Gesundheitswesen 2019; 81(10): 791-800
DOI: 10.1055/a-0588-4736
Originalarbeit
© Georg Thieme Verlag KG Stuttgart · New York

Untersuchung der Prävalenz kardiologischer Risikofaktoren in der Allgemeinbevölkerung: Ein Vergleich ambulanter ärztlicher Abrechnungsdaten mit Daten einer populationsbasierten Studie

Prevalence of Cardiovascular Risk Factors at The Population Level: A Comparison of Ambulatory Physician-Coded Claims Data With Clinical Data From A Population-Based Study
Aniela Angelow
1   Abt. Allgemeinmedizin, Institut für Community Medicine, Universitätsmedizin Greifswald, Greifswald
,
Katrin Christiane Reber
2   Institut für Gesundheitsökonomie und Versorgungsforschung, Universitätsklinikum Hamburg-Eppendorf, Universität Hamburg, Hamburg
,
Carsten Oliver Schmidt
3   Abt. SHIP-KEF, Institut für Community Medicine, Universitätsmedizin Greifswald, Greifswald
,
Sebastian Edgar Baumeister
4   Lehrstuhl für Epidemiologie am UNIKA-T, LMU München, Augsburg
,
Jean-Francois Chenot
1   Abt. Allgemeinmedizin, Institut für Community Medicine, Universitätsmedizin Greifswald, Greifswald
› Author Affiliations
Further Information

Publication History

Publication Date:
04 June 2018 (online)

Zusammenfassung

Ziel der Studie Diese Studie untersucht die Validität ICD-kodierter Diagnosen für die kardiovaskulären Risikofaktoren arterielle Hypertonie, Diabetes mellitus, Dyslipidämie, Rauchen und Übergewicht aus kassenärztlichen Abrechnungsdaten in Bezug auf die Übereinstimmung mit klinischen Diagnosedaten einer populationsbasierten Kohortenstudie.

Methodik Hierzu wurden Abrechnungsdaten der Kassenärztlichen Vereinigung Mecklenburg-Vorpommern (Zeitraum 2008–2012) mit Daten der Study of Health in Pomerania (SHIP) gelinkt. Die Übereinstimmung der Abrechnungsdiagnosen (I10.- (arterielle Hypertonie), E10.- bis E14.- (Diabetes mellitus), E78.- (Dyslipidämie), F17.- (Zigarettenrauchen) und E65.- bis E68.- (Übergewicht oder Adipositas)) mit den erhobenen klinischen Goldstandarddaten von 1941 SHIP-Teilnehmern (46 % männlich, durchschnittliches Alter 58±SD 13 Jahre) wurde ermittelt.

Ergebnisse Von den untersuchten Abrechnungsdiagnosen lag für Diabetes mellitus (Sensitivität (Sens) 84%, Spezifität (Spez) 95%, Positiv Prädiktiver Wert (PPW) 80%) und arterielle Hypertonie (Sens 72%, Spez 93%, PPW 97%) eine höhere Übereinstimmung und für die Abrechnungsdiagnosen Zigarettenrauchen (Sens 18%, Spez 99%, PPW 89%), Übergewicht (Sens 22%, Spez 99%, PPW 99%) und Dyslipidämie (Sens 40%, Spez 60%, PPW 70%) eine geringe Übereinstimmung mit den klinischen Diagnosedaten vor. Bei vorliegendem Risikofaktor laut Goldstandard waren die Einnahme von Medikamenten, das Vorliegen weiterer dokumentierter kardiovaskulärer Risikofaktoren im Sinne von Komorbiditäten, Alter, Geschlecht und Erkrankungsschweregrad mit der Kodierung der Abrechnungsdiagnose assoziiert.

Schlussfolgerung Die Kodierqualität kardiovaskulärer Risikofaktoren im ambulanten Bereich variiert stark. Insgesamt besteht eine Unterkodierung, wobei abrechnungsrelevante Diagnosen besser kodiert werden. Basierend auf den Ergebnissen ist bevölkerungsbezogen eine Quantifizierung des Fehlers bei Prävalenzschätzungen auf Basis von Abrechnungsdaten für die untersuchten kardiovaskulären Risikofaktoren möglich.

Abstract

Objective The study assesses the validity of ICD-10 coded cardiovascular risk factors in claims data using gold-standard measurements from a population-based study for arterial hypertension, diabetes, dyslipidemia, smoking and obesity as a reference.

Methods Data of 1941 participants (46 % male, mean age 58±13 years) of the Study of Health in Pomerania (SHIP) were linked to electronic medical records from the regional association of statutory health insurance physicians from 2008 to 2012 used for billing purposes. Clinical data from SHIP was used as a gold standard to assess the agreement with claims data for ICD-10 codes I10.- (arterial hypertension), E10.- to E14.- (diabetes mellitus), E78.- (dyslipidemia), F17.- (smoking) and E65.- to E68.- (obesity).

Results A higher agreement between ICD-coded and clinical diagnosis was found for diabetes (sensitivity (sens) 84%, specificity (spec) 95%, positive predictive value (ppv) 80%) and hypertension (sens 72%, spec 93%, ppv 97%) and a low level of agreement for smoking (sens 18%, spec 99%, ppv 89%), obesity (sens 22%, spec 99%, ppv 99%) and dyslipidemia (sens 40%, spec 60%, ppv 70%). Depending on the investigated cardiovascular risk factor, medication, documented additional cardiovascular co-morbidities, age, sex and clinical severity were associated with the ICD-coded cardiovascular risk factor.

Conclusion The quality of ICD-coding in ambulatory care is highly variable for different cardiovascular risk factors and outcomes. Diagnoses were generally undercoded, but those relevant for billing were coded more frequently. Our results can be used to quantify errors in population-based estimates of prevalence based on claims data for the investigated cardiovascular risk factors.

 
  • Literatur

  • 1 Schubert I, Köster I. Routinedaten als Informationsquelle für Morbiditätsschätzungen. In: Ihle P, Gothe H. et al (Hrsg.) Routinedaten im Gesundheitswesen. 2. Überarb. U. erw. Aufl Verlag Hans Huber; 2014
  • 2 Erler A, Beyer M, Muth C. et al. Garbage in – Garbage out? Validität von Abrechnungsdiagnosen in hausärztlichen Praxen. Gesundheitswesen 2009; 71: 823-831
  • 3 Trautner C, Dong Y, Ryll A. et al. Verlässlichkeit von Diagnosen niedergelassener Ärzte in Niedersachsen. Gesundheits- und Sozialpolitik 2005; 1–2: 36-43
  • 4 Schneider A, Gantner L, Maag I. et al. Are ICD-10 codes appropriate for performance assessment in asthma and COPD in general practice? Results of a cross sectional observational study. BMC Health Serv Res 2005; 1 5: 11
  • 5 Schmidt CO, Reber K, Baumeister SE. et al. Die Integration von Primar- und Sekundardaten in der Study of Health in Pomerania und die Beschreibung von klinischen Endpunkten am Beispiel Schlaganfall. Gesundheitswesen 2015; 77: e20-e25
  • 6 Hummers-Pradier E, Simmenroth-Nayda A, Scheidt-Nave C. et al. Versorgungsforschung mit hausärztlichen Routinedaten. Sind Behandlungsdatenträger-(BDT-)Exporte geeignet?. Gesundheitswesen 2003; 65: 109-114
  • 7 Völzke H, Alte D, Schmidt CO. et al. Cohort Profile: The Study of Health in Pomerania. Int J Epidemiol 2001; 40: 294-307
  • 8 Kassenärztliche Bundesvereinigung. Einheitlicher Bewertungsmaßstab Stand 2. Quartal 2013. Arztgruppen EBM Hausarzt. Im Internet: www.kbv.de/8170.html; Stand: 05.04.2017
  • 9 Swart E, Bitzer EM, Gothe H. et al STandardisierte BerichtsROutine für Sekundärdaten Analysen (STROSA) – ein konsentierter Berichtsstandard für Deutschland, Version 2. Gesundheitswesen 2016; 78 S 01 e145-e160
  • 10 Lau K, Lorbeer R, Haring R. et al The association between fatty liver disease and blood pressure in a population-based cohort study. J Hypertens 2012; 30: 1260-1261
  • 11 Löwel H, Meisinger C, Heier M. et al. Epidemiologie der arteriellen Hypertonie in Deutschland – Ausgewählte Ergebnisse bevölkerungsrepräsentativer Querschnittstudien. Dtsch med Wochenschr 2006; 131: 2586-2591
  • 12 Meisinger C, Heier M, Völzke H. et al. Regional disparities of hypertension prevalence and management within Germany. J Hypertens 2006; 24: 293-299
  • 13 Völzke H, Alte D, Neuhauser H. et al. Risikopopulation Vorpommern. Ärzteblatt Mecklenburg-Vorpommern 2007; 2: 49-53 Völzke H, Baumeister SE, Alte D, et al. Independent risk factors for Gallstone formation in a region with high cholelithiasis prevalence. Digestion 2005; 71: 97–105
  • 14 Schmidt CO, Alte D, Volzke H. et al. R. Partial misspecification of survey design features sufficed to severely bias estimates of health-related outcomes. J Clin Epidemiol 2010; 64: 416-423
  • 15 Leong A, Dasgupta K, Chiasson JL. et al. Estimating the population prevalence of diagnosed and undiagnosed diabetes. Diabetes Care 2013; 36: 3002-3008
  • 16 Walter SD, Irwig LM. Estimation of test error rates, disease prevalence and relative risk from misclassified data: a review. J Clin Epidemiol 1988; 41: 923-937
  • 17 Piepoli MF, Hoes AW, Agewall S. et al. 2016; European Guidelines on cardiovascular disease prevention in clinical practice: The Sixth Joint Task Force of the European Society of Cardiology and Other Societies on Cardiovascular Disease Prevention in Clinical Practice. Eur Heart J 2016; 37: 2315-2381
  • 18 American Diabetes Association. Standards of Medical Care in Diabetes-2013. Diabetes Care 2013; 36 S1 11-66
  • 19 Programm für Nationale Versorgungsleitlinien. Nationale VersorgungsLeitlinie Therapie des Typ-2-Diabetes Kurzfassung. Version 1.0. Im Internet: http://www.leitlinien.de/nvl/diabetes/therapie; Stand: 28.04.2017
  • 20 Deutsche Gesellschaft für Kardiologie – Herz- und Kreislaufforschung e.V. European Society of Cardiology – ESC Pocket Guidelines. Prävention von Herz-Kreislauf-Erkrankungen. (Version 2016). Im Internet: https://leitlinien.dgk.org/2017/pocket-leitlinie-praeventionvon-herz-kreislauf-erkrankungen-version-2016/; Stand: 28.04.2017