psychiatr Res. 2015 Jul; Epub, DOI: 10.1002/mpr.1479
Maske UE, Scheidt-Nave C, Busch MA, Jacobi F, Weikert B, Riedel-Heller SG, Hapke U.
Komorbiditat von Diabetes mellitus und Depression in Deutschland. Psychiatr Prax. 2015
May; 42(4): 202-207.
Maske UE, Busch MA, Jacobi F, Beesdo-Baum K, Seiffert I, Wittchen HU, Riedel-Heller
SG, Hapke U. Current major depressive syndrome measured with the Patient Health
Questionnaire-9 (PHQ-9) and the Composite International Diagnostic Interview (CIDI):
results from a cross-sectional population-based study of adults in Germany. BMC Psychiatry.
2015 Apr; 15: 77.
2014
Mack S, Jacobi F, Gerschler A, Strehle J, Höfler M, Busch MA, Maske UE, Hapke U,
Seiffert I, Gaebel W, Zielasek J, Maier W, Wittchen HU. Self-reported utilization of mental
health services in the adult German population - evidence for unmet needs? Results of the
Anlagen v
DEGS1-Mental Health Module (DEGS1-MH). Int J Methods Psychiatr Res. 2014 Sep; 23(3):
289-303.
Jacobi F, Höfler M, Siegert J, Mack S, Gerschler A, Scholl L, Busch MA, Hapke U, Maske
U, Seiffert I, Gaebel W, Maier W, Wagner M, Zielasek J, Wittchen HU. Twelve-month
prevalence, comorbidity and correlates of mental disorders in Germany: the Mental Health
Module of the German Health Interview and Examination Survey for Adults (DEGS1-MH).
Int J Methods Psychiatr Res. 2014 Sep; 23(3): 304-319.
Maske UE, Riedel-Heller SG, Seiffert I, Jacobi F, Hapke U. Häufigkeit und psychiatrische
Komorbiditäten von selbstberichtetem diagnostiziertem Burnout-Syndrom. Psychiatr Prax.
2014 Aug; Epub, DOI: 10.1055/s-0034-1387201.
Jacobi F, Höfler M, Siegert J, Mack S, Gerschler A, Scholl L, Busch MA, Hapke U, Maske
U, Gaebel W, Maier W, Wagner M, Zielasek J, Wittchen HU. Psychische Störungen in der
Allgemeinbevölkerung : Studie zur Gesundheit Erwachsener in Deutschland und ihr
Zusatzmodul Psychische Gesundheit (DEGS1-MH). Nervenarzt. 2014 Jan; 85(1): 77-87.
2013
Busch MA, Maske UE, Ryl L, Schlack R, Hapke U. Prävalenz von depressiver Symptomatik
und diagnostizierter Depression bei Erwachsenen in Deutschland: Ergebnisse der Studie zur
Gesundheit Erwachsener in Deutschland (DEGS1). Bundesgesundheitsblatt
Gesundheitsforschung Gesundheitsschutz. 2013 May; 56(5-6): 733-739.
Hapke U, Maske UE, Scheidt-Nave C, Bode L, Schlack R, Busch MA. Chronischer Stress
bei Erwachsenen in Deutschland: Ergebnisse der Studie zur Gesundheit Erwachsener in
Deutschland (DEGS1). Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz.
2013 May; 56(5-6): 749-754.
Schlack R, Hapke U, Maske U, Busch M, Cohrs S. Häufigkeit und Verteilung von
Schlafproblemen und Insomnie in der deutschen Erwachsenenbevölkerung: Ergebnisse der
Studie zur Gesundheit Erwachsener in Deutschland (DEGS1). Bundesgesundheitsblatt
Gesundheitsforschung Gesundheitsschutz. 2013 May; 56(5-6): 740-748.
Maske UE, Busch MA, Jacobi F, Riedel-Heller SG, Scheidt-Nave C, Hapke U. Chronische
somatische Erkrankungen und Beeinträchtigung der psychischen Gesundheit bei Erwachsenen
in Deutschland. Ergebnisse der bevölkerungsrepräsentativen Querschnittsstudie Gesundheit in
Deutschland aktuell (GEDA) 2010. Psychiatr Prax. 2013 May; 40(4): 207-213.
Anlagen vi
Vorträge in Erstautorenschaft
Maske UE, Busch MA, Hapke U. Der Patient Health Questionnaire-9 in DEGS1 und
DEGS1-MH (Vortrag). 6. Workshop der Arbeitsgruppe 14 (Neurologische und psychische
Erkrankungen) der Deutschen Gesellschaft für Epidemiologie (DGEpi), Januar 2015.
Maske UE, Scheidt-Nave C, Hapke U, Jacobi F, Busch MA. Comorbidity of mental disorders
and chronic somatic conditions in a population-based sample of adults aged 18-79 years in
Germany: first results and methodological challenges (Vortrag). 17th Section Meeting,
Epidemiology and Social Psychiatry, European Psychiatric Association (EPA), Mai 2014.
Maske UE, Jacobi F, Busch MA, Hapke U. Validierung des PHQ-9 in einer repräsentativen
Bevölkerungsstudie (DEGS1-MH) anhand von CIDI-basierten Diagnosen (Vortrag).
Methodenworkshop der AG Statistische Methoden und der AG Neurologische und
Psychiatrische Erkrankungen der Deutschen Gesellschaft für Epidemiologie (DGEpi),
September 2013.
Maske UE, Busch MA, Seiffert I, Hapke U. Prävalenz und Komorbidität des Burn-out-
Syndroms in Deutschland (Posterpräsentation). 8. Jahrestagung der Deutschen Gesellschaft
für Epidemiologie (DGEpi), September 2013.
Maske UE, Busch MA, Seiffert I, Jacobi F, Hapke U. Prevalence and comorbidity of burnout
syndrome in Germany (Vortrag). 14th International Congress of the International Federation
of Psychiatric Epidemiology (IFPE), Juni 2013.
Top Related