gms | German Medical Science

50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds)
12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie (dae)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie
Deutsche Arbeitsgemeinschaft für Epidemiologie

12. bis 15.09.2005, Freiburg im Breisgau

Diagnostische Fallschwere als Grundlage von Qualitätsvergleichen am Beispiel ausgewählter Prozess- und Outcome-Parameter

Meeting Abstract

Suche in Medline nach

  • Dirk Kaczmarek - Sankt Marien-Hospital Buer gGmbH, Gelsenkirchen
  • C. Jochum - Schellen & Partner GmbH, Düsseldorf
  • E. Quiske - Schellen & Partner GmbH, Düsseldorf
  • F.J. Fischer - Schellen & Partner GmbH, Düsseldorf

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. Deutsche Arbeitsgemeinschaft für Epidemiologie. 50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie. Freiburg im Breisgau, 12.-15.09.2005. Düsseldorf, Köln: German Medical Science; 2005. Doc05gmds624

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2005/05gmds501.shtml

Veröffentlicht: 8. September 2005

© 2005 Kaczmarek et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung und Fragestellung

Die Einführung der DRGs bringt eine kontinuierliche Reduktion der Verweildauer mit sich. Dadurch erhöht sich der Druck auf die Kliniken ihre Behandlungsprozesse transparent zu machen, um so Defizite und Abstimmungsprobleme innerhalb der Behandlung eines Patienten rechtzeitig zu erkennen. Innerhalb dieser Prozesse müssen die Krankenhäuser den Einsatz von Ressourcen effizienter gestalten und den Nutzen jeder erbrachten Leistung kritisch hinterfragen. Kann ein Benchmark auf Basis einer risikoadjustierten Fallschwere die Grundlage bilden, derartige Schwachstellen zu identifizieren? Ist eine lange Verweildauer auch ein Indikator für ein schwaches und wenig strukturiertes Patienten- und Behandlungsmanagement?

Material und Methoden

Analysiert wurden die Daten von 16 Kliniken der Grund-, Regel-, und Schwerpunktversorgung sowie 3 Klinken der Maximalversorgung aus dem Jahr 2004, welche in Form des sog. DRG-Datensatzes gemäß § 21 KHEntgG zur Verfügung standen. Die Analyse erfolgte mittels des Patientenklassifikationssystems Disease StagingTM (Medstat Version 4.14.1.1), einer Methode, die aufgrund klinischer Informationen Patienten in unterschiedliche diagnostische Cluster (DxCats) und zugehörige medizinische Fallschweren (Stages) einteilt [1], [2], [3]. Zur statistischen Analyse und Darstellung (u. a. mittels Box-Whisker-Plots) wurde SPSS 12 eingesetzt, für die weiteren nicht statistischen Auswertungen wurde QlikView 6.07 eingesetzt.

Folgende Krankheitskategorien (DxCats) wurden zur Auswertung herangezogen:

In den Fachabteilungen Innere Medizin, Kardiologie und Neurologie erfolgte die Analyse der CV14 Koronare Herzkrankheit und der CN17 Zerebrovaskuläre Erkrankung. Die onkologischen Krankheitsbilder GI24 Colon- und Rektumkarzinom und BR02 Erkrankung der weiblichen Brust wurden innerhalb der Fachabteilungen Gynäkologie (BR02) und Chirurgie (GI24), sowie der Inneren Medizin/Onkologie untersucht. Zusätzlich wurden diese DxCats fachabteilungsunabhängig über jedes einzelne Haus hinweg betrachtet.

Als Kennzahlen wurden die Schweregradcluster des Disease Staging in Abhängigkeit von der beobachteten Verweildauer der Patienten dargestellt. Des Weiteren wurden zu den einzelnen DxCats interne und externe Verlegungen, Wiederaufnahmen (im Sinne der deutschen Abrechnungsregeln) und die Mortalität als abhängige Variablen ausgewertet.

Ergebnisse

In den einzelnen Kliniken zeigen sich deutliche Unterschiede in der Streubreite der beobachteten Verweildauer in Relation zu ausgewählten Krankheitskategorien (DxCats). Bei Beteiligung verschiedener Fachabteilungen ist die Verweildauer tendenziell höher, als bei Behandlungen in nur einer Fachabteilung.

Bei der Betrachtung der Mortalität zeigen sich keine wesentlichen Abweichungen innerhalb der betrachteten Kliniken.

Detaillierte Ergebnisse werden im Rahmen der 50. Jahrestagung der GMDS in Freiburg präsentiert.

Diskussion/ Schlussfolgerungen

Anhand der Profilierung über die Schweregrade einzelner DxCats und der Darstellung der Verweildauer mittels Boxplots lassen sich dezidierte Aussagen über Prozessbewältigung, das Prozessmanagement und die Ergebnisqualität bezogen auf einzelne Krankheitsbilder treffen. Je geringer die Streubreite und der Interquartilbereich ist, desto stringenter werden Prozesse umgesetzt. Innerhalb des Benchmarks können die Ergebnisse der Kliniken auf Basis der diagnostischen Fallschwere verglichen werden und ermöglichen somit weitere Erkenntnisse über die Behandlungs- und Prozessqualität. Das Disease Staging ist eine einfache Methode, um mit Hilfe von Routinedaten kontinuierlich den Qualitätsstand zu beschreiben und ermöglicht ein regelmäßiges Prozess-Controlling, welches z. B. bei der Umsetzung und Überwachung klinischer Behandlungspfade eingesetzt werden kann.


Literatur

1.
Gonnella Joseph S., Hornbrook Mark C., Louis Daniel Z. Staging of Disease. A Case-Mix Measurement. In:, Journal of the American Medical Association, Vol. 251 (5), 1984 February: 637 - 644
2.
Gonnella JS, Louis DZ, Gozum MV, Callahan, CA, Barnes, CA (Ed), Disease Staging: Clinical Criteria (Fifth edition), Thomson-Medstat, Ann Arbor, MI, 2003.
3.
Hornbrook MC, Disease Severity Adjustment Software Evaluation for the Healthcare Cost and Utilization Project. Final Report (Part 1, Technical Evaluation) to the Agency for Healthcare Research and Quality, March 19, 2003.
4.
Kaczmarek D, Eckardt J. Der Qualitätsbericht. In: Goldschmidt AW, Kalbitzer M, Eckardt J, Hrsg. Praxishandbuch Medizincontrolling. Heidelberg: Economica, 2005: 413-429
5.
Hildebrand, Rolf. Das besserer Krankenhaus, 2.Aufl., Neuwied, Kriftel: Luchterhand: 2001:S. 53- 72