Can Routine Data be used to Determine the Target Population of
                    Patients with Type 2 Diabetes in Early Benefit Assessments in
                    Germany?

Corinna ten Thoren; Anja Schwalm; Sarah Mostardt; Dietmar Weber; Peter Ihle; Lutz Altenhofen

doi:10.1055/a-0948-5301

CC BY-NC-ND 4.0 · Gesundheitswesen 2020; 82(S 01): S13-S19
DOI: 10.1055/a-0948-5301

Original Article

Can Routine Data be used to Determine the Target Population of Patients with Type 2 Diabetes in Early Benefit Assessments in Germany?

Können Routinedaten zur Bestimmung der Zielpopulation in der Indikation Diabetes mellitus Typ 2 in frühen Nutzenbewertungen in Deutschland genutzt werden?

Corinna ten Thoren

¹Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen IQWiG, Gesundheitsökonomie, Köln, Germany

,

Anja Schwalm

¹Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen IQWiG, Gesundheitsökonomie, Köln, Germany

,

Sarah Mostardt

¹Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen IQWiG, Gesundheitsökonomie, Köln, Germany

,

Dietmar Weber

²Diabetologische Schwerpunktpraxis, Köln, Germany

,

Peter Ihle

³PMV Forschungsgruppe, Klinik und Poliklinik für Psychiatrie, Psychosomatik und Psychotherapie des Kindes- und Jugendalters des Universitätsklinikums Köln, Germany

,

Lutz Altenhofen

¹Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen IQWiG, Gesundheitsökonomie, Köln, Germany

› Author Affiliations

Abstract

Objectives Since 2011, early benefit assessment of all new drugs launched in Germany is mandatory. The exact determination of the appropriate target population (i. e. patients eligible for a drug) plays an important role for subsequent price negotiations. In type 2 diabetes, the size of the target population varies considerably between company dossiers submitted for assessment. Our aim was to explore whether routine data from all persons insured in German statutory health insurance (SHI) funds can be used to derive information on the size of the target population with type 2 diabetes.

Methods We explored how the data available at the German Institute of Medical Documentation and Information (DIMDI) can be used to obtain the information required. A data-based concept was chosen and the selection criteria were developed in a multidisciplinary project group. Before finalizing the database query, the criteria were evaluated in a test database and the database query was then repeatedly modified.

Results At the time of the design of our analysis in 2017, the most recent data available at DIMDI were for 2013. The algorithm we developed for identifying patients with type 2 diabetes and classifying them according to their medication, based primarily on the combination of ICD and ATC codes, enabled us to determine the size of target populations for different indications in diabetes mellitus type 2.

Conclusion Our methodological approach seems to be suitable to determine target populations in type 2 diabetes.

Zusammenfassung

Einleitung Seit 2011 durchlaufen in Deutschland alle neu zugelassenen Arzneimittel die frühe Nutzenbewertung. Pharmazeutische Unternehmen reichen ein Dossier beim Gemeinsamen Bundesausschuss G-BA ein, der das Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG) mit dessen Bewertung beauftragen kann. Die Bestimmung der Zielpopulation (d. h. der Anzahl der Patientinnen und Patienten, für die ein Arzneimittel infrage kommt) ist u. a. bedeutend für die nachfolgenden Preisverhandlungen. Bei neu zugelassenen Arzneimitteln in der Indikation Diabetes mellitus Typ 2 variiert die Größe der Zielpopulation beträchtlich zwischen den Dossiers. Ziel dieses Projekts war zu untersuchen, ob Routinedaten dafür geeignet sind, den Umfang von Zielpopulationen in der Indikation Diabetes mellitus Typ 2 zu bestimmen.

Methodik Als Datenbasis wurde der Datensatz des Deutschen Instituts für Medizinische Information und Dokumentation (DIMDI) gewählt, da dieser Routinedaten aller gesetzlichen Krankenversicherungen in Deutschland umfasst. Die Entwicklung der Einschlusskriterien erfolgte durch ein interdisziplinäres Projektteam. Dabei wurde ein datenbasiertes Vorgehen verfolgt: Bei der Entwicklung des Abfrageskripts wurden Einschlusskriterien an einer Testdatenbank wiederholt geprüft und angepasst.

Ergebnisse Die Datenbankabfrage beim DIMDI bezog sich auf Daten des Jahres 2013, da diese zum Zeitpunkt der Entwicklung des Abfrageskripts im Jahr 2017 den aktuellsten Datenstand des DIMDI darstellten. Es wurde durch Kombination von ICD- und ATC-Codes ein differenzierter Algorithmus entwickelt, um Patientinnen und Patienten mit Diabetes Typ 2 zu identifizieren und entsprechend der verordneten antidiabetischen Arzneimittel in Anwendungsgebiete zu klassifizieren.

Diskussion Der gewählte methodische Ansatz ermöglichte es, den Umfang von Zielpopulationen für verschiedene Anwendungsgebiete in der Indikation Diabetes mellitus Typ 2 zu bestimmen.

Key words

Routine data - DIMDI - type 2 diabetes - early benefit assessment - target population

Schlüsselwörter

Routinedaten - DIMDI - Diabetes mellitus Typ 2 - frühe Nutzenbewertung - Zielpopulation

Full Text

References

References
1 Bundesministerium für Gesundheit . Gesetz zur Neuordnung des Arzneimittelmarktes in der gesetzlichen Krankenversicherung (Arzneimittelmarktneuordnungsgesetz – AMNOG). Bundesgesetzblatt Teil 1 2010; 2010: 2262-2277
2 Ten Thoren C, Mostardt S, Schwalm A. et al. Auf der Suche nach der unbekannten Zahl: Bestimmung der Patientenpopulation für die frühe Nutzenbewertung am Beispiel Diabetes mellitus Typ 2. Gesundheitökonomie und Qualitätsmanagement 2017; 22: 35-42
3 Gabrys L, Heidemann C, Schmidt C. et al. Diabetes-Surveillance in Deutschland: Auswahl und Definition von Indikatoren. Journal of Health Monitoring 2018; 3 (S3) 3-22
4 Heidemann C, Scheidt-Nave C. Prävalenz, Inzidenz und Mortalität von Diabetes mellitus bei Erwachsenen in Deutschland: Bestandsaufnahme zur Diabetes-Surveillance. Journal of Health Monitoring 2017; 2: 105-128
5 Drösler S, Garbe E, Hasford J et al. Sondergutachten zu den Wirkungen des morbiditätsorientierten Risikostrukturausgleichs. Im Internet: https://www.bundesgesundheitsministerium.de/fileadmin/Dateien/5_Publikationen/Gesundheit/Berichte/Sondergutachten_Wirkung_RSA_2017.pdf. Stand: 05.11.2018
6 Deutsches Institut für Medizinische Dokumentation und Information. Basisinformation: Informationssystem Versorgungsdaten. Im Internet: https://www.dimdi.de/static/.downloads/deutsch/basisinfo-versorgungsdaten.pdf Stand: 10.09.2018
7 Deutsches Institut für Medizinische Dokumentation und Information. Informationssystem Versorgungsdaten (Datentransparenz): Datensatzbeschreibung; Version 02.09.000. Im Internet: https://www.dimdi.de/static/.downloads/deutsch/versorgungsdaten-datensatzbeschreibung.pdf Stand: 10.09.2018
8 Köster I, Huppertz E, Hauner H. et al. Direct costs of diabetes mellitus in Germany: CoDiM 2000-2007. Exp Clin Endocrinol Diabetes 2011; 119: 377-385
9 Köster I, Von Ferber L, Ihle P. et al. The cost burden of diabetes mellitus: the evidence from Germany; the CoDiM study. Diabetologia 2006; 49: 1498-1504
10 Wissenschaftliches Institut der AOK. Anatomisch-therapeutischchemische Klassifikation mit Tagesdosen: amtliche Fassung des ATC-Index mit DDD-Angaben für Deutschland im Jahre. 2013; Im Internet: http://www.wido.de/fileadmin/wido/downloads/pdf_arzneimittel/atc/wido_arz_amtl_atc-index_0113.zip Stand: 14.09.2018
11 Tamayo T, Brinks R, Hoyer A. et al. Prävalenz und Inzidenz von Diabetes mellitus in Deutschland: Auswertung von 65 Millionen Versichertendaten der gesetzlichen Krankenkassen aus den Jahren 2009 und 2010. Dtsch Arztebl Int 2016; 113: 177-183
12 Goffrier B, Schulz M, Bätzing-Feigenbaum J. Administrative Prävalenzen und Inzidenzen des Diabetes mellitus von 2009 bis 2015. (23.02.2017). Im Internet: https://www.versorgungsatlas.de/fileadmin/ziva_docs/79/VA-79-Bericht_Final.pdf Stand: 25.02.2019
13 Swart E, Bitzer EM, Gothe H. et al. STandardisierte BerichtsROutine für Sekundärdaten Analysen (STROSA): ein konsentierter Berichtsstandard für Deutschland; Version 2. Gesundheitswesen 2016; 78 (Suppl 1) e145-e160