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 zeitnahe aussagekräftige Überlebensanalysen unter Einbeziehung klinisch relevanter Prognosefaktoren mit epidemiologischen Krebsregistern möglich? Konzept und erster Erfahrungsbericht der IMPROVE-Studie im Saarland

Meeting Abstract

  • Bernd Holleczek - Ministerium für Justiz, Gesundheit und Soziales, Saarbrücken
  • Christa Stegmaier - Ministerium für Justiz, Gesundheit und Soziales, Saarbrücken
  • Hartwig Ziegler - Ministerium für Justiz, Gesundheit und Soziales, Saarbrücken
  • Volker Arndt - Deutsches Zentrum für Alternsforschung, Heidelberg
  • Hermann Brenner - Deutsches Zentrum für Alternsforschung, Heidelberg

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. Doc05gmds106

The electronic version of this article is the complete one and can be found online at: http://www.egms.de/en/meetings/gmds2005/05gmds202.shtml

Published: September 8, 2005

© 2005 Holleczek 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

Hintergrund

Zu den wichtigsten Aufgaben bevölkerungsbezogener Krebsregister sollte neben einer zeitnahen Bereitstellung von Daten zur Krebsinzidenz auch ein Monitoring der Prognose von Krebserkrankungen und der Versorgungsqualität gehören. Als wichtigste Prognoseindikatoren werden zumeist die Langzeitüberlebensraten, insbesondere 5- und 10-Jahres-Überlebensraten herangezogen. So fand die EUROCARE-Studie, eine vergleichende Studie zur Prognose von Krebspatienten in verschiedenen europäischen Ländern, für viele Krebsarten sehr große Unterschiede zwischen europäischen Ländern, die größtenteils durch Unterschiede in der Versorgungsqualität (Früherkennung und Therapie) bedingt sein dürften [1], [2], [3].

Allerdings werden Veränderungen in den Langzeitüberlebensraten etwa durch Fortschritt in Diagnostik und Therapie sowie präventive Maßnahmen mittels traditioneller Techniken der Überlebenszeitanalyse häufig erst mit erheblicher zeitlicher Latenz aufgedeckt [4], [5], [6], [7].

Weitere Restriktionen ergeben sich auch durch eine oftmals unvollständige Meldung in Bezug auf wichtige prognostische Faktoren, wie z.B. des Erkrankungsstadiums bei Diagnose oder anderer, für ein Monitoring der Versorgungsqualität relevanter klinischer Merkmale.

Die Nutzung der Daten von bevölkerungsbezogenen Krebsregistern ist ferner bislang aufgrund logistischer Probleme bzw. unzureichender Kapazitäten oftmals stark eingeschränkt, was vielfach zu einer mehrjährigen Latenz zwischen Diagnosestellung und abgeschlossener Aufarbeitung der Datenbasis führt [8], [9].

Konzept der IMPROVE-Studie

Im Rahmen der von der Deutschen Krebshilfe geförderten IMPROVE-Studie, die im Januar 2005 startete, werden im Epidemiologischen Krebsregister Saarland folgende Schritte zur zeitnahen Ermittlung aussagekräftiger Überlebensanalysen implementiert:

  • Ergänzung des Datenbestandes um klinisch relevante Merkmale durch aktive Nacherhebung
  • Konzeption und Implementierung eines rechnerbasierten Verfahrens für eine effiziente Erstellung und Weiterleitung von Meldungen auf der Basis der in den Kliniken vorhandenen Dokumentation
  • Berechnung aktueller Überlebensraten unter Einbeziehung klinisch relevanter Prognosefaktoren mittels der Periodenanalyse [10], [11], [12], [13]

Erste Erfahrungen

Für dieses Vorhaben fand sich bei den meldenden Kliniken ein hohes Maß an Bereitschaft und Interesse zur Kooperation, da hiermit zugleich Hilfestellungen zur Implementierung einer effizienteren Dokumentation, die von den Kliniken auch anderweitig dringend benötigt wird, und effizienterer Meldewege an das Register erfolgen können. Erste Erfahrungen zeigen auch, dass die Vollständigkeit klinisch und prognostisch relevanter Angaben in den Registermeldungen erheblich gesteigert werden kann. In einer ersten Anwendung der Periodenanalyse auf den bisher vorliegenden Datenbestand zeigte sich ferner, dass die Langzeitüberlebensraten mittlerweile für viele Krebsarten deutlich höher sind, als bisherige Analysen mit traditionellen Verfahren der Überlebenszeitanalyse ergeben hatten [14].

Danksagung

Die Studie wird mit finanzieller Unterstützung durch die Deutsche Krebshilfe durchgeführt.


Literatur

1.
Berrino F, Sant M, Verdecchia A, Capocaccia R, Hakulinen T, Estève J (Hrsg.). Survival of cancer patients in Europe: the EUROCARE study. IARC Scientific Publication No. 132. Lyon: International Agency for Research on Cancer; 1995.
2.
Berrino F, Capocaccia R, Estève J, Gatta G, Hakulinen T, Micheli A, Sant M, Verdecchia A (Hrsg.) Survival of cancer patients in Europe: the EUROCARE-2 Study. IARC Scientific Publications No. 151. Lyon: International Agency of Cancer; 1999.
3.
Berrino F, Capocaccia R, Coleman MP, Estève J, Gatta G, Hakulinen T, Micheli A, Sant M, Verdecchia A. Survival of cancer patients in Europe: the EUROCARE-3 Study. Ann Oncol 2003; 14 (Suppl 5: V1-V155).
4.
Cutler SJ, Ederer F. Maximum utilization of the life table method in analysing survival. J Chron Dis 1958; 8:699-712.
5.
Kaplan EL, Meier P. Nonparametric estimation from incomplete observations. J Am Stat Assoc 1958; 53:457-481
6.
Ederer F, Axtell LM, Cutler SJ. The relative survival rate: a statistical methodology. Natl Cancer Inst Monogr 1961; 6: 101-121.
7.
Schön D, Bertz J, Görsch B, Haberland J, Ziegler H, Stegmaier C, Eisinger B, Stabenow R. Entwicklung der Überlebensraten von Krebspatienten in Deutschland. Berlin: Robert Koch-Institut; 1999.
8.
Arbeitsgemeinschaft Bevölkerungsbezogener Krebsregister in Deutschland (Hrsg.). Krebs in Deutschland. Häufigkeiten und Trends. 4.überarbeitete, aktualisierte Ausgabe. Saarbrücken; 2004.
9.
Gesundheitsberichtserstattung Saarland. Interaktive Datenbank des Krebsregisters. http://www.krebsregister.saarland.de/Datenbank (14.03.2005 14.00 CET).
10.
Brenner H, Gefeller O. An alternative approach to the monitoring of cancer patient survival. Cancer 1996; 78: 2004-2010.
11.
Brenner H, Gefeller O. Deriving more up-to-date estimates of long-term patient survival. J Clin Epidemiol 1997; 50:211-216.
12.
Brenner H, Hakulinen T. Up-to-date long-term survival curves of patients with cancer by period analysis. J Clin Oncol 2002; 20: 826-832.
13.
Brenner H, Söderman B, Hakulinen T. Use of period analysis for providing more up-to-date estimates of long-term survival rates: Empirical evaluation among 370.000 cancer patients in Finland. Int J Epidemiol 2002; 31:456-462.
14.
Brenner H, Stegmaier C, Ziegler H. Long-term survival of cancer patients in Germany achieved by the beginning of the third millennium. Ann Oncol (im Druck).