Download PDF
Gesundheitswesen 2016; 78(05): 326-336
DOI: 10.1055/s-0034-1390474
Originalarbeit
© Georg Thieme Verlag KG Stuttgart · New York

Zielkriterien der medikamentösen Therapie des Diabetes Typ II: Eine Analyse der Patientenperspektive mit Analytic Hierarchy Process und Best-Worst Scaling

Objective Criteria in the Medicinal Therapy for Type II Diabetes: An Analysis of the Patients’ Perspective with Analytic Hierarchy Process and Best-Worst Scaling
A. C. Mühlbacher
1   Institut Gesundheitsökonomie und Medizinmanagement, Hochschule Neubrandenburg, Neubrandenburg
,
S. Bethge
1   Institut Gesundheitsökonomie und Medizinmanagement, Hochschule Neubrandenburg, Neubrandenburg
,
A. Kaczynski
1   Institut Gesundheitsökonomie und Medizinmanagement, Hochschule Neubrandenburg, Neubrandenburg
,
C. Juhnke
1   Institut Gesundheitsökonomie und Medizinmanagement, Hochschule Neubrandenburg, Neubrandenburg
› Author Affiliations
Further Information

Publication History

Publication Date:
08 April 2015 (online)

Also available at
    Permissions and Reprints

Zusammenfassung

Hintergrund: Die Patientenperspektive in Bezug auf die Zielkriterien unterschiedlicher Behandlungsmethoden ist wenig untersucht. Das Ziel jedweder Intervention im Gesundheitswesen ist die Steigerung des Patientennutzens.

Ziel: Anliegen dieser Studie ist es, die Bedeutung von patientenrelevanten Zielkriterien in der medikamentösen Therapie des Diabetes Typ II zu analysieren. Es soll aufgezeigt werden, welche Eigenschaften einer medikamentösen Behandlung des Diabetes Typ II relevant für die Therapieentscheidung aus Sicht der Patienten sind.

Methodik: Eine qualitative Studie (N=15) in Kombination mit einer quantitativen Erhebung (N=388) mit dem Analytic Hierarchy Process und Best-Worst Scaling diente dazu, die Bedeutung der patientenrelevanten Zielkriterien bei der Behandlung zu ermitteln.

Ergebnisse: Die quantitativen Befragungen ergaben eine klare Dominanz des Attributs „HbA1c-Wert“ und dessen optimale Einstellung sowohl für Insulin-therapierte Patienten als auch für Patienten, die mit oralen Antidiabetika (OAD) behandelt werden. Bei den OAD-Patienten zeigen beide Methoden unabhängig die gleiche Rangfolge der nächsten 3 Plätze: „Hinauszögern der Insulintherapie“ (Rang 2), „Auftreten von Unterzuckerungen“ (Rang 3) und „Gewichtsveränderungen“ (Rang 4). Für Insulin-Patienten folgt „Auftreten von Unterzuckerungen“ bei der AHP auf dem 2. Rang und beim BWS auf dem 3. Rang. Im Vergleich zu OAD-Patienten sinkt die Relevanz des Zielkriteriums „Gewichtsveränderungen“ bei den Insulin-Patienten beim AHP auf den letzten Rang (7. Rang) und bei der BWS auf den vorletzten Rang (6. Rang).

Schlussfolgerung: Es wurde erstmals mit der AHP- und BWS-Methode untersucht, wie Patienten zwischen verschiedenen Behandlungseigenschaften bei Diabetes Typ II abwägen und welchen Einfluss diese Behandlungskriterien auf den Patientennutzen haben. Beide Patientengruppen zeigen Unterschiede im Erfahrungshintergrund und somit auch in der Rangreihung der Zielkriterien.

Abstract

Background: The patient’s perspective with regard to decision criteria of alternative treatment options has hardly been analysed. The objective of any intervention in health-care is to increase the patient’s benefit.

Objective: This study aimed to analyse the patient-relevant decision criteria in the medicinal therapy of type II diabetes. The characteristics of a drug therapy that are relevant for the choice of the patients should be revealed.

Method: An explorative qualitative study (N=15) in combination with a quantitative survey (in total N=388) using Analytic Hierarchy Process and Best-Worst Scaling aimed at the determination of the importance of patient-relevant decision criteria.

Results: The quantitative AHP- and BWS survey resulted in a clear dominance of the attribute “HbA1c level” and its optimal settings, for both with oral anti-diabetics treated patients (OAD) and insulin-treated patients. In the group of the OAD patients both methods independently showed the same ranking of the following 3 ranks: “delay of insulin therapy” (rank 2), “occurrence of hypoglycaemia” (rank 3) and “weight changes” (rank 4). For insulin patients “the occurrence of hypoglycaemia” follows in the AHP on the second rank and in the BWS on the 3rd rank. Compared to OAD patients, the relevance of the target criterion “weight changes” decreases in the group of the insulin patients in the AHP on the last rank (rank 7) and in the BWS on the second last rank (rank 6).

Conclusion: For the first time the methods of AHP and BWS were combined to assess how patients weight between different characteristics of the treatment in type II diabetes and which influence those criteria of therapy have on the patient’s benefit. Both patient groups show differences in the horizon of experience and thus in the ranking of the decision criteria.

Schlüsselwörter

Analytic Hierarchy Process - Best-Worst Scaling - patientenrelevante Zielkriterien - Diabetes Mellitus Typ II - multikriterielle Entscheidungsfindung

Key words

analytic hierarchy process - best-worst scaling - patient-relevant decision criteria - type II diabetes - multiple criteria decision making
 

  • Literatur

  • 1 Mühlbacher AC. Suche nach dem Maß des Gesamtnutzens. Monitor Versorgungsforschung 2012; 5: 12-16
    PubMedSearch in Google Scholar
  • 2 Sloane EB, Liberatore MJ, Nydick RL. Medical decision support using the Analytic Hierarchy Process. J Healthc Inf Manag 2002; 16: 38-43
    PubMedSearch in Google Scholar
  • 3 Bierwirth RA, Kohlmann T, Moock J et al. Diabetesbezogene Kosten und Therapiezufriedenheit bei ICT-behandelten Typ-2-Diabetikern in der ambulanten Versorgung: Ergebnisse der LIVE-COM-Studie. Med Klin-IntensivmeNotfallmed 2010; 105: 792-801
    PubMedSearch in Google Scholar
  • 4 Heidemann C, Du Y, Scheidt-Nave C. Diabetes mellitus in Deutschland. GBE kompakt, Robert Koch-Institut (Hrsg.) 2011; 2: 1-7
    PubMedSearch in Google Scholar
  • 5 Icks A, Rathmann W, Rosenbauer J et al. Gesundheitsberichterstattung des Bundes, Heft 24: Diabetes mellitus. Robert Koch-Institut; 2007
    Search in Google Scholar
  • 6 Waldhäusl WK, Gries FA, Scherbaum W. Diabetes in der Praxis 2004. 3. Auflage Berlin, Heidelberg, New York: Springer; 2004
    CrossrefSearch in Google Scholar
  • 7 Deutsches Zentrum für Diabetesforschung Diabetes: Zahlen. 2012. Im Internet: http://www.dzd-ev.de/diabetes-die-krankheit/zahlen/index.html Stand: 01.02.2013
    PubMed
  • 8 Kerner W, Bruckel J. Definition, Klassifikation und Diagnostik des Diabetes mellitus. Diabetologie und Stoffwechsel 2008; 3: 131
    Thieme ConnectPubMedSearch in Google Scholar
  • 9 Giani G, Janka H, Hauner H et al. Epidemiologie und Verlauf des Diabetes mellitus in Deutschland. In: Scherbaum WA, Kiess W. Hrsg Evidenzbasierte Leitlinie DDG-Aktualisierung 5/2004. 2004: 1-12
    Search in Google Scholar
  • 10 Mehnert H. Diabetes Mellitus. In: Mehnert H, Bremer HJ. Hrsg Stoffwechselkrankheiten: Grundlagen-Diagnostik-Therapie. 4. Auflage. Stuttgart, New York: Thieme; 1990: 115-262
    Search in Google Scholar
  • 11 Rosenstock J, Sankoh S, List J. Glucose-lowering activity of the dipeptidyl peptidase-4 inhibitor saxagliptin in drug-naive patients with type 2 diabetes*. Diabetes ObesMetab 2008; 10: 376-386
    PubMedSearch in Google Scholar
  • 12 Shubrook J, Colucci R, Guo A et al. Saxagliptin: A selective DPP-4 inhibitor for the treatment of type 2 diabetes mellitus. Clin Med Insights. Endocrinol Diabetes 2011; 4: 1-12
    PubMedSearch in Google Scholar
  • 13 Kulasa K, Edelman S. Saxagliptin: the evidence for its place in the treatment of type 2 diabetes mellitus. Core Evid 2010; 5: 23-37
    PubMedSearch in Google Scholar
  • 14 List JF, Woo V, Morales E et al. Sodium-glucose cotransport inhibition with dapagliflozin in type 2 diabetes. Diabetes Care 2009; 32: 650-657
    CrossrefPubMedSearch in Google Scholar
  • 15 Bailey CJ, Gross JL, Pieters A et al. Effect of dapagliflozin in patients with type 2 diabetes who have inadequate glycaemic control with metformin: a randomised, double-blind, placebo-controlled trial. Lancet 2010; 375: 2223-2233
    CrossrefPubMedSearch in Google Scholar
  • 16 Wilding JP, Norwood P, T’joen C et al. A Study of Dapagliflozin in Patients With Type 2 Diabetes Receiving High Doses of Insulin Plus Insulin Sensitizers Applicability of a novel insulin-independent treatment. Diabetes Care 2009; 32: 1656-1662
    CrossrefPubMedSearch in Google Scholar
  • 17 Chao EC, Henry RR. SGLT2 inhibition – a novel strategy for diabetes treatment. Nat Rev Drug Discov 2010; 9: 551-559
    CrossrefPubMedSearch in Google Scholar
  • 18 Nair S, Wilding JP. Sodium glucose cotransporter 2 inhibitors as a new treatment for diabetes mellitus. J Clin Endocrinol Metab 2010; 95: 34-42
    CrossrefPubMedSearch in Google Scholar
  • 19 Nauck MA, Del Prato S, Meier JJ et al. Dapagliflozin Versus Glipizide as Add-on Therapy in Patients With Type 2 Diabetes Who Have Inadequate Glycemic Control With Metformin A randomized, 52-week, double-blind, active-controlled noninferiority trial. Diabetes Care 2011; 34: 2015-2022
    CrossrefPubMedSearch in Google Scholar
  • 20 Fischer PDS, Bornstein S. Neue orale Antidiabetika. Internist 2008; 49: 495-501
    CrossrefPubMedSearch in Google Scholar
  • 21 Hauber A, Mohamed A, Johnson F et al. Treatment preferences and medication adherence of people with Type 2 diabetes using oral glucose-lowering agents. Diabet Med 2009; 26: 416-424
    CrossrefPubMedSearch in Google Scholar
  • 22 Rotenstein LS, Kozak BM, Shivers JP et al. The ideal diabetes therapy: What will it look like?. How close are we? Clinical Diabetes 2012; 30: 44-53
    PubMedSearch in Google Scholar
  • 23 Chao EC. Dapagliflozin: an evidence-based review of its potential in the treatment of type-2 diabetes. Core Evid 2012; 7: 21
    PubMedSearch in Google Scholar
  • 24 Saaty TL. Axiomatic foundation of the analytic hierarchy process. Management Science 1986; 32: 841-855
    CrossrefPubMedSearch in Google Scholar
  • 25 Saaty TL. How to make a decision: the analytic hierarchy process. Eur J Oper Res 1990; 48: 9-26
    CrossrefPubMedSearch in Google Scholar
  • 26 Meixner O, Haas R. Wissensmanagement und Entscheidungsunterstützung. Wien: Eigenverlag Institut für Marketing und Innovation, Universität für Bodenkultur; 2008
    Search in Google Scholar
  • 27 Dolan JG. Medical Decision Making Using the Analytic Hierarchy Process Choice of Initial Antimicrobial Therapy for Acute Pyelonephritis. Med Decis Making 1989; 9: 51-56
    CrossrefPubMedSearch in Google Scholar
  • 28 Saaty TL. The analytic hierarchy process. Planning, priority setting, resource allocation. New York [u. a.]: McGraw-Hill; 1980
    Search in Google Scholar
  • 29 Helm R, Steiner M. Präferenzmessung. Methodengestützte Entwicklung zielgruppenspezifischer Produktinnovationen. Stuttgart: Kohlhammer; 2008. Stuttgart
    Search in Google Scholar
  • 30 Saaty TL. Decision making with the analytic hierarchy process. International Journal of Services Sciences 2008; 1: 83-98
    CrossrefPubMedSearch in Google Scholar
  • 31 Klein R, Scholl A. Planung und Entscheidung: Konzepte. Modelle und Methoden einer modernen betriebswirtschaftlichen Entscheidungsanalyse. München: Vahlen; 2011
    Search in Google Scholar
  • 32 Manthey L. Methoden der Präferenzmessung. Grundlagen, Konzepte und experimentelle Untersuchungen. Universität Jena: Norderstedt; 2007
    Search in Google Scholar
  • 33 Mühlbacher A, Kaczynski A. Der Analytic Hierarchy Process (AHP): Eine Methode zur Entscheidungsunterstützung im Gesundheitswesen. Pharmaco Economics German Research Articles 2014; online first
    PubMedSearch in Google Scholar
  • 34 Thurstone LL. A law of comparative judgment. Psychological Review; Psychological Review 1927; 34: 273
    PubMedSearch in Google Scholar
  • 35 Flynn TN. Valuing citizen and patient preferences in health: recent developments in three types of best-worst scaling. Expert RevPharmacoeconOutcomes Res 2010; 10: 259-267
    PubMedSearch in Google Scholar
  • 36 Lancsar E, Louviere J. Estimating individual level discrete choice models and welfare measures using best-worst choice experiments and sequential best-worst MNL. University of Technology, Centre for the Study of Choice (Censoc) 2008; 1-24
    PubMedSearch in Google Scholar
  • 37 Louviere JJ, Flynn TN. Using Best-Worst Scaling Choice Experiments to Measure Public Perceptions and Preferences for Healthcare Reform in Australia. Patient 2010; 3: 275-283
    CrossrefPubMedSearch in Google Scholar
  • 38 Marley A, Flynn TN, Louviere J. Probabilistic models of set-dependent and attribute-level best-worst choice. J Math Psychol 2008; 52: 281-296
    CrossrefPubMedSearch in Google Scholar
  • 39 Marti J. A best-worst scaling survey of adolescents’ level of concern for health and non-health consequences of smoking. Soc Sci Med 2012; 75: 87-97
    CrossrefPubMedSearch in Google Scholar
  • 40 Flynn TN, Louviere JJ, Peters TJ et al. Estimating preferences for a dermatology consultation using Best-Worst Scaling: Comparison of various methods of analysis. BMC Medl Res Methodol 2008; 8: 76
    PubMedSearch in Google Scholar
  • 41 Flynn TN, Louviere JJ, Peters TJ et al. Using discrete choice experiments to understand preferences for quality of life. Variance-scale heterogeneity matters. Social Science & Medicine 2010; 70: 1957-1965
    CrossrefPubMedSearch in Google Scholar
  • 42 Marley A, Louviere J. Some probabilistic models of best, worst, and best-worst choices. J Math Psychol 2005; 49: 464-480
    CrossrefPubMedSearch in Google Scholar
  • 43 Johnson RM, Orme BK. How Many Questions Should You Ask in Choice-Based Conjoint Studies? Sawtooth Software. Research Paper Series. ART Forum 1996; Beaver Creek
    PubMedSearch in Google Scholar
  • 44 Sloan FA A Library of Orthogonal Arrays. 2005, Available from: http://www2.research.att.com/~njas/oadir/index.html
    PubMed
  • 45 UK Prospective Diabetes Study Group . Tight blood pressure control and risk of macrovascular and microvascular complications in type 2 diabetes: UKPDS 38. BMJ. British Medical Journal 1998; 703-713
    PubMedSearch in Google Scholar
  • 46 Hauber AB et al. Risking health to avoid injections: preferences of Canadians with type 2 diabetes. Diabetes Care 2005; 28: 2243-2245
    CrossrefPubMedSearch in Google Scholar
  • 47 Polster M et al. A comparison of preferences for two GLP-1 products – liraglutide and exenatide – for the treatment of type 2 diabetes. J Med Econ 2010; 13: 655-661
    CrossrefPubMedSearch in Google Scholar
  • 48 Guimaraes C, Marra CA, Gill S et al. A discrete choice experiment evaluation of patients’ preferences for different risk, benefit, and delivery attributes of insulin therapy for diabetes management. Patient Prefer Adherence 2010; 4: 433-440
    PubMedSearch in Google Scholar
  • 49 Belton V, Gear T. On a short-coming of Saaty’s method of analytic hierarchies. Omega 1983; 11: 228-230
    CrossrefPubMedSearch in Google Scholar
  • 50 Dyer JS. Remarks on the analytic hierarchy process. Management Science 1990; 36: 249-258
    CrossrefPubMedSearch in Google Scholar
  • 51 Mühlbacher A, Kaczynski A, Zweifel P. Experimentelle Präferenzmessung im Gesundheitswesen mit Hilfe von Best-Worst Scaling (BWS). PharmacoEconomics German Research Articles 2014; online first
    PubMedSearch in Google Scholar
  • 52 Hummel M, Ijzerman M. The past and future of the AHP in health care decision making, in XI International Symposium on the Analytic Hierarchy Process (ISAHP). 2011; Sorrento (Naples – Italy)
    PubMedSearch in Google Scholar
  • 53 Dolan JG. Shared decision-making – transferring research into practice: the Analytic Hierarchy Process (AHP). Patient Educ couns 2008; 73: 418-425
    CrossrefPubMedSearch in Google Scholar
  • 54 Dolan JG. Are patients capable of using the analytic hierarchy process and willing to use it to help make clinical decisions?. Med Decis Making 1995; 15: 76-80
    CrossrefPubMedSearch in Google Scholar