Die relative ADL-Effizienz der Rehabilitation

5.4.3.3.1 Mehrebenen-Grundmodell zur Erklärung der relativen ADL-Effizienz Für das Modell zur Erklärung der relativen ADL-Effizienz der Rehabilitation wurde die Variable EFFI zunächst – ähnlich wie schon in Kapitel 5.2 – beidseitig zensiert:

21 Ausreißer mit einer EFFI < -10 oder EFFI > 10 wurden aus der Untersuchung

ausgeschlossen. Weiter wurde EFFI mit dem Faktor 7 multipliziert, um numerische Probleme bei der Berechnung des Modells zu vermeiden. Die neue Variable EFFI_7 gibt somit den Barthel-Index-Zuwachs eines Patienten über einen Zeitraum von 7 Tagen an. Die Koeffizienten für das Mehrebenen-Grundmodell unter Kontrolle für konfundierende Variablen auf Patientenebene, aber noch ohne Einrichtungsvaria-blen, sind in Tab. 5-49 zusammengestellt.

Grundmodell (M_I_O) zur Erklärung der relativen ADL-Effizienz (EFFI_7)

Fixe Koeffizienten Wert Standardfehler p-Wert*

CONS 8,866 0,594 0,000

Tab. 5-49: Fixe und zufällige Koeffizienten eines Modells zur Erklärung der relativen ADL-Effizienz (ohne Einrichtungsvariablen, mit konfundierenden Patientenvariablen)

Auch hier waren die verschiedenen unabhängigen Variablen insgesamt wieder si-gnifikant, nicht jedoch folgende Kategorien: MMSE_LEICHTE/MITTLERE, TUG_N.D., LATENZ_NACHAUFNAHME und VORHILFE_FAM.

Dieses Modell führt gegenüber dem Leermodell zu einer Reduktion der Effizienz-Varianz auf Patientenebene um 12,3%. Auch die Effizienz-Varianz auf Einrichtungsebene wird vergleichsweise deutlich um 39,7% reduziert. Der ICC sinkt dadurch von 0,041 auf 0,026 (vg. Tab. 5-50).

Modell Beschreibung Modell Varianz auf

Patientenebene Varianz auf

Einrichtungsebene ICC R12 R22

M_I_O Leermodell (ohne unab-hängige Variablen)

46,250 1,992 0,041

M_I_O* Grundmodell (mit

Pati-entenvariablen) 41,215 1,101 0,026 0,123 0,397

* im Vergleich zum Leermodell

Tab. 5-50: Intra-Gruppen-Korrelationskoeffizienten (ICC) und Bestimmtheitsmaße für das Leermodell und das Grundmodell zur Erklärung der relativen ADL-Effizienz

In diesem Grundmodell wurde die Variable ENTLASS_IRREGULÄR als zufällige Variable modelliert (vgl. Abb. 5-27).

Die durchgezogenen Linien zeigen die vorhergesagten EFFI_7-Werte in Abhängigkeit vom zentrierten Barthel-Index bei Aufnahme (C_BIA), jeweils für die regulär und irregulär entlassenen Patienten. Die Fehlerbalken bilden das 95%-Konfidenzintervall auf Patientenebene und auf Einrichtungsebene ab.

Abb. 5-27: Vorhergesagte relative ADL-Effizienz (EFFI 7 (v.)) in Abhängigkeit von C_DAUER, für re-gulär und irrere-gulär entlassene Patienten mit 95%-Konfidenzintervallen auf Einrichtungs- und Patiente-nebene

Auch hier war die Varianz bei den irregulär entlassenen Patienten deutlich höher als bei den regulär entlassenen Patienten.

Abb. 5-28 zeigt den Anteil der Einrichtungsvarianz an der Gesamtvarianz des

Mo-Die Darstellung zeigt, dass die Einrichtungsunterschiede bezüglich der Effizienz unabhängig vom zen-trierten Barthel-Index bei Aufnahme (C_BIA) und für regulär entlassene Patienten geringfügig größer als für irregulär entlassene Patienten sind.

Abb. 5-28: Intra-Gruppen-Korrelationskoeffizienten (ICC) der Varianz von EFFI_7 in Abhängigkeit von C_BIA, getrennt für regulär und irregulär entlassene Patienten

Für regulär entlassene Patienten betrug der Anteil der Varianz auf Einrichtungsebe-ne an der Gesamtvarianz 3,95%, für irregulär entlasseEinrichtungsebe-ne Patienten lag er in etwa bei 3,29%.

5.4.3.3.2 Überprüfung der Einrichtungsvariablen

In Tab. 5-51 sind die Ergebnisse der verschiedenen Modelle zusammengefasst, in denen der Einfluss jeweils einer unabhängigen Einrichtungsvariablen auf die relative ADL-Effizienz überprüft wurde.

entlass_irregulär entlass_regulär

Modell Name der unabhängigen Variable n Koeffizient Standardfehler p-Wert*

M_I_2 C_STROKE** 5858 2,943 1,735 0,090

M_I_3 C_BI_STD 5884 -0,016 0,060 0,787

M_I_4 NEUROLOGE 5568 0,160 0,413 0,698

M_I_5 C_ANZIOB 5813 0,022 0,010 0,034

M_I_6 C_ARZT 5456 0,041 0,063 0,516

M_I_7 C_THERAPEUT 4938 0,155 0,299 0,499

M_I_8 C_REHA_DIA 5073 0,105 0,110 0,336

M_I_9 VSTATUS_KH*** 5559 0,158 0,386 0,683

M_I_10 TYP_AKUT_KH**** 5884 0,732 0,412 0,076

TYP_REHA_KH**** -0,152 0,428 0,723

M_I_11 C_ANZIOB 5813 0,024 0,010 0,012

TYP_AKUT_KH***** 0,876 0,400 0,029

TYP_REHA_KH***** -0,051 0,408 0,903

* Wald-Test

** Gegenüber dem Grundmodell wurden hier die folgenden Kategorien mit den Referenzkategorien der jeweiligen Variablen zusammengefasst, um das Modell zu vereinfachen: MMSE_LEICHTE/MITTLERE, TUG_N.D., LATENZ_NACH_AUFNAHME, VORHILFE_FAM. Die Anpassungsgüte des Modells ver-schlechterte sich damit gegenüber dem Grundmodell (Koeffizient: 2,830 (1,733), p-Wert=0,102) nur insignifikant (-2LL-Unterschied: 5,29; df=4; p-Wert=0,259).

*** Diese Variable wurde als zufälliger Effekt auf Patientenebene modelliert. Um das Modell möglichst einfach zu halten, wurde hier im Gegensatz zu vorherigen Modellen der Effekt der Dummy-Variable VSTATUS_KH modelliert und VSTATUS_REHA und VSTATUS_BEIDES als Referenzkategorien ge-nommen.

**** Diese Variable wurde als zufälliger Effekt auf Patientenebene modelliert. Gegenüber dem Grund-modell wurden hier die folgenden Kategorien mit den Referenzkategorien der jeweiligen Variablen zusammengefasst, um das Modell zu vereinfachen: MMSE_LEICHTE/MITTLERE, TUG_N.D., LA-TENZ_NACH_AUFNAHME, VORHILFE_FAM. Die Anpassungsgüte des Modells verschlechterte sich damit gegenüber dem Grundmodell (Koeffizient TYP_AKUT-_KH: 0,681 (0,415), p-Wert=0,101; Koeffi-zient TYP_REHA_KH: -0,141 (0,428), Wert=0,741) nur insignifikant (-2LL-Unterschied: 6,15; df=5; p-Wert=0,292).

***** Diese Variable wurde als zufälliger Effekt auf Patientenebene modelliert. Gegenüber dem Grundmodell wurden hier die folgenden Kategorien mit den Referenzkategorien der jeweiligen Varia-blen zusammengefasst, um das Modell zu vereinfachen: MMSE_LEICHTE/MITTLERE, TUG_N.D., LATENZ_NACH_AUFNAHME, VORHILFE_FAM. Die Anpassungsgüte des Modells verschlechterte sich damit gegenüber dem Grundmodell (Koeffizient C_ANZIOB: 0,024 (0,010), p-Wert=0,013; Koeffi-zient TYP_AKUT-_KH: 0,827 (0,404), p-Wert=0,040; KoeffiKoeffi-zient TYP_REHA_KH: -0,043 (0,408), p-Wert=0,916) nur insignifikant (-2LL-Unterschied: 5,64; df=5; p-Wert=0,343).

Tab. 5-51: Einfluss von Einrichtungsvariablen auf die relative ADL-Effizienz

Wie die Tabelle zeigt, lässt sich für die Dummy-Variable TYP_AKUT_KH und für die Variable C_STROKE ein schwach signifikant positiver und für die Anzahl der inter-organisatorischen Beziehungen (C_ANZIOB) ein deutlich signifikant positiver Ein-fluss auf die relative ADL-Effizienz der Rehabilitation nachweisen.

Im Gegensatz zur Effektivitätsanalyse hatten die Anzahl der Patienten pro Arzt, die Anzahl der rehabilitationsdiagnostischen Möglichkeiten, die Variabilität der Patienten hinsichtlich ihres funktionellen Zustands bei Aufnahme, der Versorgungsstatus einer Einrichtung und die Anzahl der Patienten pro Therapeut keinen signifikanten Ein-fluss auf die Effizienz. Und wie bei der Effektivitätsanalyse auch ließ sich auf die Effizienz kein positiver Einfluss des Vorhandenseins eines Neurologen im geriatri-schen Team nachweisen.

C_ANZIOB reduziert die Effizienz-Einrichtungsvarianz um 6,9%. In beiden Fällen reduziert sich der ICC von 0,026 im Grundmodell auf 0,024. TYP_AKUT_KH und

TYP_REHA_KH reduzieren die Effizienz-Einrichtungsvarianz um 10,5% (vgl. Tab.

M_I_0 Leermodell 46,250 1,992 0,041

M_I_1* Grundmodell 41,215 1,101 0,026 0,123 0,397

M_I_2*** C_STROKE 41,448 1,073 0,025 -0,001 0,050

M_I_5** M1 + C_ANZIOB 41,480 1,001 0,026 -0,004 0,069

M_I_10*** M1 + TYP_AKUT_KH, TYP_REHA_KH****

41,270 0,987 0,023 0,004 0,105

M_I_11*** M1 + C_ANZIOB, TYP_AKUT_KH, TYP_REHA_KH****

41,536 0,842 0,020 0,001 0,204

M_I_11* 41,536 0,842 0,020 0,122 0,506

* im Vergleich zu M_I_0

** im Vergleich zu M_I_1

*** im Vergleich zu reduziertem Grundmodell.

**** TYP_AKUT_KH und TYP_REHA_KH wurden im ursprünglichen Modell als zufällige Effekte mo-delliert.

Tab. 5-52: Intra-Gruppen-Korrelationskoeffizient und Bestimmtheitsmaße für Modelle zur Erklärung der relativen ADL-Effizienz durch Einrichtungsvariablen

Bringt man die drei Variablen TYP_AKUT_KH, TYP_REHA_KH und C_ANZIOB zusammen in ein Modell ein, so erklären sie im Vergleich zum Grundmodell 20,4%

der Einrichtungsvarianz. Gegenüber dem Leermodell können mit Hilfe der Patien-tenvariablen und der drei Einrichtungsvariablen insgesamt 12,2% der Patientenvari-anz und 50,6% der EinrichtungsvariPatientenvari-anz erklärt werden.