M2Q oder doch etwas Anderes? Der Einfluss verschiedener Aufgreifkriterien auf die Prävalenzschätzung chronischer Erkrankungen mit ambulanten GKV-Diagnosedaten

Zusammenfassung

Ziele Zur Ermittlung der Prävalenz von chronischen Erkrankungen auf Basis von ambulanten Krankenkassendaten wird häufig auf eine wiederholte Nennung einer Diagnose im Laufe eines Jahres zurückgegriffen, meist in zwei oder mehr Quartalen (M2Q). Dabei bleibt bisher unklar, ob sich die Prävalenzschätzungen stark verändern, wenn anstatt zwei Nennungen in unterschiedlichen Quartalen nur eine Diagnosenennung oder wenn andere Festlegungen als Aufgreifkriterium angewendet werden. Ziel dieser Studie ist daher die Anwendung unterschiedlicher Aufgreifkriterien und die Analyse der Auswirkungen dieser Aufgreifkriterien auf die Prävalenzschätzungen auf Basis von ambulanten Diagnosedaten.

Methodik Für acht ausgewählte chronische Erkrankungen wurde die administrative Prävalenz auf Basis der ambulanten ärztlichen Diagnosen im Jahr 2019 ermittelt. Dabei wurden fünf verschiedene Aufgreifkriterien verwendet: (1) einmalige Nennung, (2) zweimalige Nennung (auch im selben Quartal oder Behandlungsfall), (3) Nennung in mindestens zwei Behandlungsfällen (auch im selben Quartal), (4) Nennung in zwei Quartalen und (5) Nennung in zwei aufeinander folgenden Quartalen. Für die Analysen wurden die Daten der im Jahr 2019 durchgehend bei der AOK Niedersachsen versicherten Personen verwendet (n=2 168 173).

Ergebnisse In Abhängigkeit von der Diagnose und der Altersgruppe zeigten sich teilweise größere Unterschiede zwischen den Prävalenzschätzungen bei den Kriterien der wiederholten Nennung einer Diagnose verglichen mit der einmaligen Nennung. Diese Unterschiede in den ermittelten Prävalenzen fielen insbesondere unter Männern und jüngeren Versicherten recht deutlich aus. Bei der Anwendung der zweimaligen Nennung (Kriterium 2) unterschieden sich die Ergebnisse nicht von der Prävalenz, die durch Nennung in mindestens zwei Behandlungsfällen (Kriterium 3) oder zwei Quartalen (Kriterium 4) ermittelt wurde. Die Anwendung des strengen Kriteriums von zwei aufeinander folgenden Quartalen (Kriterium 5) führte zur weiteren Verringerung der ermittelten Prävalenz.

Schlussfolgerung Die Nutzung der Kriterien der wiederholten Nennung einer Diagnose, die sich zunehmend als Standard zur Diagnosevalidierung in Krankenkassendaten durchsetzt, führt zu einem teilweise deutlichen Absinken der Prävalenz. Auch die Definition der Studienpopulation (z. B. wiederholter Kontakt zu niedergelassenen Ärzt:innen in zwei aufeinander folgenden Quartalen als zwingende Bedingung) kann die Prävalenzschätzung stark beeinflussen.

Abstract

Background To determine the prevalence of chronic disease conditions based on outpatient health insurance data, we often rely on repeated occurrence of a diagnosis over the course of a year, usually in two or more quarters (M2Q). It remains unclear whether prevalence estimates change after adapting repeated occurrence of a diagnosis in different quarters of a year compared to a single occurrence or to some other case selection criteria. This study applies different case selection criteria and analyses their impact on the prevalence estimation based on outpatient diagnoses.

Methods Administrative prevalence for 2019 was estimated for eight chronic conditions based on outpatient physician diagnoses. We applied five case selection criteria: (1) single occurrence, (2) repeated occurrence (including in the same quarter or treatment case), (3) repeated occurrence in at least two different treatment cases (including in the same quarter), (4) occurrence in two quarters and (5) occurrence in two consecutive quarters. Only information on persons with continuous insurance history within the statutory health insurance provider AOK Niedersachsen in 2019 was used (n=2,168,173).

Results Prevalence estimates differed quite strongly depending on the diagnosis and on age group if a criterion with repeated occurrence of a diagnosis was applied compared to a single occurrence. These differences turned out to be higher among men and younger patients. The application of a repeated occurrence (criterion 2) did not show different results compared to the repeated occurrence in at least two treatment cases (criterion 3) or in two quarters (criterion 4). The application of the strict criterion of two consecutive quarters (criterion 5) resulted in further reduction of the prevalence estimates.

Conclusions Repeated occurrence is increasingly becoming the standard for diagnosis validation in health insurance claims data. Applying such criteria results partly in a distinct reduction of prevalence estimates. The definition of the study population (e. g., repeated visits to a physician in two consecutive quarters as a mandatory condition) can also strongly influence the prevalence estimates.

Schlüsselwörter

Prävalenz - chronische Erkrankungen - Aufgreifkriterium - Krankenkassendaten - Diagnosedefinition

Key words

prevalence - chronic conditions - case selection criteria - claims data - diagnosis definition

^‡ gleichberechtigte Erstautorinnen

Publication History

Article published online:
26 May 2023

• Literatur

• 1 Ohlmeier C, Frick J, Prütz F. et al. Nutzungsmöglichkeiten von Routinedaten der Gesetzlichen Krankenversicherung in der Gesundheitsberichterstattung des Bundes. Bundesgesundheitsbl 2014; 57: 464-472
• 2 Bundesversicherungsamt. So funktioniert der neue Risikostrukturausgleich im Gesundheitsfonds Berlin: Bundesversicherungsamt; 2008 [Available from: https://www.bundesamtsozialesicherung.de/fileadmin/redaktion/Risikostrukturausgleich/Wie_funktioniert_Morbi_RSA.pdf
• 3 Klora M, Zeidler J, Linder R. et al. Determinants for the diagnosis of ADHD - An analysis based on SHI claims data. Fortschritte Der Neurologie Psychiatrie 2019; 87: 47-56
• 4 Schmidt C, Reitzle L, Dress J. et al. Prevalence and incidence of documented diabetes based on health claims data-reference analysis for diabetes surveillance in Germany. Bundesgesundheitsblatt-Gesundheitsforschung-Gesundheitsschutz 2020; 63: 93-102
• 5 Roessler T, Zschocke J, Roehrig A. et al. Administrative prevalence and incidence, characteristics and prescription patterns of patients with migraine in Germany: a retrospective claims data analysis. Journal of Headache and Pain 2020; 21
• 6 Holstiege J, Akmatov MK, Stork S. et al. Higher prevalence of heart failure in rural regions: a population-based study covering 87% of German inhabitants. Clinical Research in Cardiology 2019; 108: 1102-1106
• 7 Horenkamp-Sonntag D, Linder R, Wenzel F. et al. Prüfung der Datenqualität und Validität von GKV-Routinedaten. In: Swart E, Ihle P, Gothe H, Matusiewicz D, editors. Routinedaten im Gesundheitswesen Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven. 2. Bern: Huber; 2014: 314-330
• 8 Kassenärztliche Bundesvereinigung, GKV Spitzenverband. Bundesmantelvertrag – Ärzte gemäß §82 Abs. 1 SGB V. 2021
• 9 Grobe TG, Kleine-Budde K, Bramesfeld A. et al. Prevalences of Depression Among Adults: Comparative Analysis of a Nationwide Survey and Routine Data. Gesundheitswesen 2019; 81: 1011-1017
• 10 Doblhammer G, Fink A, Fritze T. Short-term trends in dementia prevalence in Germany between the years 2007 and 2009. Alzheimers & Dementia 2015; 11: 291-299
• 11 Nerius M, Ziegler U, Doblhammer G. et al. Trends in der Prävalenz von Demenz und Parkinson – Eine Analyse auf Basis aller gesetzlich versicherten Personen im Alter 65+in Deutschland zwischen 2009 und 2012. Gesundheitswesen 2020; 82: 761-769
• 12 Nerius M, Fink A, Doblhammer G. Parkinson’s disease in Germany: Prevalence and incidence based on health claims data. Acta Neurologica Scandinavica 2017; 136: 386-392
• 13 Erhart M, von Stillfried D. Analyse regionaler Unterschied in der Prävalenz und Versorgung depressiver Störungen auf Basis vertragsärztlicher Abrechnungsdaten. Teil 1 Prävalenz. Zi versorgungsatlasde. 2012
• 14 Steffen A, Thom J, Jacobi F. et al. Trends in prevalence of depression in Germany between 2009 and 2017 based on nationwide ambulatory claims data. Journal of Affective Disorders 2020; 271: 239-247
• 15 Stahmeyer JT, Kuhlmann K, Eberhard S. The Frequency of Depression Diagnoses in Different Groups of Insured Persons – A Routine Data Analysis of the Years 2006 to 2015. Psychotherapie Psychosomatik Medizinische Psychologie 2019; 69: 72-80
• 16 Frank J. Comparing nationwide prevalences of hypertension and depression based on claims data and survey data: An example from Germany. Health Policy 2016; 120: 1061-1069
• 17 Petersen G, Wittmann R, Arndt V. et al. Epidemiology of multiple sclerosis in Germany. Regional differences and drug prescription in the claims data of the statutory health insurance. Nervenarzt 2014; 85: 990-998
• 18 Hagenstrom K, Sauer K, Mohr N. et al. Prevalence and Medications of Atopic Dermatitis in Germany: Claims Data Analysis. Clinical Epidemiology 2021; 13: 593-602
• 19 Schubert I, Ihle P, Köster I. Interne Validierung von Diagnosen in GKV Routinedaten: Konzeption mit Beispielen und Falldefinition. Das Gesundheitswesen 2010; 72: 316-322
• 20 Rattay P, Butschalowski H, Rommel A. et al. Inanspruchnahme der ambulanten und stationären medizinischen Versorgung in Deutschland – Ergebnisse der Studie zur Gesundheit Erwachsener in Deutschland (DEGS1) Bundesgesundheitsblatt 2013; 56
• 21 Holstiege J, Akmatov MK, Steffen A. et al. Die ischämische Herzerkrankung in der vertragsärztlichen Versorgung Deutschlands – Zeitliche Trends und regionale Variationen. Versorgungsatlas 2020; 20
• 22 Swart E, Gothe H, Geyer S. et al. Gute Praxis Sekundardatenanalyse (GPS): Leitlinien und Empfehlungen. Gesundheitswesen 2015; 77: 120-126
• 23 Reinke C, Buchmann N, Fink A. et al. Diabetes duration and the risk of dementia: a cohort study based on German health claims data. Age and Ageing 2022; 51: 1-9
• 24 Epping J, Geyer S, Eberhard S. et al. Völlig unterschiedlich oder doch recht ähnlich? Die soziodemografische Struktur der AOK Niedersachsen im Vergleich zur niedersächsischen und bundesweiten Allgemein-und Erwerbsbevölkerung. Gesundheitswesen 2021; 83: S77-S86