Rehabilitation (Stuttg) 2005; 44(6): 353-360
DOI: 10.1055/s-2005-867014
Originalarbeit
© Georg Thieme Verlag KG Stuttgart · New York

Vorhersage vorzeitiger Berentung nach stationärer Rehabilitation wegen Adipositas - ein Prognosemodell basierend auf Routinedaten der Landesversicherungsanstalt Baden-Württemberg

Prediction of Premature Pension after Stationary Rehabilitation Due to Adipositas - A Prognostic Model Based on Routinely Collected Data of the Landesversicherungsanstalt Baden-WürttembergD.  Moßhammer1 , C.  Ring1 , R.  Kaluscha2 , R.  Muche1
  • 1Universität Ulm, Abteilung Biometrie und Medizinische Dokumentation
  • 2Forschungsinstitut für Rehabilitationsmedizin an der Universität Ulm
Weitere Informationen

Publikationsverlauf

Publikationsdatum:
01. Dezember 2005 (online)

Zusammenfassung

Bis zu 60 % der Bevölkerung Deutschlands kann als adipös bezeichnet werden. Adipositas stellt aufgrund der Häufigkeit und der damit verbundenen schweren Folgeerkrankungen wie Herz- und Kreislauferkrankungen oder Erkrankungen des Bewegungsapparates eine schwerwiegende Belastung für unser Gesundheitssystem dar, u. a. bedingt durch Krankheitskosten und Kosten durch vorzeitige Berentungen. In dieser retrospektiven Studie wurde anhand routinemäßig erhobener Daten (n = 599) aus dem vereinheitlichten Entlassungsbericht des Verbandes Deutscher Rentenversicherungsträger eine Risikoanalyse anhand einer logistischen Regression durchgeführt, um Einflussfaktoren auf vorzeitige Berentung (n = 135 entsprechend 22,5 %) nach stationärer Rehabilitation wegen Adipositas zu erkennen. Die Daten stammen aus der Forschungsdatenbank „Patientenkonto” des rehabilitationswissenschaftlichen Forschungsverbundes Ulm und wurden dort im Rahmen des „RehaNet-Projektes” von der Landesversicherungsanstalt Baden-Württemberg (LVA-BW) anonymisiert zur Verfügung gestellt. Im Modell verbleiben drei Variablen: Alter (in Jahre), Angabe des Arztes über die Einschränkungen bezüglich des Bewegungsapparates (ja/nein) sowie die Einschätzung des Arztes über den zeitlichen Umfang der zukünftig zu leistenden beruflichen Tätigkeit (weniger/mehr als halbtags). Nach interner Validierung des Modells anhand der Bootstraptechnik ergibt sich für die Prognose einer vorzeitigen Berentung eine Sensitivität von 0,73, eine Spezifität von 0,87, ein positiver und ein negativer Vorhersagewert von 0,57 bzw. 0,93. Mit einer „area under the curve” (AUC) von 0,87 wird eine gute Prognosegüte erreicht. Dieses Modell eignet sich somit gut als diagnostischer Ausschlusstest für die Vorhersage einer drohenden vorzeitigen Berentung bei stattgehabter Rehabilitation wegen Adipositas. Es zeigt sich, dass mit wenigen Informationen die Prognose einer vorzeitigen Berentung bei Patienten, die wegen Adipositas rehabilitiert wurden, relativ genau getroffen werden kann und dies eine Perspektive aufzeichnet für die Möglichkeit einer frühzeitigen, risikoadaptiven, individualisierten Intervention in einem entsprechenden Subkollektiv, um einen Verbleib im Arbeitsleben zu ermöglichen.

Abstract

Up to 60 % of the German population can be marked as obese. Due is to its frequency and its associated diseases like cardiovascular disorders and disorders of the musculoskeletal system adipositas is a severe burden on the German health care system. This burden is caused by costs of the disease and costs due to premature pensioning. In this study logistic regression modelling has been performed by means of routinely collected data of patients of the regional statutory pension insurance institute Landesversicherungsanstalt Baden-Württemberg (LVA-BW) rehabilitated due to adipositas (n = 599). The aim was to detect influential variables for the prognosis of premature pensioning (n = 135). The data of the patients were obtained from a research database of the „RehaNet” project which includes data of the standardized discharge report of the Federation of German Pension Insurances Institutes and quality assurance questionnaires of the LVA-BW. Three variables remain in the model after a step-down procedure for modelling by logistic regression. The selected variables are age (in years), the physician's statement about the patients limitations of movement after rehabilitation (yes/no) and about the patients ability to work in future (more/less than half-day). After internal validation of the model by bootstrap methods the model achieves a sensitivity of 73 %, a specificity of 87 %, a positive and a negative predictive value of 57 and 93 % respectively. The area under the curve (AUC) of the ROC analysis is 0.87, so the model achieves a good prognostic value. Thus, this model is a valuable test for the exclusion of possible premature pension while or after rehabilitation due to adipositas. It was found that the situation of „no premature pensioning” of patients rehabilitated due to adipositas can be predicted quite accurately with little information (three variables). This reveals a perspective for further research in the possibility of an early, risk-adapted and individualised intervention after stationary rehabilitation for adipositas to keep employment.

Literatur

  • 1 Römpler A. Das Übergewicht in der Rehaklinik. Vortrag auf der Wissenschaftlichen Tagung des Berufsverbandes Deutscher Ernährungsmediziner (BDEM). 28. - 29. September 2001 in Erlangen. Verfügbar unter: www.bdem.de/tagungen/abstracts2/uebergewicht.htm(aufgerufen am 14.8.04)
  • 2 Wabitsch M, Hauner H, Hertrampf M, Muche R, Hay B, Mayer H, Kratzer W, Debatin K-M, Heinze E. Type II diabetes mellitus and impaired glucose regulation in Caucasian children and adolescents with obesity living in Germany.  Int J Obesity. 2004;  28 307-313
  • 3 Koch U, Schliehe F, Aufderheide E. Stand und Entwicklung der rehabilitationswissenschaftlichen Forschung.  Rehabilitation. 1998;  37, Suppl 2 S66-S70
  • 4 Kaluscha R, Jacobi E. Eine Datenbank zur Effektivitätsbeurteilung: Das Datenkonzept des Rehabilitationswissenschaftlichen Forschungsverbundes Ulm. In: Verband Deutscher Rentenversicherungsträger (Hrsg) Tagungsband, 9. Rehabilitationswissenschaftliches Kolloquium, „Individualität und Reha-Prozess” vom 13. - 15. März 2000 in Würzburg. DRV-Schriften 2000 20 218-219
  • 5 Moßhammer D. Logistische Regressionsmodellierung anhand routinemäßig erhobener Daten zur Vorhersage drohender Erwerbsminderung bei Patienten der LVA-Baden-Württemberg, die wegen Adipositas stationär rehabilitiert wurden. Ulm; Magisterarbeit Public Health, Universität Ulm 2004
  • 6 Muche R, Ring C, Ziegler C. Entwicklung und Validierung von Prognosemodellen auf Basis der Logistischen Regression. Aachen; Shaker 2005
  • 7 Der Ärztliche Reha-Entlassungsbericht. 2. Aufl. Berlin; Bundesversicherungsanstalt für Angestellte, Abteilung Rehabilitation 2001
  • 8 Bundesministerium für Gesundheit (Hrsg) .Internationale Klassifikation der Krankheiten (ICD), 9. Revision, erste und zweite Auflage von 1979 bzw. 1993. Nachschlagewerke (Band I und II). 
  • 9 Muche R. Variablenselektion in Kohortenstudien. Ulm; Dissertation an der Universität Ulm zum Dr. hum. biol. 1995 (beim Autor zu beziehen)
  • 10 Harrell jr F E. Regression modeling strategies. New York; Springer 2001
  • 11 Hosmer D W, Lemeshow S. Applied logistic regression. 2. Aufl. New York; Wiley 2000
  • 12 Bender R. Interpretation von Effizienzmaßen der Vierfeldertafel für Diagnostik und Behandlung.  Med Klinik. 2001;  96 116-121
  • 13 Assfalg I. Die Bootstrap-Methode zur internen Validierung von Prognosemodellen. Diplomarbeit, Medizinische Dokumentation und Informatik. Ulm; FH Ulm 2003 - verfügbar unter: http://www.uni-ulm.de/uni/fak/medizin/biodok/v2004/prognosemakros.htm
  • 14 Efron B, Tibshirani R J. Improvements on cross-validation: the .632+ bootstrap method.  J Am Stat Assoc. 1997;  92 548-560
  • 15 Ring C, Muche R. Bootstrap- und Crossvalidierung eines logistischen Regressionsmodells unter Einbeziehung des Variablenselektionsprozesses.  Inform Biom Epidemiol Med Biol. 2003;  34 214-216
  • 16 Ziegler C. Ein SAS-Makro-Paket zur Entwicklung und Validierung von Prognosemodellen auf Basis der logistischen Regression. Diplomarbeit, Medizinische Dokumentation und Informatik. Ulm; FH Ulm 2003 - verfügbar unter: http://www.uni-ulm.de/uni/fak/medizin/biodok/v2004/prognosemakros.htm
  • 17 Ebinger M, Muche R, Osthus H, Schulte R-M, Gaus W, Jacobi E. Vorhersage der Erwerbsfähigkeit ein bis zwei Jahre nach einer stationären Rehabilitationsbehandlung bei Patienten mit Erkrankungen des Bewegungsapparates.  Z f Gesundheitswiss. 2002;  10 229-241
  • 18 Muche R, Rösch M, Flierl S, Alt B, Jacobi E, Gaus W. Entwicklung und Validierung eines Prognosemodells zur Vorhersage der Arbeitsfähigkeit nach Rehabilitation anhand routinemäßig erhobener Parameter.  Rehabilitation. 2000;  39 262-267
  • 19 Jacobi E, Rösch M, Alt B. Rehabilitationswissenschaftlicher Forschungsverbund Ulm - „Bausteine der Reha”.  Rehabilitation. 1998;  37, Suppl 2 S111-S116
  • 20 Bundesministerium für Bildung und Wissenschaft (BMBF) .Forschung in der Rehabilitation. Bonn; BMBF 2001 - verfügbar unter: http://www.bmbf.de/pub/forschung_in_der_rehabilitation.pdf (aufgerufen am 16.1.2004)

PD Dr. R. Muche

Abteilung Biometrie und Medizinische Dokumentation · Universität Ulm

Schwabstraße 13

89075 Ulm

eMail: rainer.muche@medizin.uni-ulm.de

    >