gms | German Medical Science

19. Deutscher Kongress für Versorgungsforschung

Deutsches Netzwerk Versorgungsforschung e. V.

30.09. - 01.10.2020, digital

Operationalisierung von Qualitätsindikatoren aus Routinedaten am Beispiel der Evaluation der Integrierten Versorgung Gesundes Kinzigtal

Meeting Abstract

  • Claudia Mehl - Institut für Versorgungsforschung und Klinische Epidemiologie, Philipps-Universität Marburg, Marburg, Deutschland
  • Ingrid Koester - PMV forschungsgruppe, Universität zu Köln, Köln, Deutschland
  • Erika Graf - Institut für Medizinische Biometrie und Statistik (IMBI), Universität Freiburg, Freiburg, Deutschland
  • Dominikus Stelzer - Institut für Medizinische Biometrie und Statistik (IMBI), Universität Freiburg, Freiburg, Deutschland
  • Erik Farin-Glattacker - Sektion Versorgungsforschung und Rehabilitationsforschung (SEVERA), Universitätsklinikum und Universität Freiburg, Freiburg, Deutschland
  • Peter Ihle - PMV forschungsgruppe, Universität zu Köln, Köln, Deutschland
  • Achim Siegel - Institut für Arbeitsmedizin, Sozialmedizin und Versorgungsforschung, Universitätsklinikum Tübingen, Tübingen, Deutschland
  • Christian Günster - Wissenschaftliches Institut der AOK (WIdO), Berlin, Deutschland
  • Patrik Dröge - Wissenschaftliches Institut der AOK (WIdO), Berlin, Deutschland

19. Deutscher Kongress für Versorgungsforschung (DKVF). sine loco [digital], 30.09.-01.10.2020. Düsseldorf: German Medical Science GMS Publishing House; 2020. Doc20dkvf308

doi: 10.3205/20dkvf308, urn:nbn:de:0183-20dkvf3089

Published: September 25, 2020

© 2020 Mehl 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: Qualitätsindikatoren (QI) werden international genutzt, um die Qualität eines Gesundheitssystems zu bewerten und die gesundheitliche Lage im Allgemeinen zu beschreiben. Im Rahmen der 10-Jahres-Evaluation der Integrierten Versorgung Gesundes Kinzigtal (INTEGRAL, Innovationsfondsprojekt 01VSF16002) wurde für 19 Krankheitskategorien ein 101 QI umfassendes Set entwickelt und konsentiert (Geraedts et al. 2020). Die QI wurden nach den Kriterien Relevanz und Machbarkeit bewertet. Letzteres bezog sich auf die angenommene Verfügbarkeit der QI in Routinedaten der GKV. Ob diese in der Praxis tatsächlich mit Routinedaten operationalisierbar sind, galt es zu prüfen.

Fragestellung: Wie viele der QI können in Deutschland mit Routinedaten abgebildet werden? Aus welchen Gründen ist eine Operationalisierung nicht möglich?

Methode: Die Operationalisierung erfolgte über pseudonymisierte Abrechnungsdaten der AOK Baden-Württemberg der Jahre 2006-2015. Die in den Zähler- und Nennerdefinitionen benannten Diagnosen, Prozeduren oder Arzneimittel wurden über ICD-10-Codes (Ein- und Ausschlussdiagnosen), EBM-Kennziffern, OPS-Schlüssel, ATC-Codes und Beobachtungszeitraum operationalisiert.

Ergebnisse: 76 von 101 QI können uneingeschränkt über Routinedaten operationalisiert werden, bei 15 dieser Indikatoren waren Vor- und Nachbeobachtungszeiten notwendig, so dass sie nicht für alle Jahre ausgewiesen werden konnten. Bei weiteren 13 QI bestanden Einschränkungen dahingehend, dass relevante EBM-Ziffern entweder nach 2007 verändert oder neu eingeführt wurden (z.B. Chronikerpauschale, Hautkrebsscreening). 12 der 101 QI konnten nicht operationalisiert werden. Im Evaluationszeitraum änderten sich Vergütungsregelungen, EBM-Ziffern wurden erst nach 2015 eingeführt oder waren entweder gar nicht oder nicht bei allen Arztgruppen als Einzelleistung in den Routinedaten erfasst (Spirometrie, Langzeit-EKG). Daten der Hilfsmittelverordnung standen nicht zur Verfügung.

Diskussion: Mit 89 von 101 konsentierten Indikatoren konnte ein großer Anteil der theoretisch als mit Routinedaten machbar angenommen Indikatoren in der Praxis operationalisiert werden. Die Veränderung der Datengrundlage im Beobachtungszeitraum, wie etwa die Neueinführung oder Streichung von Abrechnungsziffern, erschwert zwar longitudinale, routinedatenbasierte Qualitätsbewertungen, ermöglicht jedoch ggf. auch die Operationalisierungen neuer Indikatoren.

Praktische Implikationen: Die Nutzung von Routinedaten ermöglicht ein ressourcensparendes Qualitätsmonitoring. Bei Anwendung des QI-Sets auf andere Beobachtungszeiträume sind Änderungen in den Codes und im Abrechnungssystem zu berücksichtigen. Zusätzlich ist zu prüfen, in wie weit die Etablierung alternativer Vertragsmodelle (z.B. hausarztzentrierte Versorgung) ein langfristiges Monitoring der ambulanten Versorgungsqualität beeinträchtigt. Grundsätzlich sollte bei Veränderungen der Routinedaten bedacht werden, dass ein longitudinales Qualitätsmonitoring möglichst stabile Datensätze voraussetzt.

Förderung: INTEGRAL, Innovationsfondsprojekt Förderkennzeichen: 01VSF16002.