Zusammenfassung
Hintergrund: Um die Effizienz von Einschreibemodellen, wie der Hausarztzentrierten Versorgung oder Disease-Management-Programmen, zu untersuchen, sind verschiedene Studienansätze denkbar. Da eine aktive und selbstständige Einschreibung der Versicherten in Versorgungsmodelle erfolgt (Selbstselektion), ist eine Randomisierung nicht möglich. Das Matched-Pairs Design, in dem für jeden eingeschriebenen Versicherten ein Vergleichsversicherter mit ähnlicher Morbidität gesucht wird, stellt eine alternative Untersuchungsmethode dar. Voraussetzung hierfür ist ein Modell, das auf Basis der vorliegenden Routinedaten die Morbidität angemessen beschreibt.
Ziel: Entwicklung eines Verfahrens, das vergleichbare Versicherte auf der Grundlage von Routinedaten der gesetzlichen Krankenkassen selektiert.
Methoden: Neben Alter, Geschlecht, Pflegestatus, Versichertenstatus, AU-Tage, Region, Krankenkassen-Zugehörigkeit und Teilnahme an einem Einschreibemodell werden sowohl ambulante als auch stationäre Leistungsdaten aus dem Jahr 2005 in Anlehnung an das von Lamers und Vliet (2003) entwickelte PCG/DCG-Verfahren für ein morbiditäts-orientiertes Matching-Design verwendet. Dabei entscheidet der Verbrauch bestimmter ambulant verordneter Arzneimittel über die Zuordnung der Patienten zu Pharmakostengruppen (PCG). Zusätzlich erfolgt eine Eingruppierung über die stationären Diagnosen in Diagnosekostengruppen (DCG).
Ergebnisse: Die Bildung von Matched-Pairs nach dem PCG/DCG-Verfahren stellt ein angemessenes Studiendesign zur Bildung einer Vergleichsgruppe im Rahmen von Einschreibemodellen dar. Im ersten Jahr der Einschreibung weisen die Versicherten der Interventions- und der Vergleichsgruppe eine übereinstimmende Morbiditätsstruktur auf. Bei Verwendung von 9 Matching-Kriterien wird für 87% der eingeschriebenen Versicherten ein Vergleichsversicherter gefunden.
Diskussion/Schlussfolgerung: Es gibt verschiedene und komplexe Möglichkeiten, Morbidität zu definieren. Variable Parameter innerhalb des vorgestellten Matched-Pairs Design sind die Anzahl der verwendeten Matching–Kriterien sowie die Höhe des für die Eingruppierung in PCGs festgelegten Arzneimittelverbrauchs. Es sind alternative Modelle denkbar, die neben stationären Diagnosen auch ambulante Diagnosen in die Morbiditätsdefinition einbeziehen. Bei Berücksichtigung einer erhöhten Anzahl von Morbiditätskriterien stößt das Matched-Pairs Design auf Dimensionalitätsprobleme. Das Propensity Score Matching wird als Lösungsansatz dieser Problematik diskutiert.
Abstract
Background: Various study approaches can be considered for the investigation of the efficiency of enrolment models, like GP-centred health-care contract or disease management programmes. As an active and independent enrolment into care models is effected by the insured (self-selection), a randomisation cannot be applied. The matched pairs design − in which for every insured a control insured with comparable morbidity is selected − presents an alternative investigation method. A precondition is a model that describes appropriately the morbidity on the basis of available routine data.
Target: The aim of this study was to develop a procedure that selects comparable insured persons on the basis of routine data of the statutory health-care funds.
Methods: Apart from age, gender, care status, insured status, days of disability, region, health insurance and belonging to an enrolment model, also ambulant as well as stationary performance data for the year 2005 following the PCG/DCG procedure for morbidity-oriented matching design developed by Lamers and Vliet (2003) were applied. Thereby the consumption of certain medications prescribed is determining for the allocation of patients to pharmaceutical cost groups (PCG). Additionally a classification into diagnosis cost groups (DCG) according to stationary diagnoses was conducted.
Results: Within the scope of the enrolment models the formation of matched pairs following the PCG/DCG procedure represents an appropriate study design for the creation of a control group. In the first year of enrolment the insured of the interventional and those of the control group show a comparable morbidity. When applying 9 matching criteria a control insured person can be found for 87% of the enrolled individuals.
Discussion/Conclusions: There are various and complex possibilities to define morbidity. Variable parameters within the presented matched pairs design are the number of used matching criteria as well as minimum drug consumption limit relevant for the classification in PCGs. Alternative models are possible for morbidity definition considering, apart from the stationary diagnosis, also the ambulant diagnosis. When taking into account a higher number of morbidity criteria, the matched pairs design is confronted with dimensionality issues. The propensity score matching is discussed as approach to solve this problem.
Schlüsselwörter
Matched-Pairs - PCG/DCG-Verfahren - Morbidität - Selbstselektion - Hausarztzentrierte Versorgung
Key words
matched pairs - PCG/DCG procedure - morbidity - self-selection - GP centred health care contact
