AdvanceGender
...
 
Intersektionalitäts-informierte Kartierung gesundheitlicher Ungleichheiten mit MAIHDA 
Was ist das Ziel? 

Die intersektionalitäts-informierte Kartierung hat zum Ziel, Häufigkeiten eines gesundheitsrelevanten Merkmals für alle Intersektionen einer Auswahl von Differenzkategorien zu beschreiben. Anhand der Unterschiede zwischen den Intersektionen wird das Ausmaß der gesundheitlichen Ungleichheit aus intersektionaler Perspektive abgebildet. Dazu werden Mehrebenenanalysen nach der von Evans und Kolleg:innen entwickelten MAIHDA-Methode (aus dem Englischen: Multilevel Analysis of Individual Heterogeneity and Discriminatory Accuracy) durchgeführt.

Ein weiteres Ziel von MAIHDA ist die Bestimmung von Maßzahlen der Trennschärfe für die gewählten Intersektionen. Maßzahlen der Trennschärfe eignen sich um abzuschätzen, ob eher bevölkerungsweite oder zielgruppenspezifische Maßnahmen eingesetzt werden sollten, um das beschriebene Merkmal positiv zu beeinflussen.

Was sind Mehrebenenanalysen?
Wie kann das Ziel erreicht werden? 

Im ersten Schritt müssen Differenzkategorien ausgewählt werden, die in die Analyse einbezogen werden sollen. In MAIHDA können sowohl Variablen auf individueller Ebene (z.B. die berufliche Stellung einer Person), als auch Variablen auf der Ebene von Gruppen (z.B. die Geschlechterungleichheit eines Landkreises) einbezogen werden. Eine Hilfestellung bei der Auswahl von Differenzkategorien für eine intersektionalitäts-informierte Analyse gibt PROGRESS plus. Im Anschluss werden alle ausgewählten Differenzkategorien kombiniert und somit Intersektionen gebildet.

Zur Datenanalyse wird auf die Methode der Mehrebenenanalyse zurückgegriffen. Die gebildeten Intersektionen werden in diesen Regressionsmodellen als zufällige Effekte verwendet. Es können Analysen mit linearen oder mit logistischen Regressionsmodellen durchgeführt werden. Mit der Methode können Mittelwerte oder Anteile eines Merkmals für die definierten Intersektionen, sowie deren 95% Konfidenzintervalle, verlässlich bestimmt werden.

Letztlich werden Maßzahlen der Trennschärfe in Form von Intraklassen-Korrelationskoeffizienten für die gewählten Intersektionen berechnet, um abzuschätzen, ob eher bevölkerungsweite oder zielgruppenspezifische Maßnahmen eingesetzt werden sollten. Niedrige Maßzahlen der Trennschärfe unterstützen bevölkerungsweite Maßnahmen, wobei hohe Maßzahlen der Trennschärfe zielgruppenspezifische Maßnahmen unterstützen.

Was sind die Vorteile? 

Mithilfe von MAIHDA können Intersektionen einer Vielzahl von Differenzkategorien in quantitativen Datenanalysen theoretisch informiert beschrieben werden. Es können Häufigkeiten in Gruppen mit wenigen Beobachtungen verlässlich geschätzt werden, indem durch die Methode der Mehrebenenregressionsanalyse Informationen des gesamten Datensatzes genutzt werden.

Letztlich sind die Ergebnisse leicht interpretierbar und damit gut geeignet, um verständliche Aussagen zu generieren, die an Entscheidungsträger:innen übermittelt werden können.

Was sind die Herausforderungen? 

Intersektionen müssen durch die Anwendenden ausgewählt werden. Dies kann dazu führen, dass die Auswahl durch Vorannahmen der Anwendenden verzerrt ist.

Wichtige Variablen können nicht berücksichtigt werden, wenn der Anteil an Intersektionen mit wenig Beobachtungen zu groß ist. Außerdem werden Kenntnisse in Mehrebenenregressionsverfahren und bayesscher Statistik sowie große, repräsentative Datensätze benötigt.

Beispiel aus dem Projekt AdvanceGender 

Weiterführende Literatur:

Autor:innen:

Philipp Jaehn, Sibille Merz, Christine Holmberg (Medizinische Hochschule Brandenburg Theodor Fontane, Institut für Sozialmedizin und Epidemiologie) im Namen des Verbundprojektes AdvanceGender

Zitiervorschlag: Jaehn P, Merz S, Holmberg C. Intersektionalitäts-informierte Kartierung gesundheitlicher Ungleichheiten mit MAIHDA. In: AdvanceGender Study Group (Hrsg.). Optionen für eine geschlechtersensible und intersektionalitäts-informierte Forschung und Gesundheitsberichterstattung; 2022. (www.advancegender.info)

Version: 1.0 (Datum: 04.01.2022)