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
