Zusammenfassung
Zielsetzung Morbidität und Versorgungsleistungen hängen über
evidenzbasierte Regeln, Patientenpräferenzen und Erfahrungen der medizinischen
Praxis miteinander zusammen, eine „feste Kopplung“ gibt es jedoch nicht. Mit dem
Ziel, ambulante Versorgungsgruppen zu beschreiben, wird ein Verfahren
vorgestellt, das Diagnosen und medizinische Leistungen der umfangreichen
Abrechnungsstatistik aufeinander bezieht.
Material und Methodik Grundlage sind bundesweite Abrechnungsdaten der
ambulanten Versorgung aus dem Jahr 2012. Das Verfahren wird am Beispiel eines
Versorgungsproblems vorgestellt: Patienten mit Entzündungen der ableitenden
Harnwege differenziert nach Alter und Geschlecht. Kontrollgruppe sind Patienten
ohne diese Diagnose. Mit Kenngrößen aus dem Vergleich von Ziel- und
Kontrollgruppe – der positiven Likelihood Ratio und der Breite ihres
Konfidenzintervalls – wird eine Clusteranalyse der Abrechnungsleistungen
durchgeführt. Die Cluster werden als partielle empirische Charakterisierung des
Zusammenhangs von Diagnosen als Morbiditätskriterium mit Leistungen als
Versorgungsindikatoren interpretiert.
Ergebnisse Das Verfahren eliminiert viele unspezifische, wenig
trennscharfe oder quantitativ bedeutungslose Leistungen. Der ermittelte Satz
diagnoseassoziierter Leistungen ist auf das jeweilige Versorgungsproblem
bezogen, bleibt vom Umfang überschaubar (22 bis 71 Leistungen je Gruppe) und
kann durch Variation der Grenzwerte der Kennziffern unterschiedlich eng mit der
Diagnose gekoppelt werden.
Schlussfolgerung Die vorgestellte Analyse fördert Leistungstransparenz und
kann die Weiterentwicklung des Abrechnungssystems mit seinen impliziten
Anreizstrukturen unterstützen. Cluster-Leistungen können Informationen zur
Entwicklung der assoziierten Morbidität beitragen.
Abstract
Aim Morbidity and medical care services are linked by evidence-based
rules, patient preferences, and medical experience, but there is no such thing
as a “strong linkage”. With the aim of describing outpatient care packages, a
procedure is presented that relates diagnoses and medical care services using
outpatient claims data.
Method The basis for this method is a nationwide set of medical claims
data for outpatient care in 2012. The procedure is presented by using a tracer
medical problem: patients with inflammation of the urinary tract differentiated
by age and gender. Patients without this diagnosis are used as a control group.
Key statistics from the comparison of target and control group – the positive
likelihood ratio and the width of the confidence interval – are used in a
cluster analysis. The resulting clusters are interpreted as an empirically
driven characterization of the relationship between morbidity (diagnoses) and
medical performance, expressed as treatment indicators.
Results The presented method eliminates many unspecific, poorly
discrominating, or quantitatively irrelevant medical procedures. The determined
set of diagnosis-associated medical procedures is related to the medical care
problem and remains manageable regarding the number of selected procedures (22
to 71 services per group). The fit and the volume of the set can be changed by
varying the threshold values of the indicators.
Conclusion The presented method is capable of promoting transparency of
medical performance and supporting further development of the accounting system
with its implicit incentives. Cluster information may also contribute to the
assessment of the trends of associated morbidity.
Schlüsselwörter
Versorgungsleistungen - ambulante Versorgungsgruppen - Klassifikationssysteme - Multimorbidität - Clusteranalyse
Key words
Care services - outpatient care groups - classification systems - multimorbidity - cluster analysis
