gms | German Medical Science

Hintergrund: Die Krankheitslast in den Industrienationen ist zunehmend durch chronische Erkrankungen und Multimorbidität geprägt. Dieses Krankheitsspektrum erfordert einen hohen Koordinationsaufwand, um die diagnostischen und kurativen Leistungen, die meist von verschiedenen medizinischen Versorgungsinstanzen erbracht werden, abzustimmen. Daher widmet sich eine Vielzahl an Versorgungsprogrammen der Optimierung der Versorgungsabläufe innerhalb und zwischen den Versorgungsinstanzen. Bisher basieren die dort angewandten Versorgungspfade jedoch meist auf aufwendigen Diskussionsprozessen und Literaturstudien und werden aufgrund der komplexen Datenlage selten empirisch evaluiert. Data-Mining Techniken wie bspw. Sequenz- und Clusteranalysen können einen Ansatz zur Darstellung typischer Versorgungspfade sowie deren Evaluation liefern und damit das Ableiten optimaler Versorgungspfade vereinfachen.

Fragestellung: Lassen sich anhand von Data-Mining Techniken, wie Sequenzanalysen, Versorgungspfade auf Basis von GKV-Routinedaten für die Beispiel-Indikation Herzinsuffizienz abbilden und typisieren, um in weiteren Analysen Aussagen über einen optimalen Behandlungspfad ableiten zu können?

Methode: Auf Grundlage von Daten der Allgemeinen Ortskrankenkassen (AOK) im Zeitraum vom 01.01.2009 bis 31.12.2011 werden zunächst die registrierten Abrechnungstage sowie die jeweilige(n) Diagnose(n) und Medikation und Fachrichtung der Leistungserbringer auf Patientenebene chronologisch aufgelistet. Anhand von Methoden der Sequenzanalyse (optimal matching analysis (OMA)) wird anschließend abgebildet, welche Pfade die Patienten im Versorgungssystem zurücklegen. Diese Pfade werden mithilfe von hierarchischen Clusteranalysen klassifiziert und mittels Netzwerkanalytischer Modelle graphisch dargestellt.

Ergebnisse: Auf Basis der hierarchischen Clusteranalyse konnten typische Versorgungspfade von Herzinsuffizienzpatienten klassifiziert werden. Die Cluster unterscheiden sich z.B. in der Häufigkeit der Facharztbesuche und Medikamentenverordnungen. Die Darstellung der Sequenzen liefert Hinweise darauf, dass sich die Versorgung in den identifizierten Clustern größtenteils um den Hausarzt zentriert.

Diskussion: Anhand der angewandten Methode lassen sich indikationsspezifische Versorgungspfade klassifizieren und graphisch darstellen. Jedoch konnten nicht alle Fachrichtungen und Komorbiditäten in der Analyse berücksichtigt werden, um eine Verzerrung der Versorgungspfade auszuschließen. Weitere Analysen, die die Versorgungspfade in Zusammenhang mit gesundheitsbezogenen Outcomes oder Behandlungskosten setzen sind erforderlich, um mögliche Unterschiede in der Behandlungsqualität bzw. -effizienz zu identifizieren.

Praktische Implikation: Die vorgestellte Methode könnte einen Ansatz liefern, um optimale Versorgungspfade zu identifizieren sowie die Analyse des Status quo der Versorgungsabläufe und die Evaluation der Versorgungspfade zu unterstützen bzw. zu vereinfachen.