Über-, Unter- und Fehlversorgung in der Allgemeinmedizin

Größe: px

Ab Seite anzeigen:

Download "Über-, Unter- und Fehlversorgung in der Allgemeinmedizin"

Erica Bäcker
vor 6 Jahren
Abrufe

1 Über-, Unter- und Fehlversorgung in der Allgemeinmedizin Andreas Sönnichsen Institut für Allgemein-, Familien- und Präventivmedizin Paracelsus Medizinische Privatuniversität, Salzburg

2 Medikamente, ein Segen? Millionen Packungen Medikamente in Österreich pro Jahr 1 Million 25 2 Adverse Drug Events preventable ADEs Die Prävalenz unerwünschter Arzneimittelwirkungen liegt bei 12.8% % dieser UAW wären vermeidbar Austrian Health Report. ÖBIG 21 2 Taché S, et al. Prevalence of adverse drug events in ambulatory care: a systematic review (in press)

3 Medikamente, ein Segen? 2.2 Millionen Spitalsaufnahmen pro Jahr in Österreich, davon.9 Millionen akut und ungeplant 1 Hospitalisation due to ADE x Hospitalisation due to pade 5.6% akuter Spitalsaufnahmen sind auf UAW zurückzuführen % dieser Spitalsaufnahmen wären vermeidbar 2 1 Austrian Health Report. ÖBIG 21 2 Leendertse et al. Frequency of Preventable ADE-related Hospital Admissions in the Netherl. Arch Int Med 28

4 Medikamente, ein Segen? 25 unnötige Spitalsaufnahmen im Jahr Mio Cost of unneccessary hospitalisation due to ADE Durchschnittliche stationäre Behandlungszeit: 9 Tage 1 Durchschnittliche Kosten pro Tag: Austrian Health Report. ÖBIG 21

5 Medikationsfehler bei der stationären Aufnahme internistischer Patienten 543 konsekutive Patienten, Einnahme % von durchschnittlich 7.5 Substanzen unnecessary medication inappropriate for the elderly double medication wrong dosis possibly dangerous interaction adverse drug events hospitalisation due to ADE Schuler et al WKlinWo 28; 12:733

6 Ursachen für medikamentöse Über- und Fehlversorgungversorgung Disease-Mongering unkritische, nicht evidenzbasierte Verschreibung Überbewertung von Medikamentenwirkungen aufgrund (gezielter) Fehlinformation Unkritische Einnahme von OTC- Medikamenten

7 Disease Mongering Screenen wir die Bevölkerung krank? Beispiel Depression

8 Prävalenz psychiatrischer Störungen in Europa Diagnose (CIDI 1, SCAN 2 ) Abhängigkeitssyndrome Psychosen Depression Bipolare Affektive Störungen Angststörungen Somatoforme Störungen Ess-Störungen Mindestens eine psychiatrische Erkrankung 1 Composite international diagnostic interview 2 Schedules for clinical assessment in neuropsychiatry Prävalenz in % (Median, 12 Monate) 2,9,8 6,9,9 14,2 6,3,4 27,4 Wittchen et al., EurJNeuropharmacol 25;15:357

9 Prävalenz von Patienten mit psychiatrischen Störungen in der Allgemeinpraxis Diagnose Abhängigkeitssyndrome Somatoforme Störungen Affektive Störungen Angststörungen Alle Störungen Keine Störung Prävalenz nach PHQ* in % 1,9 11,3 16,5 13,5 34,1 65,9 Vom Allgemeinarzt erkannt in % 36,3 4,3 6,3 69,3 45,1 79,7 * Patient Health Questionaire Norton et al. Gen Hosp Psych 27;29:285

10 Behandlungsanlässe in der Allgemeinpraxis Grippale Symptome 27,1 WS- und Gelenkbeschwerden 12,5 Gastrointestinale Beschwerden 1,4 Beschwerden in den Beinen 9,2 Psychische/psychiatrische Symptome 12,8 Neurologische Beschwerden 8,4 Verletzungen 11,6 Allergische Symptome 2,1 Brustschmerzen 4,1 Sonstige Behandlungsanlässe 14,8 N=334, eigene Daten, 27

11 Einsatz des CIDI, CIDI-Auto, CIDI-SF Bevölkerungsscreening (= Wittchen-Studie!) Sensitivität: ca. 7%; Spezifität ca. 9%; Validierung mit SCAN* (Wittkampf et al. Gen Hosp Psych 27;29:388) Krank Gesund Summe n Prädiktiver Wert CIDI positiv % CIDI negativ % Summe n *SCAN = Schedules for Clinical Assessment in Neuropsychiatry Komiti et al. AustrNZJPsych 21;35:224

12 Einsatz des PHQ-9, Szenario 1: Bevölkerungsscreening Sensitivität: 8%; Spezifität 92%; Validierung mit SCID* (Wittkampf et al. Gen Hosp Psych 27;29:388) Krank Gesund Summe n Prädiktiver Wert PHQ-9 positiv % PHQ-9 negativ % Summe n * Structured clinical interview for DSM-IV disorders

13 Einsatz des PHQ-9, Szenario 2: Screening in der Allgemeinpraxis Sensitivität: 8%; Spezifität 92%; Validierung mit SCID (Wittkampf et al. Gen Hosp Psych 27;29:388) Krank Gesund Summe n Prädiktiver Wert PHQ-9 positiv % PHQ-9 negativ % Summe n Präval. 11,7%

14 Disease Mongering Wir haben die höchste Lebenserwartung und die höchste Lebensqualität, die Menschen auf dieser Erde jemals hatten... aber...

15 Disease Mongering Alle diese Erkrankungen nehmen rasant zu: Adipositas Metabolisches Syndrom Depressionen ADHS Osteoporose Allergien u.s.w.

16 Überschätzung von Medikamenteneffekten Evidence based Medicine oder Industry based Medicine? Beispiel Antidepressiva

17 Überschätzung von Medikamenteneffekten Zulassungsstudien für verschiedene Antidepressiva (v.a. SSRI) FDA-eingereicht publiziert Turner et al. NEJM 28, 3583:252

18 Überschätzung von Medikamenteneffekten Zulassungsstudien für verschiedene Antidepressiva Zahl der Studien davon positiv 2 1 FDA publiziert Turner et al. NEJM 28, 3583:252

19 Überschätzung von Medikamenteneffekten Publizierte Daten versus FDA-Daten Überschätzung des Effekts in % Bupropion Citalopram Duloxetin Escitalopram Fluoxetin Mirtazapin Nefazodon Paroxetin Sertralin Venlafaxin Alle Turner et al. NEJM 28, 3583:252

20 Überschätzung von Medikamenteneffekten Responder-Rate bei Major-Depression in % Johannis Trizykl. Johannis SSRI Plazebo Antidepr. 5 RCTs 12 RCTs 12 RCTs Linde et al. Cochrane Review 28: 4

21 Unterschätzung von Nebenwirkungen Therapieabbruch wegen Nebenwirkungen in % Johannis Trizykl Johannis SSRI 5 RCTs 12 RCTs Linde et al. Cochrane Review 28: 4

22 Über- oder Unterversorgung? Prävalenz der Antidepressiva-Einnahme % Gesamt < 75 J. > 75 J. Petty et al. Age Ageing 26; 35: 523

23 Überschätzung von Medikamenteneffekten Evidence based Medicine oder Industry based Medicine? Beispiel Glitazone

24 Überschätzung von Medikamenteneffekten ProActive-Studie: Wirkung von Pioglitazon n.s. n.s. p <,5 RRR sek. Endpunkt = 16% ARR = 2,%, NNT = 5 Intervention Kontrolle Prim. comp. Endp. Mort. Sekund. comp. Endp. Dormandy et al.: Lancet 25; 366: 1279

25 Unterschätzung von Nebenwirkungen ProActive-Studie: Sicherheit von Pioglitazon 12 p <,1 1 RRZ Hospitalisierung = 5% ARZ = 2,%, NNH = 5 8 p <,1 6 Intervention 4 Kontrolle 2 Hospitalisierung wg. dekomp. Herzinsuff Herzinsuffizienz gesamt Dormandy et al.: Lancet 25; 366: 1279

26 Übertherapie zum Schaden des Patienten ACCORD-Studie: Abbruch wegen Übersterblichkeit in der Intensive Treatment Gruppe % p <,5 % p <, Mortalität RRZ Mortalität = 25% ARZ = 1,%, NNH = 1 Interv. Kontr Glitazontherapie ACCORD-Study Group: NEJM 28; 358: 2545

27 Über- oder Unterversorgung? Zu viel und doch zu wenig Beispiel Diabetes mellitus Typ 2

28 Über- oder Unterversorgung? Orale antidiabetische Medikation bei 1489 Typ 2 Diabetikern % Metformin SH Glitazone Glinide Glukosid.- Hemmer DPP4- Hemmer Eigene Daten, 27

29 Unterversorgung beim Typ 2 Diabetes Typ 2 Diabetiker ohne Metformin (n=1489) % Alle HbA1c>7,5% ohne KI Eigene Daten 21

30 Unterversorgung beim Typ 2 Diabetes % Typ 2 Diabetiker ohne Behandlung (n=1489) Hypertonie kardio-vask.-erkr. HbA1c > 7,5% ohne ohne Statin ohne Antidiabetika Antihypertensivum Eigene Daten 21

31 Verbesserung der Versorgung durch Disease Management % p <,1* p <,1* p <,1* Schulung Augenunters. HbA1c-Kontrolle p <,1* DMP Therapie aktiv Kontrolle * X² Test

32 Über- oder Unterversorgung? Zu viel und doch zu wenig Beispiel präoperative Diagnostik

33 Unnötige präoperative Untersuchungen Prozentanteil der Patienten, die präoperativ unnötigerweise untersucht wurden Prozentanteil bezogen auf jeweilige Untersuchung Blutbild Elektrolyte Gerinnung EKG Leberwerte Thoraxröntgen eigene Daten 21

34 Leitlinienkonformität nach Einführung des Decision Support Tools PROP % Leitlinienkonformität vor PROP PROP HA PROP Klinik eigene Daten 21

35 Thema: Medizin ohne Ende 24. und 25. April 29

Ähnliche Dokumente

Evidenzbasierte Medizin und electronic Decision Support

e-health KIS electronic Decision Support Grenzen und Möglichkeiten Evidenzbasierte Medizin und electronic Decision Support Wird der Computer zum Arzt? A. Sönnichsen Institut für Allgemein-, Familien- und