Probleme bei der Verwendung von Qualitätsberichtsdaten für die Versorgungsforschung

Zusammenfassung

Zusammenfassung Hintergrund Seit 2005 sind die Krankenhäuser gesetzlich verpflichtet, strukturierte Qualitätsberichte (QB) zu veröffentlichen. Aufgrund der ausführlichen Datengrundlage werden die QB zunehmend in der Gesundheitsversorgungsforschung für Sekundärdatenanalysen verwendet. Bislang wurde nicht thematisiert, dass erhebliche methodische Schwierigkeiten vorliegen, die verzerrte Analyseergebnisse bedingen können. Ziel dieses Beitrages ist es, die methodischen Probleme bei der Verwendung von QB systematisch aufzulisten und Lösungsstrategien vorzuschlagen.

Methode Den Analysen lagen die QB aus den Jahren 2006–2008–2010–2012 zugrunde, welche mittels eines individuellen Datenlinkages zu einer Datenbank aggregiert wurden. Anschließend erfolgte eine beispielhafte sowohl quer- als auch längsschnittliche Korrelationsanalyse zwischen einem der berichteten Qualitätsindikatoren und der Personalausstattung der Krankenhäuser. Die auftretenden methodischen Probleme wurden qualitativ und quantitativ beschrieben und Lösungswege abgeleitet.

Ergebnisse In den Berichtsjahren gaben 2–15% der Krankenhäuser keinen individuellen QB ab. Bei 2–16% der QB ist nicht erkennbar, ob es sich um einen Verbund- oder Standortbericht handelt. Zudem enthalten 6–66% der Standortberichte fälschlicherweise Daten des Verbundes. 10% der Krankenhäuser ändern im Laufe der Jahre ihre Institutionskennziffer (IK), in 5% der Fälle wird über die Jahre hinweg die gleiche IK-Standort-Kombination für verschiedene Krankenhäuser verwendet. Demnach sind 10–20% der QB über die IK nicht eindeutig verknüpfbar. Als Abhilfe wird unter anderem eine Verknüpfung aller QB über die IK, Adresse und Bettenanzahl vorgeschlagen. Anhand dieser können Verbund- und Standortberichte sowie fehlende Berichterstattungen eindeutig identifiziert und berücksichtigt werden.

Schlussfolgerung Bei Sekundärdatenanalysen mit Qualitätsberichtsdaten ist mit einer inkonsistenten Datengrundlage sowie Schwierigkeiten bei der Datenverknüpfung zu rechnen, die zu Verzerrungen von berechneten Parametern und somit zu einer Verfälschung und Einschränkung der Aussagekraft von Untersuchungsergebnissen führen können. Nur eine eindeutige Identifizierung der berichtenden Krankenhäuser garantiert aussagekräftige Ergebnisse.

Abstract

Background Since 2005, German hospitals are required by law to publish structured quality reports (QRs). Because of the detailed data basis, the QRs are being increasingly used for secondary data analyses in health services research. Up until now, methodological difficulties that can cause distorted results of the analyses have essentially been overlooked. The aim of this study is to systematically list the methodological problems associated with using QR and to suggest solution strategies.

Methods The QRs from 2006–2012 form the basis of the analyses and were aggregated in a database using an individualized data linkage procedure. Thereafter, a correlation analysis between a quality indicator and the staffing of hospitals was conducted, serving as an example for both cross-sectional as well as longitudinal studies. The resulting methodological problems are described qualitatively and quantitatively, and potential solutions are derived from the statistical literature.

Results In each reporting year, 2–15% of the hospitals delivered no QR. In 2–16% of the QRs, it is not recognizable whether a report belongs to a hospital network or a single location. In addition, 6–66% of the location reports falsely contain data from the hospital network. 10% of the hospitals changed their institution code (IC), in 5% of the cases, the same “IC-location-number-combination” was used for different hospitals over the years. Therefore, 10–20% of the QRs cannot be linked with the IC as key variable. As a remedy for the linking of QR, the combination of the IC, the address and the number of beds represents a suitable solution. Using this solution, hospital network reports, location reports and missing reports can be identified and considered in an analysis.

Conclusions Secondary data analyses with quality reports provide a high potential for error due to the inconsistent data base and the problems of the data linkage procedure. These can distort calculated parameters and limit the validity of results. Only the unequivocal identification of the reporting hospitals guarantees meaningful results.

Schlüsselwörter

Versorgungsforschung - Sekundärdaten - Datenverknüpfung - Qualitätsbericht

Key words

health services research - secondary data - data linkage - quality report

• Literatur

• 1 Ihle P, Swart E, Lampert T. et al. GPS – Gute Praxis Sekundärdatenanalyse: Revision nach grundlegender Überarbeitung. Das Gesundheitswesen 2008; 70: 54-60
• 2 Swart E, Stallmann C, Powietzk J. et al. Datenlinkage von Primär- und Sekundärdaten – ein Zugewinn auch für die kleinräumige Versorgungsforschung in Deutschland?. Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz 2014; 57: 180-187
• 3 Swart E, Thomas D, March S. et al. Erfahrungen mit der Datenverknüpfung von Primär- und Sekundärdaten in einer Interventionsstudie. Das Gesundheitswesen 2011; 73: 126-132
• 4 Swart E, Ihle P. Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse. Grundlagen. Methoden und Perspektiven. Bern: Verlag Hans Huber; 2005
• 5 Schwarzkopf L, Menn P, Holle R. Methodische Ermessensspielräume bei der Sekundärdatenanalyse von GKV-Daten und ihre Auswirkungen–explorative Darstellung am Beispiel einer Kostenstudie zu Demenz. Das Gesundheitswesen 2012; 74: 76-83
• 6 Gemeinsamer Bundesausschuss. Regelungen zum Qualitätsbericht der Krankenhäuser, Qb-R vom 17. April 2014; https://www.g-ba.de/informationen/beschluesse/
• 7 Scholten N, Pfaff H, Lehmann HC. et al. Thrombolyse des akuten Schlaganfalls – Eine deutschlandweite Analyse der regionalen Versorgung. Fortschritte der Neurologie-Psychiatrie 2013; 81: 579-585
• 8 de Cruppé W, Malik M, Geraedts M. Umsetzung der Mindestmengenvorgaben: Analyse der Krankenhausqualitätsberichte. Deutsche Ärzteblatt 2014; 111: 549-555
• 9 Franz D, Helling HE, Bunzemeier H. et al. Wer kodiert im Krankenhaus? Ergebnisse einer Umfrage zur Durchführung der DRG-Kodierung in Krankenhäusern Nordrhein-Westfalens. Gesundheitsökonomie & Qualitätsmanagement 2011; 16: 363-368
• 10 Statistisches Bundesamt . Gesundheit. Grunddaten der Krankenhäuser. Wiesbaden: Statistisches Bundesamt; Fachserie 12 Reihe 6.1.1 2013
• 11 AQUA- Institut . Bundesauswertung zum Erfassungsjahr 2012. PNEU- Ambulant erworbene Pneumonie. Göttingen: AQUA-Institut; 2013
• 12 Graham J, Cumsille P, Elek-Fisk E. et al. Methods for handling missing data. Handbook of psychology 2003; 2: 87-114
• 13 Altman D, Schulz K, Moher D. et al. The revised CONSORT statement for reporting randomized trials: explanation and elaboration. Annals of internal medicine 2001; 134: 663-694