Vortragssitzung
Evaluationsstudien: Versorgungsstrukturen
Vorträge
Einsatz von Assistenzrobotik in der neurologischen Frührehabilitation: Untersuchung ökonomische und soziale Aspekte
Ann-Kathrin Waibel, Hochschule für angewandte Wissenschaften Neu-Ulm
Einleitung / Introduction
Der demografische Wandel stellt eine der größten gesellschaftlichen Herausforderungen dar. Die Zahl der Pflegebedürftigen wächst stetig, ihr gegenüber steht ein Mangel an Personal in der Pflege. Um dieser Problematik entgegen zu wirken, werden neue Technologien entwickelt und genutzt. Unter anderem in der neurologischen Frührehabilitation werden bereits robotische Systeme zur automatisierten Gangtherapie eingesetzt. Die neurologische Frührehabilitation ist ein komplexes Fachgebiet, das interdisziplinäre Zusammenarbeit aller klinischen Fachdisziplinen erfordert. Für einen Behandlungserfolg ist die frühe Mobilisierung der Patienten essentiell, die erfolgreiche Behandlung erfordert vor allem häufige Wiederholungen. Hinderlich ist dabei die große körperliche Belastung des Personals. Assistenzrobotik bietet gerade hier deutliche Vorteile, das Personal zu entlasten und die Therapie effektiver zu gestalten. In diesem Beitrag sollen die Auswirkungen einer robotischen Mobilisierung auf pflegerisches und therapeutisches Personal aus sozio-ökonomischer Sicht evaluiert werden.
Methode / Method
Neben einer Literatursichtung wurden in drei unterschiedlichen Kliniken qualitative Experteninterviews geführt. Eine Einrichtung arbeitet bereits mit Assistenzrobotern in der Frührehabilitation, die zweite Einrichtung steht kurz vor der Einführung und in der dritten Einrichtung wird noch manuell mobilisiert. In neun Interviews wurden Experten mit Ausbildungen als Pflegefachkraft, Pflegehelfer und Therapeut befragt. Ein Interviewleitfaden aus fünf offenen Fragen stellte die Grundlage der Interviews dar. Eine kategorische Auswertung erfolgte anhand von Kodierungen mit der Software MAXQDA 2018 für Windows.
Ergebnisse / Results
Insgesamt wurden 178 Kodierungspunkte auf die Zitate der neun Interviews verteilt. 43 Aussagen wurden der Kategorie ‚ökonomisch‘ zugeteilt, 38 Aussagen bezogen sich auf ‚soziale‘ Aspekte. Die Experten erwarten eine Verlängerung des Therapieprozesses durch Vor- und Nachbereitung. Sie vermuten einen erhöhten technischen Aufwand durch die Nutzung der Robotik. Andererseits gehen sie davon aus, dass Personallücken gefüllt werden können, effizienter gearbeitet werden kann und eine körperliche Entlastung erfolgt, die langfristig gesundheitliche Probleme der Pflegenden vorbeugt. Die Berufsgruppe der Therapeuten steht dem Einsatz von Robotik aber auch skeptisch gegenüber. Sie befürchten an erster Stelle negative Auswirkungen auf die Qualität der Therapie und die Substitution des geschulten Personals. Ein therapeutischer Experte, der bereits mit robotischen Systemen arbeitet, sieht diese aber auch als positive Erweiterung des Therapieangebots. Körperliche Anstrengung werde reduziert und Robotik könne Behandlungsfrequenzen erreichen, die durch menschliche Kräfte nicht möglich sind. Die Einstellung und Überwachung solle aber unbedingt von therapeutischem Personal übernommen werden. Insgesamt ist das Stimmungsbild der Pflegefachkräfte und Pflegehelfer eher positiv, durch die Chancen und Vorteile von Robotik wird Arbeitsentlastung und Fortschritt in der Digitalisierung erwartet.
Zusammenfassung / Conclusion
Die Ergebnisse der Untersuchung und auch die Literatur bestätigen das Potential der Nutzung von robotischen Assistenzsystemen in der neurologischen Frührehabilitation. Ob langfristig Kosten und personelle Ressourcen gespart werden können, muss durch weitere Forschung untersucht werden.
AutorInnen
Ann-Kathrin Waibel, Hochschule für angewandte Wissenschaften Neu-Ulm
Elmar Buchner, Hochschule für angewandte Wissenschaften Neu-Ulm
Marina Fotteler, Hochschule für angewandte Wissenschaften Neu-Ulm
Felix Holl, Hochschule für angewandte Wissenschaften Neu-Ulm
Michael Örtl, Hochschule für angewandte Wissenschaften Neu-Ulm
Martin Schmieder, Hochschule für angewandte Wissenschaften Neu-Ulm
Walter Swoboda, Hochschule für angewandte Wissenschaften Neu-Ulm
Measuring care coordination based on claims data: a network analytic approach to assess the meaning of shared patients
Alexander Engels, Universitätsklinikum Hamburg-Eppendorf (UKE)
Einleitung / Introduction
Accountable care organizations and e.g. collaborative care interventions expect effective care coordination to be a core mediator for their presumed cost-effectiveness. To evaluate these interventions, it is essentiell to be able to measure care coordination to detect implementation failures or explain heterogeneous findings. In this study, we propose an extension for the metric “care density”, which alleviates several empirical drawbacks of the available options for measuring care coordination (e.g. proneness to outliers or the inability to weight different relationships based on their importance). To demonstrate the utility of our approach, we compare care density with our extension in the ability to predict inpatient costs. We use patients with schizophrenia as an example, because we assume that effective care coordination should prevent avoidable hospitalizations for these patients.
Methode / Method
We identified patients with schizophrenia in 2015 based on claims data of the AOK Baden-Württemberg and assessed their individual 12-month pre-period to determine control variables and a 24-month follow-up to assess inpatient costs. To measure care coordination, we constructed patient-sharing networks analogous to the established metric “care density”, but derived an alternative formula that allowed us to determine weights for different relationship types based on their significance for preventing hospital admissions. We employed 10-fold cross validation and two-part models to compare the metrics in their AUC and R2 when predicting either hospital admissions or inpatient costs.
Ergebnisse / Results
For N=23,009 patients with schizophrenia, we found that our extension was superior both in terms of AUC and R2 when compared to regular care density. While the AUC increased from 0.707 to 0. 717, the R2 increased from 10.97% to 12.01%. Contrary to our metric, care density did not account for any additional variation after confounders were included in the two-part models. The expected inpatient costs of a patient varied between 4088€ and 6395€ based solely on their respective quintile on the proposed metric.
Zusammenfassung / Conclusion
Our extension of care density represents a flexible and transparent metric for care coordination. One particular strength of the method is its ability to weight relationships based on their importance for achieving a specific outcome (e.g. preventing hospitalizations). A post-hoc analysis of these weights may offer insights into the relevance of certain provider relationships when treating a chronic disorder. Furthermore, these weights could be optimized to predict alternative outcomes (e.g. quality of life). Hence, the metric can be adapted to a variety of settings. For patients with schizophrenia, our results indicate that care coordination could be a neglected cause for inpatient costs.
AutorInnen
Alexander Engels, Universitätsklinikum Hamburg-Eppendorf (UKE)
Hans-Hemlut König, Universitätsklinikum Hamburg-Eppendorf (UKE)
Erstellung eines generischen Markovmodells zur gesundheitsökonomischen Evaluation
Julia Häußler-Sigler, GECKO Institut, Hochschule Heilbronn
Einleitung / Introduction
Markovmodelle sind Standardwerkzeuge für die gesundheitsökonomische Evaluation von Gesundheitstechnologien. Methodentypisch wird eine Erkrankung in zeitlich aufeinanderfolgenden Zuständen abgebildet, die durch Übergänge und Wahrscheinlichkeiten logisch verbunden sind. Für n Zustände existieren theoretisch n*n mögliche Übergänge; praxisrelevant sind immer weniger Verbindungen. Das Problem dabei, Modelle werden für einen konkreten Anwendungsfall erstellt und mangels Standardisierung ist ihre Wiederverwendbarkeit gering. Modellierung wird dadurch teuer. Ziel ist es, Modellierern ein einfaches, adaptierbares und valides Werkzeug an die Hand zu geben, mit dem gesundheitsökonomische Markovmodelle leicht, transparent und nachvollziehbar entwickelt werden können.
Methode / Method
Zuerst wurde in einem Tabellenkalkulationsprogramm eine Vorlage aufgebaut, die in Modelleingaben, -rechnungen und -ausgaben strukturiert ist. Es wird auf die Verwendung von Makros verzichtet, um hohe Kompatibilität und Transparenz zu erreichen. Das Modell vergleicht zwei alternative Therapien in einem Zeithorizont von 80 Zyklen. Das Model besteht aus bis zu sechs Zuständen mit 36 möglichen Übergängen. Bis zu 16 Subkohorten helfen, zeitliche Änderungen in der Kohortenstruktur abzubilden. Jedem Zustand werden Kostenkategorien und QALYs zugeordnet. Kosten und Effekte werden separat diskontiert und eine Willingness-to-Pay-Grenze berücksichtigt. Berechnete Ergebnisgrößen sind die Lebenserwartung, QALYs und Kosten; jeweils pro Zyklus, sowie kumuliert. Weitere Outcomes sind ICER, Net-Monetary-Benefit sowie Net-Health-Benefit. Zur Validierung der generischen Modellvorlage wurde ein publiziertes [1] Dreizustandsmodell nachgebaut (G). Ein zweiter Modellierer entwickelte unabhängig davon ein konventionell erstelltes Modell (K). Dann wurden die Ergebnisse von [1] mit den Ergebnissen von G & K sowie die Modelle G & K untereinander verglichen.
Ergebnisse / Results
Das generische Markovmodell konnte, so wie das Vergleichsmodell, in einer Kohortensimulation die Ergebnisse des Fachartikels reproduzieren. [1] berichtet die ersten zehn Zyklen ihrer Simulation der Standardtherapie. Sie sind deckungsgleich mit den errechneten Werten in G & K. Dies gilt auch nach der Erweiterung des Zeithorizonts auf 45 Zyklen. Einzig die Kosten weichen geringfügig von den berichteten Werten ab: Abweichung Standardtherapie = -190,429.19 £ (-2,01 %), Abweichung neue Therapie = +193,617.46 £ (+1,21%). Die Abweichungen erklären sich durch Rundungsfehler über den langen Zeithorizont.
Zusammenfassung / Conclusion
Ein generisches, d.h. ein strukturell nicht vorbestimmtes, Markovmodell mit sechs Zuständen wurde entwickelt und validiert. Referenz: [1] Briggs A, Sculpher M. An Introduction to Markov Modelling for Economic Evaluation. Pharmacoeconomics.1998 (13), 397–409.
AutorInnen
Julia Häußler-Sigler, GECKO Institut, Hochschule Heilbronn
Monika Pobiruchin, GECKO Institut, Hochschule Heilbronn
Wendelin Schramm, GECKO Institut, Hochschule Heilbronn
Evaluation komplexer Interventionen: Strukturmigration der Gesundheitsversorgung im ländlichen Raum
Manuel Recker, inav GmbH
Einleitung / Introduction
Das Innovationsfondsprojekt „IGiB - Strukturmigration im Mittelbereich Templin“ (IGiB-StimMT) entwickelte die regionalen Versorgungsstrukturen im Mittelbereich Templin weiter, um den Versorgungsbedarf der Bevölkerung vor Ort besser abzudecken. Hierzu wurde im Rahmen einer komplexen Intervention das ambulante Versorgungspotenzial ausgebaut, die Akut- und Notfallversorgung umstrukturiert und die Grundversorgung den Bedürfnissen älterer, multimorbider Patienten umgestaltet. So wurde u. a. dazu am Sana Krankenhaus Templin eine ärztliche Bereitschaftsdienstpraxis (ÄBP) und eine Decision-Unit (Überwachungseinheit) eingeführt.
Methode / Method
Für die Evaluation der komplexen Intervention wurden Strukturdaten zur ÄBP, zur Decision-Unit und zur Rettungsstelle des Sana Krankenhauses Templin erhoben und ausgewertet. Die Strukturdatenanalyse bildete die Inanspruchnahme dieser Versorgungsbestandteile durch die Wohnbevölkerung des Mittelbereichs Templin ab. Zusätzlich wird eine GKV-Routinedatenanalyse durchführt, die ergänzende Aussagen zu den Kosten der ambulanten und stationären Versorgungsleistungen erlaubt. Durch eine Verknüpfung der verschiedenen Daten können Rückschlüsse auf eine Verringerung der stationären Aufnahmen, eine Entlastung des Rettungsdienstes und eine verbesserte ambulante Versorgung gezogen werden.
Ergebnisse / Results
Die vorläufigen Auswertungen der Strukturdaten verdeutlichen, dass die Versorgungsmodule miteinander interagierten und Synergien zeigen. Seit der Einführung der ÄBP sanken die Fallzahlen in der Rettungsstelle um 37% und des Fahrdienstes um 53%, da viele Behandlungsfälle durch die ÄBP aufgefangen wurden (N=3.048). Durch gesunkene Fallzahlen in der Rettungsstelle und im Fahrdienst sowie einer Verlagerung der Fälle vom stationären in den ambulanten Versorgungsbereich wurden Kosten eingespart. Eine Entlastung des stationären Versorgungsbereichs konnte auch bei der Decision-Unit beobachtet werden. Eine längere Beobachtungszeit der Fälle mit Kurzzeitüberwachungspotenzial trug dazu bei, dass im Jahr 2019 in wenigen Fällen (5 von 248) die Entscheidung zu einer stationären Weiterbehandlung getroffen wurde. Durch eine Senkung der Hospitalisierungsrate wurde das Potenzial der ambulant-notärztlichen Versorgung stärker ausgeschöpft. Die Ergebnisse der GKV-Routinedatenanalyse werden Anfang 2021 vorliegen.
Zusammenfassung / Conclusion
Die bisherigen Auswertungen zeigten, dass die ÄBP und die Decision-Unit die Strukturen der Akut- und Notfallversorgung an den tatsächlichen Bedarf anpassten. Insgesamt konnte durch eine Neustrukturierung und einer damit einhergehenden Ausschöpfung des ambulanten Potenzials eine Entlastung des stationären Versorgungsbereichs beobachtet werden.