gms | German Medical Science

14. Deutscher Kongress für Versorgungsforschung

Deutsches Netzwerk Versorgungsforschung e. V.

7. - 9. Oktober 2015, Berlin

Untersuchung zur Erfassung von Schweregraden in Routinedaten bei ausgewählten Diagnosen: Literaturüberblick und Routinedatenanalyse zu unterschiedlichen Operationalisierungen sowie deren Bewertung

Meeting Abstract

Search Medline for

  • Ingrid Schubert - Universität zu Köln, PMV Forschungsgruppe, Köln, Deutschland
  • Ingrid Köster - Universität zu Köln, PMVforschungsgruppe, Köln, Deutschland
  • Antje Hammer - Institut für Patientensicherheit, Bonn, Bonn, Deutschland

14. Deutscher Kongress für Versorgungsforschung. Berlin, 07.-09.10.2015. Düsseldorf: German Medical Science GMS Publishing House; 2015. DocV40

doi: 10.3205/15dkvf087, urn:nbn:de:0183-15dkvf0876

Published: September 22, 2015

© 2015 Schubert et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Hintergrund: Für zahlreiche Fragestellungen in der Versorgungsforschung ist eine Risikoadjustierung der beobachteten Populationen notwendig. Bei Routinedatenanalysen stellen sich hinsichtlich der Erfassung des Schweregrades einer Erkrankung andere Anforderungen als bei Primärdatenanalysen mit klinischen Angaben.

Fragestellung: Es sollen im Rahmen einer vom ZI ausgeschriebenen Forschungsförderung Studien identifiziert werden, die den Schweregrad einer einzelnen Erkrankung (hier Diabetes mellitus, Demenz, Herzinsuffizienz und Schlaganfall) mit Routinedaten abbilden.

Methode: Literaturrecherche (09/2014) in PubMed mit folgenden Suchbegriffen: Zum Schweregrad: severity or severeness, risk adjustment or risk adjusted; zu den Erkrankungen: Diabetes, Dementia OR Alzheimer OR Alzheimer's, Cardiac insufficiency OR cardiac degeneration OR heart failure OR cardiac failure OR myocardial infarction OR cardiovascular disease; Stroke OR cerebrovascular accident OR cerebral vascular accident OR apoplexy OR apoplectic seizure OR apoplectic fit OR apoplectic insult. Zur Identifikation der Datenquelle: data and claims, insurance OR medicare OR medicaid. Es erfolgten keine weiteren Einschränkungen in Bezug auf den Publikationszeitraum und die Sprache.

Ergebnisse: Die Recherchestrategie ergab in PubMed 793 Treffer. Davon wurden nach dem Abstractscreening 728 ausgeschlossen und für 65 Studien ein Volltextscreening durchgeführt. Für die weitere Analyse wurden 26 Studien berücksichtigt: Diabetes 13, Demenz 2; Herzinsuffizienz 1, Herzinfarkt und Schlaganfall je 5 Studien.

Die hohe Zahl an ausgeschlossenen Studien ist darauf zurückzuführen, dass einige Studien noch zusätzlich klinische Daten zur Bewertung des Schweregrades einer Erkrankung einbezogen haben. Ein weiteres häufiges Ausschlusskriterium im Volltextscreenings war, dass der Begriff „severity“ oder „severeness“ sich häufig nicht auf die Zielerkrankung, sondern auf die gesamte Morbidität des Patienten bezog.

Mit Ausnahme von einigen Studien zum Diabetes wurden keine krankheitsspezifischen Scores verwendet, sondern einzelne Variablen, die nach Ansicht der Autoren ein Proxy für den Schweregrad der jeweiligen Erkrankung darstellen.

Die Studien zur Demenz mit Primärdaten zum Schweregrad (Schwarzkopf 2011, Stephens 2014) zeigen Unterschiede in der Inanspruchnahme von Leistungen (Psychopharmaka, Sondennahrung, Katheter, Anzahl an Verordnungen), die gegebenenfalls ihrerseits als ein Proxy für Unterschiede im Schweregrade herangezogen werden könnten, was allerdings durch weitere Untersuchungen zu prüfen ist.

Eine Adjustierung auf den Schweregrad eines Diabetes mellitus erfolgte beispielsweise durch die Art der medikamentösen Therapie (Nau et al. 2005, Zhang et al. 2014) oder die Anzahl und Art der Komplikationen (Selby 2001, Rosenzweig 2002). Letzteres griffen Young (2008) für ihren Diabetes Complications Severity Index (DCSI) auf, der von Chang (2012) ohne die im DCSI berücksichtigten Labordaten als adapted DCSI mittels Routinedaten abgebildet und im Vergleich zu anderen Verfahren für ihr Versorgungssetting validiert wurde.

Auch für Herzinfarkt und Herzinsuffizienz konnte kein auf Routinedaten abgebildeter Score identifiziert werden. Typische Adjustierungsvariablen bei Infarkt sind weitere mit diesem in Zusammenhang stehende Diagnosen, die Lokalisation des Infarktes sowie Maßnahmen (intraaortale Ballonpumpe, Beatmung, Medikation) und Inanspruchnahmeparameter (Intensivstation, Krankenhausaufenthalte).

Zur Bestimmung des Schweregrades eines Schlaganfalls werden ebenfalls Proxy-Variablen herangezogen, wie zum Beispiel ausgewählte Operationen/Prozeduren, Beatmung, Halbseitenlähmung und bleibende neurologische Schäden wie Epilepsie, Schädigungen durch Sauerstoffmangel, Enzephalopathie, Krämpfe der Körpermuskulatur und Aphasie. Koma und Beatmung wurden als Proxy für Schweregrad validiert. Eine Einteilung in mild, moderat und schwer wurde in einer Studie durch weitere auf den Schlaganfall bezogene Diagnosen vorgenommen (Ellis et al. 2012).

Diskussion: Die Literaturanalyse zeigt, dass vorrangig Scores zur allgemeinen Morbidität und deutlich seltener zum Schweregrad einer einzelnen Erkrankung eingesetzt wurden. Die in der Literatur gefundenen Adjustierungsvariablen wurden selten begründet und nur in wenigen Fällen validiert. Es konnte keine Studie identifiziert werden, die die zusätzliche Einbeziehung des Schweregrades in eine Analyse gegenüber einer Adjustierung auf die gesamte Morbidität vergleichend untersucht hat.

Praktische Implikationen: Die in den Studien genannten Variablen werden in einem ersten Schritt hinsichtlich ihrer Abbildbarkeit in GKV Daten überprüft und in Bezug auf ausgewählte Outcomes untersucht. Um belastbare Aussagen zu erhalten, sind weitergehende Studien zur Validierung notwendig. Zusätzlich werden die Möglichkeiten zur Schweregraddifferenzierung nach ICD 10-GM und die Kodiermuster für die ausgewählten Erkrankungen untersucht.