Rehabilitation (Stuttg) 2000; 39(5): 262-267
DOI: 10.1055/s-2000-7862
ORIGINALARBEIT

© Georg Thieme Verlag Stuttgart · New York

Entwicklung und Validierung eines Prognosemodells zur Vorhersage der Arbeitsfähigkeit nach Rehabilitation anhand routinemäßig erhobener Parameter

Rainer Muche1 , M. Rösch2 , S. Flierl2 , B. Alt2 , E. Jacobi2 , W. Gaus1
  • 1Abteilung Biometrie und Medizinische Dokumentation der Universität Ulm
  • 2Forschungsinstitut für Rehabilitationsmedizin an der Universität Ulm
Further Information

Publication History

Publication Date:
31 December 2000 (online)

Zusammenfassung.

Für eine effiziente Rehabilitation ist es wichtig, möglichst früh die Patienten erkennen zu können, bei denen eine Rehabilitationsmaßnahme mit großer Wahrscheinlichkeit erfolgreich beendet wird, d. h. die Rehabilitierten arbeitsfähig werden. Darüber hinaus wäre es wünschenswert, auch eine Vorhersage bezüglich der mittel- und langfristigen Erwerbsfähigkeit treffen zu können. Ziel des Pilotprojekts war es, ein Prognosemodell zu entwickeln, das mit den zu Beginn einer Rehamaßnahme routinemäßig vorliegenden Angaben eine Vorhersage der Arbeitsfähigkeit des Patienten nach der Rehabilitation erlaubt. Dem Modell liegt die Annahme zugrunde, dass eine längere Arbeitsunfähigkeit ein erhöhtes Erwerbsunfähigkeitsrisiko bedeutet. Das Prognosemodell basiert auf einer multiplen logistischen Regression mit 8 routinemäßig in einem Patientenkonto erfassten Patientenmerkmalen. Es erreicht eine korrekte Klassifikation von 68 % der später Arbeitsfähigen (Sensitivität) und von 80 % der auch nach der Rehamaßnahme nicht Arbeitsfähigen (Spezifität). Das Modell bietet eine einfache Möglichkeit, die wahrscheinliche Arbeitsfähigkeit jedes einzelnen Patienten vorherzusagen. Eine Nutzung der Methodik für weitergehende Prognosen im Rahmen der Rehabilitationsforschung scheint erfolgversprechend zu sein.

Development and Validation of a Prognostic Model to Identify Patients Who Return to Work After Rehabilitation.

For efficient rehabilitation it is important to identify, as early as possible, the patients likely to be successfully returned to work after rehabilitation. The aim of this pilot study was to develop a statistical model for predicting this return as reliably as possible. The model uses only information readily available at the beginning of rehabilitation. A multiple regression analysis with backward elimination was used from a routine data base and identified 8 variables of prognostic value. The model offers a comfortable possibility to predict the probability of return to work of a patient on the basis of routinely registered data. The prognosis was found correct in 68 % of those returning to work after rehabilitation (sensitivity) and in 80 % of those who did not (specificity). Further work to improve the model for prognosis in rehabilitation research is considered reasonable.

Literatur

  • 1 Ekberg K, Wildhagen I. Long-term sickness absence due to musculoskeletal disorders: the necessary intervention of work conditions.  Scand J Rehabil Med. 1996;  28 39-47
  • 2 Flierl S, Jacobi E, Alt B. Ein klinisches Reharegister als Grundlage der Ergebnisqualität. In: Tagungsband, 8. Rehabilitationswissenschaftliches Kolloquium vom 8. bis 10. März 1999 auf Norderney. DRV-Schriften, Band 12. Frankfurt/M; VDR 1999: 109-110
  • 3 Fredrickson B E, Trief P M, Van Beveren P, Yuan H A, Baum G. Rehabilitation of the patient with chronic back pain. A search for outcome predictors.  Spine. 1998;  13 351-353
  • 4 Harrell F E, Lee K L, Mark D B. Multivariable prognostic models: Issues in developing models, evaluating assumptions and adequacy, and measuring and reducing errors.  Statistics in Medicine. 1996;  15 361-387
  • 5 Hosmer D W, Lemeshow St. Applied logistic regression. New York; Wiley & Sons 1989
  • 6 Jacobi E, Gaus W. Abschlußbericht an die Landesversicherungsanstalt Württemberg über das Forschungsprojekt „Entwicklung eines Patientenkontos als Basis für die Rehabilitationsforschung”. Ulm; 1997
  • 7 Muche R. Variablenselektion in Kohortenstudien. Dissertation. Ulm; Universität Ulm 1995
  • 8 Muche R, Högel J, Gefeller O. Practical aspects of modelling techniques in logistic regression procedures of the SAS system. In: Proceedings. Heidelberg; 12th SAS European Users Group International Conference 1994: 1045-1050
  • 9 vom Orde A, Schott T, Iseringhausen O. Assessment in der kardiologischen Rehabilitation: Eine effektive und effiziente Möglichkeit zur Steigerung der RTW-Rate?. In: Tagungsband, 8. Rehabilitationswissenschaftliches Kolloquium vom 8. bis 10. März 1999 auf Norderney. DRV-Schriften, Band 12. Frankfurt/M; VDR 1999: 45-47
  • 10 Schuler C. Ärztliche Beurteilung der Arbeitsfähigkeit.  Ztschr Unfallchir Versicherungsmed. 1991;  (1) 43-47
  • 11 Schwerpunkt Berufsunfähigkeit/Erwerbsunfähigkeit. Deutsche Rentenversicherung 1993 (8 - 9)
  • 12 Smith G R, O'Rourke D F. Return to work after a first myocardial infarction. A test of multiple hypotheses.  J Am Med Ass. 1988;  (18 259) 1673-1677
  • 13 Weidemann H, Elsässer D, Schuon J, Früh J. Prognostische Bedeutung funktionsdiagnostischer und sozialer Parameter für die berufliche Wiedereingliederung von Herzkranken.  Versicherungsmedizin. 1994;  46 129-131
  • 14 Williams R A, Pruitt S D, Doctor J N, Epping-Jordan J E, Wahlgren D R, Grant I, Patterson T L, Webster J S, Slater M A, Atkinson J H. The contribution of job satisfaction to the transition from acute to chronic low back pain.  Arch Phys Med Rehabil. 1998;  79 366-374

Korrespondenzanschrift:

Dr. Rainer Muche

Abteilung Biometrie und Medizinische Dokumentation Universität Ulm

89069 Ulm

Email: rainer.muche@medizin.uni-ulm.de