Messen um zu verbessern Ergebnisindikatoren im Qualitätsmanagement

Transkript

1 Messen um zu verbessern Ergebnisindikatoren im Qualitätsmanagement Th. Mansky, TU Berlin, PlattformQ Salus, Graz

2 Qualitätsdimensionen Medizinisches Ergebnis Prozessqualität Adäquate Strukturen Patientenzufriedenheit Patient reported outcomes Hotelqualität Krankenhäuser sind Multiproduktunternehmen, die Qualität kann nicht für ein ganzes Krankenhaus, sondern nur für einzelne Bereiche beurteilt werden Th. Mansky, Graz

3 Was fragt sich ein Arzt, wenn er betroffen ist? Erfahrung (=Menge) Renommée Ausstattung (=strukturelle Voraussetzungen) (Ergebnis, wenn bekannt) Th. Mansky, Graz

4 Problem Messung Medizinische Ergebnisse und Prozesskennzahlen sind insbesondere bei Selbstreporting manipulationsgefährdet ( Wer schreibt, der bleibt ) Administrative Routinedaten sind, wenn harte Endpunkte gewählt werden, belastbarer gilt z.b. für die Sterblichkeit aber auch für Langzeitergebnisse (Wiederaufnahmen zur Revision / Reoperation oder Rezidivbehandlung) Th. Mansky, Graz

5 Messproblem: Risikoadjustierung Dilemma: In administrativen Routinedaten sind nicht alle für die Risikoadjustierung wünschenswerten Parameter enthalten Dieses Problem ließe sich aber oft durch Erweiterung der Kodierschlüssel reduzieren In klinischen Erhebungsdaten können mehr Risikofaktoren berücksichtigt werden, aber der Erfassungsaufwand steigt und die Manipulationssicherheit sinkt (z.b. Transplantationsskandal in Deutschland) Langzeitergebnisse lassen sich in der Praxis in größerem Umfang nur über Routinedaten messen, da sonst der Erfassungsaufwand unverhältnismäßig groß wird Th. Mansky, Graz

6 Messproblem: Statistische Nachweisgrenze Für viele Krankheitsbilder gibt es eine Volume/outcome- Beziehung hinsichtlich der Ergebnisse In der Summe sind Anbieter mit niedrigen Fallzahlen nachweislich schlechter als high-volume Kliniken Problem: Dies lässt sich zwar in summarischen Untersuchungen nachweisen, der Nachweis scheitert aber gerade bei diesen Anbietern in Einzelkliniken wegen der statistischen Nachweisgrenze Th. Mansky, Graz

7 Basis: DRG-Daten 2006 bis 2011 (insgesamt über 100 Mio. Fälle) z.b.: 1,27 Mio. Herzinfarkte Nimptsch / Peschke / Mansky noch nicht publiziert Th. Mansky, Graz

8 Statistische Nachweisgrenzen Th. Mansky, Graz

9 Funnel Plots Th. Mansky, Graz

10 Indikatoren aus Routinedaten für das Qualitätsmanagement (G-IQI) Indikatoren wie G-IQI / CH-IQI / A-IQI eignen sich nicht, um eine absolute Wahrheit zu finden Als Mittel der Selbstkontrolle eignen sie sich aber insbesondere zusammen mit M&M-Konferenzen und Peer Reviews hervorragend als Aufgreifindikatoren, um mögliche Probleme zu identifizieren Wenn im Peer Review (oder M&M) Probleme aufgedeckt werden, erübrigt sich die Frage nach statistischer Signifikanz und Risikoadjustierung Gerade Anbieter mit kleiner Fallzahl sollten Abweichungen nach oben ernst nehmen sie können Zufall sein, aber es gibt zumindest einen Anfangsverdacht auf Qualitätsprobleme! Bei sehr kleinen Fallzahlen stellt sich aber auch die Frage nach der Sinnhaftigkeit und auch Wirtschaftlichkeit des Angebots Th. Mansky, Graz

11 Was tun bei Abweichungen? Nicht die Zahlen diskutieren, sondern die eigenen Behandlungsverfahren auf Korrektheit prüfen In der Regel lassen sich Schwachstellen finden (Einhaltung Leitlinien, Organisation usw.) (statistische Signifikanz ist dann irrelevant) Die Beseitigung der Schwachstellen führt in der Regel zu Verbesserungen bei Kliniken, die vorher unterdurchschnittliche Werte hatten Th. Mansky, Graz

12 Th. Mansky, Graz

13 Th. Mansky, Graz

14 Weiterentwicklung G-IQI Da es nicht nur auf die Ergebnisse ankommt, entwickeln wir derzeit Bewertungskennzahlen, die die relative Position des Krankenhauses hinsichtlich Angebotsbreite, Menge und Ergebnis im Vergleich zum Bundesdurchschnitt transparent machen sollen Kann hier aus Zeitgründen nicht erörtert werden Th. Mansky, Graz

15 Nutzung von Indikatoren in der Vergütung Worauf kommt es den CMS an? Th. Mansky, Graz

16 Nutzung von Indikatoren für P4P / VBP Die CMS nutzen seit 2012 Qualitätsindikatoren für ihr Value Based Purchasing -Programm Es wird ein aggregierter Qualitätsscore berechnet Damit werden viele Messunsicherheiten bei Einzelindikatoren zumindest abgeschwächt f&w 4/2015 Th. Mansky, Graz

17 Vergütungsprinzip VBP DRG-Ausgangsbudget - 2 % abgesenktes DRG-Budget VBP-Punkte Th. Mansky, Graz

18 CMS Value Based Purchasing: Gewichtungsanteil je Bewertungsdimension 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% FY 2013 FY 2014 FY 2015 FY 2016 FY 2017 Prozessqualität Effizienz Patientenbefragung Ergebnisqualität Th. Mansky, Graz

19 Indikatorenbewertung bei Medicare Prinzipiell Bewertung jedes Einzelindikators über 2 Achsen: 1. Exzellenz: Bewertet wird, ob und um wieviel ein Krankenhaus über dem bundesweiten Medianwert des Indikators liegt 2. Individuelle Verbesserung: Bewertet wird, ob und um wieviel sich ein Krankenhaus gegenüber seinem eigenen Vorperiodenwert verbessert hat Dadurch Verbesserungsanreize sowohl für gute wie auch für unterdurchschnittliche Kliniken Th. Mansky, Graz

20 Th. Mansky, Graz Quelle: CMS

21 Th. Mansky, Graz Seite 21

22 Probleme der Versorgungsstruktur in Deutschland Th. Mansky, Graz Seite 22

23 Versorgungsstrukturen in Deutschland Beispiel Herzinfarkt Im Jahr 2013 behandelte ¼ der deutschen Kliniken 39 oder weniger Infarkte pro Jahr oberes Quartil: 260 und mehr, 95% Perzentile: 595 Im unteren Quartil ist die Einrichtung eines Linksherzkatheterplatzes medizinisch und wirtschaftlich sicher nicht sinnvoll In Deutschland erhielten 2012 im Mittel nur knapp 69% der Infarktpatienten einen LHK (53% mit PCI) Wir haben dies genauer nach Fallzahlquintilen untersucht Th. Mansky, Graz

24 Strukturprobleme Es gibt in Deutschland in den städtischen Bereichen zu viele nichtspezialisierte kleine Kliniken, die nicht benötigt werden Die medizinisch-technische Entwicklung hat diese sog. Grundversorger an dieser Stelle überholt Medizin des 21. Jahrhunderts in den Strukturen des mittleren 20. Jahrhunderts Es fehlt der politische Mut und der Wille, diese Strukturen zu bereinigen ( Griechenland-Syndrom ) bzw. Patientenströme zu lenken Für wichtige Krankheitsbilder: Es gibt seit 2004 eine Mindestmengenregelung für wichtige Krankheitsbilder, diese wird aber nicht durchgesetzt Th. Mansky, Graz

25 Th. Mansky, Graz

26 Sterblichkeit bei Nichteinhaltung Mindestmengen Th. Mansky, Graz

27 Last but not least: Was wollen die Patienten? Th. Mansky, Graz

28 Patientenerwartungen hinsichtlich Qualität Befragung von Personen Mit Bertelsmann-Stiftung und Barmer Bertelsmann Gesundheitsmonitor 2012 Th. Mansky, Graz

29 Th. Mansky, Graz

30 Th. Mansky, Graz

31 Th. Mansky, Graz

32 Th. Mansky, Graz

33 Th. Mansky, Graz

34 Th. Mansky, Graz

35 Th. Mansky, Graz

36 FAZIT Die medizinische Ergebnisqualität ist wichtig, sowohl aus professioneller als auch aus Patientensicht Die Messungen eignen sich auf jeden Fall für das Qualitätsmanagement (Aufgreifkriterien für Peer Reviews!), müssen aber bei Krankenhausvergleichen mit Umsicht interpretiert werden Dennoch werden sie auch jetzt schon aggregiert als Anreizsystem für Vergütungszwecke eingesetzt Bei kleinen Fallzahlen ergeben sich mathematische Limitationen und damit nicht überwindbare Nachweisprobleme Daher müssen Qualitätsmessungen durch Mindestfallzahlen und eine medizinisch sinnvolle Steuerung der Versorgungsstruktur ergänzt werden Th. Mansky, Graz