Routinedaten der stationären Versorgung – Ein Vergleich der Datenbestände aus Deutschland, England und USA

Einleitung: In Ländern mit Abrechnung stationärer Behandlungen über DRGs stehen große Datenbestände für die Versorgungsforschung zur Verfügung [1]. So kann in Deutschland die DRG-Statistik seit 2006 beim Statistischen Bundesamt für Analysen verwendet werden [2, 3]. Im vorliegenden Projekt wurde daher Verfügbarkeit und Struktur von Routinedaten der stationären Versorgung aus Deutschland, England und den USA untersucht.

Material und Methoden: Als Datenquelle stand für Deutschland die DRG-Statistik im Rahmen einer Fernverarbeitung für das Jahr 2006 zur Verfügung [2]. Gegen Entgelt konnte das National Inpatient Sample (NIS) aus den USA und die Hospital Episodic Statistics (HES) aus England für das Jahr 2006 erworben werden. Die Daten der HES und des NIS wurden in eine MySQL-Datenbank importiert. Anhand der Metadaten zur ICD–9-CM und ICD–10 wurde die Validität der Diagnosenkodes überprüft.

Ergebnisse: Das NIS basiert auf einer 20%-Stichprobe von 1.045 Krankenhäusern aus 38 Staaten [4]. Zur Kodierung von Diagnosen wird die ICD–9-CM verwendet [5]. Der Datenbestand des NIS kann als valide eingestuft werden, da die vorgegebenen Wertekodierungen plausibel und konsistent sind. Beim HES wird die Behandlung eines Falles in Episoden unterteilt und für ein Geschäftsjahr (01.04.–31.03.) aufbereitet [6, 7]. Eine Plausibilisierung der Diagnosekodes wird nur bis zur 4. Stelle durchgeführt. Beim HES werden Dummy-Kodes zur Kennzeichnung spezifischer Situationen eingesetzt [8].

Diskussion: Bei den Routinedaten aus Deutschland, England und den USA zeigen sich in Einschlusskriterien, Datenmodell, Metadaten und Verfahren der Vorverarbeitung erhebliche Unterschiede. Diese führen zusätzlich zum Problem nationaler Klassifikationen zu erheblichem Verarbeitungsaufwand, falls diese Daten im Rahmen internationaler Vergleiche genutzt werden sollen. Der Aufbau einer internationalen Metadata Registry für Routinedaten könnte eine Hilfestellung bei der Verwendung dieser Routinedaten leisten.

Literatur: [1] Measuring Quality, Outcomes, and Cost of Care using Large Databases. Proceedings of the 6th Regenstrief Conference. Marshall, Indiana, 4-6 September 1996. Ann Intern Med. 1997;127(8):665-774.

[2] Amann C, Hasford J, Stausberg J. Stationäre Aufnahmen wegen unerwünschter Arzneimittelereignisse (UAE): Analyse der DRG-Statistik 2006 Gesundheitswesen. 2011.

[3] Stang A, Merrill RM, Kuss O. Hysterectomy in Germany: a DRG-based nationwide analysis, 2005–2006. Dtsch Arztebl Int 2011; 108: 508-514.

[4] HCUP, AHRQ. Introduction to the HCUP Nationwide Inpatient Sample (NIS) 2006. 2008 11.07.2008 [cited 2012 Feb 08]:[69 p.]. Available from: http://www.hcup-us.ahrq.gov/db/nation/nis/2006NIS_INTRODUCTION.pdf.

[5] HCUP, AHRQ. Clinical Classifications Software (CCS) for ICD-9-CM. 2012 13.05.2011 [cited 2012 Feb 08]. Available from: http://www.hcup-us.ahrq.gov/toolssoftware/ccs/ccs.jsp.

[6] NHS, TheInformationCentreforhealthandsocialcare. Hospital activity (Hospital Episode Statistics - HES)2012 [cited 2012 Mar 05].

[7] HESonline, TheNHSInformationCentreforhealthandsocialcare. HES User Guide2010 [cited 2012 Mar 05]:[27 p.]. Available from:

[8] Centre TNHaSCI. Hospital Episode Statistics: Inpatient Cleaning Rules2009 [cited 2012 Jan]:[1-47 pp.]. Available from:

Diagnosen - ICD-10 - Krankenhaus - Routinedaten