Archiv "Risikoadjustierte Hirnblutungsraten bei sehr kleinen Frühgeborenen" (06.08.2012)

(1)

ORIGINALARBEIT

Risikoadjustierte Hirnblutungsraten bei sehr kleinen Frühgeborenen

Beitrag zur interklinischen Qualitätssicherung in der Neonatologie

Christoph Vogtmann, Rainer Koch, Dieter Gmyrek, Annette Kaiser, Annette Friedrich

ZUSAMMENFASSUNG

Hintergrund: Die Hirnblutungsrate kleiner Frühgeborener als ein wichtiges Qualitätskriterium neonatologischer Versorgungsleistung steht im Zusammen- hang mit schwangerschafts- und geburtsassoziierten wie auch neonatologischen Risikofaktoren. Durch Berücksichtigung des Risikoprofils der Patienten zum Zeitpunkt der Übernahme durch den Neonatologen soll ein verlässlicher interklinischer Vergleich von Hirnblutungsraten erreicht werden.

Methodik: Aus 26 744 anonym zusammengeführten Datensätzen der Peri- und Neonatalerhebung Sachsens der Jahre 2001–2005 wurden 1 782 Daten- paare von Frühgeborenen < 1 500 g oder < 32 Schwangerschaftswochen ermittelt. Durch Analyse von 30 Risikofaktoren wurde durch schrittweise logistische Regression ein spezifischer Risikoprädiktor für die schwere Hirn - blutung (Grad III und IV) entwickelt und eine klinikspezifische Inzidenzrate berechnet.

Ergebnisse: Für die Prädiktion erwiesen sich fünf unabhängige Risikofaktoren als bedeutsam: niedriges Gestationsalter, niedriger Apgar-Wert nach einer Mi- nute, Frühinfektion, Schwangerschaftsverlauf ohne pathologische Dopplerbe- funde und subpartale Anwendung von Tokolyse. Die Trefferquote des Prädiktors (ROCAUC-Wert) war mit 87,7 % sehr gut. Bei Berücksichtigung der Risikoprofile der Kliniken veränderte sich die interhospitale Variationsbreite von 1,92 % bis 15,02 % (Mittelwert aller Kliniken 8,55 %) vor Adjustierung zu 5,14 % bis 11,58 % nach Adjustierung. Im Klinikranking verschoben sich die Klinikpositio- nen um 1 bis 4 Plätze.

Schlussfolgerung: Die Ergebnisse belegen für den neonatologischen Qualitäts- indikator Hirnblutung bei sehr kleinen Frühgeborenen die Wichtigkeit einer Risikoadjustierung im Rahmen des Qualitätssicherungsprozesses für einen validen interklinischen Qualitätsvergleich.

►Zitierweise

Vogtmann C, Koch R, Gmyrek D, Kaiser A, Friedrich A: Risk-adjusted intraventricular hemorrhage rates in very premature infants—towards quality assur ance between neonatal units. Dtsch Arztebl Int 2012;

109(31–32): 527–33. DOI: 10.3238/arztebl.2012.0527

U

nter den jährlich 680 000 Neugeborenen in Deutschland ist mit rund 2 100 perinatal entstande- nen Hirnblutungen zu rechnen, die den Tod, bleibende Schäden oder Entwicklungsstörungen zur Folge haben können. Allein in der Gruppe von jährlich ungefähr 8 500 sehr kleinen Frühgeborenen mit einem Geburtsgewicht unter 1 500 g könnten – hochgerechnet aus den Ergebnis- sen der Peri- und Neonatalerhebung des Landes Sachsen 2009 (www.slaek.de/5quali) etwa 470 schwere Hirnblu- tungsfälle (Grad III/IV) veranschlagt werden. Bei allen Überlebenden ist mit Langzeitfolgen für die neuromotori- sche und kognitive Entwicklung zu rechnen.

Die Ursache der Hirnblutung ist bei individuell unter- schiedlicher Disposition im Komplex perinatal-geburtshilflicher oder neonatologischer Risikofaktoren zu sehen, wozu neben medizinischen auch strukturelle, organisatori- sche und subjektive Faktoren zu zählen sind. Nicht alle sind objektiv erfassbar. Da sich die in verschiedenen neonatologischen Einrichtungen betreuten Patientenpopula- tionen hinsichtlich ihrer Risikostruktur – also hinsichtlich potenzieller Krankheitsnoxen, Zustandsmerkmalen und vorausgegangenem Behandlungsmanagement – unter- scheiden, ergeben sich zwangsläufig Unterschiede bei den interhospitalen Hirnblutungsraten (1–3). Diese repräsen- tieren demnach nicht allein neonatologische Qualitätsun- terschiede. Wenn die Hirnblutungsrate dem Anspruch ge- recht werden soll, ein valides neonatologisches Qualitäts- kriterium, das heißt ein messbarer Leistungsparameter für einen interklinischen Qualitätsvergleich zu sein, dann ist eine Risikoadjustierung erforderlich. Diese sollte die der neonatologischen Versorgung vorausgegangene, vom Neonatologen nicht zu beeinflussende Risikobelastung eines Kindes berücksichtigen. Mit Hilfe einer multivariaten logistischen Regressionsanalyse von zusammengeführten Daten der Peri- und Neonatalerhebung kann ein Prädiktor definiert werden, der das Risiko für das Eintreten eines Zielereignisses zu schätzen erlaubt (4–6). Durch Fokus- sierung auf schwangerschafts- und geburtsassoziierte Ri- sikofaktoren in ihren Beziehungen zum Auftreten von Hirnblutungen ist das damit zusammenhängende Risiko von Hirnblutungen vorhersagbar. Auf dieser Basis lässt sich eine risikoadustierte Inzidenzrate von Hirnblutungen ermitteln. Sie spiegelt die neonatologische Ergebnisquali- tät verlässlicher wider als eine unkorrigierte Inzidenzrate.

Mit dieser Arbeit soll ein Beitrag zur validen Bewertung

Arbeitsgruppe Qualitätssicherung Perinatologie/Neonatologie der Sächsischen Landesärztekammer:

Prof. Dr. med. Vogtmann, Prof. Dr. med. Gmyrek, Dipl.-med. Kaiser, Dipl.-Math. Friedrich

Institut für Medizinische Informatik und Biometrie, Medizinische Fakultät Carl Gustav Carus der Techni- schen Universität Dresden: Prof. Dr. rer. nat. Koch

(2)

neonatologischer Ergebnisqualität und zur Sicherstellung eines belastungsfähigen interklinischen Qualitätsverglei- ches geleistet werden.

Material und Methodik Daten und Datenzusammenführung

Grundlage der Analyse sind die Daten der Peri- und Neonatalerhebung aller sächsischen Kliniken der Jahre 2001–2005. Die Datenzusammenführung und Redukti- on auf Einzelpatienten erfolgte unter Wahrung von Anonymität und Datenschutz anhand von program-

mierten Match-Algorithmen. Zum Matchen dienten die fünf Kontrollvariablen Geschlecht, Geburtsdatum, Ge- burtszeit, (original angegebenes) Gestationsalter und Geburtsgewicht. Dabei mussten einige Abweichungen toleriert werden, für das Geburtsgewicht ± 100 g. Ab- weichungen in den Matchvariablen wurden für maxi- mal eine dieser Variablen zugelassen, wobei Mehrfach- abweichungen auch nicht auftraten. Die Elimination von verlegungsbedingten Mehrfacherfassungen von Kindern und die dabei notwendige Zusammenführung aller Einzeldaten für die betroffenen Kinder erfolgte durch Sichtung aller jeweils zutreffenden Einzeldaten und Zusammenfassung per Hand. Es wurde eine Ver- knüpfungsrate von 90,1 % erreicht und damit 1,16 % der Neugeborenenpopulation erfasst.

Unter insgesamt 26 744 neonatologischen Daten - sätzen befanden sich 1 910 Datensätze von Kindern mit einem Gewicht < 1 500 g oder einem Gestations - alter < 32 vollendeten Schwangerschaftswochen. Aus- geschlossen wurden 116 von bis zum 4. Lebenstag verstorbenen Kindern ohne gesicherte Information über Hirnblutungen und 19 Datensätze von Kindern ohne Schädelsonographie. Es verblieben N = 1 782 Daten- sätze, die der Analyse zugrunde liegen. Darunter waren N = 168 (8,9 %) aus geburtshilflichen Einrichtungen transportierte Kinder.

Berücksichtigt wurden die sonographischen Hirnbe- funde bis zur Entlassung unabhängig vom Zeitpunkt der Erstbeobachtung beziehungsweise des Auftretens, da dieser nicht erfasst ist. Die Stadieneinteilung folgt der nach Papile (7).

Es wurden die perinatologischen Variablen analy- siert, die mit dem Auftreten von intraventrikulären Blu- tungen als abhängige Variable assoziiert sind beziehungsweise im engen zeitlichen Zusammenhang mit Geburt und postnatalen Vitalitätszeichen stehen (1, 8–18), aber nicht Ausdruck oder Folge neonatologischer Interventionen und damit Einflussnahme sein können. Ergänzend wurden auch einige Daten zu Maß- nahmen der Erstversorgung bei der univariaten Analyse berücksichtigt. Sie wurden jedoch von der multiplen logistischen Regression zur Beschreibung des Risiko- prädiktors ausgeschlossen, weil sie als neonatologische Behandlungsmerkmale Teil der pädiatrischen Versor- gungsqualität sind und daher nicht in die Risiko - adjustierung einbezogen werden können. Schließlich ergaben sich daraus insgesamt 30 Kovariablen be - ziehungsweise Variablenkomplexe (zum Beispiel Ge- burtsrisiken, Geburtslage und -modus) (Tabelle 1).

Nicht berücksichtigt sind das Intervall Blasensprung bis zur Geburt, weil es nicht im Perinatalerhebungsbo- gen abgebildet ist, sowie Transport- und Verlegungs- modalitäten, weil diese auf nicht erfassbare Weise vom Pädiater mitbestimmt sind. Das gilt auch für den CRIB(„critical risk index for babies“)-Score, in den Zustandsmerkmale der ersten zwölf Lebensstunden eingehen.

Numerische Stammdaten wurden teilweise kategori- siert (zum Beispiel Apgar-Werte, Muttermundweite, pH-Werte, Basendefizit).

TABELLE 1

Analysierte Risikovariable der Peri- und Neonatalerhebung für das Auftreten von Hirnblutungen

*¹ Nicht in multivariate Analyse einbezogen Perinataldaten

– Geburtsgewicht – Gewichtsperzentile – Gestationsalter – Geschlecht – Tokolyse ante partum – Dauer Tokolyse – Lungenreife behandlung – Muttermundweite bei

Aufnahme

– pathol. Dopplerbefund – Geburtslage

– Geburtsrisiken (Schlüssel 5) – Geburtsmodus

(15 Varianten) – Tokolyse sub partu – Notsektio

– präpartale Verweildauer – Apgar 1 Minute – Apgar 5 Minuten*¹ – Apgar 10 Minuten*¹ – Basendefizit

< –12 mmol/L – pH art. Nabelschnurblut

< 7,1

Neonataldaten – Einling/Mehrlinge – Frühinfektion – Puffergabe*¹ – Geburt zu Hause – Asphyxie*¹ – Intubation*¹ – Maskenbeatmung*¹ – Volumengabe*¹ – periventrikuläre

Blutung*¹ – Pädiater vor

Geburt anwesend

TABELLE 2

Hirnblutungsinzidenz aller neonatologischen Behandlungsfälle und der Kinder < 1 500g oder < 32 SSW differenziert nach Schweregrad mit zugehörigem mittleren Gestationsalter (vollendete Wochen) und Geburtsgewicht (g)

Blutungsgrad nach Papile N Grad I

N Grad II

N Grad III+IV

N Grad I–IV

Gesamt N = 26 609 417 (1,57 %) 34,4 ± 4,1 Wochen 2 314 ± 926 g 143 (0,54 %) 30,3 ± 5,1 Wochen 1 630 ± 944 g 193 (0,73 %) 28,3 ± 4,9 Wochen 1 294 ± 885 g 753 (2,83 %) 37,3 ± 3,2 Wochen 2 947 ± 822 g

< 1 500 g oder < 32 SSW N = 1 782

112 (6,29 %) 29,1 ± 2,5 Wochen 1 195 ± 391 g 93 (5,22 %) 27,1 ± 2,4 Wochen 1 048 ± 390 g 151 (8,47 %) 26,1 ± 2,3 Wochen 886 ± 311 g 356 (19,97 %) 29,3 ± 2,7 Wochen 1 255 ± 392 g

(3)

Das Vorgehen wurde vom Lenkungsausschuss der Sächsischen Landesärztekammer auch unter Berück- sichtigung ethischer Aspekte gebilligt.

Statistische Methodik

Die angewendeten statistischen Verfahren einschließ- lich der Rechenschritte zur Ermittlung der risikoadjustierten Werte sind in der Internetfassung (eKasten) sowie in vorausgegangenen Publikationen nachzulesen (4, 5).

Ergebnisse

Die hier vorgestellten Ergebnisse der statistischen Ana- lyse betreffen die Kinder mit schweren Blutungen (Grad III und IV nach Papile). Die Anzahl aller doku- mentierten Hirnblutungen geht aus Tabelle 2 hervor. An den relativ hohen Blutungsinzidenzen bei den sehr kleinen Frühgeborenen ist deren besondere Gefährdung ab- lesbar. Bei Betrachtung der Absolutzahlen sind Hirn- blutungen auch bei den reiferen Kindern eine bedeutsame Größe.

TABELLE 3

Auszug aus der Analyse der univariaten Beziehung zwischen Risikovariablen und der intraventrikulären Blutung (IVH) Grad III und IV (ausführliche Darstellung in der Internetfassung)

N, Anzahl Kinder;

OR, Odds Ratio; p, p-Wert Chi²-Test Variable

Geburtsgewicht 750–1 000 g Referenz > 2 000 g Gestationsalter 24–25 Wochen

Referenz > 31 Wochen Muttermundweite ≥ 4cm

Referenz < 4cm pathol. Dopplerbefund

Referenz kein path. Doppler Beckenendlage vaginal

Sektio

Referenz vaginal Schädellage Apgar 1 min: 0,1

2–5 Referenz 6–10 Infektion < 3 Tage

Referenz keine Infektion

N gesamt 291 (16 %)

53 (3 %) 163 (9,1 %)

282 (16 %) 310 (17,4 %) 1 455 (81,6 %) 326 (18 %) 1 456 (82 %) 39 (2,2 %) 285 (16 %) 280 (16 %) 78 (4,5 %) 493 (28 %) 1 171 (67 %) 146 (8,2 %) 1 636 (9,2 %)

N IVH 49 (17 %) 1 (1,9 %) 59 (36 %) 3 (1,1 %) 57 (36 %) 94 (6,5 %) 12 (3,7 %) 139 (9,5 %) 13 (33 %) 14 (4,9 %) 31 (11 %) 20 (26 %) 83 (17 %) 46 (3,9 %) 38 (26 %) 113 (6,9 %)

OR 10,5

1 52,8

1 3,26

1 0,36

1 4,02 0,41 1 8,43 4,95 1 4,74

1

p 0,0045

< 0,0001

0,0006

0,0002 0,0069

< 0,0001

TABELLE 4

Multivariater Prädiktor für die Hirnblutung Grad III/IV auf der Grundlage von N = 149 Blutungsfällen aus 1 742 Datensätzen

Gütemaße dieses logistischen Regressionsmodells: p = 0,59 im Hosmer-Lemeshow-Anpassungstest, Fläche unter der ROC: AUC = 0,877 (einfache Reklassifikation) bzw. AUC = 0,861 (Boostrap-kreuzvalidiert), Nagelkerkes R² = 0,44;

ROC, receiver operation characteristic; AUC, area under curve Variable

Intercept

Gestationsalter < 26 Wochen 26–27 28–29

30–32 (Ref.)

P63 Apgar 1 min < 6 N16 Frühsepsis < 3 Tag P35.3 kein pathol. Dopplerbefund P44.2 Tokolyse sub partu

Regressionskoeffizient –5,8446

3,5218 2,3550 2,0245

0,9572 0,9347 0,7966 0,6496

OR

33,844 10,538 7,572

2,604 2,546 2,218 1,915

95-%-KI

16,735 – 68,443 5,154 – 21,545 3,746 – 15,304

1,737 – 3,904 1,581 – 4,101 1,142 – 4,309 1,285 – 2,853

p

<,0001

<,0001 0,0001 0,0187 0,0014

(4)

Im zeitlichen Verlauf der analysierten Jahrgänge war keine bedeutsame Änderung der Inzidenzraten festzu- stellen.

Univariate Analyse

Die univariate Analyse ergibt für eine Reihe von Risiko- faktoren signifikante Beziehungen zum Auftreten einer schweren Hirnblutung (Tabelle 3 und eTabelle). Neben einem niedrigen Gestationsalter und Geburtsgewicht sind eine Muttermundweite bei Aufnahme von über 3 cm, eine Tokolyse sub partu, die vaginale Beckenendla- gengeburt, die angeborene Infektion beziehungsweise Frühsepsis, niedrige Apgar-Werte sowie das Erfordernis von Reanimationsmaßnahmen risikoerhöhende Fakto- ren. Im Gegensatz dazu lässt sich für die vollständige an- tenatale Kortikoidgabe (Lungenreifebehandlung), einen pathologischen Dopplerbefund (pathologische Fluss- muster in A. uterina, A. umbilicalis oder A. cerebri me- dia des Feten), die primäre Sektio und eine präpartale Verweildauer der Mutter von > 1 Tag ein risikovermin- dernder Effekt nachweisen. Das männliche Geschlecht stellt sich statistisch nicht als Risikofaktor dar.

Von den kindlichen Risikomerkmalen, die mit der Hirnblutungsrate im Zusammenhang stehen, wurde allein der vom Pädiater nicht zu beeinflussende Apgar-Wert nach 1 Minute in die multivariate Analyse eingeschlossen.

Multivariate Analyse

Bei der multivariaten Analyse verminderte sich durch einige Missings die Datenbasis von 1 782 auf 1 742 Datenpaare mit 149 schweren Hirnblutungen.

Von den zahlreichen univariat relevanten Beziehun- gen zwischen Risikovariablen und dem Auftreten

von Hirnblutungen erweisen sich nach multivariater logistischer Regression mit Berechnung eines Prä- diktors für das Auftreten einer Hirnblutung die meis- ten Variablen für die Prädiktion als entbehrlich. Die schwere IVH lässt sich mit einer Trefferquote von 87,7 % durch fünf Variable vorhersagen (Tabelle 4).

Der Prädiktor für die schwere Hirnblutung stützt sich auf alle 1 742 inzidenten und nichtinzidenten Fälle, die sich aus neun Kliniken mit auftretender schwerer Hirnblutung und 14 Kliniken ohne solche Hirnblutungen rekrutieren. Im Prädiktor sind die Va- riablen Gestationsalter, pathologischer Dopplerbe- fund, ein niedriger Apgar-Wert nach einer Minute (mit dem risikoerhöhenden Trennwert < 6), die angeborene Infektion sowie eine Geburt mit notwendiger Tokolyseanwendung als relevante unabhängige Risi- kofaktoren enthalten. Für die Prädiktion einer Hirn- blutung finden Geburtslage und Entbindungsmodus keine Berücksichtigung.

Hirnblutungen Grad III/IV traten in neun von den 23 Kliniken mit Kindern < 1 500 g oder < 32 Schwangerschaftswochen auf. Deren Inzidenzrate an schweren Hirnblutungen ist Grundlage für eine Klinikreihung, die durch die Risikoadjustierung eine deutliche Veränderung erfährt (Tabelle 5 und Grafik 1). Es ergeben sich Verschiebungen um bis zu vier Rangplätze, im Mittel um 2,33 Plätze.

Die vorhergesagte Inzidenzrate verweist auf die Belastung der Patientenklientel mit Risikofaktoren zum Zeitpunkt der Übernahme durch den Neonatolo- gen, ist aber nicht als Kriterium geburtshilflicher Qualität anzusehen. Dazu bedarf es einer gesonder- ten Analyse.

TABELLE 5

Inzidenzraten von Hirnblutungen Grad III und IV in den Basisdaten Sachsen (gesamt = 149/1 742 = 8,55 %) und Ranking der neonatologischen Abtei- lungen/Betreuungslevel I–III vor und nach Adjustierung (Rangkategorien unter Berücksichtigung der statistischen Unschärfe bei der Adjustierung)

Klinik/Level

14 Kliniken/III 541/II 544/II 432/I 543/II 542/II 545/II 431/I 540/II 433/I

beobachtete Inzidenzrate

0/102 2/87 = 2,30 % 1/23 = 4,35 % 32/469 = 6,82 %

1/52 = 1,92 % 2/54 = 3,70 % 2/59 = 3,39 % 28/337 = 8,31 %

5/53 = 9,43 % 76/506 = 15,02 %

vorhergesagte Inzidenzrate

2,46 5,71 7,34 8,85 3,89 5,61 3,59 7,75 8,23 11,99 Standard- abweichung

SD = 7,38

Abweichung vorhergesagt von Sachsen

– 6,09 – 2,84 – 1,21 – 0,30 – 4,67 – 2,94 – 4,97 – 0,80 – 0,32 3,44

adjustierte Inzidenzrate

5,14 5,56 6,52 6,59 6,65 8,36 9,11 9,76 11,58

95-%-KI

4,86–5,43 5,28–5,85 6,24–6,81 6,31–6,88 6,36–6,93 8,07–8,64 8,82–9,40 9,47–10,04 11,30–11,87

Rangplatz roh

2 5 6 1 4 3 7 8 9

Rang kategorie adjustiert

1 1 2 2 2 3 4 5 6 mittlere Anzahl Umplatzierungen

= 2,33

(5)

Diskussion Univariate Betrachtung

Die univariate Analyse ergab Ergebnisse, die sich mit vorliegenden Literaturangaben (1, 8–19) weit gehend decken. Das gilt für die Beziehungen von Geburtsmo- dus, Infektion, Dopplerbefunden, Anpassungsverhal- ten und damit im Zusammenhang stehenden postnatalen Maßnahmen. Neben dem Gestationsalter stehen vor allem ein niedriger Apgarwert < 6 nach einer Mi- nute, gefolgt von der Frühinfektion in engem Zusam- menhang mit dem Hirnblutungsrisiko. Dieser Apgar- Wert reflektiert am verlässlichsten die akuten Ge- burtswirkungen auf die Hirnfunktion und gilt als ein wesentlicher Risikoindikator für Hirnblutungen (17, 20). Bei Betrachtung des Geburtsmodus in seiner Be- ziehung zur Hirnblutung zeigt sich in vorliegender Analyse ein Vorteil für die durch primären Kaiser- schnitt geborenen Kinder gegenüber den vaginal oder nach sekundärer Sektio geborenen. Ein geringeres Hirnblutungsrisiko für nach elektiver Sektio gebore- ne Kinder ist auch in der Literatur beschrieben (9, 15). Für den Ausgang sind die den Geburtsmodus begleitenden oder ihn veranlassenden Geburtsum- stände entscheidender (16).

In einigen Studien wird auf die Bedeutung der Weite des Muttermundes zum Zeitpunkt der Geburt wie auch der Wehenaktivität für das Hirnblutungsri- siko hingewiesen (9, 16, 20). Gerade diese beiden Risikofaktoren werden leider durch die Perinataler- hebung nicht abgebildet. Es wird zwar die Mutter- mundweite bei stationärer Aufnahme, nicht aber die zum Zeitpunkt der Geburtsbeendigung durch Kaiser- schnitt erfasst. Dennoch weist die univariate Analyse der Autoren ab Muttermundweite 4 cm einen engen Zusammenhang mit dem Auftreten einer intraventri- kulären Blutung auf. Das stützt die Bedeutung dieses Befundes zum Zeitpunkt der abdominalen Geburts- beendigung für die Prognose des Kindes.

Im Gegensatz zu anderen Mitteilungen (21) fan- den wir für das männliche Geschlecht kein erhöhtes Risiko. Die höhere Anzahl von betroffenen Knaben gegenüber Mädchen korrespondiert mit dem höheren Knabenanteil unter den Frühgeborenen.

Multivariate Betrachtung

Durch die multivariate logistische Regression redu- ziert sich erheblich die Zahl der für die Berechnung eines Prädiktors für die IVH maßgebenden unabhän- gigen Prädiktorvariablen. Der Grund dafür ist darin zu sehen, dass ein Risikofaktor, der in einem anderen Faktor statistisch mitgeführt wird, weil er mit ihm korreliert, für die statistische Vorhersage entbehrlich wird. Er trägt somit nicht zur besseren Erklärung der Zielvariablen bei (5, 22).

Das Ergebnis der multivariaten logistischen Re- gression zeigt, dass das IVH-Risiko, wie bekannt, vor allem durch das Gestationsalter prädiktierbar ist, aber auch durch Faktoren, die komplex mittelbar die geburtshilfliche Situation und den Anpassungszu- stand des Kindes beschreiben. Wenn im Risikoprä-

diktor der Geburtsmodus nicht als prädiktiver Faktor enthalten ist, bedeutet dies nicht, dass er ätiologisch bedeutungslos ist.

Zu den Prädiktorvariablen gehören bei den höhergradigen Blutungen auch ein niedriger Apgar- Wert nach einer Minute sowie die angeborene Infektion beziehungsweise Frühsepsis. In den multivariaten Prädiktor gehen außerdem ein Schwanger- schaftsverlauf ohne Feststellung pathologischer Dopplerbefunde und ein Geburtsverlauf mit Toko - lyseanwendung als belastende Risikofaktoren ein.

Sie sind jedoch nicht zwangsläufig als Kausalfak - toren anzusehen.

Während niedrige Apgar-Werte und Infektionen als Risikofaktoren bekannt und plausibel sind (12, 17, 20), weil ihnen eine kausale Rolle im pathogene- tischen Ablauf zugeordnet werden kann, gilt dies nicht gleichermaßen für die anderen Prädiktorvaria- blen. Sie sind als Surrogate für tatsächlich kausal wirksame Faktoren anzusehen. So veranlasst der Nachweis pathologischer Dopplerbefunde in der Schwangerschaft spezifische vorsorgliche Betreu- ungsmaßnahmen und hat Bedeutung für das Geburts- management. Das unterstreicht die Bedeutung von

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Rangplatz Klinik

Klinik 539 - Klinik 546 - Klinik 653 - Klinik 655 - Klinik 657 - Klinik 661 - Klinik 663 - Klinik 664 - Klinik 665 - Klinik 668 - Klinik 669 - Klinik 670 - Klinik 674 - Klinik 675 - 1 Klinik 541 - 2 Klinik 544 - 3 Klinik 432 - 4 Klinik 543 - 5 Klinik 542 - 6 Klinik 545 - 7 Klinik 431 - 8 Klinik 540 - 9 Klinik 433 -

Inzidenzrate (%): beobachtet

totale Inzidenzrate Sachsen 95-%-Konfidenzintervall risikoadjustiert vorhergesagt risikoadjustiert GRAFIK

Inzidenzraten der höhergradigen Hirnblutungen III-IV vor (▼) und nach (

■

) Risikoad- justierung sowie Vorhersagewerte (▲) auf Grund des multivariaten Prädiktors, berechnet anhand des geburtshilflichen Risikoprofils

(6)

zielgerichteten Überwachungs- beziehungsweise Kontrollmaßnahmen während Schwangerschaft und Geburt wie natürlich auch danach (23).

Die signifikante Bedeutung einer subpartalen Tokolyse als unabhängige Prädiktorvariable könnte damit begründet werden, dass hier Fälle mit fort - geschrittenem geburtshilflichen Befund bei statio - närer Aufnahme oder vor operativer Geburtsbe - endigung (zum Beispiel mit weit eröffnetem Muttermund bei effektiven Wehen und gestörtem CTG) erfasst werden. Diese Faktoren werden in der Literatur im Zusammenhang mit der Hirnläsion als wesentliche Risikovariablen diskutiert (9, 15, 19) und zeigen sich auch bei unserer univariaten Analyse als relevante Risikovariablen. Dies ist beispielhaft eine mögliche Erklärung für eine solche Variable, die sich statistisch als prädiktiv erweist, aber nicht direkt kausal mit dem Zielereignis verknüpfbar ist.

Risikoadjustierung und Klinikranking

Der statistisch errechnete Prädiktor für das individuelle und daraus folgend das spezifische Klinikrisiko für das Auftreten von schweren Hirnblutungen ist als valide und treffsicher anzusehen. Das ergibt sich aus der hohen Trefferquote des Prädiktors, gemessen an der AUC („area under curve“) der ROC („receiver operating characteristic“). Sie beschreibt, verein- facht gesagt, den Prozentsatz richtigpositiver und richtignegativer Voraussagen, der bei 87,8 % liegt.

Damit ist die Voraussetzung gegeben, die Ergebnis- qualität neonatologischer Abteilungen an dem wich- tigen Qualitätsindikator Hirnblutung risikoadjustiert zu vergleichen. Somit ist ein fairer Vergleich zwischen den Kliniken und mit dem Landesdurchschnitt möglich. Ein besonderer Vorteil der logistischen Re- gression als Verfahren der Risikoadjustierung be- steht in der Möglichkeit zur detaillierten klinikinter- nen Analyse von Versorgungsbedingungen und zur Ableitung von Schlussfolgerungen. Kliniken mit deutlich über dem Landesdurchschnitt liegender risikoadjustierter Inzidenzrate können bei der Ergebnis- interpretation nicht auf Besonderheiten der Patien- tenpopulation verweisen, denn solche werden mit dem hier vorgestellten Verfahren ausgeglichen. Der Abstand zwischen risikoadjustierter Inzidenzrate und Landesmittel ist deshalb als ein verlässliches Maß für neonatologische Qualitätsunterschiede anzusehen.

Der Prädiktor enthält Variablen, die den Zustand des Kindes bei Übernahme durch den Neonatologen charakterisieren. Die höchste prädiktive Kraft, gemessen an der Odds Ratio, kommt offenbar dem Gestationsalter zu. Im Vergleich zur Odds Ratio bei univariater Analyse verliert das Gestationsalter im multivariaten Konfounder-adjustierten Prädiktor deutlich an Kraft. Das verdeutlicht, dass ein Quali- tätsvergleich auf der Basis einer Ergebnisstandardi- sierung allein nach Gestationsalter oder Gewicht ein- geschränkte Aussagekraft haben muss. Hinzu kommt die Einengung der Verlässlichkeit der Aussage bei

niedrigen Patientenzahlen und Ereignishäufigkeiten, was bei einem multivariaten Prädiktor eine geringere Rolle spielt.

Die Inzidenzraten der schweren Hirnblutung be- wegten sich 2001 bis 2005 an sächsischen Kliniken im Bereich zwischen 1,92 und 15,02 %. Diese Streu- breite hat ihre Ursache nicht allein in Unterschieden der Versorgungsqualität von Geburtshilfe und Neo- natologie, sondern auch in den Klinikcharakteristika hinsichtlich Patientenzusammensetzung nach Grund- erkrankung, Schwangerschaftswoche, Sozial- und Altersstruktur, Qualität der Schwangerenbetreuung, also nach Faktoren, die die Frühgeburtlichkeit beein- flussen. Das Modell der Autoren zur risikoadjustierten Qualitätsbeurteilung neonatologischer Einheiten berücksichtigt geburtsassoziierte Risikomerkmale mit dem Ziel, die neonatologische Leistung besser und vergleichbar widerzuspiegeln. Die nach Risiko- adjustierung verbleibende Streubreite der Inzidenz- raten zwischen 5,14 und 11,58 ist deutlich geringer und kann angesichts einer Treffsicherheit des Prä - diktors von 87,7 % als guter Näherungswert für Qualitätsunterschiede angesehen werden. Diese kor- rigierte Streubreite kann als repräsentatives Maß neonatologischer Leistungsunterschiede gelten. Die Risikoadjustierung hat eine neue Klinikreihung zur Folge mit Platzverschiebungen im Mittel um 2,33 Plätze (1 bis 4 Plätze bei neun Kliniken).

Die Risikoadjustierung ermöglicht auch, das zum gegebenen Zeitpunkt bestehende Potenzial zur Ver- meidung von unerwünschten Ereignissen zu berechnen und gezielt Veränderungen anzustreben. Ansatz- punkte dafür ergeben sich auf geburtshilflichem Ge- biet durch Optimierung der neonatalen Ausgangssi- tuation und auf neonatologischer Seite durch eine weitere Verbesserung der Betreuung.

Dass es ein Verbesserungspotenzial gibt, belegen die Ergebnisse anderer Bundesländer wie Baden- Württemberg oder Berlin, die im gleichen Zeitraum Hirnblutungsraten für die schwere Hirnblutung von 6,6 % beziehungsweise 4,4 % erreichten (24). Aller- dings ist dieser Vergleich nur bedingt zulässig, weil diesen Ergebnissen keine Risikoadjustierung zugrunde liegt.

Eine bundesweite Risikoadjustierung neonatologischer Leistung am Qualitätsindikator Hirnblutung bei sehr kleinen Frühgeborenen ist mit dem neonatologischen Erhebungsbogen allein – ohne Zusammen- führung mit den Daten aus dem Perinatalbogen – nicht möglich. Der Neonatalerhebungsbogen enthält nach Art und Umfang keine relevanten geburtsassoziierten Angaben, die dieser Aufgabe dienen können.

Mit der Realisierung der Datenzusammenführung auf Bundesebene ab 2011 ist die Voraussetzung für eine risikoadjustierte Qualitätsbewertung im Rah- men der externen stationären Qualitätssicherung gegeben.

Das vorgestellte Modell ist erprobt und belas- tungsfähig und bietet sich für eine bundesweite An- wendung bei verschiedenen Fragestellungen an.

(7)

Interessenkonflikt

Dipl.-Math. Friedrich und Dipl.-med. Kaiser erhielten Honorare von der Sächsischen Landesärztekammer. Prof. Dr. rer. nat. Koch erhielt Honorare von der Sächsischen Landesärztekammer und von der Medizinischen Fakultät der TU Dresden.

Manuskriptdaten

eingereicht: 19. 8. 2011, revidierte Fassung angenommen: 14. 2. 2012

LITERATUR

1. Jensen A, Klingmüller V, Künzel W, Sefkow S: Das Hirnblutungsrisiko bei Früh- und Reifgeborenen. Geburtsh Frauenheilk 1992; 52:

6–20.

2. Paneth N, Pinto-Martin J, Gardiner J, et al.: Incidence and timing of germinal matrix/intraventricular hemorrhage in low birth weight infants. Am J Epidemiol 1993; 137: 1167–76.

3. Synnes AR, Macnab YC, Qiu Z, et al.: Neonatal intensive care unit characteristics affect incidence of severe intraventricular hemorrhage. Med Care 2006; 44: 754–9.

4. Gmyrek D, Koch R, Vogtmann Ch, Kaiser A, Friedrich A: Risikoadjus- tierte Qualitätsbeurteilung am Beispiel der neonatalen Spätinfekti- on. Z Evid Fortbild Qual Gesundh Wesen 2011; 105: 124–32.

5. Koch R, Gmyrek D, Vogtmann Ch: Risikoadjustierte Qualitätsbeurtei- lung in Perinatalzentren ausgehend von der Perinatal- und Neona- talerhebung in Sachsen. Z Geburtshilfe Neonatol 2005; 209:

210–8.

6. Simpson JM, Evans N, Gibbered RW, Heuchan AM, Henderson- Smart DJ: Australian and New Zealand Neonatal Network, School of Public Health analysing differences in clinical outcomes between hospitals. Qual Saf Health Care 2003; 12: 257–62.

7. Papile LA, Burstein J, Burstein R, Koffler H: Incidence and evolution of subependymal and intraventricular hemorrhage: a study of infants with birth weights less than 1500 gm. J Pediatr 1978; 92:

529–34.

8. Heuchan AM, Evans N, Henderson-Smart DJ, Simpson JM: Perina- tal risk factors for major intraventricular haemorrhage in the Austra- lian and New Zealand Neonatal Network, 1995–97. Arch Dis Child Fetal Neonatal Ed 2002; 86: F86–F90.

9. Hoegberg U, Holmgren PA: Infant mortality of very preterm infants by mode of delivery, institutional policies and maternal diagnosis.

Acta Obstet Gynecol Scand 2007; 86: 693–700.

10. How H, Houry J, Sibai BM: Cervical dilatation on presentation for preterm labor and subsequent preterm birth. Am J Perinatol 2009;

26: 1–6.

11. Ment L, Oh W, Philip A, et al.: Risk factors for early intraventricular hemorrhage in low birth weight infants. J Pediatr 1992; 121:

776–83.

12. O´Shea M, Savitz DA, Hage ML, Feinstein KA: Prenatal events and the risk of subependymal/intraventricular hemorrhage in very low birth weight neonates. Paediatr Perinat Epidemiol 1992; 6:

352–62.

13. Osborn D, Evans N, Kluckow M: Hemodynamic and antecedent risk factors of early and late periventricular/intraventricular hemorrhage in premature infants. Pediatrics 2003; 112: 33–9.

14. Murphy D, Sellers S, Mackenzie I, Yudkin P, Johson A: Case-control study of antenatal and intrapartum risk factors for cerebral palsy in very preterm singleton babies. Lancet 1995; 346: 1449–54.

15. Qiu H, Paneth N, Lorenz JM, Collins M: Labor and delivery factors in brain damage, disabling cerebral palsy and neonatal death in low- birth-weight infants. Am J Obstet Gynecol 2003; 189: 1143–9.

16. Riskin A, Riskin-Mashiah S, Bader D, et al.: Delivery mode and severe intraventricular hemorrhage in single, very low birth weight, vertex infants. Obstet Gynecol 2008; 112: 21–8.

17. Salafia C, Minor V, Rosenkrantz T, et al.: Maternal, placental, and neonatal association with early germinal matrix/intraventricular hemorrhage in infants born before 32 weeks gestation. Am J Perinatol 1995; 12: 429–36.

18. Shaver D, Bada H, Korones SH, et al.: Early and late intraventricular hemorrhage: the role of obstetric factors. Obstet Gynecol 1992; 80:

831–7.

19. Vela-Huerta MM, Amador-Licona M, Medina-Ovando N, Aldana-Va- lenzuela C: Factors associated with early severe intraventricular hemorrhage in very low birth weight infants. Neuropediatrics 2009;

40: 224–7.

20. Sarkar S, Bhagat I, Dechert R, Schumacher RE, Dorn SM: Severe intraventricular hemorrhage in preterm infants: comparison of risk factors and short-term neonatal morbidities between grade 3 and grade 4 intraventricular hemorrhage. Am J Perinatol 2009; 26:

419–24.

21. Mohamed MA, Aly H: Male gender is associated with intraventricular hemorrhage. J Pediatrics 2010; 125: e333–9.

22. Schneider A, Hommel G, Blettner M: Linear regression analy- sis—part 14 of a series on evaluation of scientific publications.

Dtsch Arztebl Int 2010; 107(44): 776–82.

23. Obladen M, Metzte B, Henrich W, Aktas A, Chernik C, Schulz-Baldes A: Interdisciplinary surveillance of intraventricular hemorrhage associated conditions in infants <1000g. Acta Paediatrica 2008; 997:

731–7.

24. Schulz-Baldes A, Misselwitz B, Metze B, Obladen M: 6 Jahre Berli- ner Neonatalerhebung: Entwicklungen in Gesamtberlin seit 1998.

In: Ärztekammer Berlin (ed.): Projekte 2005. Qualitätssicherung und Qualitätsmanagement. Berlin 2006: 17–40.

Anschrift für die Verfasser Prof. Dr. med. Christoph Vogtmann ehem. Leiter Abt. Neonatologie Universitätsklinikum Leipzig 04103 Leipzig

christoph.vogtmann@medizin.uni-leipzig.de

Zitierweise

Vogtmann C, Koch R, Gmyrek D, Kaiser A, Friedrich A:

Risk-adjusted intraventricular hemorrhage rates in very premature infants—towards quality assurance between neonatal units.

Dtsch Arztebl Int 2012; 109(31–32): 527–33. DOI: 10.3238/arztebl.2012.0527

@

Mit „e“ gekennzeichnete Literatur:

www.aerzteblatt.de/lit3112

The English version of this article is available online:

www.aerzteblatt-international.de KERNAUSSAGEN

●

Die Häufigkeit der Hirnblutung aller Schweregrade bei sehr kleinen Früh - geborenen (Geburtsgewicht < 1 500 g oder Geburt vor der vollendeten 32. Schwangerschaftswoche) kann je nach Zusammensetzung der Patien- tenkollektive und Betreuungsqualität bis über 40 % betragen. Die Inzidenz - raten der schweren Hirnblutung Grad III/IV variieren bis über 10 %.

●

Ein valider interklinischer Vergleich neonatologischer Ergebnisqualität setzt die Berücksichtigung der unterschiedlichen Risikoprofile der Patien- ten bei Übernahme der Betreuung durch den Neonatologen voraus.

●

Auf der Basis einer multiplen logistischen Regressionsanalyse von geburtshilflich-perinatologischen Risikofaktoren für die Hirnblutung ist für jede Klinik eine risikoadjustierte Hirnblutungsrate schätzbar.

●

Als Folge der Risikoadjustierung verändert sich das Klinikranking für die Inzi- denzrate der schweren Hirnblutung erheblich.

●

Eine risikoadjustierte Ergebnisdarstellung trägt wesentlich zu einem be- lastbaren interklinischen Qualitätsvergleich und strukturierten Dialog bei.

(8)

eTABELLE

Univariate Beziehungen zwischen Risikovariablen und der schweren Hirnblutung (IVH Grad III+IV) im Vergleich zur zugehörigen Referenzkategorie

Variable *¹

P27.1 Tokolyse ante partum nein ja P44.2 Tokolyse sub partu nein ja P27.2 Dauer-Tokolyse antepartal keine

1 Tag

2–4 Tage

5–9 Tage

ab 10 Tagen

P28.1 Lungenreifebehandlung nein ja P32 Muttermundweite bei Aufnahme < 4 cm

≥ 4 cm

Missing P35.3 pathol. Dopplerbefund nein ja

P39 Lage Modus

regelrechte Schädellage vaginal

Beckenendlage vaginal ohne Angabe vaginal

regelrechte Schädellage prim.Sektio regelwidrige Schädellage prim. Sektio

Beckenendlage prim.Sektio weitere Lagen prim. Sektio

Missing P66.2 Basendefizit <-12 nein

ja Missing

P66.3 pH <7,1 nein

ja Missing

P53.1 Notsektio nein ja Präpartale Verweildauer bis 1 Tag

ab 1 Tage

P63 Apgar 1 min 0, 1

2–5 6–10 Missing

P63 Apgar 5 min 0,1

P63 Apgar 10 min 0,1

P64 Gewicht (g) < 750 750– < 1000 1000– < 1500 1500– < 2000

ab 2000

Gestationsalter (Wochen) < 24

24–25 26–27 28–29 30–31

ab 32

N gesamt

824 (46 %) 958 (54 % 1219 (68 %) 563 (32 %) 828 (46 %) 230 (13 %) 355 (20 %) 160 (9 %) 209 (12 %) 470 (26 %) 1312 (74 %) 1455 (82 %) 310 (17 %) 17 (1 %) 1456 (82 %) 326 (18 %)

280 (16 %) 39 (2,2 %) 30 (1,7 %) 581 (33 %) 7 (0,4 %) 285 (16 %) 559 (31 %) 1 (0,1 %) 1445 (96 %) 53 (3,5 %) 284 (16 %) 1610 (95 %) 79 (4,7 %) 93 (5,2 % ) 1644 (92 %) 138 (7,7 % ) 865 (49 %) 917 (51 % ) 78 (4,5 %) 493 (28 %) 1171 (67 % 40 (2,2 %) 7 (0,4 % ) 149 (8,6 % ) 1582 (91 %) 44 (2,5 %) 4 (0,2 %) 47 (2,7 %) 1678 (97 %) 53 (3,0 %) 215 (12 %) 291 (16 %) 852 (48 %) 371 (21 %) 53 (3,0 %) 25 (1,4 %) 163 (9,1 %) 252 (14 %) 382 (21 %) 678 (38 %) 282 (16 %)

IVH Grad III+IV N

71 (8,6 %) 80 (8,4 %) 91 (7,5 %) 60 (11 %) 71 (8,6 %) 30 (13 %) 29 (8,2 %) 12 (7,5 %) 9 (4,3 %) 56 (12 %) 95 (7,2 %) 94 (6,5 %) 57 (18 %) 0 (0 %) 139 (9,5 %) 12 (3,7 %)

31 (11 %) 13 (33 %) 4 (13 %) 30 (5,2 %) 0 (0 %) 14 (4,9 %) 59 (11 %) 0 (0 %) 115 (8,0 %) 10 (19 %) 26 (9,2 %) 123 (7,6 %) 15 (19 %) 13 (14 %) 133 (8,1 %) 18 (13 %) 91 (11 %) 60 (6,5 %) 20 (26 % ) 83 (17 %) 46 (3,9 %) 2 (5,0 %) 2 (29 %) 42 (28 %) 103 (6,5 %) 4 (9,1 % ) 1 (25 %) 16 (34 %) 130 (7,7 %) 4 (7,5 %) 59 (27 %) 49 (17 %) 36 (4,2 %) 6 (1,6 %) 1 (1,9 %) 11 (44 %) 59 (36 %) 36 (14 %) 34 (8,9 %) 8 (1,2 %) 3 (1,1 %)

Odds Ratio *² 1 (Ref.) 0,97 1 (Ref.) 1,48 1 (Ref.) 1,60 0,95 0,86 0,48 1 (Ref.) 0,58 1 (Ref.) 3,26

1 (Ref.) 0,36

1 (Ref.) 4,02 1,24 0,44 0,41 0,95

1(Ref) 2,69 1,17 1(Ref) 2,8 1,96

1 (Ref.) 1,70 1 (Ref.) 0,60 8,43 4,95 1 (Ref.) 1,29 5,74 5,64 1 (Ref.) 1,44 3,97 6,15 1 (Ref.) 0,97 19,67 10,53 2,29 0,85 1 (Ref.) 73,07 52,76 15,50 9,09 1,11 1 (Ref.)

p *³

0,8408 0,0245

0,0413 0,8181 0,6537 0,0388

0,0018

< 0,0001

0,0006

0,0002 0,7099 0,0016 0,0069 0,8195

0,0048 0,5006

0,0003 0,0283

0,0448

0,0026

< 0,0001

< 0,0001 0,7326 0,0191

< 0,0001 0,4960 0,1984

< 0,0001 0,9572

< 0,0001 0,0045 0,4042 0,8855

< 0,0001

< 0,0001 0,8776

(9)

*¹P und N, Daten aus dem Perinatal- bzw. Neonatalerhebungsbogen;

*²OR, Odds Ratio der betreffenden Kategorie im Kontrast zur Referenzkategorie;

*³Rohe p-Werte des lokalen Chi²-Testes der betreffenden Kategorie im Kontrast zur Referenzkategorie, ohne statistische Adjustierung bezüglich multiplen Testens;

*⁴hypoxisch-ischämische Enzephalopathie Variable *¹

58.1 Pädiater vor Geburt anwesend nein

ja

Geschlecht männlich weiblich

N19 PVL nein

ja P68.1 Intubation nein ja P68.2 Volumengabe nein ja P68.4 Maskenbeatmung nein ja N9 Geburt vor Klinikaufnahme nein

ja

N2 Anzahl Mehrlinge kein

Zwilling Drilling

N16 Infektion < 3 Tage nein ja N18 Asphyxie nein

ja ohne HIE*⁴

ja mit HIE

N gesamt

79 (4,4 %) 1703 (96 %)

917 (51 %) 865 (49 %) 1740 (98 %) 42 (2,4 %) 1011 (57 %) 771 (43 %) 1469 (82 %) 313 (18 %) 1048 (59 %) 734 (41 %) 1774(100 %) 8(0,4 %) 1315 (74 %) 403 (23 %) 64 (3,6 %) 1636 (92 %) 146 (8,2 %) 1540 (86 %) 222 (12 %) 20 (1,1 %)

IVH Grad III+IV N

8 (10 %) 143 (8,4 %)

87 (9,5 %) 64 (7,4 %) 135 (7,8 %) 16 (38 %) 25 (2,5 %) 126 (16 %) 97 (6,6 %) 54 (17 %) 71 (6,8 %) 80 (11 %) 151 (8,5 %) 0 (0 %) 120 (9,1 %) 28 (6,9 %) 3 (4,7 %) 113 (6,9 %) 38 (26 %) 96 (6,2 %) 45 (20 %) 10 (50 %)

Odds Ratio *² 1,23 1 (Ref.)

1 (Ref.) 0,76 1 (Ref.) 7,32 1 (Ref.) 7,70 1 (Ref.) 2,95 1 (Ref.) 1,68 1 (Ref.)

1 (Ref.) 0,74 0,49 1 (Ref.) 4,74

1 (Ref.) 3,82 15,04

p *³ 0,5894

0,1136

< 0,0001

0,0021

0,1729 0,2238

< 0,0001

eKASTEN

Statistische Methodik

Die univariate Beschreibung der für den multivariaten Prädiktor infrage kommenden Variablen umfasst neben den Häufigkeitsangaben (N) in den Va- riablenkategorien die Inzidenzrate, das Odds Ratio (OR) und den p-Wert des Chi ²-Tests jeder Kategorie in Bezug auf eine ausgewählte Referenzka- tegorie.

Der multivariate Prädiktor ist das Ergebnis einer schrittweisen Modellwahl für ein statistisch optimales logistisches Regressionsmodell. Er umfasst die das Zielereignis bestimmenden Risikovariablen in ihrer quantitativen Beziehung. Daraus lassen sich das individuelle und das klinikspezifische Ri- sikoprofil bestimmen sowie die Ereigniswahrscheinlichkeit – hier Inzidenzrate der intraventrikulären Blutung (IVH) – berechnen. Die tatsächlich beobachtete Inzidenzrate wird dann um den Differenzbetrag zwischen der mittleren rohen Inzidenzrate aller Kliniken und der durch den Prädiktor vorher- gesagten (= der Klinik „zugestandenen“) Inzidenzrate korrigiert (klinikspezifische Inzidenzrate [IR] + [totale IR Sachsen – prädiktierte klinikspezifische IR] = risikoadjustierte IR). Die so ermittelte adjustierte Inzidenzrate gleicht somit die geburtsassoziierten Unterschiede zwischen den Patientenprofilen aus.

Die Konfidenzintervalle der prädiktierten klinikspezifischen Inzidenzraten ergeben sich aus den Wald-Konfidenzgrenzen anhand des über alle Fäl- le einer Klinik gemittelten Schätzfehlers des Prädiktors. Die einzelnen fallbezogenen Schätzfehler resultieren wiederum über das Fehlerfortpflan- zungsgesetz aus dem Schätzfehler des linearen Prädiktors im Einzelfall. Die Konfidenzintervallbreiten für die risikoadjustierten Inzidenzraten sind identisch mit denen der prädiktierten klinikspezifischen Risiken, da nur das Logitmodell als fehlerbehaftet angesehen wird, während die Patienten als Totalpopulation und nicht als Zufallsstichprobe zählen. Der multivariate Prädiktor wurde einer umfangreichen Validitätsprüfung unterzogen. Zu dieser gehören der Hosmer-Lemeshow-Anpassungstest für die Beurteilung des Modellfit, Wald-Tests der Regressionskoeffizienten und Schätzungen für die Fläche AUC der ROC-Kurve durch einfache Reklassifikation (c-Statistik) sowie durch Bootstrap-Kreuzvalidierung. Zur Validitätsprüfung gehören auch die probeweise Einbeziehung von Clustereffekten anhand korrelierter Residuen innerhalb einer Klinik und Auswahl und Vergleich geeigneter Katego- risierungen der quantitativen Variablen. Wie bei allen derartigen explanatorischen statistischen Regressionsmodellen sind trotz geprüfter Validität die zu ziehenden Schlüsse nicht kausal-beweisender Natur, sondern nur zur Vorhersage und zur Hypothesenbildung geeignet. Alle Analysen erfolgten mit SAS (http://support.sas.com/documentation/cdl/en/statug/63033/ HTML/default/viewer.htm#titlepage.htm).

Eine ausführliche Beschreibung der statistischen Methodik findet sich in vorausgegangenen Publikationen (4, 5).