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

Sind risikoadjustierte Analysen mit administrativen Krankenhausabrechungsdaten möglich ?

Meeting Abstract

  • Günther Heller - Wissenschaftliches Institut der AOK (WIdO), Bonn
  • Christian Günster - Wissenschaftliches Institut der AOK (WIdO), Bonn
  • Thomas Mansky - HELIOS Kliniken GmbH, Fulda
  • Sabine List - HELIOS Kliniken GmbH, Fulda
  • Enno Swart - Forschungs- und Entwicklungsinstitut für das Sozial- und Gesundheitswesen Sachsen Anhalt, Magdeburg
  • Jürgen Lütticke - AOK Bundesverband, Bonn
  • Henner Schellschmidt - Wissenschaftliches Institut der AOK (WIdO), Bonn
  • Bernt-Peter Robra - Forschungs- und Entwicklungsinstitut für das Sozial- und Gesundheitswesen Sachsen Anhalt, Magdeburg

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. Doc05gmds475

The electronic version of this article is the complete one and can be found online at: http://www.egms.de/en/meetings/gmds2005/05gmds045.shtml

Published: September 8, 2005

© 2005 Heller et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Einleitung und Fragestellung

Im Gesundheitsmodernisierungsgesetz sind für zahlreiche alte wie neue Versorgungsformen empirische Begleitevaluationen vorgesehen. Dabei häufen sich die Klagen bezüglich einer zu großen Dokumentationsbelastung. Der Einsatz von administrativen Routinedaten, z. B. Abrechnungsdaten, könnte diesen Aufwand deutlich verringern. Ziel dieser Arbeit war es daher, am Beispiel von Krankenhausabrechnungsdaten zu untersuchen, ob risikoadjustierte Analysen auch mit Routinedaten möglich sind.

Material und Methoden

Dazu wurde am Beispiel von Krankenhausabrechungsdaten im Rahmen des Gemeinschaftsprojektes QSR (Qualitätssicherung der stationären Versorgung mit Routinedaten) geprüft, ob und unter welchen Vorraussetzungen risikoadjustierte Analysen möglich sind. QSR ist ein Gemeinschaftsprojekt des AOK-Bundesverbandes, der HELIOS Kliniken GmbH, des Forschungs- und Entwicklungsinstitutes im Gesundheitswesen Sachsen-Anhalt (FEISA) und des Wissenschaftliches Institut der AOK (WIdO). Einerseits wurde die Datenvalidität über einen Vergleich der AOK-Abrechnungsdaten mit den in den HELIOS Kliniken vorliegenden elektronischen Daten geprüft. Andererseits wurden auf einem Bundesweiten Datensatz für verschiedene Erkankungen bzw. Therapieformen (Tracer) risikoadjustierte logistische Regressionsmodelle zur Vorhersage von tracerspezifischen Sterblichkeiten geschätzt, um anschließend den Modellfit insgesamt wie auch die Erklärungskraft einzelner Risikoadjustierungsvariablen evaluieren zu können. Die Güte der Modelle wurde dabei u.a. über Hosmer-Lemeshow-Tests und ROC-Analysen evaluiert.

Ergebnisse

Ein Vergleich der AOK-Daten mit den HELIOS-Daten ergab insgesamt eine gute Übereinstimmung. Mitunter fanden sich allerdings relevante Unterschiede bei den kodierten Begleiterkrankungen (Nebendiagnosen). Der Modellfit der logistischen Regressionsmodelle bei der Vorhersage von Krankenhaussterblichkeit, 90-Tage- und 1 Jahres- erwies sich als mindestens befriedigend bis sehr gut, wobei neben Alter und Geschlecht stets auch die Informationen zu Begleiterkrankungen einen großen Teil der Gesamterklärungskraft des Modells ausmachten.

Diskussion

Formal waren risikoadjustierte Analysen von administrativen Krankenhausabrechungsdaten mit insgesamt guten Ergebnissen problemlos möglich. Ob diese Risikoadjustierung aber ausreicht, um die Ergebnisqualität einzelner Kliniken sicher und gerecht vergleichen zu können, bedarf weiterer Untersuchungen zur inhaltlichen Validität und korrekten Dokumentation der Erkrankungsschwere der behandelten Patienten.


Literatur

1.
Iezzoni LI. Risk adjustment for medical effectiveness research: an overview of conceptual and methodological considerations. J Invest Medicine 1994; 43: 136-150.
2.
Pouvourville G, Mivielle E (2001): Measuring the Quality of Hospital Care: The State of the Art. Konferenz "Measuring up", Ottawa 5-7.11.2001: 251-275.
3.
Schneeweiss S, Wang PS, Avorn J, Glynn RJ. Improved comorbidity adjustment for predicting mortality in Medicare populations. Health Serv Res 2003; 38: 1103-20.
4.
Heller G, Swart E, Mansky T. Qualitätsanalysen mit Routinedaten. In: Klauber J, Robra BP, Schellschmidt H, Hrsg. Krankenhausreport 2003. G-DRGs im Jahre 1. Stuttgart: Schattauer; 2004: 271-88.