gms | German Medical Science

Kongress Medizin und Gesellschaft 2007

17. bis 21.09.2007, Augsburg

Lassen sich anhand deutscher Versorgungsdaten geeignete Mindestmengen für koronarchirurgische Eingriffe bestimmen?

Meeting Abstract

Search Medline for

  • Ulrich Grouven - Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln
  • Ralf Bender - Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln

Kongress Medizin und Gesellschaft 2007. Augsburg, 17.-21.09.2007. Düsseldorf: German Medical Science GMS Publishing House; 2007. Doc07gmds124

The electronic version of this article is the complete one and can be found online at: http://www.egms.de/en/meetings/gmds2007/07gmds124.shtml

Published: September 6, 2007

© 2007 Grouven et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Einleitung: Ein möglicher Zusammenhang zwischen Behandlungsmenge pro Arzt bzw. Krankenhaus und Behandlungserfolg wird für verschiedene Eingriffe in der Literatur beschrieben und diskutiert. Anhand deutscher Versorgungsdaten wurde der Zusammenhang zwischen Behandlungsmenge pro Krankenhaus und Indikatoren der Ergebnisqualität bei koronarchirugischen Eingriffen untersucht. Ziel der Auswertungen war es, zu untersuchen, ob die Bestimmung einer geeigneten Mindestmenge von Eingriffen pro Krankenhaus möglich ist.

Material und Methoden: Für die Auswertungen wurden von der BQS Bundesgeschäftsstelle Qualitätssicherung gGmbH Daten aus dem Jahr 2004 zur Verfügung gestellt. Für jeden Patienten waren Ergebnisvariablen, Behandlungsmenge pro Krankenhaus sowie mögliche Confounder erfasst. Die binären Zielvariablen „Krankenhausmortalität“ und „Postoperative Infektion“ wurden als Indikatoren der Ergebnisqualität ausgewertet. Die untersuchten Confounder waren EURO-Score, Body Mass Index (BMI) und die CDC-Risiko-Klasse [1]. Zur Modellierung wurden logistische Regressionsmodelle und Generalized Estimating Equations (GEE) zur Berücksichtigung von Cluster-Effekten eingesetzt [2]. Die Methode der fraktionalen Polynome (FPs) wurde zur Untersuchung nicht-linearer Einflüsse der stetigen Einflussfaktoren verwendet [3].

Ergebnisse: Nach Ausschluss von Notfällen wurden 49227 Patienten ausgewertet. Das rohe Risiko für „Mortalität“ betrug 2.4%, für „Infektion“ 0.8%. Eine multifaktorielle Modellierung im Rahmen eines logistischen Regressionsmodells mit FPs resultierte bei beiden Zielvariablen in einem linearen Term für die Behandlungsmenge, der nicht statistisch signifikant war (Mortalität: p=0.73, Infektion: p=0.18). Ein Cluster-Effekt konnte für beide Zielgrößen nicht nachgewiesen werden.

Diskussion/Schlussfolgerungen: Fraktionale Polynome bieten eine flexible Möglichkeit zur Modellierung nicht-linearer Zusammenhänge. Die Nicht-Berücksichtigung relevanter Cluster-Effekte kann zu einer Verzerrung der Ergebnisse führen. Bei den vorliegenden Daten führten logistische Regression und GEE jedoch sowohl bei „Mortalität“ als auch bei „Infektion“ zu nahezu identischen Ergebnissen. Die Ergebnisse unterstützen nicht die Hypothese, dass es bei deutschen Versorgungsdaten einen Zusammenhang zwischen der Behandlungsmenge und der Ergebnisqualität bei koronarchirurgischen Eingriffen gibt. Eine sinnvolle Mindestmenge ließ sich somit aus den vorliegenden Daten nicht ableiten.


Literatur

1.
IQWiG. Entwicklung und Anwendung von Modellen zur Berechnung von Schwellenwerten bei Mindestmengen für die Koronarchirurgie. Abschlussbericht B05/01b. Köln: Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG); Juni 2006.
2.
Kleinbaum DG, Klein M. Logistic Regression: A Self-Learning Text. 2nd Ed. New York: Springer; 2002.
3.
Royston P, Ambler G, Sauerbrei W. The use of fractional polynomials to model continuous risk variables in epidemiology. Int J Epidemiol. 1999;28:964-74.