Einführung
In Krebsregistern werden sowohl Personencharakteristika wie Alter und Geschlecht als
auch erkrankungsspezifische Variablen wie Tumorcharakteristika und Therapien
gemäß gesetzlichen Regelungen erfasst [1 ]. Aufgrund der Meldepflicht bieten die Daten
gesetzlicher Krebsregister grundsätzlich eine solide Grundlage zur
Darstellung des Erkrankungsgeschehens und zur validen Schätzung
epidemiologischer Kennzahlen von Krebserkrankungen.
Eine weitere Datenquelle zur Erforschung von Krebserkrankungen sind die
Abrechnungsdaten der gesetzlichen Krankenversicherungen (GKV). Diese Daten bieten
individuelle Informationen zu diagnostizierten Erkrankungen sowie zur
Inanspruchnahme von Leistungen des Gesundheitssystems – im Idealfall mit
mehrjähriger personenbezogener Historie. So können insbesondere
Komorbiditäten und Versorgungswege in Analysen berücksichtigt
werden. Da GKV-Daten jedoch nicht primär zu Forschungszwecken erhoben
werden, stehen einige relevante Informationen nicht oder nur eingeschränkt
zur Verfügung - für Krebserkrankungen beispielsweise Informationen
zur histologischen Sicherung und zum UICC-Stadium. Unschärfen in der
Kodierung können insbesondere epidemiologische Analysen auf Basis von
GKV-Daten erheblich erschweren [2 ]
[3 ].
In dieser Studie wurde die Machbarkeit einer Verknüpfung (Record-Linkage) von
Daten Klinischer Krebsregister (KKR) mit GKV-Daten untersucht, der Linkageerfolg
verschiedener Linkagevarianten quantifiziert und die Validität der
erhaltenen Datenbasis überprüft.
Methoden
WiZen-Projekt
Das vom Innovationsfonds des G-BA geförderte WiZen-Projekt ist eine
Studie zur Quantifizierung der „Wirksamkeit der Versorgung in
onkologischen Zentren“ (Förderkennzeichen 01VSF17020). Im
Projekt werden Abrechnungsdaten der AOKs sowie Daten klinischer Krebsregister
genutzt. Hauptziel der Studie ist ein Vergleich der Krankenhäuser mit
und ohne Zertifikat hinsichtlich des Überlebens. Die Studie betrachtet
Brustkrebs, kolorektales Karzinom, gynäkologische Tumoren, Kopf- und
Halstumoren, Lungenkrebs, neuroonkologische Tumoren,
Bauchspeicheldrüsenkrebs und Prostatakrebs. Der hier betrachtete
Projektteil betrifft die Verknüpfung von Abrechnungsdaten der AOKs und
KKR-Daten mit Ziel, ein geeignetes Linkageverfahren zu etablieren und zu
validieren.
Datenquellen
Die im Linkage genutzten Routinedaten der KKR Dresden, Erfurt und Regensburg der
Jahre 2006–2017 (Datenstand 08/2020) umfassen die Einzugsgebiete
Thüringen, Ostsachsen, Niederbayern und die Oberpfalz und
schließen Fälle mit histologischer Sicherung (keine
DCO-Fälle) ein. Sie beinhalten Personeninformationen (Geburtsdatum,
Geschlecht, Postleitzahl, Vitalstatus, verschlüsselte
Krankenversichertennummer KV-Nr) sowie erkrankungsspezifische Daten
(Diagnosedatum, Tumorstadium nach TNM und UICC, Therapien, Nachsorgedaten) und
wurden für acht Entitäten bereitgestellt.
Die vom Wissenschaftlichen Institut der AOK (WIdO) an die Vertrauensstelle
übermittelten bundesweiten Daten AOK-versicherter Personen enthalten
potentiell inzidente Fälle der Jahre 2009–2017 für acht
Entitäten: Im Datensatz befinden sich nur Patient:innen, die in den
Jahren 2006–2008 keine stationäre ICD-10-Ziffer einer
Entität erhalten haben. Die Festlegung der Definition
„Entität“ erfolgte durch ein Gremium von klinischen
Experten (Spl.Tab. 1 für GKV und KKR, online verfügbar).
Enthalten sind personenbezogene Informationen (Geburtsdatum, Geschlecht,
Todesdatum, verschlüsselte (KV-Nr)), sowie erkrankungsspezifische Daten
(z. B. Diagnosen nach ICD10-GM und Prozeduren in Form von
OPS-Codes).
Datenschutz und Ethik
Die Daten der AOKs wurden mit den Daten der DKG zur Zertifizierung und den Daten
der strukturierten Qualitätsberichte verknüpft und personen- und
krankenhausseitig pseudonymisiert. Die Vertrauensstelle bei der
Arbeitsgemeinschaft Deutscher Tumorzentren (ADT) verfuhr entsprechend mit den
Daten der KKR. Diese Daten wurden verschlüsselt über gesicherte
Austauschlaufwerke als CSV-Dateien übermittelt. Die zum Abgleich
verwendete Krankenversicherungsnummer wurde auf Seiten des WIdO und auf Seiten
der KKR mit demselben Verfahren verschlüsselt, und die Chiffrate der
Vertrauensstelle zur Verfügung gestellt.
In der Vertrauensstelle bei der ADT wurde die eigentliche
Datenverknüpfung (Linkage) durchgeführt und das Resultat in Form
einer Treffertabelle an die Auswertestelle beim Zentrum für
evidenzbasierte Gesundheitsversorgung (ZEGV) übermittelt. Es wurden
folgende Datenbereinigungen durchgeführt: Die Vertrauensstelle
vereinheitlichte das Datumsformat aller Quellen. Personen ohne
vollständiges Geburtsdatum/Geschlecht (n=13,
n=4) wurden aus dem Datensatz entfernt. Unvollständige
Datumsangaben jenseits des Geburtsdatums (z. B. das OP-Datum) wurden
seitens der ADT um Stichtage ergänzt und entsprechend markiert. Das
Linkage auf Geburtsdatum und Geschlecht bei der Vertrauensstelle fand nur anhand
gültiger Angaben statt. Die Vertrauensstelle führte keine
weiteren Ausschlüsse durch. Die zugehörigen Datenflüsse
und das methodische Vorgehen beim Linkage sind in [Abb. 1 ] zusammengefasst.
Abb. 1 Datenflussdiagramm und Linkageverfahren mit Darstellung
ausgewählter Fallzahlen für die
Ausgangsdatensätze, die Treffertabelle für die
Grundmenge über Geburtsdatum und Geschlecht sowie Darstellung
der Auswahl des Goldstandards.
Für das WiZen-Projekt liegt ein Ethikvotum der Ethikkommission der TU
Dresden vor (EK95022019). WiZen wurde bei ClinicalTrials.gov registriert
(Identifier: NCT04334239). Die Datenverarbeitung und -analyse erfolgte in
Übereinstimmung mit der Deklaration von Helsinki und der General Data
Protection Regulation der Europäischen Union.
Datenlinkage
Das Datenlinkage erfolgt als Abgleich personenidentifizierender Merkmale,
sogenannter Identifikatoren. Direkte Identifikatoren kennzeichnen ein Individuum
eindeutig, wodurch eine sichere Verknüpfung von Individualdaten
möglich ist. Indirekte Identifikatoren kennzeichnen bestimmte
Charakteristika von Individuen. Da verschiedene Individuen aber teilweise
identische Charakteristika haben (z. B. Geburtsdatum, Geschlecht), ist
eine diesbezügliche Verknüpfung nur mit Unsicherheit
möglich. Hier wurde ein Linkage anhand indirekter Identifikatoren (kurz
indirektes Linkage) realisiert und anhand des direkten Identifikators validiert.
Als Goldstandard hinsichtlich des Datenlinkage wurde die Zuordnung über
KV-Nr definiert, ein sog. exaktes Linkage [4 ]
[5 ].
Als indirekte Identifikatoren wurden Kombinationen von Geburtsdatum (tagesgenau),
Geschlecht, 5-stelliger Postleitzahl (PLZ), Diagnosejahr und -quartal (von
stationäre(n) Diagnose(n)), Krankenhausidentifikation (behandelndes
Krankenhaus), ICD-Ziffer (ICD 3-Steller der stationären Hauptdiagnose)
und OP-Datum (tagesgenau) und als direkter Identifikator die
verschlüsselte KV-Nr genutzt. Darüber hinaus kamen Bundesland
und Kreis (Wohnort) als einseitiger Filter auf der GKV-Kohorte zum Einsatz.
Bei der Auswertestelle wurde zwecks Datenschutz und -sparsamkeit lediglich eine
Treffertabelle erstellt. Die Validierung des Linkage erfolgte anhand dieser
Treffertabelle. Für das beste Linkage-Ergebnis wurden
zusätzliche Informationen zum Abgleich der entsprechenden Verteilungen
übermittelt.
Identifikation der besten Linkage-Variablenkombination
Die Bestimmung der Zuordnungsgüte für das Linkage erfolgte anhand
einer von der Vertrauensstelle erstellten Treffertabelle ([Abb. 1 ]).
Diese beinhaltete das kartesische Produkt der jeweiligen Ausgangspopulationen aus
der GKV- und der KKR-Datenquelle – eingeschränkt auf
mögliche Zuordnungen („hits“) mit
übereinstimmendem Geschlecht und Geburtsdatum, getrennt nach
Entität. Diese beiden Variablen bilden daher eine
„feststehende“ Ausgangsbedingung, die sog. Grundmenge
über Geburtsdatum und Geschlecht. Für jeden Identifikator
kennzeichnete eine boolesche Variable die Übereinstimmung der
zugehörigen Information in beiden Datensätzen. Diese booleschen
Treffermarker wurden für folgende Variablen erstellt:
verschlüsselte KV-Nr, Postleitzahl, Diagnosejahr/-quartal,
Krankenhauspseudonym, Region, Kreis, ICD-3-Steller, OP-Datum.
Zum Abgleich der verschiedenen Variablenkombinationen mit dem Goldstandard
umfasste die sog. Analysepopulation alle Fälle mit einer dokumentierten
KV-Nr in den KKR (zugehörige Populationen in Spl. [Abb. 1 ], online verfügbar). Da in
den GKV-Daten die KV-Nr vollständig erfasst sind, enthält diese
Population echt positive (KV-Nr Register- und GKV-seitig) und echt
negative (KV-Nr nur registerseitig, definitiv nicht im GKV-Datensatz)
Zuordnungen. Dubletten hinsichtlich der KV-Nr (n=35, Spl.Tab. 2, online
verfügbar) innerhalb der Analysepopulation wurden ausgeschlossen.
Statistische Analyse
Zur Quantifizierung der
Zuordnungsgüte im indirekten Linkage wurden die dabei erreichten
Zuordnungen in richtig positive (rp), falsch positive (fp), falsch negative (fn)
und richtig negative (rn) bezüglich des Goldstandards KV-Nr unterteilt.
Daraus wurden die gebräuchlichen Gütekriterien
Sensitivität, Spezifität und Korrektklassifikationsrate
(Treffergenauigkeit, ACC) abgeleitet. Ergänzend wurde der
Gilbert-Skill-Score (GSS) verwendet [6 ].
Dieser ist ein fähigkeitskorrigiertes Maß der
Prädiktionsgüte (Formel 1), das die Anzahl der Zufallstreffer
(z) (Formel 2) berücksichtigt.
Zudem wurde die Qualität des Linkage anhand der
Häufigkeiten von Ein- bzw. Mehrdeutigkeiten bei Zuordnung beurteilt.
(Ein-)Eindeutigkeit (1:1) lag vor, wenn ein Personenidentifikator aus der
GKV-Datenquelle genau einem Personenidentifikator aus der KKR-Datenquelle
zugeordnet wurde und dies auch umgekehrt galt. Mehrdeutigkeit lag vor, wenn ein
Personenidentifikator entweder in der GKV- oder KKR-Datenquelle (1:m, n:1) oder
in beiden Quellen (n:m) mehrfach zugeordnet wurde.
Als weitere
Validierungsstufe unabhängig von der verschlüsselten KV-Nr
wurden für alle eineindeutig indirekt gelinkten Individuen innerhalb der
Population, die sich aus der Grundmenge über Geburtsdatum und Geschlecht
ergibt, die Übereinstimmung der Sterbeinformation
überprüft. Das Sterbedatum ist hierfür die einzig
mögliche Variable, da sie in beiden Datensätzen identisch
definiert ist. Dies ist für alle weiteren indirekten Variablen nicht der
Fall. Des Weiteren wurde die Strukturgleichheit der Populations-Charakteristika
für die GKV-Daten betrachtet.
In den KKR war das Sterbedatum
mindestens monatsgenau, in den GKV-Daten tagesgenau dokumentiert. Individuen
ohne dokumentiertes Sterbedatum wurden als „lebend“ bezeichnet.
Zunächst wurden vier mögliche Zustände festgelegt: 1)
lebend (beide), 2) lebend/verstorben (GKV/KKR), 3) verstorben/lebend (GKV/KKR)
und 4) verstorben (beide). In mindestens einer der Datenquellen als verstorben
dokumentierte Zuordnungen wurden zusätzlich nach Sterbejahr dargestellt.
Unterschieden wurde dabei hinsichtlich des Sterbedatums 1.) exakte
Übereinstimmung, 2.) Übereinstimmung von Monat und Jahr, 3.)
Abweichung in Monat und/oder Jahr 4./5.) nur in GKV bzw. in KKR als verstorben
dokumentiert.
Als weitere Validierungsstufe erfolgte der Abgleich der
deskriptiven Eigenschaften der Ausgangs- und der gelinkten Population identisch
mit der Vorgehensweise in [7 ]. Um im
Rahmen dieser Validierung Abweichungen durch regionale Variation (z. B.
in der Altersverteilung) auszuschließen, wurde der nicht gelinkte
bundesweite GKV-Datensatz auf die Bundesländer Bayern, Sachsen und
Thüringen eingeschränkt. Die resultierenden Verteilungen von
Elixhauser-Komorbiditäten [8 ],
Zentrenzugehörigkeit, Alter und Geschlecht wurden beispielhaft
für das Pankreaskarzinom verglichen.
Ergebnisse
Die Datengrundlage bildeten bundesweit 1.386.811 AOK-Versicherte im GKV-Datensatz
und
297.646 Individuen aus den KKR Erfurt, Dresden und Regensburg. Von diesen konnten
964.702 (GKV) bzw. 283.422 (KKR) über Geburtsdatum und Geschlecht zugeordnet
werden, wodurch sich 3.092.401 Verknüpfungen ergaben ([Abb. 1 ], Spl.Tab. 3, online
verfügbar). Diese Gruppe weist 98.499 eindeutige KKR-Individuen mit einer
KV-Nr auf (Analysepopulation), von denen 33.030 eine Übereinstimmung mit der
KV-Nr eines GKV-Versicherten hatten.
Der Anteil an Personen mit dokumentierter KV-Nr in den KKR nahm im Zeitverlauf
bezüglich Diagnosejahr deutlich zu ([Abb.
2 ]). So wiesen im Jahr 2009 zwischen 1,9% (Pankreaskarzinom) und
25,5% (Mammakarzinom) eine KV-Nr auf. Im Jahr 2017 lagen diese Anteile
zwischen 76,5% (Pankreaskarzinom) und 92,1% (Neuroonkologische
Tumoren).
Abb. 2 Prozentuale Verteilung der Personen aus den klinischen
Krebsregistern mit KV-Nr über das Jahr der Diagnose.
Güte des Linkage
Die in [Tab. 1 ] dargestellten
Variablenkombinationen erzielten im indirekten Linkage im Abgleich mit dem
Goldstandard bezüglich Spezifität, positivem Vorhersagewert und
Treffergenauigkeit Werte von mehr als 95% (weitere ausgewählte
Variablenkombinationen sind in Spl.Tab. 4 enthalten, online verfügbar).
Es ist davon auszugehen, dass die Erfassung von Geburtsdatum, Geschlecht, PLZ
und den anderen Kennziffern sich über den Untersuchungszeitraum nicht
signifikant geändert hat.
Tab. 1 Gegenüberstellung ausgewählter
Variablenkombinationen der Analysepopulation hinsichtlich der
Gütekriterien und Trefferanzahlen.
Ausgewählte Variablenkombinationen
Linkage-Kombination aus Geburtsdatum, Geschlecht und
Krankenhausinstitutskennzeichen und Diagnosequartal
{hit_ik,hit_diag_jq}
Kreis und Diagnosejahr {hit_kr,hit_diagjahr}
OP-Datum und Region {hit_op,hit_reg}
Postleitzahl {hit_plz}
Anzahl in der Grundmenge Geburtsdatum und Geschlecht N
(%)
1:1 Verknüpfungen
46.905 (96,3%)
38.813 (44,3%)
38.343 (95,1%)
74.586 (97,9%)
1:n Verknüpfungen
1.573 (3,2%)
35.562 (40,6%)
1.808 (4,5%)
1.266 (1,7%)
n:m Verknüpfungen
234 (0,5%)
13.172 (15,0%)
148 (0,4%)
322 (0,4%)
Gesamtverknüpfungen
48.712 (100%)
87.547 (100%)
40.299 (100%)
76.174 (100%)
Anzahl innerhalb der Analysepopulation (KV-Nr im Register)
N (%)
1:1 Verknüpfungen
20.753 (96,9%)
22.968 (58,2%)
19.416 (95,6%)
33.019 (98,9%)
1:n Verknüpfungen
595 (2,8%)
12.113 (30,7%)
844 (4,2%)
294 (0,9%)
n:m Verknüpfungen
76 (0,4%)
4.413 (11,2%)
59 (0,3%)
82 (0,2%)
Gesamtverknüpfungen
21.424 (100%)
39.494 (100%)
20.319 (100%)
33.395 (100%)
Gütekriterien innerhalb der
KV-Nr-Analysepopulation (KV-Nr im Register) Median
(Min,Max)
Sensitivität
71,5% (42,2%; 85,8%)
92,1% (82,2%; 95,7%)
57,0% (25,4%; 81,6%)
99,5% (99,4%; 99,6%)
Spezifität
99,9% (99,8%; 100,0%)
99,0% (98,8%; 99,3%)
99,9% (99,7%; 99,9%)
99,9% (99,8%; 100,0%)
Positiver Vorhersagewert
97,1% (93,0%; 98,8%)
84,8% (56,2%; 94,1%)
95,7% (91,2%; 98,3%)
98,8% (97,6%; 99,3%)
Treffergenauigkeit
98,2% (96,8%; 99,4%)
98,6% (98,0%; 99,1%)
97,6% (90,1%; 99,4%)
99,9% (99,8%; 100,0%)
Gilbert-Skill-Score
68,4% (40,5%; 82,5%)
75,9% (49,4%; 88,4%)
53,6% (24,4%; 76,8%)
98,1% (97,1%; 98,8%)
Unterschiede zwischen den verschiedenen Linkage-Varianten wurden insbesondere
anhand des GSS deutlich. Während das Linkage anhand Geburtsdatum,
Geschlecht und PLZ für alle Entitäten
GSS-Werte≥97,1% erreichte, lagen diese für alle
Variablenkombination ohne PLZ-Bezug bei≤88,4%. Die
PLZ-Linkage-Kombination bleibt mit einer Streuung von 1,7% über
alle Entitäten als einzige stabil.
Die hohe Güte des indirekten Linkages anhand Geburtsdatum, Geschlecht und
PLZ spiegelte sich auch in der Anzahl von 74.586 eineindeutigen
Verknüpfungen („1:1“), welche alle anderen Varianten
übertraf wider ([Tab. 1 ]).
Mehrdeutige Links traten bei dieser Linkage-Variante selten auf
(„n:1“ bzw. „1:m“: 1.266 Links und
„n:m“: 322 Links).
Die Verfügbarkeit der KV-Nr nimmt in den KKR über die Zeit zu
(Spl.Tab. 2, online verfügbar). In einer Sensitivitätsanalyse
wurde daher das Linkage eingeschränkt auf den Zeitraum
2014–2017. Hier waren die Sensitivität und GSS gegenüber
dem Gesamtzeitraum etwas erhöht und die übrigen
Gütekriterien vergleichbar (Spl.Tab. 5, online verfügbar).
Validierung
Nachfolgend wurden ausschließlich die 74.586 eineindeutigen Links
über die Kombination mit der besten Güte, also Geburtsdatum,
Geschlecht und PLZ betrachtet (unabhängig von der Existenz einer KV-Nr).
Von diesen waren gemäß GKV-Daten 36.546 (49%) und
gemäß KKR-Daten 32.974 (44,2%) als verstorben
dokumentiert ([Tab. 2 ]). 70.924
(95,1%) wurden in beiden Datenquellen übereinstimmend als lebend
bzw. verstorben klassifiziert. Für 3.617 Personen war in den GKV-Daten
ein Sterbedatum dokumentiert, während in den KKR-Daten keine
Sterbeinformation hinterlegt war. Umgekehrt wurden nur 45 Personen in den
GKV-Daten als lebend und in den KKR-Daten als verstorben geführt.
Tab. 2 Vergleich der Sterbeinformation im GKV- und
Registerdatensatz.
N (%)
GKV lebend
GKV verstorben
Gesamt
KKR lebend
37.995 (50,94%)
3.617 (4,85%)
41.612 (55,79%)
KKR verstorben
45 (0,06%)
32.929 (44,15%)
32.974 (44,21%)
Gesamt
38.040 (51,00%)
36.546 (49,00%)
74.586 (100,00%)
Für die 36.591 Personen mit dokumentiertem Sterbedatum in wenigstens
einer der Datenquellen zeigten sich zeitliche Trends in der
Übereinstimmung der Sterbedaten ([Abb.
3 ]). Der Anteil von Übereinstimmungen in Jahr und Monat
reduzierte sich von 94% im Jahr 2013 auf 75% im Jahr 2017.
Gleichzeitig stieg der Anteil ohne Sterbeinformation in den KKR-Daten
von≤4,6% auf 24%. Der Anteil in beiden Datenquellen
dokumentierter aber abweichender Sterbedaten lag in allen Jahren zwischen 0,7
und 1,1%.
Abb. 3 Abgleich der Sterbeinformation nach Jahr.
Die Charakteristika des gelinkten Pankreaskarzinom-Datensatzes hinsichtlich
Geschlecht und den Elixhausergruppen wichen von denen der ungelinkten GKV-Daten
in 14 von 18 Fällen weniger als 3%-Punkte ab (Spl.Tab. 6, online
verfügbar).
Diskussion
Im Rahmen des WiZen-Projektes wurden erfolgreich zwei umfangreiche Datensätze
mit komplementären Inhalten verknüpft – die Daten der AOKs
sowie die Daten dreier KKR. Mit der Kombination von PLZ, Geburtsdatum und Geschlecht
als indirekten Identifikatoren wurde für jede der betrachteten
Krebsentitäten im Rahmen des Abgleichs mit dem direkten Identifikator KV-Nr
eine hohe Treffergüte von mindestens 97,1% erreicht, womit sie sich
unter allen Varianten als überlegen erwies. Die sehr gute
Verknüpfungsleistung bestätigte sich auch im Abgleich von
Sterbedatumsangaben beider Quellen. Die Verteilungen personenbezogener Merkmale
stimmten zwischen Linkage-Datensatz und GKV-Ausgangsdatensatz gut überein,
sodass von einem geringen Verzerrungspotenzial der statistischen Eigenschaften der
Kohorte aufgrund des Linkage auszugehen ist.
Vorarbeiten zum indirekten Linkage wiesen Erfolgsquoten von über 80%
[9 ]
[10 ]
[11 ] bzw. über
97% [12 ] auf. Das vorliegende Linkage
erreichte vergleichbare bzw. für einzelne Entitäten höhere
Werte der Gütekriterien. Epidemiologische Krebsregister erreichen mittels
Linkage über sogenannte Kontrollnummern [13 ] ebenfalls sehr valide Zuordnungen [14 ]. Ein solches Vorgehen für das Linkage von KKR- und GKV-Daten
erfordert die Bereitschaft der Datenhalter, diese Kontrollnummern zu erzeugen.
Insofern ist es als großer Erfolg zu werten, dass das vorliegende Linkage
entitätsspezifisch mit nur drei indirekten Identifikatoren mit sehr geringer
Fehlerrate umsetzbar ist. Dieses Ergebnis bestätigt frühere Evidenz,
dass bereits mit wenigen Variablen eine valide Zuordnung möglich ist [15 ]. Zudem sind die hier verwendeten
Identifikatoren generische Variablen, welche in vielen (anderen) Datenquellen
enthalten sind, womit eine gute Übertragbarkeit des Vorgehens gegeben
ist.
Durch das Linkage entstehen im Vergleich zu den Ursprungsdatensätzen eine
Reihe analyserelevanter Vorteile. So sind für personenbezogene Analysen
gleichzeitig gesicherte Angaben zu klinischen Charakteristika der Tumoren (Quelle:
KKR) und relevanten Komorbiditäten (Quelle: GKV) verfügbar. Zudem
können die oft aktuelleren und vollständigeren Angaben zu
durchgeführten diagnostischen und therapeutischen Maßnahmen sowie
zum Lebendstatus aus dem GKV-Datensatz den KKR-Datensatz insbesondere für
prognostische Längsschnittbetrachtungen aufwerten. Andererseits erlaubt die
Art der Dokumentation in KKR eine sehr zuverlässige Zuordnung des Datums der
Neuerkrankung und erhöht so die Validität von Analysen durch die
zuverlässige Unterscheidung inzidenter von prävalenten Erkrankungen
gegenüber der alleinigen Nutzung von GKV-Daten.
Stärken und Limitationen
Die Daten wiesen eine hohe Qualität bezüglich der genutzten
indirekten Identifikatoren auf. Das Geburtsdatum wurde in beiden Quellen auch
als interne Prüfvariable genutzt und die Postleitzahl lag in den
GKV-Daten historisiert vor. Seitens der KKR wird nur eine Postleitzahl erfasst,
zu der kein explizites Datum vorliegt. Durch den Abgleich mit allen
Postleitzahlen der GKVen wird hier die Wahrscheinlichkeit eines Treffers im
Vergleich zu einzelnen stichtagsbezogenen PLZ in beiden Datensätzen
erhöht. Zudem war die Erfassung von Geburtsdatum, Geschlecht und
Postleitzahl in beiden Datenquellen vollständig. Somit konnten durch das
Linkage die besten Informationen aus beiden Datenquellen valide miteinander
kombiniert werden, sodass entweder fehlende oder unvollständige Angaben
aufgefüllt oder gänzlich neue Sachverhalte aus der jeweils
komplementären Quelle hinzugefügt werden konnten. Jedoch ist
nicht immer eindeutig, welche Quelle bei überlappenden Variablen die
zuverlässigere Angabe bietet. Bei der Verwendung der KV-Nr als
Goldstandard hinsichtlich eines Linkage ist zu beachten, dass einerseits die
Verfügbarkeit der KV-Nr in den KKR über die Zeit zugenommen hat.
Andererseits kann ein Unterschied zwischen Individuen mit und ohne KV-Nr
hinsichtlich der Belastbarkeit von Angaben der Identifikatoren zu einer
eingeschränkten Übertragbarkeit der vorliegenden Ergebnisse auf
die Gesamtpopulation führen. In einer diesbezüglichen
Sensitivitätsanalyse wurde jedoch nur ein moderater Einfluss des
Diagnosezeitpunkte auf den Erfolg des Datenlinkage festgestellt. Zudem ist das
Problem nicht vorliegender KV-Nr in den KKR hauptsächlich für
historische Daten relevant.
Der Linkage-Datensatz stellt die Schnittmenge beider Einzeldatensätze dar
und weist somit eine geringere Fallzahl als diese auf. Das ist insbesondere
relevant, wenn die Populationen beider Einzeldatenquellen sich nur teilweise
überlappen (KKR: Einschränkung auf Einzugsgebiete/GKV:
Einschränkung auf Versicherte der jeweiligen Krankenkasse). Dem Zugewinn
an Informationen steht also eine Reduktion der Fallzahl entgegen, welche durch
eine hohe Zuordnungsrate nur teilweise kompensiert werden kann.
Aufgrund von Datenschutzerfordernissen ist die Verknüpfung nur unter
Einbezug einer Vertrauensstelle möglich. Die Verwendung indirekter
Identifikatoren impliziert zudem eine gewisse Unsicherheit der
Verknüpfung, wodurch das Verfahren nur für Anwendungen geeignet
ist, welche keine absolute Sicherheit der Zuordnung erfordern. Die Fehlerquote
ist allerdings so gering, dass sich der resultierende Datensatz für
Kohortenstudien sehr gut eignet. Die Güte des Linkage kann zwischen
verschiedenen Bundesländern variieren, beispielsweise aufgrund
unterschiedlichen Mobilitätsverhaltens. Je nach Datenbasis
könnte daher das Hinzuziehen weiterer Identifikatoren oder der Aufbau
eines mehrstufigen Linkage erforderlich werden. Zudem ist zu beachten, dass das
entitätsspezifische Vorgehen implizit als Linkage mit der
Krebsentität als zusätzlichem indirekten Identifikator anzusehen
ist.
Schlussfolgerung und Ausblick
Im Rahmen des WiZen-Projekts wurde mit wenigen indirekten Identifikatoren ein hoher
Zuordnungserfolg des personenbezogenen Linkage erreicht und die Validität
des erhaltenen Linkage-Datensatzes bestätigt. Die Zusammenführung
komplementärer Informationen aus verschiedenen Datenquellen auf
Individualdatenebene bietet dabei ein hohes Potenzial für tiefergehende
versorgungsbezogene Analysen gegenüber den Einzeldatenquellen. Das
vorgestellte Verfahren unterstreicht somit das Potential dieser
Verknüpfungsart für künftige Linkage-Verfahren in der
Versorgungsforschung.
Inwiefern sich die zusammengeführten komplementären Informationen auf
Analyseergebnisse auswirken und welche Angaben sich für die gelinkten
Personen jeweils ergänzen lassen, wird in einer separaten Auswertung
untersucht.
