der Schweiz
Klazien Matter-Walstra
Network Outcomes Research, SAKK
Methode der «Small Area Analysis» (für eine detaillierte Beschreibung der Methode zur Bildung von Small Areas siehe: [1-3]). Einzugsgebiete widerspiegeln die effektive Nutzung stationärer Leistungen durch die Bevölkerung im Zeitraum der Datenerhebung.
Diese Einzugsgebiete erlauben Aussagen zu verschiedens-ten Themen wie z.B. den Umfang ausserregionaler Be-handlungen, die geographische Struktur/Verteilung der Spitalnutzung oder Schwankungen in der Nutzung von Ressourcen und der Patientenströme. Da die Aufteilung in Einzugsgebiete sehr detaillierte Angaben ermöglicht, können bessere «marktbezogene» Untersuchungen von Versorgungsengpässen und/oder Kapazitätsüberschüs-sen durchgeführt werden, als dies aufgrund kantonaler Grenzen möglich ist. Analysen können weiter verfeinert werden, indem Leistungsgruppen wie z.B Onkologie, Diagnose- oder Behandlungsgruppen, Liegeklassen oder Spitaltypen (Akutspital, Rehabilitation) getrennt unter-sucht werden. Die Voraussetzung solcher Analysen ist allerdings eine landesweite einheitliche Erfassung der erbrachten medizinischen Leistungen und eine vollstän-dige Kodierung der Diagnosen und Behandlungen. Feh-lende Behandlungs-(CHOP)- und/oder Diagnoseangaben (ICD10) können zu Verzerrungen bei der Bewertung der Inanspruchnahme medizinischer Leistungen führen und
«Small Area Analysen» erschweren.
Auswertungsmöglichkeiten
Einer der Vorteile von Small Area Analysis ist, dass sich die Ergebnisse in Form von Karten darstellen lassen, und so regionale Unterschiede und/oder Eigenschaften auf einem Blick ersichtlich werden. Zu den in diesem Beitrag beigefügten Karten muss eine Warnung beige-fügt werden: Sie sind rein exemplarisch und haben kei-ne wissenschaftliche Bedeutung. Die Daten stammen aus älteren Datensätzen und basieren auf dem veralte-ten MedStat-Daveralte-tensatz.
1. Bildung von Versorgungsgebieten
Grundsätzlich können Spitalversorgungsgebiete (HSA) auf Grund zwei verschiedener Ausgangssituationen ge-bildet werden. Die erste Variante ist eine HSA-Bildung bezogen auf alle Hospitalisationen. Diese HSA wieder-spiegeln die gesamte Spitalnutzung. Untersucht werden kann nun zum Beispiel, wie gut diese HSA die Versor-gung für einzelne Indikationen wie z.B. Krebs gewähr-leisten. Eine zweite Variante ist es, HSA nur für einzelne Indikationen zu bilden. Diese HSA können sich erheblich von allgemein gebildeten HSA unterscheiden, zeigen aber Grafik 1. Lokalisationsindex für Krebspatienten, HSA gebildet
basierend auf allen Hospitalisationen
SCHWERPUNKTTHEMA
Schweizer Krebsbulletin Nr. 3/2012 203
VERSORGUNGSFORSCHUNG
die Versorgungslandschaft für diese bestimmte Indikation viel detaillierter auf.
2. Indikatoren für Patientenströme
Für die gebildeten HSAs lassen sich auf Grund der Infor-mation, in welcher HSA ein Patient wohnt und in welcher HSA er/sie hospitalisiert wurde, verschiedene Indikatoren herleiten. Dazu gehört u.a. der sogenannte Lokalisations-index = welcher Prozentanteil der HSA-Einwohner wird im eigenen Wohn-HSA hospitalisiert (siehe Grafik 1). Je höher dieser Anteil ist, desto höher ist die Affinität der Bürger für ihre HSA (aus welchen Gründen auch immer).
Ein weiterer Indikator ist der Market Share Index. Er zeigt das Verhältnis zwischen im HSA behandelten lokalen (HSA-Einwohner) und nicht lokalen Patienten (aus an-deren HSAs) auf. Zusammen mit dem Lokalisationsindex gibt er wichtige Information über die «Beliebtheit»/«At-traktivität» eines HSAs. Ein HSA mit einem hohen
Lo-kalisationsindex und einem niedrigen Market Share Index bedeutet zum Beispiel, dass diese Region nebst einem ho-hen Versorgungsgrad für die eigene Bevölkerung zusätz-lich viele «Auswärtige» anzieht.
Zusätzlich kann auf Ebene der einzelnen HSA geschaut werden, wohin Patienten aus dieser HSA gehen, wenn sie für eine bestimmte Indikation hospitalisiert werden oder woher Patienten kommen, die in diesem HSA behandelt werden (siehe Grafik 2 und 3), sowie welche spezifische Eingriffe wo durchgeführt werden (Grafik 4).
3. Patientenbezogene Indikatoren
Auf Patientenebene können sehr viele Indikatoren analysiert werden. Nebst Hospitalisationsraten für bestimmte Diagnosen (auf Grund ICD10) oder Behandlungen (basierend auf CHOP, Grafik 5), kann zum Beispiel die Lie-Grafik 3. Woher kommen Krebspatienten, die in HSA BE08 hospitalisiert werden?
Grafik 2. Wo werden Krebspatienten, die in HSA LU19 wohnen, hospitalisiert?
Grafik 4. Wo werden bei Krebspatienten Eingriffe am Pankreas
durchgeführt? Grafik 5. Prozentanteil Krebspatienten, die einen Eingriff am
Pankreas (CHOP) hatten.
gedauer für einen bestimmten Eingriff angeschaut werden.
Auch Kostendaten der Versicherer können so kartogra-phisch aufgezeigt werden.
Schlussfolgerung
Ende der sechziger Jahre erschienen erste Artikel, die über geographische Unterschiede in der Nutzung von medi-zinischen Einrichtungen berichteten. In den folgenden Jahren wurden mehrere Hypothesen aufgestellt, um die beobachteten Varianzen von Nutzung, Nachfrage und Angebot zu erklären. Nebst soziodemographischen Fak-toren des Patienten wurden hauptsächlich folgende Ein-flussgrössen untersucht: bestimmte Risikofaktoren in der Bevölkerung, Unter- und/oder Überversorgung, angebot-sinduzierte Nachfrage oder Praxisstile (Präferenz für be-stimmte Therapieformen). Die Methode der «Small Area Analysis» wurde aber auch kritisiert, u.a. wegen man-gelnden oder fehlenden richtigen statistischen Verfahren oder ungenügender Datenqualität. Die Ziele der Small Area Analysen können, wie oben beschrieben, mehrere sein. Grundsätzlich sollten sie aber eine Unterstützung in der Spital- und Gesundheitsversorgungsplanung ermög-lichen. Die Voraussetzung für zuverlässige Analysen ist eine Vollständigkeit der Daten in Bezug auf die gestell-te(n) Diagnose(n) und durchgeführgestell-te(n) Behandlung(en).
Änderungen in der Erfassung von Diagnosen (ICD10 – Swiss DRGs) oder auch die Einteilung der MedStat-Regi-o nen können zeitliche Analysen erschweren. Grundsätz-lich kann aber gesagt werden, dass die Methode der Small
Korrespondenz:
Frau Dr. Klazien Matter-Walstra
Institute of Pharmaceutical Medicine/ECPM University Basel
Network Outcomes Research, SAKK klazien.matter@unibas.ch
Area Analysis und die grafische Darstellungsmöglichkei-ten viele nützliche Informationen über die Spitalland-schaft und derer Benützung in der Schweiz ermöglichen.
Spezifische Analysen in Bezug auf Krebs in der Schweiz liegen mit der vorgestellten Methode bis jetzt nicht vor, sie könnten aber jederzeit mit Unterstützung des Bundes-amtes für Statistik unternommen werden.
Weitere detaillierte Informationen bezüglich der Metho-de können bei Metho-der Autorin angefragt werMetho-den.
Literatur
1. Goodman DC, Mick SS, Bott D, Stukel T, Chang CH, Marth N, et al. Primary care service areas: a new tool for the evaluation of primary care services. Health Serv Res. 2003 Feb;38(1 Pt 1):287-309.
2. Klauss G, Staub L, Widmer M, Busato A. Hospital service areas -- a new tool for health care planning in Switzerland. BMC Health Serv Res. 2005 May 9;5(1):33.
3. Matter-Walstra K, Widmer M, Busato A. Analysis of patient flows for orthopedic procedures using small area analysis in Switzerland.
BMC Health Serv Res. 2006;6:119.
SCHWERPUNKTTHEMA
Kap der Guten Hoffnung
Schweizer Krebsbulletin Nr. 3/2012 205
VERSORGUNGSFORSCHUNG
Keywords: quality of cancer care, colorectal cancer, lung cancer, prostate cancer, ovary cancer, uterus cancer, quality indicator, data collection, cancer registry
Introduction
Research on the Quality of Cancer Care (QoCC) through-out the last decade has demonstrated that increases in the knowledge of treatments with proven efficacy do not al-ways translate directly into the optimal delivery of such treatments to patients. [1, 2] Moreover, the assessing of QoCC has become even more important to providers and purchasers of care in response to the growing demand for services, rising costs, constrained resources and evidence of variation in clinical practice. [3] QoCC studies and struc-tured programmes on specific quality indicators (QI) have been developed in US, Canada and Europe since the late
‘90s. [1, 2, 4-7] So far, in Switzerland no population-based study on QoCC with a prospective design has been con-ducted. Into the bargain, the development of a national QoCC system in a federal setting such as the Switzerland is likely to be a highly complex undertaking with sub-stantial implications for clinicians, patients, institutional leaders, policy makers and stakeholders. On the other hand, a QoCC study at a regional level could be made more acceptable by clinicians, increasing the likelihood of their recruitment and participation. We, therefore, suggested to implement, on a 3-year time period (2011-2013), in the territory of Canton Ticino, the project QC3 (Quality indicators of Clinical Cancer Care) which is being finally conducted at the population-based Ticino Cancer Registry, representing the essential informative system of the epidemiologic knowledge of the local population and providing many variables necessary for the assessment of the clinical performance. In addition, the Registry is an