Der Zusammenhang von Komplikationen im Krankenhaus und im Follow-up und Implikationen für die Qualitätsmessung bei Hüftgelenksendoprothesen – Eine Analyse von AOK-Routinedaten

Zusammenfassung

Ziel der Studie:

Die vorliegende Studie analysiert hinsichtlich einer klinikbezogenen Qualitätsmessung am Beispiel von Hüftgelenks-Endoprothesen bei Coxarthrose, welcher Informationsgewinn gegenüber der alleinigen Betrachtung von Inhouse-Ereignissen erreicht werden kann, wenn zusätzlich Komplikationen im Follow-up berücksichtigt werden.

Methodik:

Die Analyse wurde mit anonymisierten Abrechungsdaten der AOK der Jahre 2007–2009 im Rahmen des Verfahrens „Qualitätssicherung mit Routinedaten“ durchgeführt. Eingeschlossen wurden Fälle mit der Implantation einer Hüftgelenksendoprothese bei Arthose. Für die Analyse der klinikbezogenen Ergebnisqualität wurden 6 Qualitätsindikatoren gebildet (Revisionsoperation innerhalb von 365 Tagen, chirurgische Komplikationen innerhalb von 90 Tagen, Thrombose/Lungenembolie innerhalb von 90 Tagen, Femurfraktur innerhalb von 90 Tagen, Sterblichkeit innerhalb von 90 Tagen und Komplikationsindex). Für jede Klinik wurden adjustierte SMRs (Standardisiertes Mortalitäts- bzw. Morbiditätsratio) mit 95%-Konfidenzintervall berechnet. Zur Analyse des Zusammenhangs zwischen den SMR-Werten im Krankenhaus und im Follow-up wurde der Rangkorrelationskoeffizient nach Spearman (r) verwendet. Weiterhin wurde ermittelt, wie hoch die prozentuale Übereinstimmung der in Quartile kategorisierten SMRs der Kliniken aufgrund der Krankenhausereignisse und der Ereignisse im Follow-up war.

Ergebnisse:

Insgesamt wurden 154 470 AOK-Patienten aus 930 Kliniken in die Analyse eingeschlossen. Die Kliniken hatten im Median eine Gesamtkomplikationsrate von 11,22%. Ein Viertel der Kliniken wies Komplikationsraten von 8,18% oder darunter auf. Ein Viertel der Kliniken hatte annähernd doppelt so hohe Raten (≥15,49%). Fast ein Drittel aller Komplikationsereignisse trat erst nach dem initialen Krankenhausaufenthalt auf. Bezüglich der klinikbezogenen Komplikationen gab es bei allen untersuchten Indikatoren kaum einen Zusammenhang zwischen den Ereignissen im stationären Erstaufenthalt und im Nachbeobachtungszeitraum (r<0,3). Die Reihenfolge der Kliniken, definiert durch SMR-Quartile, änderte sich durch Hinzunahme der Komplikationen im Follow-up für die betrachteten Indikatoren deutlich (Min: 21%, Max: 47% Kliniken mit Quartilswechsel). Insbesondere für die Indikatoren Revision und Tod ergab sich eine Veränderung des SMR-Quartils bei fast der Hälfte aller Kliniken.

Schlussfolgerung:

Eine Qualitätsbetrachtung von Hüftgelenkersatzoperationen mit Inhouse-Ereignissen allein ist wenig zuverlässig. Einerseits treten fast ein Drittel aller Komplikationen erst im Nachbeobachtungszeitraum auf, andererseits ist eine prognostische Aussage für das Auftreten von Follow-up-Ereignissen aus vorliegenden Inhouse-Komplikationen einer Klinik für die betrachteten Indikatoren nicht möglich.

Abstract

Aim:

This study analyses the information gain achieved by additionally taking into account complications in the follow-up period instead of merely considering in-house events for a hospital-based quality measurement using the example of hip replacement.

Method:

The analysis was performed with anonymous statutory health insurance data (AOK) for the years 2007–2009 within the framework of the quality measurement method „Quality Assurance with Administrative Data (QSR)“. It included cases of hip replacement surgery due to osteoarthritis. In order to analyse hospital-related outcome quality, 6 quality indicators were formed (revision surgery within 365 days, surgical complications within 90 days, thrombosis/pulmonary embolism within 90 days, femur fracture within 90 days, mortality within 90 days and complication index). For each hospital, the adjusted SMRs (standardised mortality or morbidity ratio) with 95% confidence intervals were calculated. The relation between the in-hospital and the follow-up SMR was analysed by Spearman’s rank correlation coefficient. Furthermore, the percentage consistency of hospital SMRs categorised into quartiles on the basis of in-hospital and post-discharge events was determined.

Results:

A total of 154 470 AOK patients from 930 hospitals were included in the analysis. The hospitals had a median overall complication rate of 11,22%. One quarter of the hospitals had complication rates of 8,18% or below. Another quarter of the hospitals had complication rates nearly twice as high (≥15,49%). Nearly one-third of all complications occurred after the initial hospitalisation. Regarding clinic-related complications, there was little correlation between the events in the initial case and during follow-up (r<0,3) for all indicators. The order of the hospitals defined by quartiles of SMR changed significantly by adding the complications in the follow-up for the indicators considered (min 21%, max 47% changes between quartiles). In particular, for the indicators revision and death, a change in the SMR quartile occurred in almost 50% of all hospitals.

Conclusion:

Quality assessment of hip replacement surgery based exclusively on in-house events is quite unreliable. On the one hand, nearly a third of all complications occur in the follow-up period. On the other hand, predicting the occurrence of post-discharge events from in-house complications of a clinic is not considered acceptable for the indicators analysed in this study.

Schlüsselwörter

Routinedaten - Qualitätsindikator - Hüftgelenksersatz

Key words

administrative data - quality indicators - hip replacement

• Literatur

• 1 Statistisches Bundesamt Fallpauschalenbezogene Krankenhausstatistik (DRG-Statistik), Diagnosen und Prozeduren der vollstationären Patientinnen und Patienten in Krankenhäusern. [Available from: http://www.gbe-bund.de/
• 2 AQUA – Institut für angewandte Qualitätsförderung und Forschung im Gesundheitswesen GmbH Qualitätsreport 2010 [Available from: http://www.sqg.de/themen/qualitaetsreport/qualitaetsreport-2010/index.html
• 3 Swedish Hip Arthplasty Register Annual Report 2009 [Available from: http://www.shpr.se/Libraries/Documents/AnnualReport-2009-EN.sflb.ashx
• 4 Agency for Healthcare Research and Quality [Available from: http://www.ahrq.gov/
• 5 Jeschke E, Günster C. Aktueller Stand und Ausbau des QSR-Verfahrens. In: Kuhlen R, Rink O, Zacher J. eds. Jahrbuch Qualitätsmedizin 2011. Berlin: 2011: 77-87
• 6 Stausberg J. Relationship between in-hospital and peri-hospital mortality: Analysis of quality reports covering insured from local sickness funds. Dtsch Med Wochenschr 135 (41) 2015-2020
• 7 Heller G. Measurement of medical outcome quality using administative data in Germany. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 2008; 51 (10) 1173-1182
• 8 Wissenschaftliches Institut der AOK QSR-Indikatorenhandbuch. 2011 [Available from: http://www.qualitaetssicherung-mit-routinedaten.de/imperia/md/qsr/methoden/wido_qsr_indikatorenhandbuch_022012.pdf
• 9 Elixhauser A, Steiner C, Harris DR et al. Comorbidity measures for use with administrative data. Med Care 1998; 36 (01) 8-27
• 10 Southern DA, Quan H, Ghali WA. Comparison of the Elixhauser and Charlson/Deyo methods of comorbidity measurement in administrative data. Med Care 2004; 42 (04) 355-360
• 11 Zhu H, Hill MD. Stroke: the Elixhauser Index for comorbidity adjustment of in-hospital case fatality. Neurology 2008; 71 (04) 283-287
• 12 Hagen TP, Vaughan-Sarrazin MS, Cram P. Relation between hospital orthopaedic specialisation and outcomes in patients aged 65 and older: retrospective analysis of US Medicare data. Bmj. 340 c165
• 13 Chassin MR, Park RE, Lohr KN et al. Differences among hospitals in Medicare patient mortality. Health Serv Res 1989; 24 (01) 1-31
• 14 Visser BC, Keegan H, Martin M et al. Death after colectomy: it’s later than we think. Arch Surg 2009; 144 (11) 1021-1027
• 15 Yu P, Chang DC, Osen HB et al. NSQIP reveals significant incidence of death following discharge. J Surg Res 170 (02) e217-e224
• 16 Stausberg J. The best period for mortality rates associated with hospital stay: hospital mortality performs well for nonsurgical diagnostic groups. Qual Manag Health Care 20 (03) 198-206
• 17 Rosenthal GE, Baker DW, Norris DG et al. Relationships between in-hospital and 30-day standardized hospital mortality: implications for profiling hospitals. Health Serv Res 2000; 34 (07) 1449-1468
• 18 Garnick DW, DeLong ER, Luft HS. Measuring hospital mortality rates: are 30-day data enough? Ischemic Heart Disease Patient Outcomes Research Team. Health Serv Res 1995; 29 (06) 679-695
• 19 Lingsma HF, Steyerberg EW, Eijkemans MJ et al. Comparing and ranking hospitals based on outcome: results from The Netherlands Stroke Survey. Qjm 103 (02) 99-108
• 20 Park RE, Brook RH, Kosecoff J et al. Explaining variations in hospital death rates. Randomness, severity of illness, quality of care. Jama 1990; 264 (04) 484-490
• 21 Shojania KG, Forster AJ. Hospital mortality: when failure is not a good measure of success. Cmaj 2008; 179 (02) 153-157
• 22 Kostuj T, Smektala R. Quality assurance using routine data. Is outcome quality now measurable?. Unfallchirurg 113 (12) 1047-1048, 1050-1052
• 23 Swart E, Heller G. Nutzung und Bedeutung von (GKV-)Routinedaten für die Versorgungsforschung. In: Janssen C, Borgetto B, Heller G. eds. Medizinsoziologische Versorgungsforschung. Theoretische Ansätze, Methoden, Instrumente und empirische Befunde. Weinheim/München: Juventa Verlag; 2007: 93-112
• 24 Maass C, Schleiz W, Weyermann M et al. Are hospital administrative data suitable for external quality assurance? Comparison of quality indicators based on separate statutory data collections (BQS) and hospital administrative data. Dtsch Med Wochenschr 136 (09) 409-414
• 25 Theisen S, Drabik A, Lungen M et al. Quality assurance in German hospitals – federal quality of care monitoring vs. evaluation of routine clinical data. A head-to-head comparison on the example of pressure ulcers. Gesundheitswesen 73 (12) 803-809
• 26 Jakob J, Hinzpeter M, Weiss C et al. Evaluation of data on surgical complications after cholecystectomy submitted to a nationwide quality assurance program (BQS) in Germany. Chirurg 81 (06) 563-567
• 27 Aylin P, Lees T, Baker S et al. Descriptive study comparing routine hospital administrative data with the Vascular Society of Great Britain and Ireland’s National Vascular Database. Eur J Vasc Endovasc Surg 2007; 33 (04) 461-465 discussion 466
• 28 Pine M, Jordan HS, Elixhauser A et al. Enhancement of claims data to improve risk adjustment of hospital mortality. Jama 2007; 297 (01) 71-76
• 29 Hoffmann F, Icks A.. Structural Differences between Health Insurance Funds and their Impact on Health Services Research: Results from the Bertelsmann Health-Care Monitor. Gesundheitswesen
• 30 Dimick JB, Welch HG, Birkmeyer JD. Surgical mortality as an indicator of hospital quality: the problem with small sample size. Jama 2004; 292 (07) 847-851
• 31 Heller G. Qualitätssicherung mit Routinedaten – Aktueller Stand und Weiterentwicklung. In: Klauber J, Garaedts M, Friedrich J. eds. Krankenhausreport 2010. Stuttgart: Schattauer; 2010: 239-253