Vi har undersökt hur hälsan varierar mellan områden med olika socioekonomiska förutsättningar. Resultaten visar som förväntat att invånare i områden med socioekonomiska utmaningar har sämre hälsa än invånare i områden med goda förutsättningar. Det innebär att en större andel av invånarna i områden med utmaningar

• dör i förtid
• uppger dålig självskattad hälsa
• uppger allvarlig psykisk påfrestning
• uppger svår värk i rörelseorganen
• har kroppsmasseindex (BMI) som motsvarar obesitas.

Skillnaderna mellan områdena gäller alla kommungrupper: storstäder, större städer och mindre städer. De omfattar både kvinnor och män samt inrikes och utrikes födda.

Skillnaderna i hälsa och dödlighet mellan socioekonomiska områdestyper beror delvis på att befolkningens sammansättning skiljer sig åt. Det gäller framför allt skillnader i inkomst och utbildning.

Även när vi tar hänsyn till hushållets inkomst, utbildningsnivå och andra individuella förutsättningar som kan påverka hälsan (ålder, kön, födelseland, hushållstyp) visar analyserna att invånare i områden med socioekonomiska utmaningar oftast har sämre hälsa än invånare i områden med goda förutsättningar. Den kvarstående skillnaden kan också bero på andra individuella faktorer som inte ingår i analysen. Den kan dessutom bero på strukturella skillnader mellan områdena.

Ingen aktör kan ensam nå målet om en god och jämlik hälsa för alla. Insatser för att förbättra folkhälsan måste ta hänsyn till att personer har olika förutsättningar. För att nå de grupper som i dag har sämre förutsättningar för hälsa behövs kompensatoriska insatser på olika nivåer.

För att förbättra hälsan i områden med socioekonomiska utmaningar krävs kompensatoriska åtgärder. Det är därför viktigt att varje aktör på regional och lokal nivå känner till den lokala kapaciteten och hur förutsättningarna för hälsa ser ut i olika områden. Utifrån sin roll kan de då vidta åtgärder baserade på de behov som finns.

Folkhälsomyndigheten ska ta fram områdesspecifik kunskap om ojämlikheter i hälsa och stödja implementeringen av kunskapsbaserade insatser. Genom att samla, analysera och sprida data om socioekonomiska skillnader kan myndigheten underlätta för kommuner, regioner och andra aktörer att identifiera lokala behov och prioritera insatser. Myndighetens samordnande roll innebär också att mobilisera och stödja samverkan mellan aktörer, vilket stärker förutsättningarna för långsiktigt och strategiskt folkhälsoarbete på lokal och regional nivå.

Folkhälsomyndigheten följer upp hälsan i befolkningen och de förutsättningar som påverkar hälsan. Vi har även i uppdrag att undersöka hur geografi kan påverka ojämlikheter i hälsa i relation till integration och utanförskap (S2023/03257). I den här publikationen presenterar vi hur hälsan varierar i olika socioekonomiska områdestyper. Områdestyper är en indelning av regionala statistikområden som baseras på dess socioekonomiska sammansättning. Genom att undersöka om hälsan skiljer sig mellan olika områdestyper kan vi identifiera var insatser behöver förstärkas. Det är viktigt för att nå målet om en god och jämlik hälsa i hela befolkningen.

Publikationen är ett kunskapsstöd. Den kan användas för att prioritera, planera eller genomföra förebyggande och hälsofrämjande insatser och för att anpassa arbetet efter lokala behov. Den riktar sig främst till dig som

• arbetar med folkhälsofrågor i kommuner och regioner
• planerar vård eller sociala insatser eller vill förstå hur socioekonomiska faktorer påverkar hälsan.

Enheten för folkhälsorapportering och utvärdering har tagit fram publikationen.

Folkhälsomyndigheten

Anna Bessö

Avdelningschef, Avdelningen för folkhälsoanalys och datautveckling

Hälsan i befolkningen kan ses som ett samspel mellan individ och samhälle. Socioekonomiska förutsättningar som utbildningsnivå, inkomst och förvärvsarbete är starkt kopplade till hälsa. Längre utbildning och högre inkomst sammanfaller ofta med bättre hälsa. När människor med olika socioekonomiska positioner bor geografiskt åtskilda riskerar detta dessutom att påverka områdens resursfördelning. Detta kan i sin tur bidra till att förstärka ojämlikheten i hälsa mellan olika områden (1). För att studera skillnader mellan områden med olika socioekonomiska förutsättningar är socioekonomiska områdestyper ett viktigt verktyg. De socioekonomiska områdestyperna beskrivs närmare i faktarutan.

Flera svenska rapporter har påvisat tydliga skillnader i hälsa mellan socioekonomiska områdestyper. Socialstyrelsen visar bland annat på olikheter när det gäller psykiatriska tillstånd, samt skillnader i insjuknande och dödlighet för olika cancerformer (2, 3). Ett exempel är insjuknande i malignt melanom, som är en allvarlig form av hudcancer. Insjuknandet är högre i områden med goda socioekonomiska förutsättningar, medan dödligheten relaterad till malignt melanom är något högre i områden med socioekonomiska utmaningar. För lungcancer är både insjuknande och dödlighet högre i områden med socioekonomiska utmaningar jämfört med områden med goda förutsättningar (2).

I den här rapporten beskriver vi hur hälsan varierar mellan områden med olika socioekonomiska förutsättningar. Vi vill därigenom bidra till att synliggöra var behov finns av riktade insatser.

Hälsan i de olika områdestyperna undersöks både i hela befolkningen och i grupper indelade efter kön, födelseland och geografiskt läge (SKR:s kommungrupper).

För att förstå hur individuella förutsättningar bidrar till skillnader i hälsa mellan områdestyper har vi beaktat ålder, kön, utbildningsnivå, hushållsinkomst, hushållstyp och födelseland. Rapporten är ett resultat av vårt regeringsuppdrag om ett geografiskt perspektiv på ojämlikheter i hälsa i relation till integration och utanförskap. Därför analyserar vi registervariabeln förtida dödlighet separat för inrikes födda och utrikes födda.

Först beskriver vi hur demografin ser ut i de olika områdestyperna. Därefter följer resultat med en beskrivning av hur hälsoindikatorerna fördelar sig i dessa områden. Avslutningsvis presenterar vi analyser där vi tar hänsyn till individuella faktorer.

Metoden beskriver vi längst bak i rapporten, följd av en bilaga med deskriptiva resultat.

Indikatorerna för hälsa i denna rapport baseras på registerdata från åren 2023 och 2024, och på Nationella folkhälsoenkäten, Hälsa på lika villkor åren 2022 och 2024.

Från register har vi hämtat indikatorer om:

• återstående medellivslängd vid 30 års ålder (antal återstående år)
• förtida dödlighet (25–64 år).

Från Nationella folkhälsoenkäten, Hälsa på lika villkor (HLV) har vi hämtat indikatorer om:

• dålig självskattad hälsa
• allvarlig psykisk påfrestning (enligt Kessler 6)
• svår värk i rörelseorganen
• obesitas (BMI 30 eller högre).

Resultat från HLV avser åldrarna 16–84 år.

Den största delen av befolkningen, 55 procent, bor i områden med goda socioekonomiska förutsättningar (områdestyp 4), medan den minsta andelen, 5 procent, bor i områden med stora socioekonomiska utmaningar (områdestyp 1) (tabell 1).

Det finns stora skillnader mellan områdestyperna när det gäller födelseland, utbildningsnivå och hushållsinkomst och hushållstyp. Däremot är medelåldern och könsfördelningen ungefär desamma för de fem områdestyperna.

Andelen inrikesfödda varierar mellan 46 procent i områden med stora utmaningar (områdestyp 1) och 89 procent i områden med mycket goda socioekonomiska förutsättningar (områdestyp 5) (tabell 1). Andelen födda i övriga världen varierar mellan 40 procent i områdestyp 1 och 5 procent i områdestyp 5.

Andelen med eftergymnasial utbildning bland personer 20 år och äldre varierar mellan områdestyperna. Andelen är 25 procent i områdestyp 1 jämfört med 59 procent i områdestyp 5 (tabell 1). Även andelen med förgymnasial utbildning varierar mellan 27 procent i områdestyp 1 och 6 procent i områdestyp 5.

Andelen i inkomstkvintil 1, de med lägst inkomst, varierar från 48 procent i områdestyp 1 till 6 procent i områdestyp 5 (tabell 1). Andelen i inkomstkvintil 5, de med högst inkomst, varierar från 3 procent i områdestyp 1 till 37 procent i områdestyp 5.

Hushåll med ensamstående är vanligare i områden med socioekonomiska utmaningar. Andelen ensamstående föräldrar är 14 procent i områdestyp 1, jämfört med 6 procent i områdestyp 5 (tabell 1). Andelen ensamstående utan barn är 20 procent i områdestyp 1, jämfört med 10 procent i områdestyp 5.

I områdestyp 1–4 bor majoriteten i större städer och kommuner nära större städer (kommungrupp B) (tabell 1). I områdestyp 5, med mycket goda socioekonomiska förutsättningar, bor en betydlig större andel av befolkningen (63 procent) i storstäder och storstadsnära kommuner (kommungrupp A).

(a) Alla procenttal är approximerade till närmaste heltal. (b) Utbildningsnivå avser befolkningen 20 år och äldre. (c) Kommuntyp A: storstäder och storstadsnära kommuner, kommungrupp B: större städer och kommuner nära större stad, kommungrupp C: mindre städer/tätorter och landsbygdskommuner.

Resultaten visar att andelen med sämre hälsa är högst i områden med socioekonomiska utmaningar och lägst i områden med goda förutsättningar. Dessa skillnader gäller de flesta indikatorerna för hälsa och finns i alla undersökta grupper: kvinnor och män, inrikes födda och utrikes födda. Skillnaderna gäller även alla kommungrupper: storstäder, större städer och mindre städer (se bilaga 2).

Sett till hela befolkningen och för kvinnor och män finns en social gradient, det vill säga en stegvis skillnad i medellivslängd (antal återstående år vid 30 års ålder), mellan områdestyperna. Denna gradient är tydlig bland inrikes födda, medan utrikes födda har ungefär samma medellivslängd i områdestyp 1, 2 och 3 (figur 1).

Bland kvinnor är den återstående medellivslängden vid 30 års ålder 53,2 år i områden med stora utmaningar (områdestyp 1) och 57,8 år i områden med mycket goda förutsättningar (områdestyp 5). Det ger en skillnad på 4,6 år mellan dessa områdestyper. Bland män är motsvarande siffror 49,6 år och 55,2 år, med en skillnad på 5,6 år. Skillnader mellan områdestyperna, sett till antal år, är betydligt större bland inrikes födda än utrikes födda. Bland inrikes födda är skillnaden i medellivslängd mellan yttergrupperna nästan åtta år, medan den bland utrikes födda är drygt tre år.

Figur 1. Återstående medellivslängd vid 30 års ålder per områdestyp, totalt samt efter kön och födelseland, år 2024.

Källa: SCB, bearbetat av Folkhälsomyndigheten.

Totalt sett är den förtida dödligheten högst i områden med stora socioekonomiska utmaningar (områdestyp 1) och lägst i områden med mycket goda socioekonomiska förutsättningar (områdestyp 5), 210 respektive 154 dödsfall per 100 000 invånare 25–64 år (figur 2).

Bland inrikes födda finns det en social gradient i förtida dödlighet mellan områdestyper, med en skillnad på nästan 250 dödsfall per 100 000 invånare mellan områdestyp 1 och områdestyp 5. Skillnaden mellan dessa områdestyper är särskilt stor bland inrikes födda män, drygt 300 dödsfall per 100 000 invånare 25–64 år (se bilaga 2). Bland utrikes födda är skillnaderna mindre, och bland kvinnor är den förtida dödligheten på samma nivå i områdestyp 1, 2 och 3 (figur 2).

Figur 2. Förtida dödlighet per 100 000 invånare, totalt samt efter kön och födelseland, per områdestyp, år 2024. Procent och 95-procentigt konfidensintervall.

Källa: Befolkningsregistret, SCB och dödsorsaksregistret, Socialstyrelsen, bearbetat av Folkhälsomyndigheten.

I områden med stora socioekonomiska utmaningar (områdestyp 1) uppger 12 procent att de har dålig hälsa (figur 3). Motsvarande andel i områden med mycket goda förutsättningar (områdestyp 5) är 4 procent. Skillnaderna mellan områdestyperna gäller alla grupper: män, kvinnor, utrikes födda och inrikes födda.

Figur 3. Andel personer som skattar sin hälsa som dålig i befolkningen 16–84 år, totalt samt efter kön, per områdestyp, år 2022 och 2024. Procent och 95-procentligt konfidensintervall.

Källa: Nationella folkhälsoenkäten, Hälsa på lika villkor, Folkhälsomyndigheten.

Det finns även skillnader i förekomst av självrapporterad allvarlig psykisk påfrestning mellan de socioekonomiska områdestyperna. Andelen är högst i områden med utmaningar, 17 procent i områdestyp 1 och 15 procent i områdestyp 2. I områdestyp 5 med mycket goda socioekonomiska förutsättningar är andelen lägst, 6 procent (figur 4).

Figur 4. Andel personer som uppger allvarlig psykisk påfrestning i befolkningen 16–84 år, totalt samt efter födelseland, per områdestyp, år 2022 och 2024. Procent och 95-procentigt konfidensintervall.

Källa: Nationella folkhälsoenkäten, Hälsa på lika villkor, Folkhälsomyndigheten.

Andelen med svår värk i rörelseorganenen är högst i områden med stora socioekonomiska utmaningar, 23 procent, och lägst i områden med mycket goda förutsättningar, 12 procent (figur 5). Bland både utrikes och inrikes födda är mönstret liknande, men med något högre andelar bland utrikes födda (se tabellbilaga).

I samtliga områdestyper är det vanligare att kvinnor uppger svårt värk jämfört med män. Bland kvinnor är skillnaden mellan områdestyp 1 och områdestyp 5 nästan 15 procentenheter, och bland män är skillnaden drygt 9 procentenheter (figur 5).

Figur 5. Andel personer som uppger svår värk i rörelseorganen i befolkningen 16–84 år, totalt samt efter kön, per områdestyp, år 2022 och 2024. Procent och 95-procentigt konfidensintervall.

Källa: Nationella folkhälsoenkäten, Hälsa på lika villkor, Folkhälsomyndigheten.

Andelen med obesitas är dubbelt så hög i områden med stora socioekonomiska utmaningar (områdestyp 1), 26 procent, jämfört med i områden med mycket goda socioekonomiska förutsättningar (områdestyp 5), 12 procent. Skillnader mellan områdestyperna finns i alla undersökta grupper: män, kvinnor, utrikes födda och inrikes födda (figur 6).

Figur 6. Förekomst av obesitas i befolkningen 16–84 år, totalt samt efter födelseland, per områdestyp, år 2022 och 2024. Procent och 95-procentigt konfidensintervall.

Källa: Nationella folkhälsoenkäten, Hälsa på lika villkor, Folkhälsomyndigheten.

Här presenterar vi resultat från analyser där vi jämför hälsan mellan områdestyper när vi tagit hänsyn till individuella förutsättningar. Skillnaderna i hälsa mellan områdestyperna minskar när vi tar hänsyn till ålder, kön, födelseland, utbildningsnivå, hushållstyp och hushållets inkomst. I många fall kvarstår dock statistiskt säkerställda skillnader mellan flera av områdestyperna.

Bosatta i områden med stora socioekonomiska utmaningar (områdestyp 1) har nästan 50 procent högre dödstal i förtida dödlighet (DK 1,49) jämfört med de som bor i områden med goda förutsättningar (områdestyp 4). När vi tar hänsyn till ålder, kön, utbildning, inkomst, födelseland och hushållstyp minskar det högre dödstalet till 21 procent (DK 1,21) (tabell 2).

Detta innebär att invånarnas individuella förutsättningar, såsom lägre inkomster och kortare utbildning, förklarar nästan 60 procent av det högre dödstalet i områden med socioekonomiska utmaningar. I blandade områden bidrar de individuella förutsättningarna till nästan hela den observerade skillnaden.

(a) Anger att värdet är statistiskt signifikant, α ≤ 0,05 (5 %).

Att uppge självskattad dålig hälsa är dubbelt så vanligt (PK 2,10) i områdestyp 1 jämfört med områdestyp 4 (tabell 3). De individuella förutsättningarna förklarar mer än hälften av den högre förekomsten i områden med socioekonomiska utmaningar och blandade områden.

(a) Anger att värdet är statistiskt signifikant, α ≤ 0,05 (5 %).

Allvarlig psykisk påfrestning är nästan dubbelt så vanligt (PK 1,93) i områdestyp 1 jämfört med områdestyp 4 (tabell 4). De individuella förutsättningarna förklarar över 70 procent av den högre förekomsten i områden med socioekonomiska utmaningar och nästan 60 procent blandade områden.

(a) Anger att värdet är statistiskt signifikant, α ≤ 0,05 (5 %).

Andelen med svår värk är drygt 60 procent högre (PK 1,62) i områdestyp 1 jämfört med områdestyp 4 (tabell 5). De individuella förutsättningarna förklarar över 70 procent av den högre förekomsten i områden med stora socioekonomiska utmaningar och nästan hela den högre förekomsten i områden med utmaningar och blandade områden.

(a) Anger att värdet är statistiskt signifikant, α ≤ 0,05 (5 %).

När det gäller obesitas är prevalensen drygt 60 procent högre (PK 1,61) i områdestyp 1 jämfört med områdestyp 4 (tabell 6). Här förklarar de individuella förutsättningarna drygt 20 procent av den högre förekomsten i områden med stora utmaningar, 15 procent i områden med utmaningar och 30 procent i blandade områden.

(a) Anger att värdet är statistiskt signifikant, α ≤ 0,05 (5 %).

Det finns en statistiskt säkerställd högre förekomst av alla undersökta hälsoutfall i områden som kännetecknas av stora socioekonomiska utmaningar (områdestyp 1), jämfört med områdestyp 4, som kännetecknas av goda förutsättningar. Detta gäller även efter att vi tagit hänsyn till ålder, kön, utbildning, födelseland, hushållstyp och inkomst (tabell 2–6). Den högre förekomsten jämfört med områdestyp 4 är statistiskt signifikant även i

• områdestyp 2 när det gäller förtida dödlighet, dålig självskattad hälsa och obesitas.
• områdestyp 3 när det gäller dålig självskattad hälsa, allvarlig psykisk påfrestning och obesitas.

Obesitas är det enda hälsoutfallet som visar en statistiskt säkerställd skillnad även mellan områdestyp 5 och områdestyp 4 efter justering för individuella förutsättningar. Därmed finns det faktorer, utöver de individuella förutsättningar som ingår, som bidrar till den lägre förekomsten i områdestyp 5 jämfört med områdestyp 4 (tabell 6).

Resultaten visar att skillnader mellan områdestyper i förtida dödlighet är betydligt större bland inrikes födda än utrikes födda. Detta gäller både innan och efter hänsyn till ålder, kön, utbildningsnivå, hushållstyp och hushållets inkomst (tabell 7).

Bland inrikes födda som bor i områden med socioekonomiska utmaningar (områdestyp 1 och 2), bidrar de individuella faktorerna till nästan 80 procent av den högre dödstalskvoten (DK). Bland utrikes födda, där skillnaden mellan områdestyperna är mindre, bidrar de individuella förutsättningarna till hela den högre dödstalskvoten, och inga skillnader kvarstår mellan områdestyper (tabell 7).

(a) Anger att värdet är statistiskt signifikant, α ≤ 0,05 (5 %). (b) Anger att värdet är justerat för ålder, kön, utbildning, hushållstyp och inkomst.

De mått på hälsa och dödlighet som vi har analyserat är systematiskt sämre i områden med socioekonomiska utmaningar. Skillnaderna gäller i alla kommungrupper och omfattar både kvinnor och män, inrikes födda och utrikes födda. Att individer med liknande socioekonomiska förutsättningar koncenteraras till samma geografiska områden, bidrar i hög utsträckning till skillnaderna i hälsa.

De individuella förutsättningarna förklarade olika stor del av skillnaden mellan områdestyp 1 och 5, beroende på hälsoutfall. För obesitas förklarar de 20 procent av den högre prevalensen. För förtida dödsfall bland utrikes födda förklarar de hela det högre dödstalet, medan det för inrikes födda förklarar 80 procent.

För samtliga hälsoutfall bidrar inkomst och utbildningsnivå den största delen av skillnaderna mellan områdestyper, vilket speglar de individuella socioekonomiska förutsättningarna och överensstämmer med etablerad forskning om dess betydelse för hälsan (4–6).

Den största skillnaden mellan områdestyperna är inkomstfördelningen. I områden med stora utmaningar har 48 procent en inkomst motsvarande den lägsta inkomstgruppen (inkomstkvintil 1) jämfört med 6 procent i områden med mycket goda förutsättningar. Detta är förväntat, eftersom andelen med låg ekonomisk standard och förgymnasial utbildning är mått på socioekonomi som används för grupperingen av socioekonomisk områdestyp.

Det finns fler individuella förutsättningar än de som ingår i analysen som kan påverka hälsan och var en individ är bosatt. Den skillnad som återstår kan antingen förklaras av andra individfaktorer än de som ingår i analysen eller faktiska skillnader mellan områdena.

Individuella förutsättningar som kan påverka hälsan inkluderar socialt kapital (7), språkkunskaper (8), anknytning till arbetsmarknaden (9) och funktionsnedsättningar (10). Dessa faktorer kan i sin tur påverka var en person bor.

Även områdesfaktorer som boende och närmiljö, trygghet och tillgänglighet till service, och sociala förhållanden påverkar hälsan över tid. I områden med socioekonomiska utmaningar är flerbostadshus vanligare, och boende i flerbostadshus rapporterar oftare miljöbesvär, både inomhus och utomhus (11). Boende och närmiljöer som stödjer hälsosamma val, till exempel tillgång till idrottsanläggningar, grönområden och säkra gång- och cykelvägar, kan dessutom bidra till goda levnadsvanor (12). Vidare är matmiljön ofta mindre hälsofrämjande i områden med socioekonomiska utmaningar, det visar sig till exempel genom att butiks- och restaurangutbud ofta är ohälsosammare eller att det är vanligare med mer reklam för ohälsosamma livsmedel (13,14). Otrygghet är mer utbredd i områden med utmaningar, något som kan påverka hälsan på flera sätt (15). Dessutom har grundskolor i områden med utmaningar färre behöriga lärare (16).

Risken för förtida dödsfall är större i områden med stora utmaningar, men skillnaderna är mindre bland utrikes födda än bland inrikes födda även efter hänsyn till socioekonomi och demografi. Det finns ett par möjliga förklaringar:

• Olikheter i bosättningsmönster: Valet av bostad och bostadsområde begränsas ofta av ekonomiska förutsättningar, och ohälsa kan i sig bidra till låg inkomst. Även att vara nyanländ sammanfaller med att ha mindre möjligheter att välja bostadsområde. Vid ankomst till Sverige har utrikes födda ofta bättre hälsa än befolkningen i genomsnitt, den så kallade ”friska migrant” effekten (17). Det skulle delvis kunna förklara att skillnaderna mellan områdestyper är mindre bland utrikes än inrikes födda.
• Heterogenitet bland utrikes födda: Gruppen är mångfaldig, och 40 procent i områdestyp 1 är födda utanför Europa. Denna grupp har även lägre risk för förtida dödlighet och högre återstående medellivslängd än befolkningen i medeltal.
• Osäkerheter i befolkningsregistret: Underskattade dödstal på grund av oregistrerad utvandring (18) kan påverka skattade dödstal, främst för utrikes födda. Detta kan dock inte förklara hela skillnaden eftersom att andelen som saknar inkomst är ungefär lika stor i alla områdestyper. De flesta av dessa är födda utanför Sverige.

Statistiken från Nationella folkhälsoenkäten bygger på ett urval av befolkningen och är förenad med viss osäkerhet (19). När befolkningen delas in i mindre grupper ökar osäkerheten, vilket kan göra det svårare att identifiera tydliga mönster. Särskilt utrikes födda och områdestyp 1 utgörs av mindre grupper. För att minska denna osäkerhet analyserades data från två årgångar av undersökningen, vilket ökade urvalets storlek.

Det är vanligare att utrikes födda saknar uppgifter om inkomst och utbildning än inrikes födda. Andelen som saknar informationen är dock ungefär lika stor i samtliga områdestyper.

Hälsa och dödlighet har en stark koppling till socioekonomi och varierar både mellan och inom socioekonomiska områdestyper. Att hälsan skiljer sig mellan bostadsområden speglar att människor med olika socioekonomisk position bor geografiskt åtskilda. Det leder till en ansamling av personer med ohälsa i vissa områden.

Skillnader i inkomst och utbildning bidrar till en stor del av de skillnaderna i hälsa och dödlighet som finns mellan områdestyperna. Men även när vi tar hänsyn till dessa förutsättningar visar analysen att invånare i områden med socioekonomiska utmaningar har sämre hälsa än invånare i områden med goda förutsättningar. Den återstående skillnaden kan bero på antingen andra personliga faktorer som vi inte har undersökt, eller på strukturella skillnader mellan områdena.

För att öka jämlikheten i hälsa krävs generella insatser. Hälsoförutsättningarna i en områdestyp kan användas för att identifiera regionala statistikområden där behov finns av att komplettera generella insatser med långsiktiga, områdesspecifika insatser.

Det är viktigt att varje aktör på regional och lokal nivå känner till den lokala kapaciteten och hur förutsättningarna för hälsa ser ut i olika områden. Utifrån sin roll kan de då vidta åtgärder utifrån de behov som finns.

För att förbättra hälsan i områden med socioekonomiska utmaningar och minska ojämlikheterna i hälsa behöver generella insatser kompletteras med riktade insatser. Syftet är att minska ojämlikheterna i hälsa som uppstår när grupper har systematiskt olika förutsättningar. Särskilt viktigt är att beakta strukturella faktorer som adresserar specifika behov inom exempelvis skola, omsorg och hälsofrämjande miljöer, som rör boende, matmiljö och friluftsliv.

Folkhälsomyndigheten har en central roll i arbetet för en god och jämlik hälsa. Vi ska ta fram områdesspecifik kunskap om ojämlikheter i hälsa och stödja implementeringen av kunskapsbaserade insatser. Genom att samla, analysera och sprida data om socioekonomiska skillnader kan myndigheten underlätta för kommuner, regioner och andra aktörer att identifiera lokala behov och prioritera insatser. Myndighetens samordnande roll innebär också att mobilisera och stödja samverkan mellan aktörer, vilket stärker förutsättningarna för långsiktigt och strategiskt folkhälsoarbete på lokal och regional nivå.

Dödstalskvot – ett mått som jämför dödstalet mellan två grupper.

Inkomstkvintil – ett statistiskt mått som delar in en befolkning i fem lika stora grupper baserat på hushållets inkomstnivå. Varje grupp representerar 20 procent (en femtedel) av den totala befolkningen.

Konfidensintervall – Konfidensintervall för viktade data från urvalsundersökningar används för att skatta en populationsparameter (till exempel ett medelvärde eller en andel) med en viss säkerhetsnivå, vanligtvis 95 procent. Det innebär att det sanna (men okända) värdet täcks in av intervallet i 19 av 20 fall (95 procent) om undersökningen upprepas. Konfidensintervallen är vidare när osäkerheten är stor, till exempel till följd av färre personer (litet underlag) eller stor variation, det vill säga stor spridning i mätvärden.

Prevalenskvot – ett mått som visar hur många gånger större sannolikheten är att ett visst utfall (till exempel sjukdom) förekommer i en grupp jämfört med en annan. Om kvoten är 1,5 betyder det att förekomsten är 50 procent högre i den ena gruppen. PK = 1 innebär att det inte finns någon skillnad mellan grupperna.

Regressionsanalys – en statistisk metod som undersöker sambandet mellan en eller flera oberoende variabler (till exempel inkomst, utbildning) och en utfallsvariabel (till exempel hälsa). Metoden hjälper till att bedöma hur starkt och ifall sambandet är positivt eller negativt, samtidigt som man kan justera för andra faktorer.

RegSO – Regionala statistikområden. En områdesindelning av Sverige i 3 363 mindre områden som utgår från kommun- och länsgränser.

Social gradient – En stegvis skillnad mellan grupper med olika socioekonomisk position.

1. Delegationen mot segregation. Segregation i Sverige – årsrapport 2021 om den socioekonomiska boendesegregationens utveckling. 2021. Rapportnummer.: DELMOS 2021/334.
2. Socialstyrelsen. Cancer i Sverige 2025 – Insjuknande och dödlighet. Stockholm; Socialstyrelsen 2025. Rapportnummer.: 2025-2-9402.
3. Socialstyrelsen. Förekomst av psykisk ohälsa bland barn och unga vuxna – Aspekter av socioekonomiska utmaningar och förutsättningar. Stockholm: Socialstyrelsen; 2024. Rapportnummer.: 2024-5-9083.
4. Huijts T, Eikemo TA, Skalická V. Income-related health inequalities in the Nordic countries: examining the role of education, occupational class, and age. Soc Sci Med. 2010;71(11):1964-72. DOI: 10.1016/j.socscimed.2010.09.021
5. Matthew P, Brodersen DM. Income inequality and health outcomes in the United States: An empirical analysis. Soc Sci J. 2018;55(4):432-42. DOI:10.1016/j.soscij.2018.05.001
6. Von dem Knesebeck O, Verde PE, Dragano N. Education and health in 22 European countries. Soc Sci Med. 2006;63(5):1344-51. DOI: 10.1016/j.socscimed.2006.03.043
7. Huang J, Gao J, Yao M, Yao S. The impact and mechanism of neighbourhood social capital on mental health: a cross-sectional survey based on the floating elderly population in China. BMC Geriatr. 2025;25(1):164. DOI: 10.1186/s12877-025-05789-w
8. Renzaho A. Ischaemic heart disease and Australian immigrants: The influence of birthplace and language skills on treatment and use of health services. Health Inf Manag J. 2007;36(2):26-36. DOI: 10.1177/183335830703600206
9. Kim TJ, von dem Knesebeck O. Perceived job insecurity, unemployment and depressive symptoms: a systematic review and meta-analysis of prospective observational studies. Int Arch Occup Environ Health. 2016;89(4):561-73. DOI: 10.1007/s00420-015-1107-1
10. Arfa S, Solvang PK, Berg B, Jahnsen R. Disabled and immigrant, a double minority challenge: a qualitative study about the experiences of immigrant parents of children with disabilities navigating health and rehabilitation services in Norway. BMC Health Serv Res. 2020;20(1):134. DOI: 10.1186/s12913-020-5004-2
11. Folkhälsomyndigheten. Boende- och närmiljö påverkar vår hälsa. Miljöhälsorapport 2024. [Internet]. Folkhälsomyndigheten; 2024 [citerad 26 maj 2026]. Tillgänglig från: https://www.folkhalsomyndigheten.se/publikationer-och-material/publikationsarkiv/b/boende-och-narmiljo-paverkar-var-halsa/
12. Naturvårdsverket. Tillgång till vardagsnära natur är bra för folkhälsan [Internet]. Naturvårdsverket; 2024 [citerad 26 maj 2026]. Tillgänglig från: https://www.naturvardsverket.se/4a5092/globalassets/amnen/friluftsliv/dokument/tillgang-till-vardagsnara-natur_digital.pdf
13. Folkhälsomyndigheten. Kunskap om matmiljö och barns och ungas livsmedelskonsumtion [Internet]. Stockholm: Folkhälsomyndigheten; 2024 dec 19 [citerad 2026 jun 30]. Tillgänglig från: https://www.folkhalsomyndigheten.se/publikationer-och-material/publikationsarkiv/k/kunskap-om-matmiljo-och-barns-och-ungas-livsmedelskonsumtion/
14. Folkhälsomyndigheten. Matmiljö i Sverige – En kartläggande litteraturöversikt [Internet]. Stockholm: Folkhälsomyndigheten; 2023 aug 30 [uppdaterad 2024 aug 28; citerad 2026 jun 30]. Tillgänglig från: https://www.folkhalsomyndigheten.se/publikationer-och-material/publikationsarkiv/m/matmiljo-i-sverige/
15. Brottsförebyggande rådet. Risk för otrygghet i bostadsområden: En statistisk analys utifrån Nationella trygghetsundersökningen (NTU). Kortanalys 4/2024 [Internet]. Stockholm: Brottsförebyggande rådet; 2024 [citerad 26 maj 2026]. Tillgänglig från: https://bra.se/download/18.3ad2ec4c19329a0a7e5b596/1732178507264/2024_Risk-for-otrygghet-i-bostadsomraden.pdf
16. Skolverket. Skolverkets bedömning av läget i skolväsendet 2026 [Internet]. Stockholm: Skolverket; 2026 [citerad 26 maj 2026]. Rapport 2006:5. Tillgänglig från: https://www.skolverket.se/publikationer?id=13390
17. Ruhnke SA, Reynolds MM, Wilson FA, Stimpson JP. A healthy migrant effect? Estimating health outcomes of the undocumented immigrant population in the United States using machine learning. Soc Sci Med. 2022;307:115177. DOI: 10.1016/j.socscimed.2022.115177
18. Statistiska centralbyrån, 2015. Övertäckning i Registret över totalbefolkningen – en registerstudie. Statistiska centralbyrån, Befolkning och välfärd: Bakgrundsfakta 2015:1.
19. Folkhälsomyndigheten. Kvalitetsdeklaration: Nationella folkhälsoenkäten "Hälsa på lika villkor?" (HLV) [Internet]. Folkhälsomyndigheten; 2025 [citerad 26 maj 2026]. Tillgänglig från: https://www.folkhalsomyndigheten.se/contentassets/9b1b216c596a487ca6c6aa6dc413efb4/kvalitetsdeklaration-hlv-20242.pdf

Denna rapport bygger på data från hälso- och befolkningsregister, utbildningsregistret, inkomst- och taxeringsregistret samt data från den Nationella folkhälsoenkäten ”Hälsa på Lika Villkor?” (HLV) år 2022 och 2024. Urvalet i HLV består av personer 16 år eller äldre. Urvalet omfattade 40 000 personer år 2022 och 45 000 personer år 2024, och svarsfrekvensen var 39,4 procent. För att kompensera för bortfallet har vi använt kalibreringsvikter, men bortfallsanalyser visar att en viss skevhet kvarstår, särskilt för grupperna män 16–29 år, kvinnor 16–44 år samt personer med förgymnasial utbildningsnivå. Därmed är bortfallet den största osäkerhetskällan för statistikens tillförlitlighet.

I analysen ingår hälsoindikatorer från register: återstående medellivslängd (antal återstående år vid 30 års ålder) och förtida dödlighet (25–64 år). Förtida dödlighet belyser skillnader under en livsperiod när dödsfall är ovanliga. Vi har även analyserat indikatorer från HLV: dålig självskattad hälsa, allvarlig psykisk påfrestning (enligt Kessler-6), svår värk i rörelseorganen, obesitas (BMI 30 eller högre). Samtliga indikatorer presenteras per områdestyp. De statistiska analyserna utförs för åldrarna 16–84 år för data från HLV och för åldrarna 25–64 år när det gäller förtida dödlighet.

Sverige har 3 363 regionala statistikområden.

Områdestyperna baseras på socioekonomiskt index och är en sammanvägning av uppgifter om andelen i befolkningen med

• låg ekonomisk standard
• förgymnasial utbildning i åldersgruppen 20–64 år
• ekonomiskt bistånd i minst 10 månader eller arbetslöshet längre än sex månader (svag arbetsmarknadsanknytning) i åldersgruppen 20–64 år

Vi beskriver resultaten från våra deskriptiva analyser med hjälp av andelsmått, tabeller och figurer som visar sammansättningen av befolkningen i de fem områdestyperna. Demografi och socioekonomi beskrivs för födelseland (fyra grupper), utbildningsnivå (fyra grupper), disponibel inkomst per konsumtionsenhet (sex grupper), hushållstyp (sex grupper) och kommungrupp enligt SKR:s indelning (tre grupper). För hälsa beskriver vi resultat för återstående medellivslängd (antal återstående år), dödstal i förtida dödlighet (antal per 100 000), övriga indikatorer beskrivs med förekomst i procent. Resultaten redovisas för kvinnor och män, inrikes födda och utrikes födda och totalt, beroende på indikator.

Utöver de deskriptiva analyserna har vi genomfört regressionsanalyser för att studera relativa skillnader i hälsa mellan områdestyper. I regressionsmodellerna har områdestyp 4 (goda socioekonomiska förutsättningar) använts som jämförelsegrupp. En stratifierad analys gjordes för inrikes födda och utrikes födda.

För att belysa skillnader i hälsoutfall har vi använt två centrala mått: dödstalskvot (DK) för förtida dödlighet och prevalenskvot (PK) för indikatorer från urvalsundersökningen HLV.

Resultaten har justerats för kön, ålder, födelseland i fyra grupper (Sverige, övriga Norden, övriga Europa, och övriga världen), utbildningsnivå i fyra grupper (förgymnasial, gymnasial, eftergymnasial utbildning och uppgift saknas), hushållets disponibla inkomst per konsumtionsenhet (inklusive kapitalvinst eller förlust) fördelat i fem inkomstkvintiler och uppgift saknas, och hushållstyp i fem grupper (sammanboende med barn, sammanboende utan barn, ensamstående med barn, ensamstående utan barn och övriga hushåll).

Justeringarna har genomförts med hjälp av successiva Poisson-regressionsmodeller, där olika förutsättningar lades till stegvis. Detta gör det möjligt att

• identifiera vilka förutsättningar som har den starkaste kopplingen till hälsoutfallet och till vilken områdestyp individen tillhör
• kontrollera för samvariation mellan olika förutsättningar
• klargöra vad som bidrar till variationen i ohälsa mellan områdestyper

I alla regressionsanalyser använde vi en signifikansnivå på 5 procent (α ≤ 0,05). Detta innebär att vi endast betraktar ett resultat som statistiskt signifikant om sannolikheten att observera det om slumpen är mindre än 5 procent.

Andelen som kunde förklaras av faktorer i den fullt justerade modellen jämfört med den ojusterade modellen beräknades enligt: Förklarad andel = (Ursprunglig kvot – Justerad kvot) / (Ursprunglig kvot – 1) ×100

För samtliga analyser har statistikpaketet R använts.

Regressionsanalyser är inte möjliga för återstående medellivslängd vid 30 års ålder eftersom det är ett medelvärde för grupper och kan inte justeras med individdata.

Källa: Befolkningsstatistik, SCB.

Källa: Befolkningsstatistik, SCB och Dödsorsaksregistret, Socialstyrelsen, bearbetat av Folkhälsomyndigheten.

Källa: Nationella folkhälsoenkäten, Hälsa på lika villkor (HLV).

Källa: Nationella folkhälsoenkäten. Hälsa på lika villkor (HLV).

Källa: Nationella folkhälsoenkäten. Hälsa på lika villkor (HLV).

Källa: Nationella folkhälsoenkäten. Hälsa på lika villkor (HLV).