De ontwikkeling van een heropnamemodel. Corine Penning, Jan van der Laan, Agnes de Bruin (CBS) Landelijke Themabijeenkomst Heropnamen DHD

Transcriptie

1 De ontwikkeling van een heropnamemodel Corine Penning, Jan van der Laan, Agnes de Bruin (CBS) Landelijke Themabijeenkomst Heropnamen DHD

2 Aanleiding Heropname kan een indicator zijn voor sub-optimale zorg tijdens een voorgaande opname Vergelijkbaarheid heropnameratio tussen ziekenhuizen wordt verhoogd door case-mix correctie DHD heeft CBS gevraagd modellen te schatten Methodiek vergelijkbaar met die van HSMR berekening 2

3 Wat is de HSMR? HSMR = Waargenomen sterfte x 100 Verwachte sterfte Verwachte sterfte berekend met modellen per diagnosegroep Uitkomsten per diagnosegroep en andere patiëntgroepen (leeftijd, geslacht en acute/niet acute opnamen) 3

4 Relatie HSMR en heropnameratio Heropnameratio = Waargenomen aantal heropnamen x 100 Verwachte aantal heropnamen Verwachte aantal heropnamen berekend met modellen per diagnosegroep Uitkomsten per diagnosecluster en urgentie van de opname 4

5 Procedure heropnameratio 2016 CBS berekent geen uitkomsten op instellingsniveau Model geschat op LBZ-data van 2015 Coëfficiënten van het model aan DHD geleverd DHD heeft coëfficiënten gebruikt om heropnameratio s over 2016 te berekenen Methoderapport op 5

6 Werkwijze CBS Identificeren van index- en heropnamen Selectie optimale studieperiode indexopnamen Selecteren van variabelen voor case-mix correctie Schatten van de modellen Aanvullende analyses: - Invloed van administratieve fouten bij registratie patiënt ID - Meerwaarde van correctie voor zwaarte van de diagnose - Validatie van het model - Bepalen van de invloed van case-mix correctie 6

7 Indexopnamen en heropnamen Indexopname: Een opname die gevolgd kan worden door een heropname. Kan zelf ook een heropname zijn. Potentiële heropname: Een opname die zou kunnen gelden als heropname Kan zelf ook indexopname zijn. Heropname: Een potentiële heropname die binnen 30 dagen na ontslag van indexopname begint. 7

8 Identificeren index- en heropnamen Alleen klinische opnamen met geregistreerde hoofddiagnose Sterfte tijdens opname: geen indexopname Exclusie van specifieke diagnosen (oncologie, psychiatrie, obstetrie, psychosociale omstandigheden) Opnamen koppelen (binnen hetzelfde ziekenhuis) op basis van het ziekenhuisspecifieke patiënt ID nummer 8

9 9

10 Selectie optimale studieperiode Periode van 12 maanden voor selectie van indexopnamen Zoveel mogelijk heropnamen eindigen in verslagjaar t Onderzocht met LBZ-data van 2014 en 2015 Ontslagperiode indexopnamen (2014) Indexopnamen Heropnamen Heropnamen die eindigen in 2015 % Heropnamen die eindigen in aug - 14 aug % 15 aug 31 aug % 1 sep - 13 sep % 15 sep 30 sep % 1 okt - 14 okt % 15 okt 31 okt % 1 nov - 14 nov % 15 nov - 30 nov % 1 dec - 14 dec % 15 dec - 31 dec % Indexopnamen: 1 november jaar t-1 t/m 31 oktober jaar t 10

11 Selectie variabelen case-mix correctie zwaarte(klasse) van de hoofddiagnose van de opname co-morbiditeit (Charlson nevendiagnosen) urgentie van de opname (acuut / niet acuut) leeftijd, geslacht verblijfplaats patiënt voorafgaand aan opname maand van opname sociaal-economische status op basis van postcode patiënt Géén correctie voor kenmerken die samen kunnen hangen met de kwaliteit van zorg (bv. verpleegduur, complicaties) 11

12 Schatten van modellen Wat is de input voor het model: - alle indexopnamen - per indexopname is bepaald of er een heropname volgt - de bijbehorende variabelen voor case-mix correctie Hoeveel modellen worden berekend: - Net als bij de HSMR worden aparte modellen geschat per klinische diagnosegroep (122 in totaal) Wat is de output: - Per diagnosegroep worden coëfficiënten berekend voor de inputvariabelen 12

13 Heropnamemodel 2015 Aantal ziekenhuizen 85 Totaal aantal indexopnamen in het model Totaal aantal heropnamen Ongecorrigeerde heropnameratio 9,7% 13

14 Voorspellende waarde Aantal modellen ,47 0,49 0,51 0,53 0,55 0,57 0,59 0,61 0,63 0,65 0,67 0,69 0,71 0,73 C-statistic 14

15 Invloed van administratieve fouten Mogelijke fouten: - Eén patiënt met verschillende ID nummers (ziekenhuisfusie, overgang nieuw ZIS) - Meerdere patiënten met hetzelfde ID nummer Koppeling van LBZ-data aan de GBA identificatie van fouten Bij bijna alle ziekenhuizen komen sporadisch fouten voor, bij zes ziekenhuizen iets frequenter Modellen geschat met en zonder deze zes ziekenhuizen Invloed op de uitkomsten van de andere ziekenhuizen is minimaal 15

16 Meerwaarde correctie zwaarteklasse Zwaarteklasse van de hoofddiagnose (HSMR) is afgeleid uit het percentage ziekenhuissterfte per diagnose Belangrijke case-mix variabele in het HSMR model Draagt deze variabele ook bij aan case-mix correctie bij een model voor heropnamen? Modellen geschat met en zonder zwaarteklasse Beperkte maar significante invloed op case-mix correctie Significante voorspeller in de meeste modellen 16

17 Validatie van het model De heropnameratio wordt door DHD berekend op basis van een model, geschat op de uitkomsten van een jaar daarvoor De voorlopige heropname-indicator in het rapport LBZindicatoren 2016 is gebaseerd op schattingen van een model op basis van LBZ-data van 2015 Heeft dit invloed op de uitkomst van de indicator? 17

18 Het verschil in heropnameratio 2015 berekend met modellen gebaseerd op data van 2014 of van

19 Effect van case-mix correctie Doel van de case-mix correctie met modellen is het verminderen van verschillen in de heropnameratio die het gevolg zijn van verschillen in de patiëntenpopulaties tussen ziekenhuizen Waarschijnlijk zijn er ook andere case-mix factoren waarvoor niet gecorrigeerd is Worden de onderlinge verschillen kleiner na case-mix correctie? 19

20 Verschil tussen de gecorrigeerde en ongecorrigeerde heropnameratio s ongecorrigeerde ratio gemiddeld verschil

21 Beperkingen - Ondanks het uitsluiten van bepaalde diagnosen zullen er nog steeds geplande heropnamen aanwezig zijn in de dataset. - De heropname-indicator is berekend op basis van een model dat geschat is op basis van de data van een jaar eerder. Dit leidt tot een kleine afwijking waarvoor correctie mogelijk is. - De modelberekening is gebaseerd op heropnamen binnen hetzelfde ziekenhuis; heropnamen in een ander ziekenhuis worden nog niet geïdentificeerd. 21

22 Conclusies - De voorspellende waarde van het heropnamemodel is relatief laag. Ook internationaal wordt dit gezien. Het is waarschijnlijk dat er andere populatiefactoren een rol spelen waarvoor niet is gecorrigeerd. - Ondanks de beperkingen zorgt de modelberekening met casemix correctie ervoor dat de variatie tussen de ziekenhuizen aanzienlijk afneemt. 22

23 Vragen: 23