[Zurück zur Trefferliste]

QS-AMI - Beurteilung der Qualität der stationären Versorgung von Herzinfarktpatienten in Berlin auf der Basis von Routinedaten (AOK Nordost) und Daten des Berliner Herzinfarktregisters (BHIR)

 

Projektkennung VfD_QS-AMI_12_001556
Laufzeit von 02/2012 bis 01/2015
Webseitehttp://www.herzinfarktregister.de
Status des Projekts abgeschlossen
GesamtprojektBerliner Herzinfarktregister e.V.
ProjektkuerzelBHIR

 

Projektbeschreibung

Fragestellung(en) Da Primärdatenerhebungen zur Qualitätssicherung auf Dauer nur mit Mühe finanzierbar sind, werden Routinedaten immer häufiger zur Qualitätssicherung eingesetzt, ohne dass ihre Validität dafür überprüft wurde. Die Studie geht der Frage nach, wie und unter welchen Bedingungen ein Routinedatensatz für eine bestimmte Patientenpopulation mit einem Primärdatensatz, in dem die Daten primär zum Zweck der Qualitätssicherung erhoben wurden, vergleichbar ist.
Hintergrund / Ziele Die Erhebung von Primärdaten zur Beurteilung der Qualität der Versorgung stellt zwar nach wie vor den Goldstandard dar, wird aber als teuer und aufwendig angesehen, wenn zuverlässige und valide Aussagen über große Patientenkollektive und über verschiedene Erkrankungen getroffen werden sollen. In der neueren Diskussion wird deshalb gefordert, zur Beurteilung der Qualität der Versorgung auf existierende Routinedatensätze der Krankenkassen zurückzugreifen, um die Kosten und den Aufwand, die bei der Primärdatenerhebung entstehen, zu reduzieren.
Methodik In der Studie werden die Daten der bei der AOK Nordost versicherten Berliner Herzinfarktpatientinnen und -patienten mit den Daten aus dem Berliner Herzinfarktregister (Register zur Qualitätssicherung) verglichen.
Dazu werden
(1) in einem ersten Schritt beide Datensätze beschrieben und getrennt analysiert (deskriptiv, logistische Regressionsanalyse).
(2) im zweiten Schritt diejenigen Patienten zusammengeführt, bei denen davon auszugehen ist, dass es sich bei demselben Aufnahmedatum und derselben Aufnahmeuhrzeit, sowie demselben Alter und Geschlecht um identische Patienten handelt, die in beiden Datensätzen registriert sind.
(3) im dritten Schritt die Daten für diese „zusammengeführten“ Patienten verglichen, das Maß der Übereinstimmung (Kappa Koeffizient) wird bestimmt und eine Analyse des Mismatch wird erstellt, um die dem Mismatch zugrunde liegen Mechanismen besser verstehen und den resultierenden Einfluss auf ein prädiktives Modell besser bestimmen zu können.
(4) im vierten Schritt die Daten für die „zusammengeführten“ Patienten in einem neuen Datensatz vereinigt und gemeinsam analysiert (deskriptiv, logistische Regression, Kaplan-Meier, Cox Regression).
Datenbasis Primärdaten
   durch ÄrztInnen ausgefüllte Erhebungsbögen  (Stichprobengröße: 8.000)
Sekundärdaten
   Krankenkassen - GKV  (Stichprobengröße: 8.000)
Studiendesign Beobachtungsstudie
Untersuchte Geschlechter weiblich und männlich
Untersuchte Altersgruppen nicht untersucht
Ergebnisse Im Vergleich der AOK mit den BHIR Daten zeigte sich, dass

1. einzelne Variablen übereinstimmten und zur Beurteilung der Qualität der Versorgung eingesetzt werden können bei ST-Streckenhebungsinfarkt, klar definierten Inhalte (Bsp. Katheterintervention oder Diabetes), harten Outcomeparametern (Bsp. Krankenhaussterblichkeit).

2. manche Variablen nicht übereinstimmten und nur mit Vorsicht zur Beurteilung der Qualität der Versorgung eingesetzt werden können, so z.B. nicht abrechnungsrelevante Risikofaktoren (Rauchen), Variablen zu „Patientenkarrieren“ über die Zeit (Z.n. Infarkt), Variablen ohne Angabe zu „Begleiterkrankung schon bei Aufnahme präsent“ (Herzinsuffizienz)

3. manche wichtigen Prozess- und Outcomevariablen nur in einem Datensatz vorhanden sind und nach Record Linkage im anderen ergänzt werden können, als Beispiel Medikation bei Entlassung im BHIR oder Medikation 2 Quartale nach Entlassung bei AOK oder Versorgungszeiten nur beim BHIR oder Langzeitüberleben nur bei AOK.

4. das Verfahren des deterministischen Record Linkage für unsere pseudonymisierten Datensätze bei den untersuchten Fallzahlen mit Regionalbezug erfolgreich (Record Linkage gelang für 79% der geschätzten Zahl) war und neue Erkenntnisse bringen kann, d.h. auch dass unter Hinzuziehung von Daten weiterer Kassen ein repräsentativer Datensatz zur Abbildung der Qualität der Versorgung für Berlin erstellt werden könnte.

5. ein Vergleich der Qualität der Versorgung in verschiedenen Kliniken auch mit Routinedaten durchgeführt werden kann, wenn robuste Shrinkage-Schätzer verwandt werden, die auch bei Erfassungsfehlern in den Kovariaten nur geringfügige Abweichungen zulassen und mit Routinedaten genügend erfolgreich waren, um selbst unterhalb der Signifikanzschwelle die relativ besten und schlechtesten Kliniken zu identifizieren.

Forschende und kooperierende Einrichtungen

Projektverantwortliche

Förderung

Veröffentlichungen

Schlagwörter

 

Stand: 10.02.2016