Webanalyse / Datenerfassung

Wir möchten diese Website fortlaufend verbessern. Dazu wird um Ihre Einwilligung in die statistische Erfassung von Nutzungsinformationen gebeten. Die Einwilligung kann jederzeit widerrufen werden.

Welcher Dienst wird eingesetzt?

Matomo

Zu welchem Zweck wird der Dienst eingesetzt?

Erfassung von Kennzahlen zur Webanalyse, um das Angebot zu verbessern.

Welche Daten werden erfasst?

  • IP-Adresse (wird umgehend anonymisiert)

  • Gerätetyp, Gerätemarke, Gerätemodell

  • Betriebssystem-Version

  • Browser/Browser-Engines und Browser-Plugins

  • aufgerufene URLs

  • die Website, von der auf die aufgerufene Seite gelangt wurde (Referrer-Site)

  • Verweildauer

  • heruntergeladene PDFs

  • eingegebene Suchbegriffe.

Die IP-Adresse wird nicht vollständig gespeichert, die letzten beiden Oktette werden zum frühestmöglichen Zeitpunkt weggelassen/verfremdet (Beispiel: 181.153.xxx.xxx).

Es werden keine Cookies auf dem Endgerät gespeichert. Wird eine Einwilligung für die Datenerfassung nicht erteilt, erfolgt ein Opt-Out-Cookie auf dem Endgerät, welcher dafür sorgt, dass keine Daten erfasst werden.

Wie lange werden die Daten gespeichert?

Die anonymisierte IP-Adresse wird für 90 Tage gespeichert und danach gelöscht.

Auf welcher Rechtsgrundlage werden die Daten erfasst?

Die Rechtsgrundlage für die Erfassung der Daten ist die Einwilligung der Nutzenden nach Art. 6 Abs. 1 lit. a der Datenschutz-Grundverordnung (DSGVO). Die Einwilligung kann auf der Datenschutzseite jederzeit widerrufen werden. Die Rechtmäßigkeit der bis zum Widerruf erfolgten Datenverarbeitung bleibt davon unberührt.

Wo werden die Daten verarbeitet?

Matomo wird lokal auf den Servern des technischen Dienstleisters in Deutschland betrieben (Auftragsverarbeiter).

Weitere Informationen:

Weitere Informationen zur Verarbeitung personenbezogener Daten finden sich in den Datenschutzhinweisen.

Nico Vonneilich, Heiko Becher, Klaus Berger et al.

Depressive symptoms, education, gender and history of migration - an intersectional analysis using data from the German National Cohort (NAKO)

Schwerpunktthemen: Psychische Gesundheit

Background
The educational gradient in depressive symptoms is well documented. Gender and history of migration have also been found to be associated with depressive symptoms. Intersectional approaches enable the analysis of the interplay of different social factors at a time to gain a deeper understanding of inequalities in depressive symptoms. In this study, intersectional inequalities in depressive symptoms according to education, gender and history of migration are analysed.

Methods
The German National Cohort (NAKO, N = 204,783) collected information on depressive symptoms (PHQ-9), which was used as an outcome variable. Educational attainment (ISCED-97), gender, and history of migration constituted the different social strata in the analyses. The predicted probabilities of depressive symptoms for 30 social strata were calculated. Multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA) was applied, using logistic regression and social strata were introduced as higher-level unit interaction terms.

Results
The analyses revealed an educational gradient in depressive symptoms, with differences within each educational group when gender and history of migration were introduced to the models. The predicted probabilities of depressive symptoms varied between the most advantaged and the most disadvantaged social strata by more than 20% points. Among the three studied variables, education contributed the most to the variance explained by the MAIHDA models. The between-strata differences were largely explained by additive effects.

Conclusions
We observed a robust educational gradient in depressive symptoms, but gender and history of migration had substantial contribution on the magnitude of educational inequalities. An intersectional perspective on inequalities in depressive symptoms enhances current knowledge by showing that different social dimensions may intersect and contribute to inequalities in depressive symptoms. Future studies on inequalities in depression may greatly benefit from an intersectional approach, as it reflects lived inequalities in their diversity.

Online verfügbar:
https://pubmed.ncbi.nlm.nih.gov/40259268/

Zitation:
Vonneilich, N., Becher, H., Berger, K., Bohmann, P., Brenner, H., Castell, S., Dragano, N., Harth, V., Jaskulski, S., Karch, A., Keil, T., Krist, L., Lange, B., Leitzmann, M., Massag, J., Meinke-Franze, C., Mikolajczyk, R., Obi, N., Pischon, T., . . . Lüdecke, D. (2025). Depressive symptoms, education, gender and history of migration - an intersectional analysis using data from the German National Cohort (NAKO). International Journal For Equity in Health, 24(1). https://doi.org/10.1186/s12939-025-02479-2

Kontakt:
Nico Vonneilich
n.vonneilich(at)uke.de


zurück zur Übersicht