Garbage in – Garbage out? Validität von Abrechnungsdiagnosen in hausärztlichen Praxen

Zusammenfassung

Fragestellung: Nach ICD-10 codierte Abrechnungsdiagnosen werden häufig als Morbiditätsindikatoren für Forschungszwecke und für eine Risikoadjustierung im Bereich der Qualitätssicherung und Vergütung verwendet. Voraussetzung hierfür ist eine hohe Diagnosenvalidität. Insbesondere im hausärztlichen Bereich stellt sich die Frage, inwieweit Abrechnungsdiagnosen die tatsächlichen Behandlungsanlässe eines Jahres abbilden.

Methodik: In einer retrospektiven Querschnittsstudie wurde für eine Zufallsstichprobe von 250 Patienten aus zehn hausärztlichen Praxen untersucht, inwieweit anhand der Patientenakten identifizierte Behandlungsanlässe des Jahres 2003 mit den von den Ärzten im gleichen Zeitraum angegebenen Abrechnungsdiagnosen übereinstimmten.

Ergebnisse: Trotz der hohen Zahl von durchschnittlich 6,1 Abrechnungsdiagnosen pro Patient lag in 30% der Fälle ein „Underreporting” von im Untersuchungszeitraum behandelten Erkrankungen vor, das insbesondere häufige hausärztliche Diagnosen mit geringem Schweregrad, nicht medikamentös behandelte chronische Erkrankungen und Früherkennungsuntersuchungen betraf. Ein „Overreporting” von im Untersuchungszeitraum nicht behandelten Erkrankungen wurde in 19% der Fälle vor allem bei chronischen „Dauerdiagnosen” beobachtet. In 11% der Fälle stimmten die Diagnosencodes von Abrechnungsdiagnose und Behandlungsanlass nicht überein („Fehlcodierung”). Die Korrektheit von sechs der häufigsten hausärztlichen Diagnosen (Hypertonie, Diabetes mellitus, Hyperlipoproteinämie, KHK, Rückenschmerzen und akute Atemwegserkrankungen) lag mit 71–93% höher als die Vollständigkeit (56–86%).

Schlussfolgerung: Die insgesamt geringe Validität von nach ICD-10 codierten hausärztlichen Abrechnungsdiagnosen lässt ihre Eignung als Morbiditätsindikatoren fraglich erscheinen.

Abstract

Context: ICD-10-coded diagnoses from claims records are frequently used as morbidity indicators for research as well as for risk adjustment purposes in quality management and remuneration. A requirement for this application is the high validity of the diagnoses. In GP practices in particular, it is questionable whether claims-based diagnoses realistically reflect the health problems of patients treated over a one year period.

Methods: In a retrospective cross-sectional study of a random sample of 250 patients from 10 GP practices we examined whether, on the basis of the patients’ medical records, health problems treated in the year 2003 matched claims-based diagnoses within the same time period.

Results: In spite of a high mean of 6.1 claims-based diagnoses per patient, health problems treated within the study period were under-reported in 30% of the cases, mainly relating to non-severe diagnoses frequently encountered in GP practice, chronic conditions not requiring medication, and diagnoses justifying a screening test. An over-reporting for diseases not treated within the study period was observed in 19% of the cases, most often in the case of permanent chronic conditions. In 11% of cases the ICD-10 codes of claims-based diagnoses and the diagnoses in the medical records did not match (“erroneous codes”). For six of the diagnoses most common in GP practice (hypertension, diabetes, hyperlipoproteinemia, cardiovascular disease, back pain, and acute respiratory tract infections) correctness at 71–93% was higher than completeness (56–86%).

Conclusion: The low validity of ICD-10-coded diagnoses from GP claims records calls their usefulness as morbidity indicators into question.

Schlüsselwörter

Risikoadjustierung - Validität - Abrechnungsdiagnosen - Sensitivität - positiv prädiktiver Wert - Allgemeinmedizin

Key words

risk adjustment - validity - administrative diagnoses - sensitivity - positive predictive value - family practice

Literatur

• 1 Hummers-Pradier E, Simmenroth-Nayda A, Scheidt-Nave C. et al . Medical care research based on family doctor routine data – are interface-communicated treatment data feasible?.  Gesundheitswesen. 2003;  65 ((2)) 109-114
• 2 Windt R, Glaeske G, Hoffmann F. Lässt sich Versorgungsqualität bei Asthma mit GKV-Routinedaten abbilden?.  Versorgungsforschung. 2008;  1 ((02)) 29-34
• 3 Sozialgesetzbuch (SGB) . , Fünftes Buch (V) – Gesetzliche Krankenversicherung – (Artikel 1 des Gesetzes vom 20. Dezember 1988, BGBl. I S. 2477), zuletzt geändert durch Artikel 6 des Gesetzes vom 28. Mai 2008 (BGBl. I S. 874) http://www.bundesrecht.juris.de/sgb_5/bjnr024820988.html
• 4 Lüngen M, Lauterbach KW. Ausmaß und Ursachen von Kodierproblemen bei pauschalierender Vergütung auf der Basis von Diagnosis-Related Groups.  Dtsch Med Wochenschr. 2001;  126 1449-1453
• 5 Lauterbach KW, Stock S, Lüngen M. Reform des Risikostrukturausgleichs. Dem Wettbewerb den Weg weisen.  Gesundheit und Gesellschaft. 2005;  8 ((4)) 34-37
• 6 Klaus B, Ritter A, Grosse HH. et al . Study of the quality of codification of diagnoses and procedures under DRG conditions.  Gesundheitswesen. 2005;  67 ((1)) 9-19
• 7 Fowles JB, Lawthers AG, Weiner JP. et al . Agreement between physicians’ office records and Medicare Part B claims data.  Health Care Financ Rev. 1995;  16 ((4)) 189-199
• 8 Fowles JB, Fowler EJ, Craft C. Validation of claims diagnoses and self-reported conditions compared with medical records for selected chronic diseases.  J Ambul Care Manage. 1998;  21 ((1)) 24-34
• 9 Horner RD, Paris JA, Purvis JR. et al . Accuracy of patient encounter and billing information in ambulatory care.  J Fam Pract. 1991;  33 ((6)) 593-598
• 10 Wilchesky M, Tamblyn RM, Huang A. Validation of diagnostic codes within medical services claims.  J Clin Epidemiol. 2004;  57 ((2)) 131-141
• 11 Steinwachs DM, Stuart ME, Scholle S. et al . A comparison of ambulatory Medicaid claims to medical records: a reliability assessment.  Am J Med Qual. 1998;  13 ((2)) 63-69
• 12 Newcomer R, Clay T, Luxenberg JS. et al . Misclassification and selection bias when identifying Alzheimer's disease solely from Medicare claims records.  J Am Geriatr Soc. 1999;  47 ((2)) 215-219
• 13 Cooper GS, Yuan Z, Stange KC. et al . The sensitivity of Medicare claims data for case ascertainment of six common cancers.  Med Care. 1999;  37 ((5)) 436-444
• 14 Katz JN, Barrett J, Liang MH. et al . Sensitivity and positive predictive value of Medicare Part B physician claims for rheumatologic diagnoses and procedures.  Arthritis Rheum. 1997;  40 ((9)) 1594-1600
• 15 Gerste B, Gutschmidt S. Datenqualität von Diagnosedaten aus dem ambulanten Bereich – Kritische Anmerkungen am Beispiel Diabetes.  Gesundheits- und Sozialpolitik. 2006;  3–4 29-43
• 16 Trautner C, Dong Y, Ryll A. et al . Verlässlichkeit von Diagnosen niedergelassener Ärzte in Niedersachsen.  Gesundheits- und Sozialpolitik. 2005;  1–2 36-43
• 17 Schwinger A, Dräther H, Heller G. Von der Diagnose zum Honorar.  Gesundheit und Gesellschaft. 2006;  9 ((5)) 18-19
• 18 Lauterbach KW, Lüngen M. Konzepte zu einem diagnose- und verordnungsorientierten Risikostrukturausgleich zwischen den Krankenkassen.  Gesundheits- und Sozialpolitik. 2005;  1–2 20-24
• 19 Deutsches Institut für Dokumentation und Information (DIMDI) . ICD-10-GM Version 2006 Alphabetisches und Systematisches Verzeichnis. 10. Revision Stand: 1. Oktober 2005. Neu-Isenburg: MMI Medizinische Medien Informations GmbH 2006
• 20 Logan JR, Gorman PN, Middleton B. Measuring the quality of medical records: a method for comparing completeness and correctness of clinical encounter data.  Proc AMIA Symp. 2001;  408-412
• 21 Landis JR, Koch GG. The measurement of observer agreement for categorical data.  Biometrics. 1977;  33 ((1)) 159-174
• 22 Iezzoni LI. Assessing quality using administrative data.  Ann Intern Med. 1997;  127 ((8 Pt 2)) 666-674
• 23 Zentralinstitut für die kassenärztliche Versorgung in der Bundesrepublik Deutschland . ZI-Panel zur Morbiditätsanalyse: Basisstatistik: Die 50 häufigsten Diagnosen von Patienten, Kontakthäufigkeit und angeforderter Leistungsbedarf in Punkten 1. Quartal. Köln: Zentralinstitut für die kassenärztliche Versorgung in der Bundesrepublik Deutschland 2003
• 24 Schoen C, Osborn R. The Commonwealth Fund 2006 International Health Policy Survey of Primary Care Physicians in seven countries. Commonwealth Fund 2006 International Symposium on Health Care Policy, Washington, D.C 2006
• 25 Fisher ES, Whaley FS, Krushat WM. et al . The accuracy of Medicare's hospital claims data: progress has been made, but problems remain.  Am J Public Health. 1992;  82 ((2)) 243-248
• 26 Quan H, Parsons GA, Ghali WA. Validity of procedure codes in international classification of diseases, 9th revision, clinical modification administrative data.  Med Care. 2004;  42 ((8)) 801-809
• 27 Reid RJ, MacWilliam L, Verhulst L. et al . Performance of the ACG case-mix system in two Canadian provinces.  Med Care. 2001;  39 ((1)) 86-99
• 28 Orueta JF, Urraca J, Berraondo I. et al . Adjusted Clinical Groups (ACGs) explain the utilization of primary care in Spain based on information registered in the medical records: a cross-sectional study.  Health Policy. 2006;  76 ((1)) 38-48
• 29 Zentralinstitut für die kassenärztliche Versorgung in der Bundesrepublik Deutschland . ADT-Panel des Zentralinstituts 1.–4. Quartal 2002: Die 50 häufigsten ICD-10-Schlüsselnummern nach Fachgruppen. Köln: Zentralinstitut für die kassenärztliche Versorgung in der Bundesrepublik Deutschland 2003
• 30 Wolf-Maier K, Cooper RS, Banegas JR. et al . Hypertension prevalence and blood pressure levels in 6 European countries, Canada, and the United States.  JAMA. 2003;  289 ((18)) 2363-2369
• 31 Thefeld W. Prevalence of diabetes mellitus in the adult German population.  Gesundheitswesen. 1999;  61 (Spec No) S85-S89
• 32 Thamm M. Blood pressure in Germany – current status and trends.  Gesundheitswesen. 1999;  61 (Spec No) S90-S93
• 33 Wittchen HU, Glaesmer H, Marz W. et al . Cardiovascular risk factors in primary care: methods and baseline prevalence rates – the DETECT program.  Curr Med Res Opin. 2005;  21 ((4)) 619-630

1 Die Veröffentlichung der Ergebnisse dieses Studienteils ist derzeit in Vorbereitung.

Korrespondenzadresse