gms | German Medical Science

Einleitung: Im Rahmen der Disease-Management-Programme (DMP) wird der Behandlungsverlauf der ca. 825.000 Patienten regelmäßig dokumentiert. Um die Prozess- und Ergebnisqualität zu fördern, hat die Kassenärztliche Vereinigung Bayerns eine eigene Fortbildungsreihe "DMP-Trainer" auf Basis der zugrunde gelegten Leitlinien entwickelt. Diese wird auf der Online-Platform "CuraCampus" angeboten und besteht aus einem Lehrtext und zehn anwendungsorientierten Multiple-Choice-Fragen. Eine Besonderheit dieser Fortbildung ist die individuelle Zusammenstellung der Multiple-Choice-Fragen anhand der DMP-Dokumentationsdaten: So setzt sich der Arzt intensiver mit Themen auseinander, die für ihn besonders relevant sind. Für die Auswahl der Themenschwerpunkte stellen wir eine innovative Methodik vor.

Methoden: Der Fortbildungsautor gliedert ein Pool von dreißig Multiple-Choice-Fragen in fünf Kategorien. Die Lernerfolgskontrolle besteht aus zehn Fragen, wobei je Kategorie zwischen einer und vier Fragen aus dem Pool zu ziehen sind. Als Datengrundlage werden aus den DMP-Dokumentationsdaten Statistiken gesucht, die bezüglich der Kategorien relevant sind. Für die Kategorie "Folgeerkrankungen" wird zum Beispiel der Anteil der Patienten mit dokumentierten Folgeerkrankungen herangezogen. Diese Statistiken werden arztbezogen ausgewertet und normiert, damit zu jeder Kategorie ein Score - eine gewichtete Summe der relevanten Statistiken - gebildet werden kann. Eine Transformation mittels der Sigmoidfunktion sorgt dafür, dass die Scores nicht durch Extremwerte verzerrt werden. Das Verhältnis der Scores untereinander spiegelt dann die Wichtigkeit der Kategorien für den Arzt wider (z.B. Scores im Verhältnis 2:4:3:1:4). Ein Matching-Algorithmus vergleicht diese Score-Vektoren mit einer Reihe von vordefinierten Konfigurationen von exakt zehn Fragen und wählt die Konfiguration aus, die bezüglich des Cosinus-Maßes optimal ist (z.B. Fragen im Verhältnis 1:3:2:1:3). Die ausgewählten Konfigurationen werden in einem XML-Format exportiert und anschließend in CuraCampus importiert. Die Methodik wurde in der statistischen Programmierumgebung R implementiert.

Ergebnisse: Die Methodik ergibt individuelle Lernerfolgskontrollen, die konsistent, angemessen und fachlich nachvollziehbar sind. Die Ergebnisse können sowohl anhand einer Stichprobe von Ärzten als auch grafisch überprüft werden. Dokumentiert zum Beispiel einen Arzt überdurchschnittlich viele Patienten mit Folgeerkrankungen, so bekommt er verhältnismäßig mehr Fragen zu diesem Thema. Die Normierung der Scores sorgt dafür, dass die Methodik gegenüber Extremwerte robust ist. Ein grafischer Vergleich der Scores mit den ausgewählten Prüfungen zeigt, dass das angewandte Distanzmaß in diesem Fall geeignet ist.

Diskussion: Den Autoren ist keine andere Fortbildung bekannt, bei der die Schwerpunkte Daten-gesteuert ausgewählt werden. Die vorgestellte Methodik lässt sich auch für weitere Datenquellen verallgemeinern. Noch unbekannt ist, inwiefern die Individualisierung der Lernerfolgskontrolle mit einer konkreten Verbesserung der Versorgungsqualität assoziiert ist. Diese Frage möchten wir anhand einer durch Zufall ausgewählten Vergleichsgruppe von Ärzten ohne Individualisierung evaluieren.