Abstract
Background Claims data are a valuable data source to investigate the economic impact of new health care services. While the date of enrollment into the new service is an obvious start of follow-up for participants, the strategy to select potential controls is not straightforward due to a missing start of follow-up to ascertain possible confounders. The aim of this study was to compare different approaches to select controls via Propensity Score Matching (PSM) using the disease management program (DMP) bronchial asthma (BA) as an example.
Methods We conducted a retrospective cohort study of BA patients between 2013 and 2016 to examine total one-year health care costs and all-cause mortality. We implemented different scenarios regarding the selection of potential controls: I) allotment of a random index date with subsequent PSM, II) calendar year-based PSM (landmark analysis) and III) calendar quarter-based PSM. In scenario I, we applied 2 approaches to assign a random index date: a) assign random index date among all quarters with a BA diagnosis and b) assign random index date and thereafter examine if a BA diagnosis was documented in that quarter.
Results No significant differences in total one-year health care costs between DMP BA participants and non-participants were observed in any of the scenarios. This could to some extent be explained by the higher mortality in the control groups in all scenarios.
Conclusion If the loss of potential controls can be compensated, scenario Ib is a pragmatic option to select a control group. If that is not the case, scenario III is the more sophisticated approach, with the limitation that baseline characteristics prior PSM cannot be depicted and computational time or memory size needed to conduct the analysis need to be sufficient.
Zusammenfassung
Hintergrund Routinedaten gesetzlicher Krankenkassen werden häufig zur Evaluation ökonomischer Effekte neuer Versorgungsformen genutzt. Während als Beginn des Follow Ups für Teilnehmer häufig der Tag der Einschreibung in das Programm genutzt werden kann, ist die Selektion von Kontrollen schwieriger aufgrund des Fehlens eines solchen Ereignisses. Ziel dieser Studie war es, Vorteile und Limitationen von 3 Methoden zur Selektion von Kontrollen mittels Propensity Score Matching (PSM) am Fallbeispiel des Disease Management Programms (DMP) Asthma bronchiale zu zeigen.
Methoden Eine retrospektive Kohorte bestehend aus Asthma Patienten zwischen 2013 und 2016 wurde identifiziert um Unterschiede in den Gesamtleistungskosten und Gesamtmortalität zu betrachten. Wir haben 3 Szenarien zur Auswahl geeigneter Kontrollen verglichen: I) Zuteilung eines zufälligen Indexdatums mit anschließendem PSM, II) Kalenderjahr basiertes PSM (Landmark Analyse) und III) Kalenderquartal basiertes PSM. Im ersten Szenario wurden 2 Methoden zur Zuteilung eines zufälligen Indexdatums umgesetzt: a) Zuteilung eines zufälligen Indexdatums zu einem Quartal mit Asthma Diagnose und b) Zuteilung eines zufälligen Indexdatums und anschließende Überprüfung ob in dem selektierten Quartal eine Asthmadiagnose vorlag.
Ergebnisse In keinem der Szenarien wurden signifikante Unterschiede in den Gesamtleistungskosten zwischen DMP Teilnehmern und Nicht-Teilnehmern beobachtet, was möglicherweise durch Mortalitätsunterschiede zwischen den Gruppen erklärt werden kann.
Fazit Im Falle einer ausreichend großen Anzahl potentieller Kontrollen ist Szenario Ib eine pragmatische Option zur Selektion einer Kontrollgruppe. Andernfalls stellt Szenario III die ausgereiftere Methode dar, obwohl keine Baseline-Charakteristika vor PSM dargestellt werden können und ausreichend Rechenkapazität bereitgestellt werden muss.
Key words Propensity Score Matching - claims data - disease management program - health care costs - mortality - start of follow-up
Schlüsselwörter Beginn Follow-up - Propensity Score Matching - Sekundärdaten - Disease Management Programm - Leistungskosten - Mortalität
