gms | German Medical Science

19. Deutscher Kongress für Versorgungsforschung

Deutsches Netzwerk Versorgungsforschung e. V.

30.09. - 01.10.2020, digital

Ähnliche Non-Responder-Charakteristika in Abrechnungsdaten bei zwei Surveys an Personen mit muskuloskelettalen Erkrankungen

Meeting Abstract

  • Johanna Callhoff - Deutsches Rheuma-Forschungszentrum, Berlin, Deutschland
  • Hannes Jacobs - Carl von Ossietzky Universität Oldenburg, Department für Versorgungsforschung, Oldenburg
  • Katinka Charlotte Albrecht - Deutsches Rheuma-Forschungszentrum, Berlin, Deutschland
  • Joachim Saam - BARMER Institut für Gesundheitssystemforschung, Department Medizin und Versorgungsforschung
  • Angela Zink - Deutsches Rheuma-Forschungszentrum, Berlin, Deutschland; Charité- Universitätsmedizin Berlin, Berlin
  • Falk Hoffmann - Carl von Ossietzky Universität Oldenburg, Department für Versorgungsforschung, Oldenburg

19. Deutscher Kongress für Versorgungsforschung (DKVF). sine loco [digital], 30.09.-01.10.2020. Düsseldorf: German Medical Science GMS Publishing House; 2020. Doc20dkvf198

doi: 10.3205/20dkvf198, urn:nbn:de:0183-20dkvf1980

Veröffentlicht: 25. September 2020

© 2020 Callhoff et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Hintergrund und Stand (inter)nationaler Forschung: Non-Response in Surveys kann zu Bias führen, der sich oft schwierig untersuchen lässt. Oft sind nur wenige Daten über die Non-Responder bekannt.

Fragestellung und Zielsetzung: Ziel dieser Analyse war es, Charakteristika von Non-Respondern in zwei Surveys zu untersuchen. Dazu standen die Abrechnungsdaten der BARMER Krankenkasse zur Verfügung.

Methode oder Hypothese: Es wurde in den Abrechnungsdaten der BARMER eine stratifizierte Stichprobe von 4.471 Personen mit einer Abrechnungsdiagnose axiale Spondyloarthritis (axSpA) und eine Stichprobe von 8.995 Personen mit einer Arthrose-Diagnose zufällig gezogen. Es wurde per Post ein Fragebogen verschickt. Die Assoziation von Geschlecht, Alter, verschriebenen Medikamenten, Facharztkontakt, Influenza-Impfung, Hospitalisierung und dem Elixhauser Komorbiditäts-Index mit der Survey Response wurde untersucht. Multiple logistische Regressionsmodelle mit Response als Outcome wurden genutzt. Zusätzlich wurde der Einfluss des Zeitpunktes untersucht, an dem ein Reminder verschickt wurde.

Ergebnisse: Es beantworteten 47% der Personen mit axSpA-Diagnose und 40% der Personen mit Arthrose den Fragebogen. Bei beiden Stichproben war die Antworthäufigkeit in der Gruppe der 70-79jährigen am höchsten. In allen Altersgruppen bis auf die 70-79jährigen antworteten Frauen häufiger. Facharztkontakt, Verschreibung von Physiotherapie und Influenza-Impfung waren häufiger bei den Respondern. In den logistischen Regressionsmodellen waren in beiden Stichproben folgende Faktoren mit höherer Response assoziiert: Facharztkontakt (Odds Ratio (OR) bei axSpA für Personen mit vs ohne Rheumatologenkontakt 1,7 (95% Konfidenzintervall (KI) 1,5; 2.0), OR für Orthopädenkontakt bei Arthrose 1,6 (95% KI 1,4; 1,8)), Influenza-Impfung (OR für axSpA 1,3 (95% KI 1,1; 1,6), OR für Arthrose 1,4 (95% KI 1,2; 1,6)) und Physiotherapie-Verschreibung (OR für axSpA 1,4 (95% KI 1,3; 1,6), OR für Arthrose 1,2 (95% KI 1,0; 1,4)). Personen mit Pflegestufe hatten ein niedrigeres OR für Response. Der Zeitpunkt der Reminder-Versendung schien keinen Einfluss zu haben: In der axSpA-Befragung wurde er nach vier Wochen, in der Arthrose-Befragung nach 12 Wochen versendet. In beiden Fällen gingen ca. 50% der Antworten vor, und 50% nach der Versendung des Reminders ein.

Diskussion: In den beiden Stichproben waren ähnliche Faktoren mit Non-Response assoziiert. Das Alter, Geschlecht und Faktoren, die für ein größeres Gesundheitsbewusstsein sprechen sowie solche, die für höhere Krankheitslast stehen waren mit größerer Response assoziiert.

Praktische Implikationen: Die Ergebnisse können bei der Fallzahlplanung von ähnlichen Surveys helfen und zeigen, dass das Antwortverhalten bei verschiedenen muskuloskelettalen Erkrankungen ähnlich ist. Somit lassen sich die Ergebnisse potentiell auch auf andere Krankheitsbilder übertragen.