Validität der ärztlichen Dokumentation von Disease Management Programmen

In der Publikation von Linder et al. [2] wird die Validität der Dokumentationen in Disease Management Programmen infrage gestellt. Die Autoren behaupten darin, auf der Basis eines Vergleichs von Abrechnungs- bzw. Routinedaten einer gesetzlichen Krankenversicherung (Techniker Krankenkasse) mit den DMP-Dokumentationen eine Vielzahl von Unterschieden in der Dokumentationshäufigkeit von Medikationen, Begleiterkrankungen und Kontrolluntersuchungen ermittelt zu haben. Wir möchten auf eine Reihe methodischer Unzulänglichkeiten in dieser Arbeit hinweisen.

Vorab erinnern wir daran, dass die in den Disease Management Programmen eingeführten Dokumentationen in erster Linie darauf abstellen darzulegen, welche patientenseitigen Merkmale (Anamnese, Schweregrad, Folgekomplikationen) bei Einschluss in das Programm vorlagen, welche Messparameter aktuell zu berichten sind (Körpergewicht, RR, HbA_1c, Kreatinin, FEV₁ etc.) und welche ärztlicherseits veranlassten Maßnahmen (klinische Untersuchungen, Medikation, Schulungen, Überweisungen) der betreuende Hausarzt selbst durchgeführt hat. Es handelt sich um eine sehr umfassende Kontaktdokumentation, die je nach DMP ca. 40–60 Variablen enthält.

Linder et al. ziehen in ihrer Analyse nur zu drei Variablen Referenzdaten aus administrativen Datenquellen heran und leiten aus dem Ergebnis ihres Abgleichs unzulässige Verallgemeinerungen hinsichtlich der Aussagekraft der DMP-Dokumentation ab.

Zu der Arbeit sind folgende kritische Anmerkungen zu machen:

1. ) Die den Kassen vorliegenden Abrechnungsunterlagen der stationären Einrichtungen und auch die Daten der Apothekerrechenzentren über die von Patienten eingelösten Rezepte werden von den Autoren unkritisch im Sinne eines „Goldstandards“ zur Validierung der hausärztlichen DMP-Dokumentation verwendet.

2.)  Weder die Auswahl der zu prüfenden Kriterien noch die betrachteten Referenzregionen werden begründet. Statt der für Konkordanzmessungen gut eingeführten statistischen Maße werden zudem selbst entwickelte Kennwerte verwendet, deren Herleitung und numerische Qualitäten nicht nachvollziehbar sind.

3.)  Die Größenordnungen der gefundenen Abweichungen sind vor dem Hintergrund der selbst entwickelten Maßzahlen nur schwer zu beurteilen. Was die Medikationsangaben betrifft, muss jedenfalls der Schluss gezogen werden, dass sich die ausgeprägten Diskrepanzen weitgehend auf die Verordnung von Glibenclamid beschränken.

(1) GKV-Routinedaten als „Goldstandard“ zur Beurteilung der Wahrhaftigkeit der hausärztlichen DMP-Dokumentation? Routinedaten sind ungeprüft in keinem Fall als Äquivalent der „wahren“ Datenlage anzusehen. Aus diesem Grund weisen z. B. Schubert et al. [6] darauf hin, dass ihre Validität und Reliabilität stets zu überprüfen sei, und zwar möglichst gegen die Datenlage in den Patientenakten. Wenn dies nicht möglich ist, können auch die interne Validität oder die Retest-Reliabilität hierzu herangezogen werden. Nichts davon findet sich in der vorliegenden Arbeit.

Beispielsweise ist nach den Ergebnissen von Windt et al. [8] die Verwendung von Routinedaten bei einzelnen Diagnosen wie zum Beispiel Asthma bronchiale mit hohen Fehlerraten behaftet. Laux et al. [1] zeigen, dass sich auf der Basis von Routinedaten allenfalls Teile einer leitliniengerechten medikamentösen Therapie von Patienten mit Herzinsuffizienz abbilden lassen. Maass et al. [3] berichten von einer sehr hohen Diskrepanz zwischen den Routinedaten und denen der externen Qualitätssicherung im stationären Bereich. Und auch in der internationalen Forschungsliteratur wurde dieser Frage nachgegangen: So berichten Southern et al. [7] aus Kanada für administrative Daten im Vergleich zu Laborbefunden Sensitivitäten zwischen 68 und 87 % für die Diagnose eines Diabetes mellitus. Sensitivitätswerte zwischen lediglich 13 und bis zu maximal 81 % werden in der Arbeit von Quan et al. [5] beim Vergleich von kanadischen Routinedaten und Patientenakten genannt. Für Diabetes mellitus werden in dieser Studie Werte von 59 (mit Folgekomplikationen) bzw. 76 % (ohne) angegeben. Eine kritische Auseinandersetzung mit dieser Literatur sucht man in der Arbeit von Linder et al. ebenfalls vergeblich.

(2) Unzureichende Methodik des Vergleichs. Linder et al. versäumen es zu begründen, nach welchen Kriterien die Auswahl der in dem Beitrag untersuchten Parameter erfolgt ist. Sie beschränkt sich auf nur 3 von ca. 40–60 Variablen einer Diabetes-Folgedokumentation. Während im Text nur knappe Ausführungen zu Blutzucker und Kreatinin gemacht werden, fehlen Aussagen zur Validität von Messwerten zum Blutdruck und Körpergewicht. Völlig übergangen werden Angaben zu Schulungsmaßnahmen, zu Sensibilitätsprüfungen, zum peripheren Gefäßstatus und dem Fußstatus bei Diabetikern. Zudem wechseln die Autoren mehrfach das betrachtete DMP (Diabetes, KHK, Asthma) und die KV-Vergleichsregion. So werden in dem begleitenden Foliensatz stationäre Notfallbehandlungen wegen Asthma bronchiale ohne Angabe näherer Gründe nur für die KV-Region Hamburg dargestellt. Aus diesem willkürlich anmutenden Verfahren resultieren vermutlich stark unterschiedliche Fallzahlbasen für die dargestellten Vergleiche. Schließlich sehen die Autoren von der Verwendung gebräuchlicher statistischer Konkordanzmaße ab, um das Ausmaß der Übereinstimmungen zwischen DMP-Dokumentationsangaben und Referenzdaten zu beschreiben. Die Herleitung der selbstentwickelten Kennzahlen ist auch aus dem Begleitmaterial nicht plausibel nachzuvollziehen.

Wünschenswert wäre es zudem gewesen, zuallererst das Ausmaß der Fehlerfreiheit der Patientenreidentifikation in den administrativen Verordnungs- und Krankenhausdaten der TK darzulegen, denn auch Fehlidentifikationen der DMP-Patienten dürften zu den von Linder et al. beobachteten Abweichungen beigetragen haben. Auch können unterschiedliche Zeitbezüge der verschiedenen Datenquellen einen Einfluss auf die festgestellten Diskrepanzen haben, etwa wenn eine Verordnung zum Ende eines Quartals erfolgt und erst im folgenden Quartal das entsprechende Rezept eingelöst wird. Zudem dokumentiert die Praxis in der DMP-Dokumentation die von ihr verordneten Wirkstoffe und die möglicherweise vom Patienten berichteten zwischenzeitlich eingetretenen stationären Notfallbehandlungen, während in den Datenquellen der TK eben die aus den regionalen Apotheken tatsächlich eingelösten Rezeptdaten und die von den Krankenhäusern als Notfall abgerechneten Behandlungen beschrieben werden.

(3) Fragwürdige Größenordnung der berichteten Abweichungen. Wie plausibel sind, lässt man alle oben zusammengetragenen methodischen Einwände gegen die Befunde von Linder et al. einmal beiseite, die Größenordnungen der dargestellten Abweichungen der TK-Routinedaten von den DMP-Dokumentationsdaten? Innerhalb der KV-Region Nordrhein ist zur Frage der Verlässlichkeit der Angaben in der DMP-Dokumentation eine aufwendige Studie in Kooperation mit Hausärzten und diabetologischen Schwerpunktpraxen in Leverkusen durchgeführt worden, bei der die Qualität der DMP-Dokumentationsdaten (Diabetes mellitus Typ 2) mit den Einträgen in den dort vorhandenen Patientenakten verglichen wurde. Hierbei zeigten sich gute bis mittlere Konkordanzraten über anamnestische Daten (z. B. MI: kappa 0,601; Apoplex: kappa 0,646), Medikationsangaben (z. B. Metformin: kappa 0,796; Insulin: kappa 0,907) sowie verschiedene DMP-spezifische Messparameter.

Abschließend möchten wir auf Prof. Martins DMP-kritischen Kommentar eingehen [4]. Er fragt, aus welchem Grund die ohnehin der Kasse vorliegenden und aus Kassensicht wohl über alle Zweifel erhabenen administrativen Daten zu abgerechneten Rezeptdaten und Krankenhausbehandlungen nicht patientenbezogen in den DMP-Datenfluss eingebracht werden. Da in der DMP-Systematik ein halbjährliches Feedback mit Benchmarking-Charakter bundesweit zu allen DMP Indikationen etabliert ist, wäre es auch aus unserer Sicht praktikabel und lohnenswert, die betreffenden Ärzte über die entsprechende patientenbezogene Datenlage der Kassenseite auf diesem etablierten Wege regelhaft zu informieren. So könnte auch die ärztliche DMP-Dokumentation um entsprechende Einträge der Verordnungen und Notfallbehandlungen entlastet werden.

Weit über das Ziel hinaus schießt Martin allerdings aus unserer Sicht mit seiner Überlegung allen Publikationen und insbesondere Dissertationen, die auf DMP-Daten beruhen, grundsätzlich zu misstrauen und gar ihre wissenschaftliche Seriosität in Zweifel zu ziehen. Dies würde letztlich die Kapitulation der Versorgungsforschung bedeuten, für die in Praxen erhobene patientenbezogene Primärdaten einen zentralen Stellenwert haben. Ganz abgesehen davon, dass eine solche Pauschalkritik die gewaltige dokumentationstechnische Arbeit der Vertragsärzte im Rahmen der DMP diskreditiert.

Erwiderung 1

Erwiderung 2

• Literatur

• 1 Laux G, Nothacker MJ, Weinbrenner S et al. Nutzung von Routinedaten zur Einschätzung der Versorgungsqualität: Eine kritische Beurteilung am Beispiel von Qualitätsindikatoren für die Nationale Versorgungsleitlinie Chronische Herzinsuffizienz. Z Evid Fortbild Qual Gesundhwes 2011; 105: 21-26
• 2 Linder R, Horenkamp-Sonntag D, Engel S et al. Validität der ärztlichen Dokumentation von Disease Management Programmen. Dtsch Med Wochenschr 2014; 139: 19-22
• 3 Maass C, Schleiz W, Weyermann M et al. Krankenhaus-Routinedaten zur externen Qualitätssicherung? Vergleich von Qualitätsindikatoren anhand der Daten der gesetzlichen externen Qualitätssicherung (BQS) und Routinedaten. Dtsch Med Wochenschr 2011; 136: 409-414
• 4 Martin S. Disease Management Programme: Daten für den Papierkorb?. Dtsch Med Wochenschr 2014; 139: 17-18
• 5 Quan H, Li B, Saunders LD et al. Assessing validity of ICD-9-CM and ICD-10 administrative data in recording clinical conditions in a unique dually coded database. Health Services Research 2008; 43: 1424-1441
• 6 Schubert I, Ihle P, Köster I. Interne Validierung von Diagnosen in GKV-Routinedaten: Konzeption mit Beispielen und Falldefinition. Gesundheitswesen 2010; 72: 316-322
• 7 Southern DA, Roberts B, Edwards A et al. Validity of administrative data claim-based methods for identifying individuals with diabetes at a population level. Can J Publ Health 2010; 101 () 61-64
• 8 Windt R, Glaeske G, Hoffmann F. Lässt sich Versorgungsqualität bei Asthma mit GKV-Routinedaten abbilden?. Monitor Versorgungsforschung 2008; 1 () 29-34