Socioøkonomiske variable

Uddannelse, indkomst og beskæftigelse efter SEPLINE-tilgangen

Published

June 6, 2026

Du kender nu mønstret: open_dataset → filter → collect → left_join. Det er præcis det, du bruger her. To ting er nye i denne fase:

  1. “Hent for året inden index-dato” — SES-registrene er årsbaserede snapshots. Du kan ikke bare filtrere på pnr; du skal også matche på hvilket år der er relevant per person (year(index_date) - 1). Det gøres ved at beregne baseline-året per person og bruge det som join-nøgle.
  2. FAIK via familie_id — Indkomst er knyttet til husstanden, ikke personen direkte. Du skal bruge BEF som bro: hent familie_id fra BEF for baseline-året, og join derefter til FAIK på familie_id.

Resten er kategorisering per SEPLINE-guidelines.

Socioøkonomisk position (SEP) måles i registerbaserede studier via tre dimensioner: uddannelse (UDDA), indkomst (FAIK) og beskæftigelse (AKM). Denne side viser, hvordan du udtrækker og kategoriserer dem efter SEPLINE-guidelinen.

SEPLINE-artikel: Hjorth et al. Clinical Epidemiology 2025 — doi:10.2147/CLEP.S520772. Se artiklen for fuld begrundelse, anbefalede referencegrupper og kategoriseringer.

Important

Under udvikling — kode-eksempler, ikke valideret kode. Kategoriseringerne nedenfor er ikke valideret og bør ikke bruges direkte i analyser uden gennemgang. De vises som strukturelle eksempler på, hvordan man kan kode variablerne — ikke som en godkendt implementering. Har du kode der allerede virker, eller input til kategoriseringerne, så hører jeg meget gerne fra dig: Sara Schwartz — saras@clin.au.dk

Note

Adgang til registrene — tre veje:

  1. Parquet (anbefalet): Brug open_dataset("E:/workdata/[proj]/cleaned-data/parquet-registers/akm/") + rename_with(tolower). Eksemplerne nedenfor bruger dette mønster.
  2. DARTER / projekt 708421: Brug load_database("akm") direkte — dstDataPrep finder stien automatisk. Erstat blot open_dataset(...) med load_database("akm") i eksemplerne.
  3. SAS-filer (hvis parquet ikke er klar): Brug haven::read_sas("sti/akm.sas7bdat") — men dette læser hele filen ind i RAM. Anbefalet: konvertér til parquet én gang og arbejd derfra (se Fase 4 — Konvertér SAS til parquet).

Dine kolonner kan hedde noget andet — tjek med names(din_data).

Warning

Alle tre registre er årsbaserede. Hent variablen for året inden index-dato (din kohortes indgangsdato — fx operationsdatoen eller diagnosedatoen), da registerdata for et givet år typisk beskriver status ved årets udgang.

De tre dimensioner

Dimension Register Variabel
Uddannelse UDDA hfaudd — højeste afsluttede uddannelse (ISCED-kode)
Indkomst FAIK famaekvivadisp_13 — husstandsækvivaleret disponibel indkomst
Beskæftigelse AKM socio13 — arbejdsmarkedsklassifikation

SEPLINE specificerer både hvordan disse variable kategoriseres og hvornår i forløbet de måles.

Beskæftigelse — AKM (socio13)

library(arrow)       # open_dataset()
library(dplyr)       # filter, select, mutate, left_join, collect
library(lubridate)   # year() til at trække årstal ud af datoer

# Erstat stien med din projekts parquet-sti — DARTER: load_database("akm")
akm <- open_dataset("E:/workdata/[projektnummer]/cleaned-data/parquet-registers/akm/") %>%
  rename_with(tolower)   # standardisér kolonnenavne

# Hent beskæftigelsesstatus for året inden index-dato
# (antager at kohort har kolonnerne pnr og index_date)
index_aar <- unique(lubridate::year(kohort$index_date) - 1)   # baseline-år = index-år minus 1

akm_data <- akm %>%
  filter(pnr %in% !!kohort$pnr, aar %in% !!index_aar) %>%   # kun kohortens pnr'er i baseline-år
  select(pnr, aar, socio13) %>%                              # kun de kolonner vi bruger
  collect()                                                  # hent ind i R

# Tilknyt til kohort med index-år som join-nøgle
kohort_akm <- kohort %>%
  mutate(aar_baseline = lubridate::year(index_date) - 1) %>%        # beregn baseline-år
  left_join(akm_data, by = c("pnr", "aar_baseline" = "aar"))        # join på pnr og år

# Kategorisér per SEPLINE
kohort_akm <- kohort_akm %>%
  mutate(occupation_cat = case_when(
    socio13 %in% c(110, 111, 112, 113, 114, 120, 131, 132, 133, 134, 135, 139) ~ "Beskæftiget",
    socio13 == 310                              ~ "Studerende",
    socio13 %in% c(210, 410)                   ~ "Ledig",
    socio13 %in% c(220, 321, 330)              ~ "Udenfor arbejdsmarked",   # sygedagpenge, førtidspension, fleksjob
    socio13 %in% c(322, 323)                   ~ "Pensionist",
    TRUE                                        ~ "Ukendt"                   # 0, 420 eller manglende
  ))

Uddannelse — UDDA (hfaudd)

Kategoriseres ud fra ISCED-koden i hfaudd: kort (10/15), mellemlang (20/30/35), lang (40–80), ukendt (90 eller manglende).

# DARTER: load_database("udda")
udda <- open_dataset("E:/workdata/[projektnummer]/cleaned-data/parquet-registers/udda/") %>%
  rename_with(tolower)   # standardisér kolonnenavne

udda_data <- udda %>%
  filter(pnr %in% !!kohort$pnr, aar %in% !!index_aar) %>%   # kun kohortens pnr'er i baseline-år
  select(pnr, aar, hfaudd) %>%                               # kun de kolonner vi bruger
  collect()                                                   # hent ind i R

# Tag den seneste post hvis en person optræder flere gange
udda_data <- udda_data %>%
  group_by(pnr) %>%           # gruppér for at finde nyeste post per person
  arrange(desc(aar)) %>%      # nyeste år først
  slice(1) %>%                # behold kun den nyeste post
  ungroup()                   # frigiv gruppering

# Kategorisér per SEPLINE
udda_data <- udda_data %>%
  mutate(education_cat = case_when(
    substr(as.character(hfaudd), 1, 2) %in% c("10", "15") ~ "Kort",
    substr(as.character(hfaudd), 1, 2) %in% c("20", "30", "35") ~ "Mellemlang",
    as.numeric(substr(as.character(hfaudd), 1, 2)) >= 40  ~ "Lang",
    is.na(hfaudd) | substr(as.character(hfaudd), 1, 2) == "90" ~ "Ukendt",
    TRUE ~ "Ukendt"
  ))

Indkomst — FAIK via BEF (famaekvivadisp_13)

Indkomst er knyttet til husstanden, ikke personen. Du skal bruge familie_id fra BEF som bro. SEPLINE anbefaler 3-årsgennemsnit inddelt i kvintiler stratificeret på køn × 5-årsaldersgruppe × referenceår.

# DARTER: load_database("bef") og load_database("faik")
bef  <- open_dataset("E:/workdata/[projektnummer]/cleaned-data/parquet-registers/bef/")  %>% rename_with(tolower)
faik <- open_dataset("E:/workdata/[projektnummer]/cleaned-data/parquet-registers/faik/") %>% rename_with(tolower)

# Hent familie_id fra BEF for baseline-år
bef_familie <- bef %>%
  filter(pnr %in% !!kohort$pnr, aar %in% !!index_aar) %>%   # kun kohortens pnr'er i baseline-år
  select(pnr, aar, familie_id) %>%                           # familie_id er broen til FAIK
  collect()                                                  # hent ind i R

# Hent indkomst fra FAIK for baseline-år
faik_data <- faik %>%
  filter(aar %in% !!index_aar) %>%                           # kun baseline-år
  select(familie_id, aar, famaekvivadisp_13) %>%             # kun de kolonner vi bruger
  collect()                                                  # hent ind i R

# Join: pnr → familie_id → indkomst
indkomst <- bef_familie %>%
  left_join(faik_data, by = c("familie_id", "aar"))          # to-nøgle join: husstand og år
3-årsgennemsnit og kvintiler (SEPLINE-anbefaling)

SEPLINE anbefaler 3-årsgennemsnit af indkomst og kvintiler stratificeret på køn × 5-årsaldersgruppe × år. Her er en forenklet version med kvintiler per år:

Note

Hvad denne kode ikke gør: ntile(mean_indkomst, 5) beregner kvintilgrænser ud fra kohortens egne værdier. Den korrekte SEPLINE-tilgang bruger grænseværdier (Q20/Q40/Q60/Q80) beregnet fra den fulde BEF-befolkning for hvert referenceår, stratificeret på køn × 5-årsaldersgruppe. Det kræver et ekstra BEF-udtræk uden pnr-filtrering og er ikke implementeret her.

library(dplyr)   # filter, select, left_join, group_by, summarise, mutate

# Hent 3 år: index-år samt de to foregående
aar_3 <- c(index_aar, index_aar - 1, index_aar - 2)   # 3-års vindue til gennemsnit

bef_3aar <- bef %>%
  filter(pnr %in% !!kohort$pnr, aar %in% !!aar_3) %>%   # kun kohortens pnr'er i de 3 år
  select(pnr, aar, familie_id) %>%                       # familie_id er broen til FAIK
  collect()                                              # hent ind i R

faik_3aar <- faik %>%
  filter(aar %in% !!aar_3) %>%                           # kun de 3 baseline-år
  select(familie_id, aar, famaekvivadisp_13) %>%         # kun de kolonner vi bruger
  collect()                                              # hent ind i R

# Beregn 3-årsgennemsnit per person
indkomst_mean <- bef_3aar %>%
  left_join(faik_3aar, by = c("familie_id", "aar")) %>%   # kobl indkomst på via husstand og år
  group_by(pnr) %>%                                       # gruppér for at beregne gennemsnit per person
  summarise(
    mean_indkomst = mean(famaekvivadisp_13, na.rm = TRUE),   # gennemsnitlig disponibel indkomst
    .groups = "drop"                                          # frigiv gruppering automatisk
  )

# Inddel i kvintiler
indkomst_kvintil <- indkomst_mean %>%
  mutate(income_cat = ntile(mean_indkomst, 5))   # ntile(x, 5): 5 grupper — 1 = lavest, 5 = højest

Saml alle SES-variable på kohorten

kohort_ses <- kohort %>%
  left_join(kohort_akm     %>% select(pnr, occupation_cat), by = "pnr") %>%   # tilknyt beskæftigelse
  left_join(udda_data      %>% select(pnr, education_cat),  by = "pnr") %>%   # tilknyt uddannelse
  left_join(indkomst_kvintil %>% select(pnr, income_cat),   by = "pnr")        # tilknyt indkomstkvintil

Se også

Næste skridt

Du har nu SES-kovariater. Næste skridt afhænger af hvad du mangler:

Back to top