Auswertungskonzept ANQ. Nationale Prävalenzmessung Sturz und Dekubitus 2012

Transkript

1 Auswertungskonzept ANQ Nationale Prävalenzmessung Sturz und Dekubitus 2012 Version 2.0, September 2013

2 Inhaltsverzeichnis 1. Präambel Ausgangslage und Zielsetzung der Prävalenzmessung Methode und Datenerhebung Teilnehmende Messung Ethische Aspekte Datenerhebung, Datentransfer zum Messinstitut LPZ/BFH und aufbereitung Qualitätssicherung Vereinheitlichung des Messvorganges Vereinheitlichung der Dateneingabe Kontrolle der Datenqualität Darstellung der spitalspezifischen Resultate Tabellarische Ergebnisdarstellung Graphische Ergebnisdarstellung Weitere Auswertungen Vergleichende Darstellung der Gesamtresultate Deskriptive Analyse Vergleichende Darstellung und Risikoadjustierung Übermittlung der Resultate vom Messinstitut BFH an ANQ Nationale Berichterstattung Nationale Veröffentlichung der Resultate Internationale Berichterstattung Literatur Impressum

3 1. Präambel Die Erarbeitung der Auswertungskonzepte des ANQ verlaufen prozesshaft. Das vorliegende Auswertungskonzept 2.0 wurde nach der zweiten Prävalenzmessung 2012, basierend auf neuen Erkenntnissen und Weiterentwicklungen der Messung sowie den Inputs aus der Vernehmlassung, aktualisiert. Das Konzept 2.0 beschreibt die Auswertung ab der Messung Grundlagen der Auswertungskonzepte des ANQ sind der nationale Qualitätsvertrag sowie das Datenreglement des ANQ. 2. Ausgangslage und Zielsetzung der Prävalenzmessung Prävalenzmessungen zu unerwünschten Ereignissen ( adverse events ) im Spitalbereich ermöglichen Aussagen zur Qualität der Versorgung und Betreuung. Sie bieten einen vertieften Einblick in die Häufigkeit (Prävalenz) von erwünschten oder unerwünschten Ereignissen oder Zuständen sowie die diesbezüglich erfolgten präventiven Massnahmen und Behandlungen. Weiterhin liefern sie eine wichtige Grundlage für Vergleiche mit Best Practice-Organisationen (Benchmarking) und somit für Verbesserungen der Qualität in den Bereichen Prävention und Behandlung. Die nationale Prävalenzmessung Sturz und Dekubitus 2012 untersuchte zum zweiten Mal die pflegesensitiven Qualitätsindikatoren Sturz und Dekubitus (Kuster, 2009; The American Nurses Association, 2011) flächendeckend in den Spitälern der Schweiz. Diese zweite nationale Prävalenzmessung Sturz und Dekubitus hatte in erster Linie zum Ziel, die Prävalenzrate der im Spital erworbenen (= nosokomialen) Dekubitus Kategorie 1 4 bzw. 2 4 sowie die Sturzereignisse in den Schweizer Spitälern (Akutsomatik) zu erheben. Ergänzend werden auch die Gesamtprävalenzraten zu Sturz und Dekubitus deskriptiv ausgewertet, d.h. auch die Ereignisse vor dem Spitaleintritt dargestellt. Die Anwendung eines einheitlichen, international anerkannten Instruments ermöglicht nationale und internationale Vergleiche sowie die ressourcenorientierte Weiterentwicklung der Versorgungsqualität. Die Erhebung der Prävalenzdaten erfolgt mittels dem international verbreiteten und erprobten Verfahren der Universität Maastricht, Niederlande (Bours, Halfens, & Haalboom, 1999; Halfens, Meesterberends, et al., 2011; van Nie-Visser et al., 2013). Das dortige Messinstitut International Prevalence Measurement of Care Problems, LPZ International (LPZ) erhebt in den Niederlanden seit über fünfzehn Jahren jährlich Prävalenzraten von Pflegephänomenen. Mittlerweile haben sich weitere europäische Länder dem Verfahren angeschlossen (Halfens et al., 2013; Halfens, Schols, et al., 2011). Die Berner Fachhochschule, Fachbereich Gesundheit, übernimmt im Auftrag des ANQ die Organisation der nationalen Prävalenzmessung. Dazu gehören die operative Abwicklung der Messung, die institutionenvergleichende Datenanalyse und die nationale Berichtlegung. Für die Datenerhebung in der Westschweiz und im Tessin kooperiert die BFH mit der Haute école de santé Fribourg (HEdS-FR) und der Scuola universitaria professionale della Svizzera italiana (SUPSI) in Manno TI. 3

4 3. Methode und Datenerhebung Die LPZ-Instrumente zur Prävalenzmessung wurden vom Messinstitut LPZ International der Universität Maastricht entwickelt und bestehen in der Originalfassung aus sechs Pflegeindikatoren: Dekubitus, Stürze inkl. freiheitsbeschränkenden Massnahmen (FBM), Inkontinenz, Mangelernährung und Intertrigo. Das Modul des Indikators Dekubitus wird als reliabel und valide beurteilt (Bours, et al., 1999; Halfens, Meesterberends, et al., 2011; van Nie-Visser, et al., 2013). Das Modul Sturz beruht auf Expertenmeinungen und erreicht somit Face Validity, d.h. Augenscheinvalidität (Halfens, Meesterberends, et al., 2011; Halfens, Meijers, Neyens, & Schols, 2009; van Nie-Visser, et al., 2013). Die LPZ-Instrumente werden im Rahmen der Treffen der internationalen Forschungsgruppe LPZ mindestens jährlich aktualisiert und überarbeitet. Das LPZ-Erhebungsinstrument 2012 umfasste Fragebogen auf folgenden drei Ebenen: - Allgemeine Daten zum Spital (z.b. Spitaltyp, Indikatoren der Strukturqualität auf Spitalebene) - Daten der teilnehmenden Stationen (z.b. Art der Station, Indikatoren der Strukturqualität auf Stationsebene) - Patientendaten: allgemeine Daten (z.b. Angaben zur Person, zu Diagnosen und Pflegeabhängigkeit) sowie spezifische Patienten- und Prozessmerkmale zu den Indikatoren Sturz und Dekubitus. Bei der Messung 2012 wurde gemäss Beschluss von ANQ die Pflegeabhängigkeitsskala (PAS) bei allen Patientinnen und Patienten ab 18 Jahren obligatorisch erhoben. Es hatte sich gezeigt, dass die PAS in den Analysen der Spitäler, welche die PAS 2011 freiwillig angewendet haben, besonders relevant für die Prädiktion der Ergebnisindikatoren war. Dies veranlasste die Erhebung der PAS zukünftig als verpflichtend zu erklären. In das LPZ-Instrument für die nationale Prävalenzmessung Sturz und Dekubitus wurde die sogenannte Braden-Skala zur Erfassung (zum Zeitpunkt der Messung) des patientenindividuellen Dekubitusrisikos (Bergstrom, Braden, Kemp, Champagne, & Ruby, 1998; Halfens, Van Achterberg, & Bal, 2000) und die Pflegeabhängigkeitsskala (PAS) integriert. Die Pflegeabhängigkeitsskala besteht aus 15 Kategorien (z.b. Essen und Trinken, Kontinenz, Mobilität), welche anhand von fünf Antwortkategorien von völlig abhängig bis völlig unabhängig eingeschätzt werden (Dassen et al., 2001; Dijkstra, Tiesinga, Plantinga, Veltman, & Dassen, 2005; Lohrmann, Dijkstra, & Dassen, 2003). Die an der Universität Maastricht entwickelten LPZ-Instrumente wurden bereits für den Messzyklus 2011 in den Landessprachen Deutsch, Französisch und Italienisch aufbereitet. Wie im Vorjahr kamen die verwendeten Skalen (Braden, Pflegeabhängigkeitsskala, in validierten Übersetzungen zum Einsatz. Eine Ausnahme bildet die französische Version der Pflegeabhänigkeitsskala. Das mehrstufige Übersetzungsvorgehen (doppelte Vorwärts-/Rückwärts-Übersetzungen, Peer- Gruppen und Cognitive Debriefing) der neuen Fragen/Kategorien des Messzyklus 2012 orientierte sich auch für den Messzyklus 2012 an international gebräuchlichen und anerkannten Verfahren gemäss der International Society for Pharmaeconomics and Outcomes Research (ISPOR) (Peters & Passchier, 2006; Prüfer & Rexroth, 2000; Wang, Lee, & Fetzer, 2006; Wild et al., 2005; Willis, 2005). Im Rahmen des Cognitive Debriefing im Praxisfeld wurden Interviews in drei Sprachen mit Pflegefachpersonen und Koordinationspersonen durchgeführt. 3.1 Teilnehmende Die Teilnahme der Akutspitäler an der nationalen Prävalenzmessung Sturz und Dekubitus ist ein verbindlicher Bestandteil des ANQ-Messplans 2012, sofern diese Spitäler dem nationalen Qualitätsvertrag des ANQ beigetreten sind. 4

5 Generell werden am Erhebungstag über 18 Jahre alte, stationäre Patientinnen und Patienten der Akutspitäler der Schweiz und Liechtensteins (inkl. Intensivpflege, Intermediate Care und Patientinnen der Wochenbettstation) in die Messung eingeschlossen. Voraussetzung für die Teilnahme ist eine mündliche Einverständniserklärung der Patientin/des Patienten oder der vertretungsberechtigten Person. Ausgeschlossen sind Patientinnen und Patienten der Aufwachräume, Tageskliniken, des ambulanten Bereichs und des Notfallbereichs, der Pädiatrie und die Säuglinge der Wochenbettstationen sowie stationäre Patientinnen und Patienten, bei denen kein Einverständnis vorliegt. Ab 2013 wird eine separate Erhebung im Kinderbereich umgesetzt. 3.2 Messung Die Messung wird am Stichtag (erster Dienstag im November) in allen teilnehmenden Institutionen durchgeführt. Pro Spital wird eine Spitalkoordinatorin oder ein Spitalkoordinator definiert und von der BFH und ihren Kooperationspartnern geschult. Die Spitalkoordinationsperson ist für die betriebsinterne Messorganisation verantwortlich (Rekrutierung und Schulung des spitalinternen Messteams, Sicherstellung des Datenmanagements und der Datenqualität). Je nach Betriebsgrösse ist es möglich, pro Spitalstandort eine standortspezifische Ansprechperson, eine sogenannte ID-Verantwortliche, welche die Messung vor Ort organisiert, zu ernennen. Jeweils zwei Pflegefachpersonen pro Station (eine stationseigene und eine stationsfremde Person) führen die Messungen am Erhebungstag durch. Abgesehen von den administrativen Angaben werden die Daten direkt bei der Patientin oder beim Patienten (Goldstandard) erhoben. Wenn dies nicht möglich ist, werden die Daten anhand der professionellen klinischen Einschätzung der zuständigen Pflegefachperson und/oder anhand der Pflegedokumentation erhoben. Gemäss dem LPZ-Messprotokoll wird immer die bestmögliche Informationsquelle genutzt. 3.3 Ethische Aspekte In der Prävalenzmessung werden ausschliesslich Daten erhoben, welche auch im klinischen Alltag im Rahmen des Pflegeprozesses und der Behandlung erfasst werden. Es finden keine zusätzlichen Interventionen statt. Swissethics und die kantonalen Ethikkommissionen haben die Prävalenzmessung Sturz und Dekubitus ab 2012 als Qualitätsmessung eingestuft, für die eine schriftliche Einwilligung der Patientinnen und Patienten nicht notwendig ist. Jedoch müssen die Patientinnen und Patienten (oder die vertretungsberechtigte Person) eine schriftliche Information zur Messung erhalten und ihr mündliches Einverständnis für die Erhebung geben (Newsletter ANQ, Juni 2012). Die Patientinnen und Patienten werden durch die Messteams im Vorfeld der Messung über die Datenerhebung und deren Ziel und Zweck schriftlich informiert. Der Wunsch von Patientinnen und Patienten, welche die Beteiligung an der Messung ablehnen, wird respektiert. Die Patienteninformation steht in vier Sprachen (Deutsch, Französisch, Italienisch und Englisch) zur Verfügung. Die Patientinnen und Patienten werden durch die Datenerhebung in keiner Weise in ihrer Integrität gefährdet und es entstehen ihnen durch eine Ablehnung der Teilnahme keine negativen Folgen. Alle patientenbezogenen Angaben werden pseudonymisiert erhoben. Die Entschlüsselung der Pseudonyme ist ausschliesslich durch die Spitäler möglich. Zum Schutz der Personen- und Institutionsdaten wurde seitens der Universität Maastricht eine Datenschutzbestimmung erstellt, einsehbar unter: ANQ hat in Zusammenhang mit der Veröffentlichung der Qualitätsdaten ein Datenreglement erlassen, einsehbar unter: ef_de.pdf. 5

6 3.4 Datenerhebung, Datentransfer zum Messinstitut LPZ/BFH und aufbereitung Die Datenerhebung erfolgt schriftlich oder bei entsprechender technischer Infrastruktur elektronisch. Beim elektronischen Verfahren werden die Daten unmittelbar auf der LPZ-Webseite im datenbankbasierten LPZ-Eingabeprogramm eingegeben. Auf Papier erfasste Daten werden innerhalb von fünf Wochen nach der Messung ins Eingabeprogramm des LPZ (durch administrative Mitarbeitende, die ID- Verantwortlichen oder den Spitalkoordinator/die Spitalkoordinatorin) eingegeben. Nach dem Abschluss der Dateneingabe muss der Spitalkoordinator/die Spitalkoordinatorin die Daten zur Analyse freigeben, indem im geschützten Bereich des LPZ-Eingabeprogramms das Ende der Dateneingabe explizit bestätigt wird. Die BFH bewahrt diese klinikbezogenen Daten jeweils unbefristet als SPSS Datensatz auf, damit Jahresvergleiche möglich bleiben. Bei einer allfälligen Vertragsauflösung zwischen der BFH und ANQ wird die Aufbewahrung der Daten neu geregelt. Gemäss Datenreglement des ANQ sind die Institutionen die Eigentümer ihrer erhobenen Rohdaten. Die eigenen Daten sind allen Institutionen als SPSS-Datei und als Exceldatei direkt über den geschützten Bereich der LPZ-Webseite zugänglich (Ebene Koordinator/in). Der ANQ sowie die beteiligten Messorganisationen haben das Recht zur Nutzung und Auswertung der Daten im Rahmen der zwischen allen Parteien (ANQ, Messorganisationen, Spitäler) vertraglich vereinbarten Auswertungs- und Publikationsbedingungen. Der ANQ erhält keine Rohdaten. 4. Qualitätssicherung Sowohl bei der Messvorbereitung als auch bei der Datenerhebung und der Datenauswertung werden Massnahmen zur Qualitätssicherung ergriffen. Diese Massnahmen haben eine Vereinheitlichung des Messvorganges und der Dateneingabe sowie die Kontrolle der Datenqualität zum Zweck. 4.1 Vereinheitlichung des Messvorganges Die Datenquellen und Abläufe, die Anleitung zum Ausfüllen der Fragebogen sowie Arbeitsdokumente zur Unterstützung der Messteams (z.b. Materialliste Dekubitus, Stationsliste, Einverständnis zur Messteilnahme) werden im Messhandbuch spezifiziert. Für die internen Schulungen werden den Spitalkoordinationspersonen die entsprechenden Unterlagen online zur Verfügung gestellt. Zudem steht am Vortag der Erhebung (sowie am Erhebungstag selbst) eine Hotline in den drei Landessprachen zur Verfügung. Für die Kontrolle der Mess- und Datenqualität vor Ort ist die Spitalkoordinationsperson zuständig. Diese Person garantiert die Korrektheit der Daten. Das Messhandbuch unterstützt die Homogenität und Verlässlichkeit der Messung. Die Methodik, die Messinstrumente und deren Anwendung wurden den zuständigen Fachleuten im Train the Trainer -Verfahren durch die Spitalkoordinationspersonen einheitlich vermittelt. Zur Förderung der Kontinuität in den Schulungsveranstaltungen nimmt die Projektleitung BFH an allen Veranstaltungen teil und die Schulungsinhalte werden für alle Sprachregionen standardisiert. 4.2 Vereinheitlichung der Dateneingabe Qualitätsfördernd für die Vollständigkeit der Dateneingabe ist es, wenn die Daten direkt online im LPZ-Eingabeprogramm eingegeben werden. Dadurch werden die Messteams automatisch durch den Fragebogen geleitet, d.h. es sind Formeln und logische Verknüpfungen in der Programmierung hinterlegt. Wird beispielsweise angegeben, dass ein Patient, eine Patientin keinen Dekubitus hat, wird die Tabelle zur Beschreibung der Dekubituswunden als Frage nicht angeboten. 6

7 Das Dateneingabeprogramm steht den Teilnehmenden jeweils während 7 Wochen von Mitte September bis Ende Oktober für die Schulung der spitalinternen Messteams sowie zur Erprobung zur Verfügung. 4.3 Kontrolle der Datenqualität Institutionen, welche ihre Daten direkt online erfassen, können während zwei Wochen im November die erste Darstellung der institutionsspezifischen Ergebnistabellen kontrollieren und allfällige Eingabefehler rückmelden. Die Datenqualität wird von LPZ Maastricht mittels Datenprofil eruiert. Es werden dazu Regeln definiert und nach systematischen Fehlermustern gesucht (Daten, die nicht auftreten sollten; auffällige oder fehlende Werte). Es wird kein unabhängiges, externes Audit der erhobenen Daten durchgeführt. Der Datensatz mit den nationalen Daten wird der nationalen Messorganisation BFH für die weitere Analyse durch LPZ International (im Format des Statistikprogramms SPSS) zugestellt. Dieses SPSS- Datenset wird seitens der BFH für die nationale Datenanalyse bereinigt, auf Plausibilität geprüft sowie hinsichtlich der Schweiz-spezifischen nationalen Auswertung nach Spitaltypen aufbereitet. Unsicherheiten im Bearbeitungsprozess werden analysiert und mögliche Fehlerquellen gesucht. Falls es aufgrund der Resultate erforderlich sein sollte, werden Erkenntnisse mit LPZ International und mit dem ANQ besprochen und das Auswertungskonzept entsprechend angepasst. Ebenso werden für die messenden Institutionen Massnahmen zur Optimierung der Datenqualität vorgeschlagen. Zur Prozessevaluation der Datenerhebung und der Datenverarbeitung kann der ANQ das Messinstitut beauftragen, am Erhebungstag entsprechende Vorkehrungen treffen und in Stichproben die erhobenen Daten hinsichtlich ihrer Korrektheit und Vollständigkeit prüfen. 7

8 5. Darstellung der spitalspezifischen Resultate 5.1 Tabellarische Ergebnisdarstellung Die institutionsspezifischen Ergebnisse werden durch eine automatisierte Berichterstattung den beteiligten Institutionen zur Verfügung gestellt. Diese Ergebnisse werden von LPZ aufbereitet. Es handelt sich um nicht-adjustierte Werte, die Vergleichbarkeit ist daher eingeschränkt (siehe Kapitel 6). Im LPZ- Webportal sind institutionsspezifische Ergebnisse in Tabellen als PDF-, Word- und als Excel-Dateien drei bis fünf Arbeitstage nach der Eingabe bzw. Datenfreigabe durch die Spitalkoordinationsperson passwortgeschützt zugänglich. Institutionen, welche ihre Daten direkt online erfassen und unmittelbar nach der Messung zur Analyse freigeben, können jeweils im November während zwei Wochen (via LPZ-Webseite) alle erfassten Ergebnisse überprüfen und allfällige Korrekturen melden. Danach werden die Tabellen unter Angabe des Aktualisierungsdatums erneut passwortgeschützt aufgeschaltet. Die deskriptive Beschreibung des Gesamtdatensatzes erfolgt auf Institutions-, Abteilungs- und auf Patientenebene sowie spezifiziert nach Art der Station (Abbildung 1). Abbildung 1: Zugriff auf Ergebnisse auf Ebene Spital, Station sowie national (gemäss Spitaltyp) Die Resultate werden tabellarisch dargestellt. Gegliedert nach Station enthalten institutionsspezifische Tabellen unter anderem Angaben zur Anzahl der Teilnehmenden, der Prävalenzraten in Prozent pro Station und der Prävalenz von Dekubitus Kategorie 1-4 (Abbildung 2). Die Tabellen werden in Zahlen oder Prozente und nach Station sowie nach Art der Station aufgegliedert. Die Prozentdarstellung eignet sich für einen Vergleich der Stationen untereinander. Bei allen Tabellen ist eine Spalte T eingefügt, die über alle Stationen die Resultate aufsummiert (Total=T). 8

9 Abbildung 2: Beispiel Ergebnistabelle institutionsspezifische Ergebnisse (Anzahl/Prozent) 9

10 Ungefähr zwei Monate nach der Messung wird die tabellarische nationale Auswertung in der Spalte National Art der Stationen Prozente im LPZ-Webportal aufgeschaltet (Abbildung 1). In diesen Tabellen werden die nationalen Gesamtwerte in Zahlen oder Prozenten nach Art der Station sowie in der Spalte T als Total für den jeweiligen Spitaltyp dargestellt (Abbildung 3). Hier können die Spitäler die eigenen Resultate stratifiziert nach Spitaltyp mit dem nationalen Mittelwert dieses Spitaltyps bzw. der Art der Station innerhalb diesem Spitaltyp vergleichen. Abbildung 3: Beispiel Ergebnistabelle stratifizierte nationale Ergebnisse (gleicher Spitaltyp) Für Einzelfallanalysen ist es den jeweiligen Spitalkoordinationspersonen möglich, Informationen über einzelne Patientinnen und Patienten abzurufen (anhand der Verschlüsselung). In der sogenannten Kliententabelle ist pro Teilnehmende ersichtlich, ob diese Person von einem Pflegephänomen betroffen war. Diese Fälle können bezüglich Struktur- und Prozessqualitätsmerkmale vertiefter intern analysiert werden. Der Praxisnutzen für die Qualitätssicherung und Qualitätsentwicklung entsteht durch die klinikinterne Diskussion der institutionsspezifischen Ergebnisse und den daraus entstehenden Fragestellungen sowie dem Vergleich mit anderen ähnlichen Institutionen. 5.2 Graphische Ergebnisdarstellung Seit der Messung 2012 steht den Spitalkoordinationspersonen mit dem sogenannten Dashboard eine Möglichkeit zur graphischen Datenaufbereitung auf Ebene Gesamtinstitution im geschützten Bereich der LPZ Webseite zur Verfügung. Das Dashboard ermöglicht eine interaktive graphische Ansicht der Ergebnisse der LPZ-Messung (Abbildung 4). Diese neue Darstellungsart der Ergebnisse erfordert das Plug-in Microsoft SilverLight (als kostenloser Download verfügbar unter Die Koordinationspersonen können auf der LPZ Webseite selber bestimmen, ob auch die ID- Verantwortlichen Zugang zu diesen Daten (Ebene Gesamtspital) erhalten sollen. Zur Anwendung des Dashboards steht den Koordinationspersonen auf der LPZ Webseite ein Handbuch zur Verfügung. 10

11 Abbildung 4: Beispiel Dashboard Das Dashboard ermöglicht die graphische Aufbereitung der erhobenen Daten zur (nosokomialen) Prävalenz aus dem allgemeinen Patientenfragebogen (Dekubitus, Sturz, etc.) nach Spitalstandort. Zudem können folgende in den Modulen Sturz und Dekubitus erhobenen Daten zur Prävalenz ausgewiesen werden: - Merkmale der Patientinnen und Patienten - Beschreibung der Dekubitus sowie der jeweiligen Prozessindikatoren (Prävention, Behandlung) - Strukturindikatoren pro Station bzw. pro Messjahr und pro Standort. Ergebnisse zum Gesamtspital bei mehreren Standorten sowie der Direktvergleich der Ergebnisse über mehrere Messjahre können im Dashboard nicht generiert werden. Der direkte Vergleich von Gesamtergebnissen mehrerer Standorte sowie von Stationsergebnissen pro Standort ist möglich. Unter den jeweiligen Grafiken werden die Ergebnisse auch tabellarisch dargestellt. Sowohl die Grafiken als auch die Tabellen können in eine andere Anwendung (beispielsweise Powerpoint oder Excel) einkopiert werden. Bei den nichtgruppierten Indikatoren, d.h. Indikatoren ohne zugeordneten Ausprägungen bzw. weiteren Indikatoren, können die nationalen Ergebnisse (des gleichen Spitaltyps) angezeigt werden. Diese Messergebnisse sind als Linie in der Grafik ersichtlich. Die nationalen Ergebnisse (des gleichen Spitaltyps) werden nach Abschluss der LPZ-Analyse jeweils ca. Ende Februar, nach der Messung im November, angezeigt. 5.3 Weitere Auswertungen Falls ein Spital mit verschiedenen Standorten die spitalspezifischen Ergebnisse gemäss der Darstellung im LPZ-Portal in einem Dokument zusammengefasst haben möchte, kann dies bei LPZ Maastricht gegen einen Aufpreis angefordert werden. Auch die Darstellung der Ergebnisse in einer anderen Sprache als der gewählten Hauptsprache ist kostenpflichtig bei LPZ. 11

12 Differenzierte Unteranalysen der einzelnen Institutionen oder Auswertungen zu individuellen Fragestellungen können mit einer Zusatzvereinbarung bei der nationalen Messorganisation BFH in Auftrag gegeben werden. Dieses Angebot ist kostenpflichtig. 6. Vergleichende Darstellung der Gesamtresultate 6.1 Deskriptive Analyse Die deskriptiv ausgewerteten Ergebnisindikatoren machen Aussagen zur Prävalenz der Indikatoren Sturz und Dekubitus. Die Prozessindikatoren beschreiben die Merkmale der betroffenen Patientinnen und Patienten, möglichen Risikofaktoren für Sturz und Dekubitus, die Merkmale des Dekubitus bzw. der Sturzereignisse sowie auch präventive- und Behandlungsmassnahmen. Die Strukturindikatoren geben Auskunft über strukturelle Elemente der Qualitätssicherung bezüglich der Indikatoren Sturz und Dekubitus auf Spital- und Stationsebene. Die Daten werden in absoluten (Anzahl) und relativen Werten (Prozente) sowie wo informativ mit Mittelwerten und Standardabweichungen präsentiert. Die Ergebnisse werden nach Spitaltyp entweder als Kreuztabellen oder grafisch als Balkendiagramme aufbereitet. Auf Spitalebene werden die Daten gemäss der Krankenhaustypologie des Bundesamtes für Statistik (2006) in folgende Spitaltypen unterteilt: Universitätsspitäler (Zentrumsversorgung Universitätsspital), Allgemeine Krankenhäuser der Zentrumsversorgung (Zentrumsversorgung, Allgemeine Krankenhäuser), Allgemeine Krankenhäuser der Grundversorgung (Grundversorgung) sowie Spezialkliniken. In einzelnen Tabellen und Grafiken werden die Daten nach Stationstyp spezifiziert. Die deskriptiven statistischen Analysen werden mit dem Programm IBM SPSS Statistics 20 durchgeführt. 6.2 Vergleichende Darstellung und Risikoadjustierung Hintergrund Im Kern der nationalen Qualitätsmessungen steht der Vergleich der teilnehmenden Institutionen. Zunächst werden durch LPZ die nicht-adjustierten Werte der Institutionen tabellarisch oder grafisch gegenübergestellt. Aufgrund der unterschiedlichen Versorgungsaufträge und der deshalb oft unterschiedlichen Zusammensetzung der Patientenstruktur ist eine Adjustierung für die vorhandenen Risiken unerlässlich. Die Ergebnisse der erhobenen Qualitätsdaten (Ergebnisindikatoren) werden durch die Risikoadjustierung vergleichbar gemacht. Dies ist besonders wichtig, da die Ergebnisqualität sowohl durch Patientenrisiken, als auch durch die Qualität der Behandlung und Pflege beeinflusst werden kann. Spitäler können sich hinsichtlich der Zusammensetzung ihrer Patientenpopulationen ( Case mix ), aber auch ihrer Strukturmerkmale wie Fachabteilungen und Bettenzahl erheblich unterscheiden. So ist einleuchtend, dass bei Spitälern, die Patientinnen und Patienten mit einem grösseren Risiko aufnehmen, höhere Komplikationsraten zu erwarten sind. Dies kann dann den Ausweis einer scheinbar niedrigeren Ergebnisqualität zur Folge haben. Deshalb ist es für eine adäquate Interpretation notwendig, solche Risikofaktoren zu berücksichtigen, um dann die gemessenen Raten der unterschiedlichen Versorgungsqualität den Leistungserbringern zuschreiben zu können Zielsetzung Ziel der Risikoadjustierung ist die Herstellung der Vergleichbarkeit von Spitälern mit unterschiedlichen Strukturmerkmalen und Patientencharakteristika. Bei der Auswahl der Adjustierungsvariablen ist darauf zu achten, dass die Risikofaktoren bei der Patientin/beim Patienten und in der Organisation bei Eintritt schon bestehen und nicht modifiziert werden können. 12

13 6.2.3 Adjustierungsverfahren Die Thematik der Qualitätsvergleiche von Leistungserbringern hat in den letzten Jahrzehnten eine intensive Forschungstätigkeit hervorgerufen. Die heute zur Verfügung stehenden Adjustierungsverfahren reichen von recht einfachen Modellen (z.b. der Stratifizierung nach bestimmten Merkmalen) über multiple Regressionsverfahren mit der Differenz von beobachteten vs. erwarteten Werten bis hin zu relativ komplexen Mehrebenenmodellen. Letztere sind in der Literatur auch als hierarchische Modelle bekannt und werden aktuell als State of the Art betrachtet (Ash et al., 2012). Daher wurde gemeinsam mit dem ANQ der Entscheid gefällt, die Risikoadjustierung mit hierarchischer Modellierung bzw. Multilevel Modeling MLM (Snijders & Bosker, 2011), durchzuführen. Zum Einsatz kommt eine hierarchische logistische Regressionsanalyse. Der Grund dafür ist die nicht-zufällige Selektion der Patientinnen und Patienten in bestimmten Spitälern; dieser Umstand wird bei der MLM berücksichtigt. Die Unabhängigkeit des Samplings gehört zu den Standardannahmen, auf denen die entsprechenden statistischen Modelle beruhen. Bei der Selektion von Patientinnen und Patienten in Spitälern ist diese Unabhängigkeit nicht gegeben. Hierarchische Modelle berücksichtigen diese Problematik jedoch, indem sie beispielsweise strikt zwischen Patientenmerkmalen und Spitälern unterscheiden (Abbildung 5). Darüber hinaus werden die Spitalgrösse und die damit verbundene statistische Unsicherheit bei hierarchischen Modellen adäquat beachtet. Abbildung 5: Risikoadjustierung: Patientenmerkmale und Spitalmerkmale 13

14 Innerhalb der hierarchischen Modellierung existieren verschiedene Verfahren, die je nach Voraussetzungen im Datensatz zum Zuge kommen können. An dieser Stelle sei explizit betont, dass es keinen Goldstandard für die Modellierung gibt, sondern verschiedene Möglichkeiten, die je nach Hintergrund des Datensatzes, der Fragestellung und in unserem Falle auch vor dem Hintergrund der Reporting- Anforderungen für die Spitäler ausgewählt werden müssen (Ash, et al., 2012). Sogenannte Fixed effects -Modelle sind bei Vorliegen der entsprechenden Voraussetzungen gut geeignet für den Spitalvergleich. Allerdings wiesen diese Modelle einen entscheidenden Nachteil auf. Das Hauptproblem waren die sehr kleinen Fallzahlen in Spitälern, die dazu führten, dass bei nicht vorhandenen Dekubitus und Stürzen diese Institutionen aus statistischen Gründen nicht mehr berücksichtigt werden konnten. Deshalb werden im Einklang mit der derzeitigen Methodendiskussion (Ash, et al., 2012) - Mixed effects -Modelle berechnet, die diesen Nachteil nicht haben. Das Vorgehen sieht wie folgt aus (Abbildung 6): Für jede Outcome-Variable (Sturz oder Dekubitus im Spital) wird zunächst eine logistische Regression mit den zur Verfügung stehenden Patientenvariablen berechnet. Auf der Basis dieser Regression werden Risikofaktoren ermittelt. Die Regressionsanalysen beziehen sich auf die gesamte Stichprobe aller teilnehmenden Patientinnen und Patienten. Diese methodische Vorgehensweise wurde nach verschiedenen Analysen gewählt, die pro Spitaltyp (Universitätsspitäler, Zentrumsspitäler etc.) vorgenommen wurden. Leider waren die Stichproben teilweise so klein, dass nur wenige oder gar keine Variable bei der Auswahl für das Modell zurückblieben. Daher wird auf die gesamte Stichprobe zurückgegriffen. Abbildung 6: Schrittweises Vorgehen bei der Risikoadjustierung Als Kriterium für die Auswahl der Risikovariablen wird das Akaike Information Criterium (AIC) angewendet (Akaike, 1974). Das AIC verwendet ein Maximum-Likelihood-Schätzverfahren und wird in Fachkreisen bei der Modellselektion gegenüber traditionellen Verfahren bevorzugt (Müller, 2011). Konkret wird ein schrittweises Rückwärtsverfahren (Backward selection) angewendet, nachdem zuvor ein Gesamtmodell mit allen in Frage kommenden Variablen im Datensatz mit Interaktionseffekten zwischen Spitaltyp und einzelnen soziodemografischen und Krankheitsvariablen angereichert worden war. Mit den ausgewählten Variablen wird dann ein gemischtes hierarchisches Modell berechnet, in dem die teilnehmenden Patientinnen und Patienten die Ebene 1 darstellen und die teilnehmenden Spitäler die Ebene 2. Zur Quantifizierung der Auswirkungen bei den Spitälern bezüglich der Ergebnisvariablen werden am Schluss die spitalbezogenen Residuen und ihre 95%-Vertrauensintervalle berechnet und grafisch dargestellt (Abbildung 7). Mit einfachen Worten: Die Residuen bzw. Datenpunkte zeigen den Unterschied zwischen dem geschätzten Einzel-Spitalwert und dem geschätzten Gesamtwert aller Spi- 14

15 täler auf. Die Null-Linie in diesen Grafiken repräsentiert den Durchschnitt aller Spitäler und kann gewissermassen als erwarteter Wert interpretiert werden (Shahian & Normand, 2008). Die Grafik ist so zu lesen, dass Spitäler, deren Vertrauensintervalle die Null-Linie nicht schneiden, sich signifikant vom Durchschnitt aller Spitäler unterscheiden. Abweichungen im negativen mathematischen Bereich sind im klinischen Sinne als besser zu interpretieren, Abweichungen im positiven mathematischen Bereich als schlechter. Die statistischen Analysen für die Risikoadjustierung sind mit STATA 10.1 durchgeführt worden (Rabe- Hesketh & Skrondal, 2008). Residuen und 95 % Konfidenzintervalle Alle teilnehmende Spitäler und Spitalstandorte Abbildung 7: Grafische Darstellung des Spitalvergleichs 15

16 7. Übermittlung der Resultate vom Messinstitut BFH an ANQ 7.1 Nationale Berichterstattung Der nationale Bericht zu Handen des ANQ beschreibt die Ausgangslage, die Zielsetzungen sowie die Methode und Ergebnissen der nationalen Prävalenzmessung. Der Ergebnisteil beinhaltet zum einen die deskriptive Auswertung des Gesamtdatensatzes, d.h. der teilnehmenden Spitäler sowie der teilnehmenden Patientinnen und Patienten über 18 Jahre. Die Aussagen erfolgen auf Spital-, auf Stations- und auf Patientenebene. Auf Spitalebene werden die Daten gemäss der Krankenhaustypologie des Bundesamtes für Statistik (2006) in folgende Spitaltypen unterteilt: Universitätsspitäler (Zentrumsversorgung Universitätsspital), Allgemeine Krankenhäuser der Zentrumsversorgung (Zentrumsversorgung, Allgemeine Krankenhäuser), Allgemeine Krankenhäuser der Grundversorgung (Grundversorgung) sowie Spezialkliniken. In einzelnen Tabellen und Grafiken werden die Daten nach Stationstyp spezifiziert. Im Gegensatz zur Berichterstattung auf Ebene der Spitalgruppen im Messzyklus 2011 werden die Ergebnisse des Messzyklus 2012 im Auftrag des ANQ auf der Ebene der einzelnen Spitalstandorte ausgewertet und dargestellt. Weiter enthält der Bericht die risikoadjustierten Vergleiche der Spitäler hinsichtlich der Ergebnisindikatoren. Die patientenbezogenen Risikofaktoren werden auf der Basis einer hierarchischen logistischen Regression in Tabellenform darstellt. Der Spitalsvergleich erfolgt grafisch wie im Kapitel 6, Abbildung 7 dargestellt. Die Berichterstattung wird mit den Kapiteln Diskussion, Schlussfolgerungen und Empfehlungen abgeschlossen. Bei der Berichterstattung dieser Messung werden die Empfehlungen zur Erhebung, Analyse und Veröffentlichung von Daten über die medizinische Behandlungsqualität des SAMW (2009) berücksichtigt. 7.2 Nationale Veröffentlichung der Resultate Nach Freigabe des Berichtes durch die entsprechenden Gremien des ANQ, entscheidet ANQ über die Publikation der Resultate bzw. deren Detaillierungsgrad für die Öffentlichkeit gemäss Publikationskonzept Version, Internationale Berichterstattung Die internationale Berichterstattung erfolgt in Kooperation des LPZ Maastricht mit der wissenschaftlichen Projektleitung sowie der nationalen Koordinatorin der Messorganisation in der Schweiz (BFH). Die internationale Veröffentlichung sollte im Idealfall im Anschluss an der Publikation der Daten durch ANQ erfolgen. 16

17 8. Literatur Akaike, H. (1974). A new look at the stastical model identification. IEEE Transaction on Automatic Control, 19(6), Ash, A. S., Fienberg, S. E., Louis, T. A., Normand, S.-L., Stukel, T. A., & Utts, J. (2012). Statistical Issues in Assessing Hospital Performance: White Paper Commissioned by the Committee of Presidents of Statistical Societies. Retrieved from Assessment-Instruments/HospitalQualityInits/Downloads/Statistical-Issues-in-Assessing-Hospital- Performance.pdf Bergstrom, N., Braden, B., Kemp, M., Champagne, M., & Ruby, E. (1998). Predicting pressure ulcer risk: a multisite study of the predictive validity of the Braden Scale. Nurs Res, 47(5), Bours, G. J., Halfens, R. J. G., & Haalboom, J. E. R. (1999). The development of a national registration form to measure the prevalence of pressure ulcers in the Netherlands. Ostomy Wound Management, 45(11), Bundesamt für Statistik. (2006). Krankenhaustypologie. Statistik der stationären Betriebe des Gesundheitswesens. Retrieved from Dassen, T., Balzer, K., Bansemir, G., Kühne, P., Sabarowski, R., & Dijkstra, A. (2001). Die Pflegeabhängigkeitsskala, eine methodologische Studie. Pflege, 14, Dijkstra, A., Tiesinga, L. J., Plantinga, L., Veltman, G., & Dassen, T. W. (2005). Diagnostic accuracy of the care dependency scale. Journal of Advanced Nursing, 50(4), Halfens, R. J. G., Meesterberends, E., Meijers, J. M. M., Du Moulin, M. F. M. T., van Nie, N. C., Neyens, J. C. L., et al. (2011). Landelijke Prevalentiemeting Zorgproblemen. Rapportage resultaten Maastricht: Universiteit Maastricht, CAPHRI school for Public Health and Primary care, Department of Health Services Research. Halfens, R. J. G., Meesterberends, E., van Nie-Visser, N. C., Lohrmann, C., Schonherr, S., Meijers, J. M., et al. (2013). International prevalence measurement of care problems: results. Journal of advanced nursing, 69(9), e5-e17. Halfens, R. J. G., Meijers, J. M. M., Neyens, J. C. L., & Schols, J. M. G. A. (2009). Rapportage resultaten, Landelijke Prevalentiemeting, Zorgproblemen. Maastricht: Universiteit Maastricht, CAPHRI school for Public Health and Primary care, Department of Health Services Research. Halfens, R. J. G., Schols, J. M. G. A., Bartholomeyczik, S., Reuter, S., Saxer, S., Lohrmann, C., et al. (2011). International Prevalence measurement of Care Problems (LPZ): At a glance (Vol. 1). Maastricht: Universiteit Maastricht, CAPHRI school for Public Health and Primary care, Department of Health Services Research. Halfens, R. J. G., Van Achterberg, T., & Bal, R. M. (2000). Validity and reliability of the braden scale and the influence of other risk factors: a multi-centre prospective study. [Multicenter Study]. International Journal of Nursing Studies, 37(4),

18 Kuster, B. (2009). Literaturarbeit und Expertinnen/Experten-Bewertung für relevante Qualitätsindikatoren Pflege. Bern: Schweizerische Vereinigung der Pflegedienstleiterinnen und Pflegedienstleiter. Lohrmann, C., Dijkstra, A., & Dassen, T. (2003). The Care Dependency Scale: an assessment instrument for elderly patients in German hospitals. Geriatric Nursing 24(1), Müller, M. (2011). Statistik für die Pflege: Handbuch für Pflegeforschung und -wissenschaft. Bern: Huber. Peters, M., & Passchier, J. (2006). Translating instruments for cross-cultural studies in headache research. Headache, 46(1), Prüfer, C., & Rexroth, M. (2000). Zwei-Phasen - Pretesting. Mannheim: ZUMA. Rabe-Hesketh, S., & Skrondal, A. (2008). Multilevel and Longitudinal Modeling Using Stata. College Station, TX. Schweizerische Akademie der medizinsichen Wissenschaften (SAMW) (2009): Erhebung, Analyse und Veröffentlichung von Daten über die medizinsiche Behandlungsqualität. Empfehlungen der SAMW. Shahian, D. M., & Normand, S. L. (2008). Comparison of "risk-adjusted" hospital outcomes. [Comparative Study, Multicenter Study, Research Support, Non-U.S. Gov't]. Circulation, 117(15), Snijders, T. A. B., & Bosker, R. (2011). Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling (2nd ed.). Thousand Oaks, CA: Sage. The American Nurses Association. (2011). Nursing-Sensitive Indicators. Retrieved Juni 2011, Juni 2011, from ality/research-measurement/the-national-database/nursing-sensitive-indicators_1.aspx van Nie-Visser, N. C., Schols, J. M., Meesterberends, E., Lohrmann, C., Meijers, J. M., & Halfens, R. J. G. (2013). An International prevalence measurement of care problems: study protocol. Journal of advanced nursing, 69(9), e Wang, W. L., Lee, H. L., & Fetzer, S. J. (2006). Challenges and strategies of instrument translation. Western Journal of Nursing Research, 28(3), Wild, D., Grove, A., Martin, M., Eremenco, S., McElroy, S., Verjee-Lorenz, A., et al. (2005). Principles of Good Practice for the Translation and Cultural Adaptation Process for Patient-Reported Outcomes (PRO) Measures: report of the ISPOR Task Force for Translation and Cultural Adaptation. Value Health, 8(2), Willis, G. B. (2005). Cognitive Interviewing. A Tool for Improving Questionnaire Design.. Thousand Oak's; California - London: Sage. 18

19 Impressum Titel Auswertungskonzept ANQ Nationale Prävalenzmessung Sturz / Dekubitus Jahr Dezember 2011/aktualisiert am und Aktualisiert August/September 2012 Autor/innen Projektteam BFH Projektteam HEdS-FR Projektteam SUPSI Statistische Beratung Auftraggeberin vertreten durch Christa Vangelooven, MNS, Wissenschaftliche Mitarbeiterin, Projektleiterin, angewandte Forschung und Entwicklung/Dienstleistung (af&e/d) Pflege T , christa.vangelooven@bfh.ch Prof. Dr. Dirk Richter, Dozent af&e/d Pflege, dirk.richter@bfh.ch Dr. Stefan Kunz, Dozent af&e/d Pflege Prof. Sabine Hahn, PhD, RN, Leiterin Disziplin Pflege, Leiterin af&e/d Pflege, wissenschaftliche Projektverantwortung, sabine.hahn@bfh.ch Prof. Sabine Hahn, PhD, RN Christa Vangelooven, MNS Prof. Dr. Dirk Richter Stefan Kunz, PhD, RN Friederike Thilo, wissenschaftliche Mitarbeiterin af&e/d Pflege Karin Thomas, MscN (c) Sabine Seiler, wissenschaftliche Assistentin af&e/d Pflege Nicole Grossmann, wissenschaftliche Assistentin af&e/d Pflege Dr. Stefan Kunz, Fachdozent, Verantwortlicher Forschungsbereich Performance-Indikatoren, Hochschule für Gesundheit Freiburg/Haute école de santé Fribourg Dr. François Mooser, Dozent FH /Hochschule für Gesundheit Freiburg/ Haute école de santé Fribourg Stefanie Senn, MScN, Dozentin FH/Hochschule für Gesundheit Freiburg/ Haute école de santé Fribourg Susanne Knüppel Lauener, lic. sc. Ed., Dozentin und wissenschaftliche Mitarbeiterin Prof. Andrea Cavicchioli, MScN, Verantwortlicher Forschung und Dienstleistungen, Departement Gesundheit, SUPSI Mauro Realini, lic. Soziologie, Dozent und wissenschaftlicher Mitarbeiter Prof. Dr. Marianne Müller, School of Engineering, Zürcher Hochschule für Angewandte Wissenschaften Nationaler Verein für Qualitätsentwicklung in Spitälern und Kliniken ANQ Regula Heller, MNS, MPH, Leiterin Akutsomatik 19

20 Copyright Nationaler Verein für Qualitätsentwicklung in Spitälern und Kliniken ANQ Geschäftsstelle Thunstrasse 17, Postfach Bern 6 Berner Fachhochschule, Fachbereich Gesundheit Abteilung angewandte Forschung und Entwicklung, Dienstleistung Murtenstrasse 10, 3008 Bern forschung.gesundheit@bfh.ch, Telefon: