Risiko-Adjustierung mit Angaben von Pflegekräften: Nutzen in epidemiologischen und ökonomischen Studien in der klinischen Forschung und im Qualitätsmanagement

Zusammenfassung

Fragestellung: Inwieweit stimmt die Beurteilung ausgewählter Krankheitsbilder zwischen Pflegepersonal und Ärzten in der internistischen Krankenhausversorgung überein und inwieweit können Angaben des Pflegepersonals in epidemiologischen und ökonomischen Studien für eine Risiko-Adjustierung eingesetzt werden? Patienten und Methoden: In zwei Querschnittsstudien mit je 50 internistischen Patienten wurde die Übereinstimmung zwischen Pflegekräften und Ärzten in der Bewertung von Erkrankungen des Index for CoExisting Diseases (ICED) untersucht. In der ersten Phase fand die Beurteilung zeitgleich bei Aufnahme statt, in der zweiten untersuchten die Ärzte bei Entlassung. Übereinstimmung, Kappa, Sensitivität und Spezifität, sowie Spearman-Korrelationen wurden mit deren 95 % Konfidenzintervallen berechnet. Ergebnisse: Pflegekräfte erfassten im Durchschnitt eine geringere Anzahl von Erkrankungen pro Patient als Ärzte (2,5 vs. 3,8; p = 0,006) und bewerteten den Schweregrad der Erkrankungen (von 0 bis 4) im Mittel geringfügig leichter als Ärzte (2,5 vs. 3,0; p = 0,001). Die Übereinstimmung des Vorhandenseins einer Erkrankung lag in Phase 1 bei 84 % (70 % - 90 %), in Phase 2 bei 80 % (67 %-89 %). Je differenzierter der Schweregrad einer Erkrankung nachgefragt wurde, desto geringer war die Übereinstimmung zwischen Ärzten und Pflegepersonal. Das Pflegepersonal erkannte Erkrankungen in Phase 1 mit einer Sensitivität von 0,63 und Spezifität von 0,83 unter der Annahme, dass die ärztliche Feststellung von Erkrankungen den Goldstandard darstellt. Schlussfolgerungen: Eine Beurteilung von (Begleit-)Erkrankungen durch pflegerisches Personal ohne eine spezielle Schulung im Sinne einer „Study Nurse” ist für einzelne Anwendungen zum derzeitigen Zeitpunkt nicht ausreichend. Umfangreichere Studien müssen die ärztliche Variabilität in der Feststellung von Erkrankungen miteinbeziehen.

Risk Adjustment Using Morbidity Information Assessed by Nurses: Utility for Epidemiological and Economic Studies in Clinical Research and Quality Management

Objectives: To what extent do nurses and physicians agree in the assessment of the prevalence and severity of medical conditions and to what extent can morbidity data provided by nurses be used for risk adjustment in epidemiological and economic studies? Patients and methods: In two cross-sectional studies of 50 medical patients each, the authors studied the agreement between nurses and physicians in the assessment of conditions listed in the Index for CoExisting Diseases (ICED). Phase 1 studied the agreement when patients were evaluated by both groups at the same time. In phase 2 physicians assessed patients at discharge. Results: Nurses recorded on average fewer conditions (2.5 vs. 3.8; p = 0.006) and rated them less severe (2.5 vs. 3.0 on a scale from 0 to 4; p = 0.001). Agreement in the prevalence of conditions was 84 % (70 % - 90 %) in phase 1 and 80 % (67 % -89 %) in phase 2. The agreement decreases continuously with an increasing number of severity categories that were to be assessed. Assuming physicians to be the gold standard, nursing information on the prevalence of conditions showed a sensitivity of 0.63 and specificity of 0.83. Conclusions: The assessment of medical conditions by nurses without a specific training may not be sufficient for epidemiological and economic studies in medical research. Larger studies should also consider the variability between physicians in assessing medical conditions.

Schlüsselwörter:

Risiko-Adjustierung - Begleiterkrankungen - Pflegekräfte - Übereinstimmung - Bias

Key words:

Risk Adjustment - Comorbidity - Nurses - Agreement - Bias

Literatur

• 1 Unnebrink K, Pritsch M. Grundprinzipien klinischer Therapiestudien - was, wie und warum?.  Med Klin. 1999;  94 458-464
• 2 Black N. Why we need observational studies to evaluate the effectiveness of health care.  BMJ. 1996;  312 1215-1218
• 3 Feinstein A R. Problems of randomized trials. In: Abel U, Koch A Nonrandomized comparative clinical studies. Düsseldorf; Symposion Publishing 1998
• 4 Schneeweiss S, Sangha O. Weiterentwicklung von Krankenhausbetriebsvergleichen: Wie wichtig ist Risiko-Adjustierung für den Krankenhausvergleich. In: Sieben G, Litsch M (Hrsg) Krankenhausbetriebsvergleiche. Berlin; Springer 2000: 131-147
• 5 Mantel N, Haenszel N. Statistical aspects of the analysis of data from retrospective studies of disease.  J Natl Cancer Inst. 1959;  22 719-748
• 6 Koch A, Windeler J. Statistische Modelle und die Auswertung von Beobachtungsstudien.  Med Klin. 1999;  94 587-593
• 7 Charlson M E, Pompel P, Ales K L, MacKenzie C R. A new method of classifying prognostic comorbidity in longitudinal studies: Development and validation.  J Chron Dis. 1987;  40 373-383
• 8 Greenfield S, Blanco D M, Elashoff R M, Ganz P A. Patterns of care related to age of breast cancer patients.  JAMA. 1987;  257 2766-2770
• 9 Schneeweiss S, Maclure M. Use of comorbidity scores for control of confounding in studies using administrative databases.  Int J Epidemiol. 2000;  29 891-898
• 10 Iezzoni L I. Risk adjustment for measuring healthcare outcomes, 2nd ed. Chicago; Health Administration Press 1997
• 11 Schneeweiss S, Seeger J, Maclure M, Wang P, Avorn J, Glynn R J. Performance of comorbidity scores to control for confounding in epidemiologic studies using claims data.  Am J Epidemiol. 2001;  im Druck
• 12 Kaku K, Gilbert F I, Sachs R. Comparison of health appraisals by nurses and physicians.  PublicHealth Reports. 1970;  85 1042-1046
• 13 Schneeweiss S, Sangha O, Manstetten A, Schlottmann N, Liebetrau M, Hartman W, Walter B, Schultz W, Paeger A, Euler P, Eichenlaub A, Leber W D, Rauh G. Identifikation von medizinischen Indikatoren für Ergebnisqualität in der internistischen Krankenhausversorgung: Ergebnisse der QMK Pilotstudie.  Gesundheitsökonomie und Qualitätsmanagement. 2000;  5 173-182
• 14 Greenfield S, Apolone G, McNeil B J, Cleary P D. The importance of co-existent disease in the occurrence of postoperative complications and one-year recovery in patients undergoing total hip replacement. Comorbidity and outcomes after hip replacement.  Medical Care. 1993;  31 141-154
• 15 Bennett C L, Greenfield S, Aronow H, Ganz P, Vogelzang N J, Elashoff R M. Patterns of care related to age of men with prostate cancer.  Cancer. 1991;  67 2633-2640
• 16 Cohen J. A coefficient of agreement for nominal scales.  Educ Psychol Measure. 1960;  20 37-46
• 17 Ciccetti D V, Allison T. A new procedure for assessing the reliability of scoring EEG sleep recordings.  Am J EEG Technol. 1971;  11 101-109
• 18 Brenner H, Kliebsch U. Dependence of weighted kappa coefficients on the number of categories.  Epidemiology. 1996;  7 199-202
• 19 Daniel W W. Biostatistics: A foundation for analysis in health sciences, 5th ed. New York; Wiley 1991: 592-595
• 20 SAS/STAT Software .Changes and Enhancements through Release 6.12. Cary, NC; SAS Institute Inc. 1996
• 21 Syklo M, Nieto F J. Epidemiology beyond the basics. Gaithersburg, MD, Aspen; 2000: 373
• 22 Feinstein A R, Cichetti D V. High agreement but low kappa: 1. The problem of two paradoxes.  J Clin Epidemiol. 1990;  43 543
• 23 Greenland S. The effect of misclassification in the presence of covariates.  Am J Epidemiol. 1980;  112 564-569
• 24 Kelsey J L, Whittemore A S, Evans A S, Thompson W D. Methods in observational epidemiology. New York; Oxford University Press 1996: 354
• 25 Greenland S, Kleinbaum D G. Correcting for misclassification in two-way tables and matched-pair studies.  Int J Epidemiol. 1983;  12 93-97
• 26 Rosner B, Spiegelman D L, Willet W C. Correction of logistic regression relative risk estimates and confidence intervals for measurement error: the case of multiple covariates measured with error.  Am J Epidemiol. 1990;  116 114-122
• 27 Spiegelman D L, Schneeweiss S, McDermott A. Measurement error correction for logistic regression models with an „alloyed gold standard”.  Am J Epidemiol. 1997;  145 184-196
• 28 Elmore J G, Feinstein A R. A bibliography of publications on observer variability (Final installment).  J Clin Epidemiol. 1992;  45 567-580
• 29 Katz J N, Chang L C, Sangha O, Fossel A H, Bates D W. Can comorbidity be measured by questionnaire rather than medical record review?.  Med Care. 1996;  34 73-84