Schmerztypische Diagnosemuster in Routinedaten – Identifikation mittels Classification and Regression Trees (CART)

Zusammenfassung

Die Identifikation von Patienten mit andauernden, wiederkehrenden oder chronischen Schmerzen in Routineabrechnungsdaten von Krankenkassen ist bislang weder auf der Basis einzelner Diagnosen, noch anhand von analgetischen Verordnungen zuverlässig möglich. Mittels Classification and Regression Trees (CART) ließen sich jedoch spezifische Diagnosemuster für Schmerzpatienten identifizieren. Als spezifisch werden Diagnosemuster betrachtet, die bei Versicherten mit mindestens zwei Opioid-Verordnungen innerhalb eines Jahres häufiger vorkommen als bei Versicherten, die keine analgetische Therapie erhalten haben. Für unsere Analysen lagen Diagnose- und Verordnungsdaten des Jahres 2006 der DAK Deutsche Angestellten Krankenkasse vor. Im Ergebnis wurden 65 Diagnosekombinationen ermittelt, die bei Opioid-Patienten häufiger vorkamen als bei den Vergleichsversicherten. Diese ließen sich folgenden Oberkategorien zuweisen: Krebsbedingte Schmerzen (4), spezifische Rückenschmerzen/Osteoporose (8), Bandscheibenbedingte Schmerzen (6), arthrosebedingte Schmerzen/Rheumatoide Arthritis (22), Schmerzen nach traumatischen Frakturen (5), Schmerzen bei multimorbiden, pflegebedürftigen Patienten (3), neuropathische Schmerzen (7), Kopfschmerzen (5), nicht spezifische Rückenschmerzen (5). Die ermittelten Diagnosekombinationen haben eine hohe prognostische Qualität (Sensitivität: 78%, Spezifität: 66%) und eignen sich zur Identifikation von Schmerzpatienten – der erste Schritt im Rahmen von Versorgungsanalysen zum Thema Schmerz auf der Basis von Routinedaten.

Abstract

The identification of beneficiaries with persistent, recurrent or chronic pain in claims data by means of individual diagnoses or analgesic prescription is not sufficient and reliable. By using classification and regression trees (CART) it was possible to identify specific diagnosis patterns for patients suffering from pain. Diagnosis patterns are considered as specific if they occur more frequently among beneficiaries with at least two opioid prescriptions within one year compared with beneficiaries who did not receive any analgesic therapy. Diagnosis and prescription data of 2006 were provided by the German sickness fund DAK. As a result, 65 diagnosis patterns occurred more frequently among beneficiaries treated with opioids than among the control group. These 65 patterns can be classified as follows: cancer-related pain (4), specific back pain/osteoporosis (8), spine-related pain (6), arthritis-related pain/rheumatoid arthritis (22), pain after traumatic fractures (5), pain in multimorbid, dependent patients (3), neuropathic pain (7), headache (5), non-specific back pain (5). The derived diagnosis patterns showed high predictive values (sensitivity: 78%, specificity: 66%) and are suitable for the identification of beneficiaries suffering from pain − the first step towards health services research in pain-based on claims data.

Schlüsselwörter

Schmerztherapie - Routinedaten - Versichertenklassifikation - Opioide - Klassifikations- und Regressionsbäume (CART)

Key words

pain therapy - claims data - patient classification - opioid - classification and regression trees (CART)

Literatur

• 1 Lindena G, Hildebrandt, Diener HC. et al . Schmerztherapeutische Angebote an Kliniken in Deutschland. Ambulanzen, teilstationäre und stationäre Einrichtungen für Patienten mit chronischen Schmerzen.  Schmerz. 2004;  18 10-16
• 2 Koch M, Müller-Schwefe G, Treede RD. et al .Schmerz in Deutschland. In:, Koch M, Vogel HR, Hrsg. Weißbuch Diabetes. Eine Bestandsaufnahme der Versorgungssituation von Patienten mit chronischem Schmerz in Deutschland. Stuttgart New York: Thieme Verlag; 2008. 1ff
• 3 Internationale Statistische Klassifikation der Krankheiten und verwandter Gesundheitsprobleme, 10. Revision, Version 2006, German Modification. http://www.dimdi.de/static/de/klassi/diagnosen/icd10/htmlgm2006/fr-icd.htm
• 4 Healthcare Cost and Utilization Project – HCUP . http://www.hcup-us.ahrq.gov/toolssoftware/icd_10/ccs_icd_10.jsp#download Zugriff am 18.6.2009
• 5 Healthcare Cost and Utilization Project – HCUP . Clinical Classification Software (CCS) 2009. User guide. http://www.hcup-us.ahrq.gov/toolssoftware/ccs/CCSUsersGuide.pdf Zugriff am 18.6.2009
• 6 Breiman L, Friedman J, Olshen R. et al .Classification and Regression Trees. Boca Raton: Chapman & Hall; 1984
• 7 Breiman L. Statistical Modeling: The Two Cultures.  Statistical Science. 2001;  16 (3) 199-231
• 8 Faraway JJ. Extending the Linear Model with R. Boca Raton, London, New York: Chapman & Hall; 2006

Korrespondenzadresse