gms | German Medical Science

Hintergrund: In der Versorgungsforschung existieren häufig Fragestellungen, bei denen Expositionen mit mehr als einer Ausprägung vorliegen (z.B. Menge einer Leistung). Standard Metaanalyse-Verfahren (SMA) sind nur für den Vergleich von zwei Expositionen(-sausprägungen) geeignet. Somit müssen bei der Verwendung von SMA für Fragestellungen mit mehr als 2 Expositionsausprägungen sämtliche Ausprägungen zwei Kategorien zugeordnet werden (z.B. hohe Menge vs. geringe Menge). Dieses Vorgehen ist mit methodischen Abstrichen verbunden. Die aus den Primärstudien vorliegende Kategorisierung (z.B. höchste vs. niedrigste) kann sehr heterogen sein, was entweder zur Folge hat, dass Studien von der Metanalyse ausgeschlossen werden müssen oder sehr heterogene Expositionsausprägungen zusammengefasst werden. Es können zudem nur lineare Zusammenhänge ermittelt werden, wodurch ein nicht-linearer Zusammenhang u.U. nicht adäquat abgebildet wird. Dose-Response-Metaanalysen (DRM) haben das Potential, diese Probleme zu überwinden. In der Versorgungsforschung finden DRM bisher kaum Anwendung.

Ziel: Es werden anhand von zwei Anwendungsbeispielen die Machbarkeit, Herausforderungen und Chancen von DRM in der Versorgungsforschung aufgezeigt.

Methoden: Als Basis dieser Analyse dienen ein systematischer Review (SR) zum Zusammenhang der Leistungsmenge und Ergebnisqualität beim Kniegelenksersatz (SR-LM) und ein SR zum optimalen Zeitpunkt des Kaiserschnitts (SR-OZ). Diese Beispiele wurden gewählt, da Fragestellungen zur Auswirkung von Mengen oder Erbringungszeitpunkt einer Gesundheitsleistung häufig vorkommen.

Für beide SRs wurden multivariate inverse-Varianzen DRM durchgeführt. Die Kovarianzmatrix wurde entsprechend der Methode von Greenland & Longnecker approximiert. Zur Modellierung nicht-linearer Zusammenhänge wurden kubische Splines verwendet. Die Schätzung erfolgte mittels Maximum Likelihood. Die Dosis-Wirkungskurven wurden grafisch aufbereitet. Zum Vergleich wurden eine SMA durchgeführt.

Ergebnisse: In die DRM sind zwischen 3-14 Studien eingegangen. Sowohl für den SR-LM als auch den SR-OZ war die Durchführung einer DRM für die meisten Endpunkte möglich. Hierfür mussten die Daten vorab teilweise transformiert (z.B. Standardisierung von Kategorien, Umpoolen von Referenzkategorien) oder neu berechnet werden (z.B. Standardabweichung für log RR der adjustierten Effektschätzer). Aufgrund der unterschiedlichen Analysemethoden und Adjustierungsfaktoren konnten bei der DRM für OZ nur die Rohwerte verwendet werden. Bei beiden SR konnten Dosis-Wirkungsbeziehungen aufgezeigt werden (z.B. geringere Revision bei höheren Fallzahlen). Im Vergleich zu SMA war die statistische Heterogenität für die DRM in der Regel geringer. Bei beiden Beispielen deutete die visuelle Inspektion des Verlaufs der Endpunkte in Abhängigkeit des Expositionsniveaus in einigen Fällen auf einen U- oder umgekehrt U-förmigen Verlauf hin. Es war in allen Fällen möglich, den nicht-linearen Verlauf adäquat mittels kubischer Splines zu modellieren. Erwartungsgemäß wurde die Modellanpassungsgüte hierdurch im Vergleich zu den linearen-Modellen wesentlich verbessert. Die SMA zeigt bei nicht linearen Verläufen oftmals keinen Zusammenhang.

Die grafische Darstellung der Dosis-Wirkungsbeziehung bot im Vergleich zu einem Forest-Plot zusätzliche Einsichten in den Zusammenhang von Exposition und Endpunkt.

Schlussfolgerung: Es scheint möglich, DRM für die Beantwortung von Fragestellungen in der Versorgungsforschung durchzuführen. Mit einer DRM können nicht-lineare Zusammenhänge nachgewiesen werden, die mit einer SMA u.U. verdeckt geblieben wären. Bei nicht linearen Zusammenhängen können Hoch- bzw. Tiefpunkte ermittelt werden. Das Vorliegen einer Dosis-Wirkungs-Beziehung kann zudem das Vertrauen in den Effekt erhöhen.

Förderung: Die eingeschlossenen SR wurden vom BMBF (Förderkennzeichen: 01KG1805) bzw. BMG (Förderkennzeichen: GE20160425) finanziert.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.