Welche nicht-klinischen Faktoren beeinflussen den Einsatz innovativer Implantate? Das Beispiel medikamentenfreisetzender Koronarstents bei Patienten mit akutem Myokardinfarkt: Eine Mehrebenen-Regressionsanalyse

Zusammenfassung

Hintergrund und Ziel:

Am Beispiel medikamentenfreisetzender Koronarstents sollen Hürden im Zugang zu neuartigen Implantaten sowie Faktoren, die die Diffusion dieser Implantate fördern, identifiziert werden. Medikamentenfreisetzende Koronarstents (DES) galten nach ihrer Markteinführung in den 2000er Jahren als Technologie mit einem großen Potenzial. Auf der Basis bestehender Literatur wurden Hypothesen über nicht-klinische Faktoren auf Individual-, Krankenhaus-, Kreis- und Bundeslandebene gebildet, die mit Krankenkassen-Routinedaten überprüft werden.

Methodik:

Krankenkassenroutinedaten von 6 777 Patienten mit einem akuten Myokardinfarkt im Zeitraum 2004–2006 wurden mit Daten aus dem Krankenhausverzeichnis und Regionaldaten des Statistischen Bundesamts sowie Informationen zur Höhe von Zusatzentgelten für DES-Implantationen verbunden. Zur Analyse signifikanter Einflussfaktoren werden logistische Regressionsmodelle mit Random-Intercepts auf Krankenhaus- und Kreisebene, Random Coefficients für Krankenhäuser und Behandlungsjahr sowie Dummyvariablen auf Bundeslandsebene geschätzt.

Ergebnisse:

Es gibt substantielle Unterschiede auf Krankenhaus- sowie Kreisebene, wobei die Patientenebene den größten Teil der Varianz erklärt. Das Alter des Patienten, die Behandlung in einer Universitätsklinik oder einem privaten Krankenhaus sowie in Kreisen mit einer geringen Zahl an Unternehmensinsolvenzen erhöhen die Chance für DES-Einsatz. Der Einfluss der DRG-Zusatzentgelte für DES ist schwach signifikant.

Schlussfolgerung:

Obwohl Patientencharakteristika wesentlich für die Technologiewahl sind, können Faktoren auf Krankenhaus- und Regionsebene den Zugang zu DES beeinflussen. Ob Zusatzentgelte ein geeignetes Instrument zur Förderung des Einsatzes innovativer Technologien sind, kann nicht eindeutig belegt werden.

Abstract

Background and Purpose:

The aim of this paper is to identify characteristics that inhibit or encourage the diffusion of novel implants in the German health care system using the example of drug-eluting stents (DES). After their introduction in the early 2000s, DES were considered as an effective innovative technology. Hypotheses that link the use of DES to characteristics on patient-level, hospital-level, regional-level as well as on state-level are generated on existing literature. These hypotheses are tested using administrative data from a German sickness fund.

Methods:

The analysis is based on the administrative sickness fund data of 6 777 patients with a hospital admission due to an acute myocardial infarction (AMI) and an implantation of either a DES or a bare-metal stent. The sickness fund data was merged with information on reimbursement surcharges for DES implantations, information from the German Hospital Registry and information on county level provided by the German National Statistical Office. Logistic regressions with random intercepts on hospital and county level as well as fixed effects on state level were estimated to identify characteristics that are correlated with DES use.

Results:

All levels do have an impact on the treatment decision whereas the patient-level is of major importance. In particular, young age, admission to a university or a privately owned hospital and a hospital located in a county with a low level of bankruptcies are positively correlated with DES use.

Conclusion:

Although individual characteristics are of major importance for DES use in the German health care system, characteristics at the hospital and regional level do have an impact on the use of DES. Further research on the influence of reimbursement mechanisms in the German setting is needed.

Schlüsselwörter

medikamentenfreisetzender Koronarstent - innovatives Implantat - Diffusion - akuter Myokardinfarkt - Mehr-Ebenen-Regression

Key words

drug-eluting stent - innovative implant - diffusion - acute myocardial infarction - multilevel regression

• Literatur

• 1 Bruckenberger E. Herzbericht 2009. Hitzacker: 2010
• 2 Ozaki Y, Violaris AG, Serruys PW. New stent technologies. Progress in Cardiovascular Diseases 1996; 39: 129-140
• 3 Hiatt BL, Carter AJ, Yeung AC. The drug-eluting stent: is it the Holy Grail?. Review of Cardiovascular Medicine 2001; 2: 190-196
• 4 Mudra H, Bode C, Grube E et al. Positionspapier zum Einsatz von Medikamente freisetzenden Stents bei Patienten mit koronarer Herzerkrankung. Zeitschrift für Kardiologie 2004; 93: 416-422
• 5 Silber S, Borggrefe M, Böhm M et al. Medikamente freisetzende Koronarstents (DES) und Medikamente freisetzende Ballonkatheter (DEB): Aktualisierung des Positionspapiers der DGK. Clinical Research in Cardiology 2008; 97: 548-563
• 6 Austin D, Oldroyd KG, Holmes DR et al. Drug-eluting stents: A study of international practice. American Heart Journal 2009; 158: 576-584
• 7 Rao SV, Shaw RE, Brindis RG et al. Patterns and outcomes of drug-eluting stent use in clinical practice. American Heart Journal 2006; 152: 321-326
• 8 Kao J, Vicuna R, House JA et al. Disparity in drug-eluting stent utiliza­tion by insurance type. American Heart Journal 2008; 156: 1133-1140
• 9 Hannan EL, Racz M, Walford G et al. Differences in Utilization of Drug-Eluting Stents by Race and Payer. American Journal of Cardiology 2007; 100: 1192-1198
• 10 Austin D, Oldroyd KG, McConnachie A et al. Hospital and operator variations in drug-eluting stent use: a multi-level analysis of 5967 consecutive patients in Scotland. Journal of Public Health 2008; 30: 186-196
• 11 Grilli R, Guastaroba P, Taroni F. Effect of hospital ownership status and payment structure on the adoption and use of drug-eluting stents for percutaneous coronary interventions. Canadian Medical Associations Journal 2006; 176: 195-199
• 12 Escarce J. Externalities in hospitals and physician adoption of a new surgical technology: An exploratory analysis. Journal of Health Economics 1996; 15: 715-734
• 13 Burke M, Fournier G, Prasad K. The diffusion of a medical innovation: is success in the stars?. Southern Economic Journal 2007; 73: 588-603
• 14 Burke M, Fournier G, Prasad K. The diffusion of a medical innovation: is success in the stars? Further evidence. Southern Economic Journal 2009; 75: 1274-1278
• 15 Cappellaro G, Ghislandi S, Anessi-Pessina E. Diffusion of Medical Technology: the Role of Financing. Health Policy 2011; 100: 51-59
• 16 Henschke C, Bäumler M, Gaskins M et al. Coronary Stents and the Uptake of innovative Medical Devices in the German Inpatient Reimbursement System. Journal of Interventional Cardiology 2010; 23: 546-553
• 17 Slade EO, Anderson GF. The relationship between per capita income and diffusion of medical technologies. Health Policy 2001; 58: 1-14
• 18 Busse R, Riesberg A. Health Care Systems in Transition. Germany: WHO Regional Office for Europe on behalf of the European Observatory on Health Systems and Policies; 2004
• 19 Leyland AH, Goldstein H. Multilevel Modeling of Health Statistics. West Sussex: John Wiley & Sons; 2001
• 20 Statistisches Bundesamt. Krankenhausverzeichnisse 2004–2006. Wiesbaden, 2006–2008
• 21 Statistisches Bundesamt Regionaldatenbank Deutschland. Verfügbar unter: https://www.regionalstatistik.de/genesis/online/logon (zuletzt aufgerufen am 30.09.2011)
• 22 Boos DD, Stefanski LA, Wu Y. Fast FSR variable selection with applications to clinical trials. Biometrics 2009; 65: 692-700
• 23 Tu JV, Austin PC, Walld R et al. Development and Validation of the Ontario acute myocardial infarction mortality prediction rules. Journal of the American College of Cardiology 2001; 37: 992-997
• 24 Vermeulen MJ, Tu JV, Schull MJ. ICD-10 adaptions of the Ontario acute myocardial infarction mortality prediction rules performed as well as the original versions. Journal of Clinical Epidemiology 2007; 60: 971-974
• 25 Sundararajan V, Henderson T, Perry C et al. New ICD-10 version of the Charlson comorbidity index predicted in-hospital mortality. Journal of Clinical Epidemiology 2004; 57: 1288-1294
• 26 Geyer S. Die Bestimmung der sozioökonomischen Position in Prozessdaten und ihre Verwendung in Sekundärdatenanalysen. In: Swart E, Ihle P.. Routinedaten im Gesundheitswesen. Bern: Verlag Hans Huber; 2005: 203-213
• 27 Herr A. Cost and technical efficiency of German hospitals: does ownership matter?. Health Economics 2008; 17: 1057-1071
• 28 Tiemann O, Schreyögg J. Effects of ownership on hospital efficiency in Germany. Business Research 2009; 2: 114-145
• 29 Herr A, Schmitz H, Augurzky B. Profit efficiency and ownership of German hospitals. Health Economics 2010; 20: 660-674
• 30 Reinhold T, Thierfelder K, Muller-Riemenschneider F et al. Health economic effects after DRG-implementation – a systematic overview. Gesundheitswesen 2009; 71: 306-312
• 31 Holle R, Behrend C, Reitmeier P et al. Methodenfragen der Nutzung von GKV-Routinedaten für Kostenanalysen. In: Swart E, Ihle P. Routinedaten im Gesundheitswesen. Bern: Hans Huber; 2005: 301-318