Qualitätssicherung mithilfe von Routinedaten

Zusammenfassung

Die Ergebnisqualität kann aus den Daten der externen Qualitätssicherung abgeleitet werden. Eine Begrenzung auf den stationären Aufenthalt lässt keine Rückschlüsse auf das Outcome im Zeitverlauf zu. Krankenkassendaten beinhalten Informationen über die Langzeitverläufe wie Mortalität, Spätrevisionen und Pflegebedürftigkeit nach erlittener hüftgelenknaher Fraktur.

Unsere Abteilung verfügt über Erfahrung in der Sekundärdatennutzung aus der verpflichtenden externen Qualitätssicherung (BQS) hüftgelenknaher Frakturen. Darüber hinaus analysieren wir die Abrechungsdaten der Knappschaft Bahn-See und der AOK in einem Kooperationsprojekt mit dem wissenschaftlichen Institut der AOK (WidO). Diese Routinedaten weisen einen deutlichen Bias aufgrund unpräziser Kodierungen und teilweise breiter Interpretationsmöglichkeiten einzelner ICD-10-Kodes auf.

Die Qualitätssicherung aus Abrechnungsdaten ist daher Rückschlüssen auf die Ergebnisqualität, die mittels eigens errichteter Register erhoben wurden, in der Validität deutlich unterlegen. Trotz der eingeschränkten Nutzbarkeit der Abrechnungsdaten für Fragen der Qualitätssicherung ist der ärztliche Sachverstand unabdingbar, um Fehlinterpretationen zu vermeiden.

Abstract

Health service quality in Germany can be shown by the data from the external quality assurance program (BQS) but as these records are limited to the period of in-hospital stay no information about outcome after discharge from hospital can be obtained. Secondary routine administrative data contain information about long-term outcome, such as mortality, subsequent revision and the need for care following surgical treatment due to a hip fracture.

Experiences in the use of secondary data dealing with treatment of hip fractures from the BQS are available in our department. In addition we analyzed routine administrative data from the health insurance companies Knappschaft Bahn-See and AOK in a cooperative study with the WidO (scientific institute of the AOK). These routine data clearly show a bias because of poor quality in coding as well as broad interpretation possibilities of some of the ICD-10 codes used.

Consequently quality assurance using routine data is less valid than register-based conclusions. Nevertheless medical expertise is necessary to avoid misinterpretation of routine administrative data.