Medizinische Leistungen für ambulante Versorgungsgruppen

Zusammenfassung

Zielsetzung Morbidität und Versorgungsleistungen hängen über evidenzbasierte Regeln, Patientenpräferenzen und Erfahrungen der medizinischen Praxis miteinander zusammen, eine „feste Kopplung“ gibt es jedoch nicht. Mit dem Ziel, ambulante Versorgungsgruppen zu beschreiben, wird ein Verfahren vorgestellt, das Diagnosen und medizinische Leistungen der umfangreichen Abrechnungsstatistik aufeinander bezieht.

Material und Methodik Grundlage sind bundesweite Abrechnungsdaten der ambulanten Versorgung aus dem Jahr 2012. Das Verfahren wird am Beispiel eines Versorgungsproblems vorgestellt: Patienten mit Entzündungen der ableitenden Harnwege differenziert nach Alter und Geschlecht. Kontrollgruppe sind Patienten ohne diese Diagnose. Mit Kenngrößen aus dem Vergleich von Ziel- und Kontrollgruppe – der positiven Likelihood Ratio und der Breite ihres Konfidenzintervalls – wird eine Clusteranalyse der Abrechnungsleistungen durchgeführt. Die Cluster werden als partielle empirische Charakterisierung des Zusammenhangs von Diagnosen als Morbiditätskriterium mit Leistungen als Versorgungsindikatoren interpretiert.

Ergebnisse Das Verfahren eliminiert viele unspezifische, wenig trennscharfe oder quantitativ bedeutungslose Leistungen. Der ermittelte Satz diagnoseassoziierter Leistungen ist auf das jeweilige Versorgungsproblem bezogen, bleibt vom Umfang überschaubar (22 bis 71 Leistungen je Gruppe) und kann durch Variation der Grenzwerte der Kennziffern unterschiedlich eng mit der Diagnose gekoppelt werden.

Schlussfolgerung Die vorgestellte Analyse fördert Leistungstransparenz und kann die Weiterentwicklung des Abrechnungssystems mit seinen impliziten Anreizstrukturen unterstützen. Cluster-Leistungen können Informationen zur Entwicklung der assoziierten Morbidität beitragen.

Abstract

Aim Morbidity and medical care services are linked by evidence-based rules, patient preferences, and medical experience, but there is no such thing as a “strong linkage”. With the aim of describing outpatient care packages, a procedure is presented that relates diagnoses and medical care services using outpatient claims data.

Method The basis for this method is a nationwide set of medical claims data for outpatient care in 2012. The procedure is presented by using a tracer medical problem: patients with inflammation of the urinary tract differentiated by age and gender. Patients without this diagnosis are used as a control group. Key statistics from the comparison of target and control group – the positive likelihood ratio and the width of the confidence interval – are used in a cluster analysis. The resulting clusters are interpreted as an empirically driven characterization of the relationship between morbidity (diagnoses) and medical performance, expressed as treatment indicators.

Results The presented method eliminates many unspecific, poorly discrominating, or quantitatively irrelevant medical procedures. The determined set of diagnosis-associated medical procedures is related to the medical care problem and remains manageable regarding the number of selected procedures (22 to 71 services per group). The fit and the volume of the set can be changed by varying the threshold values of the indicators.

Conclusion The presented method is capable of promoting transparency of medical performance and supporting further development of the accounting system with its implicit incentives. Cluster information may also contribute to the assessment of the trends of associated morbidity.

Schlüsselwörter

Versorgungsleistungen - ambulante Versorgungsgruppen - Klassifikationssysteme - Multimorbidität - Clusteranalyse

Key words

Care services - outpatient care groups - classification systems - multimorbidity - cluster analysis

• Literatur

• 1 Neumann K, Gierling P, Albrecht M. et al. Reform der ärztlichen Vergütung im ambulanten Sektor: Prüfung der Machbarkeit. Studienbericht für die Techniker Krankenkasse. 2014
• 2 Sachverständigenrat zur Begutachtung der Entwicklung im Gesundheitswesen. (Hrsg.) Gesundheitswesen in Deutschland. Kostenfaktor und Zukunftsbranche. Baden-Baden: 1998. Bd. II: Fortschritt, Wachstumsmärkte, Finanzierung und Vergütung;
• 3 Felder S, Robra B-P. Geeignete Indikatoren für Leistungsverschiebungen zwischen Vergütungs- und Leistungsbereichen: Gutachten zu Händen der Kassenärztlichen Bundesvereinigung. Basel und Magdeburg; 2013
• 4 Busse R, Schreyögg J, Stargardt T. (Hrsg.) Management im Gesundheitswesen: Das Lehrbuch für Studium und Praxis. 4. Aufl.. Berlin, Heidelberg: Springer Berlin Heidelberg; 2017
• 5 Buser K, Busse R, Krauth C. et al. Zur Weiterentwicklung des Vergütungssystems in der ambulanten ärztlichen Versorgung: Gutachten imAuftrag der Bundesfraktion Bündnis 90/Die Grünen. Diskussionspapier Nr. 9. Hannover: 1997
• 6 Kessner DM, Kalk CE, Singer J. Assessing Health Quality-the Case for Tracers. New England Journal of Medicine 1973; 288 (04) 189-194
• 7 Berger I, Albrecht U, Grimm W. et al. Bericht des Instituts des Bewertungsausschusses zur jährlichen Weiterentwicklung des Klassifikationssystems gemäß § 87a Abs. 5 SGB V (KS87a). Berlin: 2013
• 8 Simel DL, Samsa GP, Matchar DB. Likelihood ratios with confidence: Sample size estimation for diagnostic test studies. Journal of Clinical Epidemiology 1991; 44 (08) 763-770
• 9 Wiedenbeck M, Züll C. (Hrsg.) Klassifikation mit Clusteranalyse: Grundlegende Techniken hierarchischer und K-means-Verfahren. Mannheim: 2001. GESIS-Reihen ZUMA How-to-Reihe Nr. 10
• 10 Jaeschke R, Guyatt G, Sackett DL. Users’ guides to the medical literature. JAMA 1994; (271) 703-707
• 11 McGee S. Simplifying likelihood ratios. J Gen Intern Med 2002; 17 (08) 647-650
• 12 Bacher J. Teststatistiken zur Bestimmung der Clusterzahl für Quick Cluster. Zentralarchiv für Empirische Sozialforschung 2001; 48: 71-97
• 13 Interdisziplinäre S3 Leitlinie: Epidemiologie, Diagnostik, Therapie, Prävention und Management unkomplizierter, bakterieller, ambulant erworbener Harnwegsinfektionen bei erwachsenen Patienten. In: AWMF_Register-Nr.043/044, 2017
• 14 Stein P, Vollnhals S. Grundlagen clusteranalytischer Verfahren. Universität Duisburg-Essen; 2001
• 15 Blozik E, Dubben H-H, Wagner H-O. et al. Komorbidität in Leitlinien: Ist-Zustand, epidemiologische Modelle und Expertenmeinung im Vergleich. Z Evid Fortbild Qual Gesundhwes 2014; 108 (04) 219-228
• 16 Ozegowski S, Sundmacher L. Wie „bedarfsgerecht“ ist die Bedarfsplanung? Eine Analyse der regionalen Verteilung der vertragsärztlichen Versorgung. Gesundheitswesen (Bundesverband der Ärzte des Öffentlichen Gesundheitsdienstes (Germany)) 2012; 74 (10) 618-626