Statistische Risikomodelle: Anwendungsmöglichkeiten zur Optimierung der Patientenversorgung

Transkript

1 Statistische Risikomodelle: Anwendungsmöglichkeiten zur Optimierung der Patientenversorgung Fachtagung Multimorbidität am 25. April 2012 in Berlin Christiane Haupt (WIdO)

2 Agenda 1. Einleitung 2. Vorstellung eines Modells zur Vorhersage der Krankenhausaufnahmewahrscheinlichkeit und seiner Gütekriterien 3. Anwendung des Modells Fachtagung Multimorbidität am in Berlin 2

3 1. Multimorbide Studien, die diese Patientengruppe hinreichend untersuchen und entscheidende Fortschritte in ihrer Behandlung befördern, sind in der Forschung deutlich unterrepräsentiert (DGIM) Schon bei der Definition für Multimorbidität und der Anzahl und Art der berücksichtigten Erkrankungen gehen die Meinungen auseinander Multimorbide sind aufgrund von Symptomen wie Inkontinenz, kognitive Defizite, Immobilität, Sturzgefährdung, Schmerzen für ein gezieltes Versorgungsmanagement interessant Fachtagung Multimorbidität am in Berlin 3

4 Anteil der Inanspruchnahme sehr hoch (0 0,5 %) hoch (0,5 5 %) mittel (5 20 %) gering ( %) Personen mit sehr hohem Risiko werden überproportional viele Leistungen in Anspruch nehmen; kaum beeinflussbar Aber der Großteil der zukünfigen Inanspruchnahme wird auf das übrige oberste Quintil entfallen ANZAHL PATIENTEN ZUKÜNFTIGE INANSPRUCHNAHME Fachtagung Multimorbidität am in Berlin 4

5 2. Risikoprädiktionsmodell Welches sind die Versicherten mit hohem Risiko? Es sind nicht unbedingt die Patienten, die eine oder mehrere chronische Erkrankungen haben oder die in der Vergangenheit einen hohen Leistungsbedarf hatten oder die im Krankenhaus waren. Versicherte haben aus Sicht eines innovativen Versorgungsmanagements dann ein hohes Risiko, wenn sich dies aus einer Kombination mehrerer Merkmale statistisch ableiten lässt. ALOH-A 2.0 berücksichtigt 488 Variablen bei der LOH-Prädiktion (Likelihood of Hospitalization). Fachtagung Multimorbidität am in Berlin 5

6 Welche Risikoprädiktionstools für allgemeine Krankenhausaufnahmen gibt es? Modell aus einer Kooperation von VeriskHealth und WIdO auf AOK-Daten: CSSG 0.8 AOK (Case Smart Suite Germany) Eigenentwicklung des WIdO: ALOH-A 2.0 (Allgemeine LOH- und Ausgabenprädiktion) Fachtagung Multimorbidität am in Berlin 6

7 Risikoprädiktion ALOH-A Version 2.0 (Stand Dez. 2011) Vorhergesagt wird die Wahrscheinlichkeit für einen Krankenhausaufenthalt (Likelihood of Hospitalization, LOH) in den kommenden 12 Monaten Ergebnis ist eine Krankenhausaufnahmewahrscheinlichkeit zwischen 0,0 und 1,0 für die kommenden 12 Monate Datenaufbereitung Bei der Modellentwicklung und bei der Modellanwendung werden höchste Datenschutzregelungen geprüft und eingehalten Fachtagung Multimorbidität am in Berlin 7

8 Berücksichtigte Daten Alter und Geschlecht Validierte ambulante und stationäre Diagnosen (ICD- Klassifikationssystem mit 281 Variablen) Medikamentenwirkstoffe Pflegestufe Anzahl vorheriger Krankenhausaufenthalte Wohnort des Versicherten (nach dem Bundesamtes für Bauwesen und Raumordnung zusätzlich gruppiert in städtisch, ländlich, Agglomerationsbereich) Fachtagung Multimorbidität am in Berlin 8

9 Gütekriterien Sensitivität: Richtig-Positiv-Rate Beispiel Mammographiescreening: 4 von 5 Frauen mit Brustkrebs werden erkannt (Sensitivität 80%); aber auch viele ohne Brustkrebs bekommen die Meldung Brustkrebs Positiver prädiktiver Wert: Die PPV-Spezifität gibt an, welcher Anteil der positiven Vorhersagen richtig positiv ist Das Mammographiescreening hat einen schlechten PPV, weil mehr Befunde Falsch-Positiv sind als Richtig-Positiv Varianzaufklärung R² ein Maß dafür, inwieweit ein mathematisches Modell die Streuung (Varianz) eines Datensatzes erklären kann Fachtagung Multimorbidität am in Berlin 9

10 Güte der Vorhersagemodelle Vergleich ALOH-A Version 1.3 und ALOH-A 2.0 LOH PPV Sensitivität max rescaled-r- Quadrat CSSG 0.8 0,57 0,11 0,17 ALOH-A 2.0 0,59 0,13 0,20 PPV: Positiver prädiktiver Wert; gibt an, welcher Anteil der positiven Vorhersagen richtig positiv ist Sensitivität: Richtig-Positiv-Rate R-Quadrat: Varianzaufklärung Fachtagung Multimorbidität am in Berlin 10

11 Modellgüte nach Morbiditätsgruppen Wissenschaftliches Institut der AOK Häufigkeiten der Morbiditätsgruppen nach Behandlung für 2 Vorjahre (nicht zu verwechseln mit Jahresprävalenzen, da anderer Zeitraum und M2Q für ambulante Daten) Multimorbide sind in besonderer Häufung im obersten Quintil zu finden Bei Betrachtung des obersten Quintils, also der Gruppe mit den meisten Erkrankungen und der höchsten Inanspruchnahme, verbessert sich die Güte erwartungskonform Fachtagung Multimorbidität am in Berlin 11

12 Morbiditätsgruppen bei ALOH-A 2.0 Morbiditätsgruppe Anzahl LOH Max-R² PPV Sensitivität Asthma 5,3 % 0,21 0,22 0,61 0,23 COPD 6,0 % 0,34 0,18 0,61 0,36 Depression 10,8% 0,27 0,17 0,58 0,26 Diabetes Typ I 1,8 % 0,36 0,17 0,61 0,38 Diabetes Typ II 14.4 % 0,30 0,15 0,59 0,26 Herzinsuffizienz 7,8 % 0,40 0,13 0,59 0,39 KHK 11,9 % 0,34 0,13 0,58 0,31 KHK mit Vorgeschichte 3,5 % 0,38 0,15 0,61 0,38 Durchschnittlicher LOH-Wert 0,15; stabile Güte bei psychischen Erkrankungen (in CSSG Einbruch von PPV und Sensitivität) Fachtagung Multimorbidität am in Berlin 12

13 Zusammenfassung Die Güte der LOH-Prädiktion ist im Vergleich mit anderen Modellen als sehr gut einzuschätzen Die Morbiditätsgruppen zeigen hohe Gütewerte und eine gute Sensibilität Von der Identifizierung der Zielgruppen für die Versorgungsmaßnahme profitiert der (multimorbide) Patient (besonders) Fachtagung Multimorbidität am in Berlin 13

14 3. Anwendung von ALOH-A 2.0 Um potenzielle Teilnehmer auswählen zu können, werden Einund Ausschlusskriterien definiert, die die geplante Intervention und Maßnahme des Versorgungsmanagements vorgibt (z. B. Vorliegen oder Fehlen bestimmter Diagnosen, Alter...) Der Filteraufbau ist schwierig und wurde bislang nur unter Beratung durch einen Arzt umgesetzt Multimorbiditätsfilter Anzahl von ICD-Gruppen Eigene ICD-Gruppenbildung nach spezifischen Erkrankungen Morbiditätsgruppen liegen teilweise vor und können beliebig erweitert werden (da alle Diagnosen von 2 Jahren eingelesen werden) Fachtagung Multimorbidität am in Berlin 14

15 Einsatz von Daten Modellentwicklung Anwendung WIdO-Datenbank Anwendende AOK Koeffizienten Daten aus dem Bestand Aktuelle Daten Fachtagung Multimorbidität am in Berlin 15

16 Datenfluss Die Berechnung der LOH-Werte erfolgt in der anwendenden AOKs oder im WIdO Das WIdO nimmt keine Klartextversichertennummern an Herausgabe erfolgt unter Zustimmung des Versicherten z. B. PraCMan Genehmigung durch den Ethikrat der Universität Heidelberg In die Intervention einbezogen wurden Arztpraxen mit hausarztzentrierter Versorgung Höchster Datenschutz wird gewährleistet Fachtagung Multimorbidität am in Berlin 16

17 Auswahl des Versorgungsmanagements Krankenhausaufenthalte nach Entlassdiagnose Fachtagung Multimorbidität am in Berlin 17

18 Lokalisation der erhöhten LOH (Vorhersage 2012) LOH regionale Verteilung der Mittelwerte Lübeck Bremerhaven Hamburg Oldenburg Bremen Hannover Wolfsburg Mittelwert der LOH Osnabrück Braunschweig 0, ,160 0,170 Hildesheim Salzgitter 0,185 0,210 0,500 Göttingen Fachtagung Multimorbidität am in Berlin 18

19 Filterbau Um potenzielle Teilnehmer auswählen zu können, werden Einund Ausschlusskriterien definiert, die die geplante Intervention und Maßnahme des Versorgungsmanagements vorgibt (z. B. Vorliegen oder Fehlen bestimmter Diagnosen, Alter...) Der Filteraufbau ist schwierig und wurde bislang nur unter Beratung durch einen Arzt umgesetzt Multimorbiditätsfilter Anzahl von ICD-Gruppen Eigene ICD-Gruppenbildung nach spezifischen Erkrankungen Morbiditätsgruppen liegen teilweise vor und können beliebig erweitert werden (da alle Diagnosen von 2 Jahren eingelesen werden) Fachtagung Multimorbidität am in Berlin 19

20 Beispiel-Filter Ziel Versicherten ab 80. Perzentil der LOH und... Einschluss Einschluss (mindestens eine) Ausschluss Ausschluss Ausschluss Ausschluss Indikation/ Inhalt Alter Diabetes II Herzinsuffizienz COPD ZNS-Erkrankung Beatmung Neubildung Pflegestufe Beschreibung > 18 Jahre E11-E14 I50, I11.0, I13.0, I13.2, I 25.5 J43 und J44 G10, G12 Z99.1 Nur im Vorjahr Stationäre Aufnahme im Vorjahr wegen C-Diagnose Pflegestufe 3 Fachtagung Multimorbidität am in Berlin 20

21 Frequenz der Datenlieferung Fachtagung Multimorbidität am in Berlin 21

22 Vielen Dank für Ihr Interesse. Christiane Haupt 030/ Besuchen Sie uns im Internet