Directly to content
  1. Publishing |
  2. Search |
  3. Browse |
  4. Recent items rss |
  5. Open Access |
  6. Jur. Issues |
  7. DeutschClear Cookie - decide language by browser settings

Prädiktion und Prävention medikationsassoziierter unerwünschter Ereignisse in besonderen Versorgungssituationen: (Re)Hospitalisierungen unter Nutzung von Sekundärdaten ambulanten und stationären Ursprungs

Ruff, Carmen

[thumbnail of 20210810_Dissertation_RUFF.pdf]
Preview
PDF, German - main document
Download (6MB) | Terms of use

Citation of documents: Please do not cite the URL that is displayed in your browser location input, instead use the DOI, URN or the persistent URL below, as we can guarantee their long-time accessibility.

Abstract

Weltweit stellen (Re-)Hospitalisierungen für Patienten eine große Belastung und für Gesundheitssysteme eine große Herausforderung dar. In Deutschland werden jährlich etwa 19 Millionen Krankenhausfälle generiert, welche Kosten von etwa 94 Milliarden Euro verursachen. Die Altersgruppe der über 65-Jährigen ist aufgrund ihrer veränderten physiologischen Prozesse besonders vulnerabel und anfällig für unerwünschte Arzneimittelwirkungen und Hospitalisierungen. Aufgrund ihrer erhöhten Krankheits- und damit verbundenen Arzneimittellast haben sie jedoch gleichzeitig ein höheres Risiko für derartige Ereignisse und generieren bereits heute 44 % aller Hospitalisierungen. Während bereits ein einzelner Krankenhausaufenthalt einen gravierenden Einschnitt für einen Patienten darstellt, gilt es umso mehr, ein derartiges rekurrentes Ereignis zu vermeiden, vor allem, wenn der sich anschließende Aufenthalt mit der Erkrankung, welche das Index-Ereignis auslöste, in Zusammenhang steht (spezifische Rehospitalisierung). Dabei sind vermeidbare Ansätze besonders im Bereich der Pharmakotherapie zu suchen und inadäquate Arzneimittelverordnungen, wie Unter-, Über- oder Fehlversorgung, beeinflussbar. Um gezielt präventive Maßnahmen allozieren zu können, müssen Risikopatienten im Vorfeld möglichst genau identifiziert werden. In Deutschland weiß man bisher wenig über die Natur von Rehospitalisierungen und Sekundärdaten deutscher Krankenversicherungen wurden nur vereinzelt für derartige Analysen genutzt. Daher war es Ziel dieser Arbeit, einen methodischen Standard zur Analyse von Rehospitalisierungen in Routinedaten zu entwickeln und mithilfe dessen die Epidemiologie von Rehospitalisierungen in Deutschland anhand von sechs unterschiedlichen Volkskrankheiten zu beschreiben. Weiterhin sollten Prädiktoren für Rehospitalisierungen im Rahmen der Arzneimitteltherapie identifiziert und Prädiktionsmodelle für spezifische Rehospitalisierungen entwickelt, sowie deren Generalisierbarkeit für Rehospitalisierungen jeglicher Ursache geprüft werden. In Projekt I wurde basierend auf Abrechnungsdaten einer großen repräsentativen Krankenversicherung eine Datenbasis zur Analyse von Krankenhausfällen im Zeitraum 2011–2016 erstellt, wobei Fälle in mögliche Index- und Rehospitalisierungsfälle unterteilt wurden. Dabei wurden Index- und Rehospitalisierungs-Code-Sets für chronisch obstruktive Lungenerkrankung, Typ 2 Diabetes mellitus, Osteoporose, Herzinsuffizienz, akuter Myokardinfarkt und die zusammengesetzte Erkrankung Vorhofflimmern, transitorische ischämische Attacke und Schlaganfall entwickelt. Innerhalb von 30 Tagen wurden je nach Erkrankung bis zu 22 % der Patienten und innerhalb von 90 Tagen bis zu 41 % der Patienten für jegliche Ursache rehospitalisiert. Für alle untersuchten Krankheitsentitäten war der häufigste Grund einer Wiederaufnahme ein spezifischer, mit der Index-Erkrankung verbundener Rehospitalisierungsgrund. Nicht-spezifische Rehospitalisierungsgründe betrafen vor allem kardiovaskuläre Komorbiditäten, mit Herzinsuffizienz als häufigsten nicht-spezifischen Grund, was auf die Wichtigkeit und das Präventionspotenzial innerhalb dieser großen Krankheitsgruppe hindeutet. Dies bestätigte sich in der Analyse der Komorbiditätslast der einzelnen Erkrankungspopulationen in Projekt II. Innerhalb der betrachteten Zeiträume zeigte jede Erkrankung sowohl für Wiederaufnahmen jeglicher Ursache, als auch für spezifische Rehospitalisierungen eigene Muster. Verhältnisse zwischen spezifischen und nicht-spezifischen Wiederaufnahmen waren für die meisten Erkrankungen konstant mit unterschiedlich hohen Verhältnissen; spezifische Rehospitalisierungen für akuten Myokardinfarkt zeigten in der siebten Woche ein Maximum. Zur Abdeckung dieser spezifischen Ereignisse scheint der häufig in der Literatur betrachtete Zeitraum von 30 Tagen zur Analyse von Rehospitalisierungen nicht ausreichend zu sein. In Projekt III wurden Prädiktoren für Rehospitalisierungen im Rahmen der Arznei-mitteltherapie identifiziert, wobei der Fokus auf dem bekannten Risikofaktor für Wiederaufnahmen „Non-Adhärenz“ lag. Stellvertretend wurde daher eine Literaturrecherche durchgeführt, welche Prädiktoren für (Non-)Adhärenz oder (Non-)Persistenz von direkten oralen Antikoagulantien bei Patienten mit Vorhofflimmern identifizierte. Häufige in der Literatur mit Non-Adhärenz beziehungs-weise Non-Persistenz assoziierte Prädiktoren waren Alter, Geschlecht, Komorbiditäten, unerwünschte Arzneimittelwirkungen und eine hohe Arzneimittellast. In multivariaten Ergebnissen war ein höheres Alter häufiger protektiv für Non-Adhärenz und Non-Persistenz, während ein höherer Komorbiditäts-index einen Risikofaktor für Non-Adhärenz darstellte. Non-Adhärenz wurde in diesem Projekt als eine mögliche Ausprägung der Unterversorgung mit einer Arzneimitteltherapie angesehen. Zur Identifikation von Unterversorgung wurden die START (screening tool to alert to right treatment)- und zur Identifikation von Über- oder Fehlversorgung die STOPP (screening tool of older people’s prescriptions)-Kriterien herangezogen, welche in Projekt IV als Variablen für eine spezifische Rehospitalisierung dienten. Je nach Erkrankung lagen für die STOPP-/START-Kriterien sehr unterschiedlich verteilte Anteile bezogen auf Index-Fälle mit oder ohne Rehospitalisierung vor. Mit diesen Kandidatenvariablen konnten in Projekt IV sowohl unregularisierte, als auch regularisierte Prädiktionsmodelle für spezifische Rehospitalisierungen berechnet und damit Risikopatienten erfolgreich identifiziert werden. In Abhängigkeit der Erkrankung diskriminierte das jeweilige Modell unterschiedlich gut, wobei regularisierte Regressionsmodelle insgesamt besser zwischen Index-Fällen mit und ohne Rehospitalisierung unterschieden. Die Überprüfung der Generalisierbarkeit spezifischer Erkrankungsmodelle für eine Rehospitalisierung jeglicher Ursache wurde mittels stacked regression-Ansatz erfolgreich durchgeführt und spezifische Rehospitalisierungen erwiesen sich gleichsam prädiktiv für eine Rehospitalisierung jeglicher Ursache. Die Analyse von Rehospitalisierungen in deutschen Sekundärdaten steht am Anfang der Forschung, kann sich jedoch vielfältige Konzepte und Prädiktoren aus der Weltliteratur zu Nutze machen. Unter Berücksichtigung der Limitationen, die deutsche Abrechnungsdaten innehaben, lassen sich Risikopatienten für Rehospitalisierungen identifizieren und Präventionsansätze basierend auf arzneimittelbedingten Risikofaktoren entwickeln.

Document type: Dissertation
Supervisor: Haefeli, Prof. Dr. Walter E.
Place of Publication: Heidelberg
Date of thesis defense: 27 July 2022
Date Deposited: 20 Sep 2022 06:22
Date: 2022
Faculties / Institutes: Medizinische Fakultät Heidelberg > Medizinische Universitäts-Klinik und Poliklinik
DDC-classification: 610 Medical sciences Medicine
About | FAQ | Contact | Imprint |
OA-LogoDINI certificate 2013Logo der Open-Archives-Initiative