Gesundheitsökonomie & Qualitätsmanagement 2018; 23(05): 252-257
DOI: 10.1055/s-0044-101590
Originalarbeit
© Georg Thieme Verlag KG Stuttgart · New York

Ökonomische Auswirkungen von präoperativer Wartezeit im Krankenhaus

Economic effects of preoperative waiting time in a hospital
Nikolaus von Dercks
1   Universitätsklinikum, Leipzig
,
Peter Glößner
2   d-fine GmbH, Frankfurt
,
Georgi Tsertsvadze
2   d-fine GmbH, Frankfurt
› Author Affiliations
Further Information

Publication History

Publication Date:
12 March 2018 (online)

Zusammenfassung

Zielsetzung Die Wartezeit auf eine Operation nach der Klinikaufnahme kann je nach Abteilung, Krankheitsbild und Operation zu einem überproportionalen Anstieg der Verweildauer (VWD) in der Klinik führen. Für einen effizienten Ressourceneinsatz und für die Verbesserung der finanziellen Situation der Kliniken ist es sinnvoll, diesen Zusammenhang zu analysieren.

Methodik Verwendet wurden die § 21-Daten für Operationen an den Bewegungsorganen aus dem Universitätsklinikum Leipzig für die Jahre 2014–2015. Nach Herausrechnung der Fallschweren als Haupttreiber der VWD wird der Zusammenhang zwischen Wartezeit und Verweildauer und das damit verbundene Kosten-Erlös-Verhältnis analysiert.

Ergebnisse Es wurden 7448 Fälle analysiert. Bei 74,1 % erfolgte die erste Operation am Aufnahmetag oder dem ersten darauffolgenden Tag. Bei 20,9 % erfolgte die erste Operation zwischen dem 2. und dem 7. Tag. Es zeigte sich für alle Patienten des Untersuchungskollektivs eine durchschnittliche VWD von 10 Tagen, bei Patienten mit 10 und mehr präoperativen Wartetagen lag die durchschnittliche VWD bei 34 Tagen. Bei Kostenbetrachtung auf Basis der InEK-Matrix zeigt sich anhand der Schenkelhalsfrakturen ab 4 Tagen präoperativer VWD eine Unterdeckung der Krankenhauskosten aus dem DRG-Erlös.

Schlussfolgerung Längere präoperative Wartezeiten können die Verweildauern überproportional verlängern und Kostenprobleme verursachen. In Fällen, bei denen Patienten eine bestimmte Anzahl von Tagen auf ihre Operation gewartet haben, können die Kosten für den Fall letztendlich die DRG-Erlöse übersteigen. Die Identifikation und Beseitigung der wartezeitinduzierten Verweildauern kann also positive finanzielle Auswirkungen für Kliniken entfalten. Voraussetzung dafür ist ein Vorgehen, welches die vom DRG-System vorgegebene Verweildauergrenzen und die Fallschweren methodisch korrekt berücksichtigt.

Abstract

Aim Even though the context can vary across clinic departments, diagnosis and operation types, the waiting time for operation after hospital admission can significantly increase the length of stay (LOS) of the patient in the hospital. Analyzing the relationship between waiting time and LOS can enhance the efficient use of resources and improve the financial situation of the hospitals.

Method We used the German DRG § 21 data for operations of the musculoskeletal system from the University hospital Leipzig 2014–2015. We analyze the relationship between the waiting time for operation and LOS and the associated cost-income ratios. As the individual case complexity is one of the main drivers of LOS we also account for this effect.

Results We analyzed 7.448 patients’ data. In 74,1 % first operation was performed on the day of admission or the following day. In 20,9 % first operation was performed between 2nd and 7th day. Over all, the mean LOS was 10 days. For patients waiting 10 days or longer for an operation LOS was 34 days. Considering the cost matrix (InEK) we show for the femoral neck fractures that the DRG revenues do not cover the expenses, as soon as the waiting time exceeds 4 days.

Conclusion The longer waiting time for operation increases the LOS and also involves a cost problem. For patients with waiting time for operation longer than a certain amount of days, the costs may exceed the DRG reimbursements. Thus, positive financial effects for hospitals may arise if the extensions of LOS due to waiting time are identified and alleviated. The prerequisite is a methodologically correct application of the DRG length of stay limits and cost weights.