Nutzung von Routinedaten für die Qualitätssicherung in der Kardiologie

Transkript

1 Nutzung von Routinedaten für die Qualitätssicherung in der Kardiologie Bund-Land-Konferenz Kardiologie 2011 Frankfurt, 17. November 2011 Priv.-Doz. Dr. med. Günther Heller AQUA-Institut für angewandte Qualitätsförderung und Forschung im Gesundheitswesen, Göttingen,

2 Übersicht Was sind Routinedaten? Vor- und Nachteile von Routinedaten Routinedatenbasierte Qualitätsanalysen in Deutschland (Nutzung von Routinedaten im sektorenübergreifenden Verfahren PTCA) Zusammenfassung

3 Was sind (GKV-) Routinedaten? Abrechungsdaten von Leistungserbringern an Krankenkassen übermittelt DRG-Daten, Verordnungsdaten, Daten der Ambulanten Versorgung: ICD, OPS, EBM,.. Personenbezug Mitgliederbestandsdaten der Krankenkassen (Versicherten / Mitgliedsstatusstatus, Überleben / Versicherte Intervall, Pflegestufe, DMP-Teilnahme, etc.) Bsp. Mortalität: Schätzung AQUA für BMG / G-BA: Alleine die Verwendung von Mortalitäts-Follow-up Indikatoren im Rahmen der Qualitätssicherung nach 137 SGBV wird zeitnah eine zusätzliche Dokumentation und Recherche des Überlebens/Sterbens von mehreren Fällen und mutmaßlich zeitnah Follow-up Informationen von mehr als 1 Million Fällen erforderlich machen Statistische / Aggregierte Daten die für best. Zwecke erstellt werden

4 Vor- und Nachteile von Routinedaten? Geringer Erhebungsaufwand / Keine Doppeldokumentation (Bürokratieabbau) Keine Divergenz Abrechnung / QS-Dokumentation (Dokumentation einer Komplikation für Abrechnung, aber nicht in der QS) Validität der Daten? Vollständigkeit der Daten (Ggf.) individueller Bezug und Langzeitbeobachtung Sinnvolle Indikatoren der Ergebnisqualität (insbesondere wenn Follow-up) Für anderen Zweck (Abrechnung) erstellt Ggf. nur eingeschränkt für Qualitätsaussagen nutzbar / nur ausgewählte Sachverhalte auswertbar sind

5 in Deutschland (G-IQI, IQM) Datenbasis: 21er Daten Risikoadjustierte Mortalität (Alter und Geschlecht) für Patienten mit akutem Myokardinfarkt und Herzinsuffizienz

6 in Deutschland (G-IQI, IQM) Risikoadjustierte Mortalität (Alter und Geschlecht) für akuter Myokardinfarkt Mansky et al (+/- Zuverlegungen, +/- Transmural)

7 in Deutschland (G-IQI, IQM) Linksherzkatheter (+/- Herzinfarkt, +/- Herzop +/- komplizierende Diagnose: Mengenninformation, Sterblichkeit) Herzrhythmusstörungen (HD, Mengeninformation) Versorgung mit Schrittmacher oder Implantierbarem Defibrillator (Mengeninformation) Ablative Therapie (katheter / chirurgisch: Mengeninformation) Freiwilliges Benchmarking / Peer Review / Veröffentlichung an Hand der Qualitätsindikatoren auf Basis von DRG-Daten Tiefe der Qualitätsanalyse und der Risikoadjustierung wird kontrovers diskutiert

8 in Deutschland (QSR) Datenbasis 301-Daten (AOK) mit Follow-up Kardiologische Tracer Herzinfarkt (HD) Herzinsuffizienz (HD) Linksherzkatheter (In Entwicklung)

9 in Deutschland (QSR) Qualitätsendpunkte Herzinfarkt (HD): Mortalität im Follow-up (30-Tage, 90 Tage, 1 Jahr) Herzinsuffizienz (HD) Mortalität im Follow-up (30-Tage, 90 Tage, 1 Jahr) Linksherzkatheter (In Entwicklung) Mortalität im Follow-up, Spezifische Wiederaufnahmen (MACE?)

10 QSR Heller 2008

11 in Deutschland (QSR) Qualitätsendpunkte Herzinfarkt (HD) Mortalität im Follow-up (30-Tage, 90 Tage, 1 Jahr) Herzinsuffizienz (HD) Mortalität im Follow-up (30-Tage, 90 Tage, 1 Jahr) Linksherzkatheter (In Entwicklung) Mortalität im Follow-up, Spezifische Wiederaufnahmen (MACE?)

12 in Deutschland (QSR) Risikoadjustierung Warum Risikoadjustierung? Unterschiedlich kranke Populationen (case mix) in den untersuchten Kliniken sollen ausgeglichen werden Ziel der Risikoadjustierung fairer Krankenhausvergleich Endpunkt: Mortalität: Verwendete Informationen Alter, Geschlecht, Begleiterkrankungen (relevante mutmaßlich vorbestehende Haupt- und Nebendiagnosen, ausgewählte Prozeduren) Hypertonus, Diabetes, VHF, Herzinsuffizienz, KHK, Neoplasie, Metastasen,... Nicht Pneumonie (nur als Endpunkt für elektive Tracer) kardiogener Schock?

13 in Deutschland (QSR) Risikoadjustierung: Verwendete Informationen

14 Routinedatenbasierte Qualitätsanalysen in Deutschland (QSR) Sensitivity Logistische Regression: 30-Tage-Sterblichkeit nach AMI, AOK-Patienten (Heller: BHIR 2007) Receiver Operator Characteristic (ROC) Specificity Area under ROC curve =

15 in Deutschland (QSR) Logistische Regression: 30-Tage-Sterblichkeit nach AMI, AOK-Patienten (Heller: BHIR 2007) Hosmer-Lemeshow-Test Observed vs. estimated deaths Observed Estimated ,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0% 70,0%

16 SMR (95% KI) Routinedatenbasierte Qualitätsanalysen in Deutschland (QSR) Berechnung Klinikspezifischer Ergebnisse: Standardisiertes Mortalitäts- Ratio (SMR = O / E) SMR 90-Tage-Sterblichkeit nach AMI, AOK Patienten , , , ,5 4 1 Heller: BHIR2007 0, Kliniken sortiert nach SMR

17 in Deutschland (QSR) Gutes bis sehr gutes Prognose-Modell für Sterblichkeit bei AMI auf der Basis von Routinedaten Zusätzliche Voraussetzungen für Risikoadjustierungsmodell Homogene Kodierung der RA-Variablen in Abrechnungsdaten? (Heller & Schnell JAMA 2007) Liegen die RA-Variablen bereits bei Aufnahme vor und dürfen damit als Risikoadjustierungsvariablen verwenden werden? Present on Admission Indikator (POA) (Antrag WIDO / IQM beim DIMDI)

18 Falls POA für relevante RA-Variablen eingeführt (e.g. Schock, + AMI wann aufgetreten ) Gutes RA-Modell für stationäre Behandlung von AMI auf Basis von RD zu erwarten, welches sämtliche Behandlungsformen des AMI beinhaltet

19 - Perspektiven - Vorschlag: PCI / Koronarchirurgie in ein diagnosebezogenes Verfahren Herzinfarkt zu überführen. Nutzung von stationären Abrechnungsdaten (InEK) für alle existierenden Verfahren Ziel: empirisch basierte Beurteilung welche Informationen aus Routinedaten sich für die Verwendung in der Qualitätssicherung eignen

20 Zusammenfassung Was sind Routinedaten? Vor- und Nachteile von Routinedaten Routinedatenbasierte Qualitätsanalysen in Deutschland (IQM, QSR) Probleme / Lösungsmöglichkeiten Risikoadjustierung mit RD Perspektiven Nutzung RD durch AQUA