De toepasbaarheid van de HSMR in het toezicht van de Inspectie voor de Gezondheidszorg

Met rug Cover HSMR rapport.qxp 16-9-2008 13:46 Pagina 1 De toepasbaarheid van de Papendorpseweg 65 3528 BJ Utrecht Postbus 85200 3508 AE Utrecht HSMR in het toezicht van T 030 23 45 678 F 030 23 45 677 www.prismant.nl de Inspectie voor de Gezondheidszorg in het toezicht van de Inspectie voor de Gezondheidszorg 2008 2008

De toepasbaarheid van de HSMR in het toezicht van de Inspectie voor de Gezondheidszorg drs. H.J. Borghans drs. D. Pieter drs. J.A.H.J. Hoenen dr. R.B. Kool Utrecht, september 2008

is hét kennis- en expertisecentrum in het hart van de zorg. Wij willen de Nederlandse zorgsector optimaal informeren, adviseren en ondersteunen en daarmee bijdragen aan een goede sturing en kwaliteit van zorg. Uitgangspunten zijn: objectiviteit, gedegenheid, betrouwbaarheid en onafhankelijkheid. Stichting, Utrecht, september 2008. Alle rechten voorbehouden. Niets uit dit werk mag worden verveelvoudigd, opgeslagen in een geautomatiseerd gegevensbestand en/of openbaar gemaakt, hetzij elektronisch, mechanisch, door fotokopieën, opnamen of welke andere wijze dan ook, zonder voorafgaande schriftelijke toestemming van de Stichting. Uitgever Papendorpseweg 65, 3528 BJ Utrecht Postbus 85200, 3508 AE Utrecht Telefoon 030-2345 678 Fax 030-2345 677 prismant@prismant.nl Publicatie van cijfers en/of tekst uit dit werk als toelichting of ondersteuning bij wetenschappelijke artikelen, boeken of scripties, is toegestaan mits daarbij geen sprake is van commerciële doeleinden en voor zover de bron duidelijk wordt vermeld. is een wettig gedeponeerd dienst- en warenmerk. KV/IB/su/6864/HSMR Rapportage IGZ

Inhoudsopgave Managementsamenvatting 5 1. De toepasbaarheid van het model en de betrouwbaarheid van de gegevens 11 1.1 Op zoek naar het ideale model? 11 1.2 Het model 2004-2006 12 1.3 Van welke ziekenhuizen kan een betrouwbare HSMR worden berekend? 13 1.4 Exclusieprocedure 2006 15 1.5 Hoe de ziekenhuizen te vergelijken? 23 1.6 Positie academische ziekenhuizen 24 2. Grenzen waarbij sprake is van een kritische waarde 27 3. Gebruik van de SMR AMI en vergelijking met de prestatie-indicator sterfte na AMI 29 3.1 Inleiding 29 3.2 Uitkomsten vergelijkend definitieonderzoek 29 3.3 Resultaten SMR-analyse per ziekenhuis 30 3.4 Verschillen tussen de AMI-sterftecijfers volgens de prestatie-indicatoren en de SMR s 32 3.5 Conclusie 35 4. Sterfte van oudere patiënten 37 4.1 Inleiding 37 4.2 SMR s per leeftijdscategorie 37 4.3 Conclusie 40 5. Welke investering is nodig voor werken met de HSMR? 41 5.1 Inleiding 41 5.2 Ziekenhuizen moeten de benodigde data registreren 41 5.3 Ziekenhuizen moeten hun HSMR en sterfteprofiel opvragen 44 5.4 Het ziekenhuis moet de HSMR begrijpen en gebruiken voor verbetering 45 5.5 Integratie van de HSMR 47 Bijlage 1 Model per CCS-groep 49 Bijlage 2 Tekst voor brief aan Raad van Bestuur 51 Bijlage 3 IGZ-indicator: Ziekenhuissterfte na opname voor een AMI 53 Bijlage 4 SMR AMI 55 Bijlage 5 IGZ en inspecteurs aan de slag met de HSMR 57

4

Managementsamenvatting De Inspectie voor de Gezondheidszorg (IGZ) heeft gevraagd te analyseren in welke mate zij de Hospital Standardised Mortality Rate (HSMR) kan betrekken in haar toezicht. De HSMR is de ratio van de verwachte sterfte ten opzichte van de werkelijke sterfte. De HSMR is opgebouwd uit verschillende Standardised Mortality Rates (SMR s) die deze verhouding voor de 50 meest voorkomende diagnosegroepen weergeeft. De verwachte sterfte wordt berekend met behulp van verschillende correctiefactoren. Deze rapportage beschrijft de mogelijkheid om de HSMR te betrekken in het toezicht aan de hand van de volgende vragen: - Houdt het huidige model voldoende rekening met de verschillen in zorgzwaarte tussen ziekenhuizen en welke normen voor volledigheid van de brongegevens en voor de kwaliteit van de registratie worden gehanteerd bij het berekenen van de (H)SMR (eerste hoofdstuk)? - Wat zijn de kritische waarden van (H)SMR s en welke mogelijkheden zijn er voor een alarmeringssysteem in Nederland conform het systeem dat al enkele jaren in het Verenigd Koninkrijk (VK) functioneert (tweede hoofdstuk)? - Wat zijn de mogelijkheden om een van de doelstellingen uit het Veiligheidsprogramma Voorkom schade, werk veilig in de Nederlandse ziekenhuizen, te weten het voorkomen van sterfte ten gevolge van een acuut myocard infarct (AMI), te monitoren met de SMR AMI? En wat is de overeenkomst en het verschil van deze SMR met de prestatie-indicator sterfte na AMI van de IGZ (derde hoofdstuk)? - Wat zijn de mogelijkheden om een andere doelstelling uit dit Veiligheidsprogramma, te weten het voorkomen van vermijdbare schade bij oudere patiënten, te analyseren aan de hand van het berekenen van gestandaardiseerde sterfte per leeftijdscategorie (vierde hoofdstuk)? - Wat is de investering voor ziekenhuizen en IGZ bij een verplichtstelling van de HSMR (vijfde hoofdstuk)? Het eerste hoofdstuk beschrijft de correctiefactoren van het model en laat zien dat de HSMR een statistisch voldoende valide indicator is voor de kwaliteit van zorg. Hiervoor is het wel belangrijk dat ziekenhuizen aan de volgende voorwaarden voldoen: 1. De ziekenhuizen moeten deelnemen aan de Landelijke Medische Registratie (LMR) die de bron vormt voor de benodigde gegevens. 2. De geregistreerde data hebben voldoende kwaliteit. 3. Het verwachte aantal sterfgevallen van het ziekenhuis is niet te klein. 4. Voldoende sterfte van het ziekenhuis valt binnen de 50 diagnosegroepen die in de HSMR-berekening worden meegenomen. 5. Het ziekenhuis heeft een casemix die niet te veel van het landelijke gemiddelde afwijkt. De eerste twee voorwaarden zijn te beïnvloeden door ziekenhuizen; de laatste drie zijn niet te beïnvloeden. Vervolgens beschrijft het eerste hoofdstuk de procedure voor de data 2006 om te analyseren welke ziekenhuizen aan de bovengenoemde voorwaarden voldoen. Met het hanteren van de internationale normen voor de hierboven beschreven vijf voorwaarden konden 69 van de 102 ziekenhuizen geïncludeerd worden in een landelijke vergelijking van de HSMR. In de toekomst kan door betere registratie een zevental ziekenhuizen ook meegenomen worden; door deelname aan de LMR zouden nog eens twaalf ziekenhuizen kunnen volgen. De overige ziekenhuizen hebben een fors afwijkende casemix of sterfte in vergelijking met 5

het gemiddelde en zullen niet snel in een dergelijke landelijke vergelijking door de IGZ kunnen worden meegenomen. Zij kunnen wel goed, net als alle andere ziekenhuizen, de (H)SMR s gebruiken voor interne verbeterinitiatieven. De HSMR-waarden van de ziekenhuizen die aan bovengenoemde voorwaarden voldoen kunnen goed worden weergegeven in een landelijke vergelijking met behulp van een funnel plot. Een dergelijke figuur, die op pagina 22 te zien is, maakt duidelijk welke verschillen statistisch significant zijn en welke niet. De beschreven procedure is ook van toepassing op de UMC s. Voor verbeterinitiatieven is onderlinge benchmarking of vergelijking met geselecteerde topklinische ziekenhuizen echter essentieel. Het tweede hoofdstuk bespreekt de mogelijkheden om een systeem in te voeren op basis van de HSMR-systematiek om ziekenhuizen te waarschuwen voor mogelijke verbeterpunten in de kwaliteit van hun zorg. In het VK functioneert een dergelijk systeem al enige jaren op maandelijkse basis. In Nederland zijn de mogelijkheden beperkt tot een jaarlijkse ronde omdat de LMR-gegevens een keer per jaar worden vrijgegeven. Ziekenhuizen kunnen dan gewezen worden op significant afwijkende HSMR-waarden of op het feit dat zij niet kunnen meedoen met de landelijke vergelijking. In beide gevallen kan de IGZ het ziekenhuis verzoeken de gegevens nader te bestuderen. Zij kan deze gegevens vervolgens tijdens een bezoek bespreken met het ziekenhuis. Vooralsnog heeft een aantal ziekenhuizen zelf hun HSMR openbaar gemaakt. Wanneer ziekenhuizen de minimale dataset op maandelijkse basis aanleveren kan wel een maandelijks alarmeringssysteem functioneren vergelijkbaar met het VK. Dat is bijvoorbeeld het geval bij ziekenhuizen die Real Time Monitoring (RTM) gebruiken. Dat is software, beschikbaar gesteld door de Praktijk Index, die de ziekenhuizen op maandelijkse basis managementinformatie verschaft over de kwaliteit op basis van gestandaardiseerde sterftecijfers. Het derde en het vierde hoofdstuk laten zien dat bij een jaarlijkse analyse het mogelijk is om de doelstellingen van het Veiligheidsprogramma ten aanzien van sterfte als gevolg van een AMI en onder ouderen, nader te analyseren aan de hand van de SMR s, weergegeven in funnel plots. Deze zijn in deze hoofdstukken gevisualiseerd. Er is een aantal verschillen in definitie tussen de prestatie-indicator AMI van de IGZ en de SMR AMI. Om de vergelijkbaarheid te garanderen is nadere afstemming nodig. Er is immers een opvallende discrepantie tussen het aantal sterfgevallen dat in de IGZ-indicator meetelt en het aantal sterfgevallen dat in de SMR meetelt. Bij de uitwerking van de SMR s voor ouderen blijkt de relatie tussen de SMR s voor 75-84 jaar en die voor 85 jaar en ouder opvallend. Er zijn kennelijk ziekenhuizen die niet goed scoren op sterfte onder ouderen. Alle ziekenhuizen die in 2008 hun SMR s bij en de Praktijk Index opvragen, krijgen ook inzicht in deze SMR s per leeftijdscategorie. Hierdoor kunnen zij een beeld krijgen of zij specifiek voor ouderen een aangepast beleid moeten gaan voeren. Door de sterftekansen die nu voor 2006 per leeftijdsgroep berekend zijn toe te passen op latere jaren, kan de ontwikkeling door de tijd worden gevolgd en kan de IGZ monitoren of de SMR s voor de oudere leeftijdsgroepen verbeteren. In het laatste hoofdstuk wordt op een rij gezet wat ziekenhuizen en de IGZ moeten doen om goed uit de voeten te kunnen met de HSMR. Vijftien ziekenhuizen moeten weer de minimale dataset aan de LMR aanleveren. Zeven ziekenhuizen kunnen door verbeteringen in de codering ook een betrouwbare HSMR krijgen. Deze ziekenhuizen kunnen nog hun gegevens voor de LMR 2008 aanleveren wanneer ze op tijd worden gestimuleerd door de IGZ en getraind door. HSMR-informatie is beschikbaar voor ziekenhuizen in de 6

vorm van een HSMR-rapportage, het sterfteprofiel of RTM. Gericht gebruik van de (H)SMR om de zorg veiliger te maken, staat nog in de kinderschoenen en vraagt een zorgvuldige stapsgewijze aanpak. De IGZ moet haar inspecteurs gericht scholen om de HSMR adequaat te kunnen gebruiken in haar toezicht. De algemene conclusie is dat de HSMR geschikt is om te fungeren in het toezicht van de IGZ. Van belang is dat zorgvuldig wordt geanalyseerd van welke ziekenhuizen de HSMR in een landelijke vergelijking kan worden meegenomen en dat de IGZ haar inspecteurs goed voorbereid met betrekking tot het gespreksonderwerp HSMR tijdens bezoeken aan ziekenhuizen. 7

8

Inleiding De Hospital Standardised Mortality Rate (HSMR) is de ratio van de verwachte sterfte ten opzichte van de werkelijke sterfte. De HSMR is opgebouwd uit verschillende Standardised Mortality Rates (SMR s) die deze verhouding voor de 50 meest voorkomende diagnosegroepen weergeeft. De verwachte sterfte wordt berekend met behulp van verschillende correctiefactoren. Deze data worden ontleend aan de Landelijke Medische Registratie (LMR). Voor ziekenhuizen die al aan de LMR deelnemen betekent het opvragen van de HSMR derhalve geen toename van de administratieve lastendruk. Voor ziekenhuizen die niet of met data met slechte kwaliteit aan de LMR deelnemen geldt dit uiteraard wel indien zij de HSMR willen weten (zie hiervoor ook het eerste hoofdstuk). Sinds de introductie in Nederland enkele jaren geleden heeft 85 procent van alle algemene en academische ziekenhuizen kennis genomen van hun HSMR. Een hoge HSMR kan wijzen op niet optimale zorgprocessen en mogelijk vermijdbare sterfte. Om die reden wil de Inspectie voor de Gezondheidszorg (IGZ) de HSMR en de daarvan afgeleide SMR s van Nederlandse ziekenhuizen op afzienbare termijn gaan gebruiken als indicatoren voor kwaliteit van zorg. De IGZ wil weten op welke manier zij de HSMR en SMR-gegevens op een niet-openbare manier in haar toezicht kan gebruiken en welke stappen nog gezet moeten worden om de HSMR als aanvaardbare openbare indicator te gebruiken. Hiervoor heeft de IGZ aan gevraagd de volgende vragen te beantwoorden: 1. Is het rekenmodel toepasbaar op alle ziekenhuizen en zijn de gegevens voldoende betrouwbaar (eerste hoofdstuk)? Het huidige rekenmodel houdt rekening met relevante verschillen in zorgzwaarte. Is de correctie voldoende voor alle ziekenhuizen of moeten nog meer factoren van zorgzwaarte aan het model worden toegevoegd? Bovendien wordt in het rekenmodel gebruik gemaakt van gegevens uit de LMR. Een zorgvuldige en juiste registratie van de LMR is derhalve van groot belang. In welke mate voldoen de gegevens van de ziekenhuizen aan normen voor de volledigheid van de brongegevens en kwaliteit van de registratie? 2. Bij welke grenzen is er sprake van een kritische waarde van de (H)SMR (tweede hoofdstuk)? In het Verenigd Koninkrijk (VK) functioneert een alarmsysteem op basis van de HSMR. Ziekenhuizen krijgen bericht als de sterfte extreem hoog is ten opzichte van het landelijk gemiddelde of significant afwijkt ten opzichte van voorgaande perioden. De IGZ wil dat duidelijk wordt bij welke grenzen Nederlandse ziekenhuizen geïnformeerd zouden kunnen worden over een zorgwekkende (H)SMR. 3. Is de SMR AMI bruikbaar bij onderzoek naar het reduceren van de sterfte na AMI (derde hoofdstuk)? Overlijden als gevolg van een acuut myocardinfarct (AMI) is één van de openbare prestatie-indicatoren voor ziekenhuiszorg die de IGZ op dit moment gebruikt. Tevens is het reduceren van sterfte aan AMI een van de hoofddoelstellingen van het Veiligheidsprogramma. De IGZ wil graag weten hoe de SMR AMI zich verhoudt ten opzichte van de prestatie-indicator sterfte na AMI. Ook wil zij weten wat de SMR AMI kan betekenen bij het monitoren van bovengenoemde doelstelling. 9

4. Is de (H)SMR geschikt om verschillen tussen ziekenhuizen in sterfte onder ouderen te identificeren (vierde hoofdstuk)? Een andere doelstelling van het Veiligheidsprogramma is het reduceren van vermijdbare sterfte bij ouderen. De IGZ wil graag weten of zij via de (H)SMRsystematiek specifiek zicht kan krijgen op de verschillen tussen Nederlandse ziekenhuizen wat betreft gestandaardiseerde sterfte van oudere patiënten. 5. Wat is de investering bij een verplichtstelling van de HSMR (vijfde hoofdstuk)? De IGZ heeft behoefte aan een overzicht van de investering die een verplichtstelling van het gebruik van de HSMR voor ziekenhuizen en overheid meebrengt. 10

1. De toepasbaarheid van het model en de betrouwbaarheid van de gegevens 1.1 Op zoek naar het ideale model? Het model voor de berekening van de (H)SMR wordt jaarlijks vastgesteld door en de Praktijk Index. Het is immers een essentiële randvoorwaarde voor een dergelijk systeem dat er gewerkt wordt met betrouwbare en vergelijkbare cijfers. Dat was voor de NVZ Vereniging van Ziekenhuizen en de Orde van Medisch Specialisten reden om aan deze twee partijen te vragen om gezamenlijk één model te hanteren en om het gebruik van de database en de berekening van alle waarden alleen bij deze twee partijen te beleggen. Deze partijen hanteren een database als uitgangspunt, een protocol en een model met vaststaande rekenregels. Deze worden bovendien met het VK afgestemd om internationaal in de pas te lopen. Hiermee wordt uniformiteit, betrouwbaarheid en kwaliteit van de waarden gegarandeerd. Het is uiteraard aan ieder ziekenhuis om keuzes te maken wat zij met deze waarden wil doen. Bij de discussies over de HSMR staat centraal in welke mate de correctie voor verschillen in casemix voldoende is. De afgelopen jaren hebben aangetoond dat dit een dynamische discussie is. Het eerder gebruikte top-down model voldeed in eerste instantie aan de benodigde statistische standaarden 1. Verdere verfijning van het model voor de HSMR 2006 via een voor de diagnosegroep specifieke casemixcorrectie heeft de statistische waarden verbeterd. Ook is hierdoor de acceptatie van het model toegenomen: de opbouw van een HSMR uit een optelsom van SMR s, de zogenoemde bottom-up benadering wordt beter geaccepteerd dan de eerder gebruikte top-down. Verdere modificaties zullen de komende jaren volgen. en de Praktijkindex analyseren bijvoorbeeld aan de hand van het LMR-bestand 2007 of het zinvol is de verwijzer (ander ziekenhuis, huisarts, verpleeghuis, overige) mee te nemen in de casemixcorrectie. Een recentelijk gepubliceerde artikel over de invloed van cardiale bijzondere medische verrichtingen stimuleert ook tot verder onderzoek naar de invloed van specifieke verrichtingen. 2 Verrichtingen zijn tot op heden bewust uit de casemixcorrectie gelaten omdat het al dan niet interveniëren als keuze gezien wordt van het ziekenhuis waarmee het de kwaliteit kan beïnvloeden. Een dergelijke ontwikkeling is ook zichtbaar bij andere rekenmodellen voor kwaliteitsverbetering en transparantie zoals bijvoorbeeld bij de langdurige zorg. Internationaal worden kwaliteitsindicatoren berekend via het Resident Assesment Instrument. Hiervoor bestaat een internationale groep van wetenschappers en professionals die enkele keren per jaar bij elkaar komt om te werken aan onder andere verbetering van het rekenmodel voor de indicatoren. De casemix wordt regelmatig verfijnd en de definitie van de indicatoren af en toe bijgesteld. Voor de HSMR zal de praktijk niet anders zijn. Verschillende partijen zullen met diverse onderzoeken continu input leveren voor aanpassingen aan het rekenmodel. en de Praktijk Index zullen op basis van deze onderzoeken en voortschrijdend wetenschappelijk en professioneel inzicht jaarlijks verfijningen aanbrengen op het model. 1 Kool, R.B., A. van der Veen, G. Westert (2007) Sterftemaat is valide instrument, Medisch Contact 62, p. 2090-2092. 2 Bosch, W.F. van den, Graafmans, W.C., Pieter, D. en Westert, G.P Hartcentra en het effect van bijzondere medische verrichtingen op het gestandaardiseerde ziekenhuissterftecijfer Ned Tijdschr Geneeskd. 2008; 152; 1221-7 11

en de Praktijk Index stellen voor om dit proces te laten begeleiden door een Maatschappelijke Adviescommissie. Deze vervult een functie zoals de Ethics Committee in het VK (http://www.drfosterintelligence.co.uk/ethics/). Deze commissie is in het leven geroepen door Dr. Foster Intelligence. Dit is een organisatie die zich in het VK bezig houdt met het in beeld brengen van kwaliteit en de (H)SMR s maandelijks berekent. Het is tevens de ontwikkelaar van Real Time Monitoring (RTM). Dat is software die de ziekenhuizen op maandelijkse basis managementinformatie verschaft over de kwaliteit op basis van gestandaardiseerde sterftecijfers. De Ethics Committee is een orgaan dat onafhankelijk van Dr. Foster Intelligence opereert. Haar rol is om ervoor te zorgen dat de informatie die Dr. Foster Intelligence publiceert voldoet aan van te voren opgezette standaarden. Deze standaarden zijn vastgelegd in een Code of Conduct. Bij klachten van wie dan ook betreffende de gepubliceerde informatie kan het Ethics Committee een bemiddelende rol spelen. In een dergelijke commissie in Nederland kunnen de verschillende stakeholders vertegenwoordigd zijn zoals de eigenaren van de LMR (de NVZ Vereniging van Ziekenhuizen, de Orde van Medisch Specialisten en de Nederlandse Federatie van Universitair Medische Centra) en bijvoorbeeld de patiëntenorganisaties. Tevens is het wenselijk om een Wetenschappelijke Adviesraad te hebben waarin wetenschappers aan en de Praktijk Index adviezen geven over de methodiek die aan de HSMR ten grondslag ligt. Ook kunnen hier suggesties uitgewerkt worden voor nader onderzoek. Kortom, het ideale HSMR-model bestaat niet; de discussie over optimalisering van het rekenmodel zal voortduren. Deze discussie is zelfs noodzakelijk om alle betrokkenen scherp te houden en op zoek te laten gaan naar een nog betere correctie en een nog eerlijkere vergelijking tussen ziekenhuizen. 1.2 Het model 2004-2006 Eind december 2007 is een nieuw model ontwikkeld voor berekening van (H)SMR s in samenwerking met Dr. Foster Intelligence en de onderzoeksgroep van prof. Jarman, de ontwikkelaar van de HSMR, bij het Imperial College in Engeland. Dit model komt beter tegemoet aan de specifieke zorgzwaarte van met name de topklinische ziekenhuizen en universitair medische centra dan het vorige model. In plaats van één set van controlevariabelen die op landelijk niveau significant zijn toe te passen op alle 50 diagnosegroepen, is berekend welke variabelen per diagnoseniveau significant zijn. Hierdoor is correctie op maat voor specifieke diagnosegroepen mogelijk en worden er wisselende factoren per diagnosegroep gebruikt in de casemix. Dit model kijkt naar de patiënten met één van de diagnoses die voor 80% van de sterfte in heel Nederland verantwoordelijk is. Dat behelst in Nederland de sterfte in een van 50 Clinical Classification (CCS) Groups. Binnen deze groepen wordt vervolgens gestandaardiseerd voor een aantal variabelen waarvoor is aangetoond dat deze significant bijdragen aan de verklaring van de variatie tussen ziekenhuizen. Bijlage 1 geeft een overzicht van die significantie per CCS-groep. Om de (H)SMR te berekenen is dus de volgende minimale dataset (MDS) nodig: CCS-diagnosegroep. Deze wordt afgeleid uit de ICD-9 hoofddiagnose die in de LMR wordt vastgelegd. De hoofddiagnose is de diagnose die (bij ontslag of overlijden vastgesteld) de belangrijkste reden was voor de ziekenhuisopname. Bij CCS-diagnosegroepen zijn vaak verschillende ICD-9 codes geclusterd. 12

Diagnosecode binnen de CCS-groep Hiervoor wordt gebruik gemaakt van de hoofddiagnose geregistreerd via de ICD-9 classificatie. Charlson Index Deze geeft de mate van co-morbiditeit aan. De Charlson Index wordt bepaald aan de hand van de geregistreerde nevendiagnoses. Opname-urgentie Dit is een belangrijke maat voor het bepalen van de casemix. Een patiënt met een urgente opname is een zwaardere patiënt dan een patiënt die gepland is opgenomen. Sociaal-economische status Hiervoor wordt een index voor de sociaal-economische herkomst van de patiënt berekend. Deze wordt bepaald aan de hand van de postcode van de woonplaats van de patiënt. Leeftijdsgroep Hiervoor worden 5-jaars klassen gebruikt. Verpleegduurklasse Hiervoor worden de volgende klassen gebruikt: 1 dag, 2-7 dagen, 8-16 dagen, 17-23 dagen en 24-365 dagen. Maand De opnamemaand is bij sommige CCS-groepen een significante variabele. Geslacht Jaar Het betreft het jaar waarin de patiënt uit het ziekenhuis ontslagen is of in het ziekenhuis overleden is. De HSMR is een optelsom van de SMR s die per CCS-groep worden opgesteld. Met dit model is een aanzienlijke verbetering bereikt van de waarden voor validiteit. Het discriminerend vermogen van het Nederlandse model uitgedrukt met de C-statistic is gestegen van 0,85 naar 0,91. Bij deze statistische maat is sprake van goed vanaf 0,75. 1.3 Van welke ziekenhuizen kan een betrouwbare HSMR worden berekend? Een belangrijke vraag is voor welke ziekenhuizen een HSMR berekend kan worden en of de HSMR s van alle ziekenhuizen waar een HSMR voor te berekenen is, ook een betrouwbare maat zijn voor de kwaliteit van zorg. Kan bijvoorbeeld de IGZ ze gebruiken in een landelijke vergelijking? heeft hiervoor het volgende selectieprotocol opgesteld, mede op basis van de ervaringen in andere landen en in samenwerking met de Praktijk Index en Dr. Foster Intelligence. Uitgangspunt is dat dit protocol voor alle algemene en academische ziekenhuizen geldt. 1. Er kan geen HSMR berekend worden wanneer het ziekenhuis niet de bovengenoemde MDS kan aanleveren, bijvoorbeeld doordat het niet deelneemt aan de LMR. 13

2. Data van ziekenhuizen waar de HSMR voor berekend kan worden, worden niet meegenomen in landelijke weergaven als de kwaliteit van de registratie van de MDS onvoldoende is. Dit wordt bepaald aan de hand van de volgende kwaliteitseisen: a. het percentage vage diagnoses; b. het percentage urgente opnames en c. de verhouding nevendiagnoses versus hoofddiagnoses. 3. Data van ziekenhuizen waar de HSMR voor berekend kan worden, worden niet meegenomen in landelijke weergaven als voor het betreffende ziekenhuis te weinig sterfgevallen per jaar verwacht worden (gezien de casemix van dit ziekenhuis). De aantallen zijn bij deze ziekenhuizen te klein om statistisch betrouwbare uitspraken te kunnen doen. 4. Ziekenhuizen waarvan een beperkt deel van de sterfte wordt verklaard door de gebruikte 50 diagnosegroepen worden ook geëxcludeerd van landelijke weergave. 5. Ten slotte vallen ziekenhuizen af die een aantoonbaar afwijkende casemix hebben: zogenoemde niet-gemiddelde (non-average) ziekenhuizen. Om dit te bepalen worden de sterftekansen per ziekenhuis per diagnosegroep uitgerekend uitgaande van de landelijke casemix. Vervolgens wordt gekeken in welke mate de dan gegenereerde HSMR afwijkt van de oorspronkelijke HSMR. De IGZ kan de HSMR-waarde van deze ziekenhuizen bij het uitoefenen van haar toezicht niet meenemen als maat voor de kwaliteit. Het IGZ-bezoek kan bij ziekenhuizen die niet deelnemen aan de LMR of waarvan de data niet voldoen aan de kwaliteitscriteria, in eerste instantie gaan over waarom zij niet aan de voorwaarden voldoen. Waarom zijn de data slecht geregistreerd en wat gaat het ziekenhuis daar aan doen? Dit zijn immers direct beïnvloedbare factoren. Ziekenhuizen waarbij het verwachte aantal sterfgevallen (gezien hun casemix) te laag ligt, ziekenhuizen waarbij een te beperkt deel van de sterfte verklaard wordt door de 50 CCSgroepen en de non-average ziekenhuizen kunnen deze factoren waarschijnlijk niet beïnvloeden. Met hen kan de IGZ wel hun SMR s bespreken: de kwaliteit van de data is waarschijnlijk voldoende en de uitkomsten op diagnosegroepniveau zijn vergelijkbaar met andere ziekenhuizen. Het feit dat een te beperkt deel van de sterfte van een ziekenhuis verklaard wordt door de 50 CCS-groepen, het feit dat een ziekenhuis non-average is of een te laag verwacht aantal sterfgevallen heeft, kan overigens ook worden veroorzaakt door onbetrouwbare data. Verbetering daarvan kan het ziekenhuis mogelijk wel in de landelijke vergelijking brengen. Alle ziekenhuizen kunnen in ieder geval de (H)SMR opvragen en gebruiken als intern verbeterinstrument aan de hand van dossieronderzoek, verbetertrajecten, RTM et cetera, mede aan de hand van trendanalyses. Voor de vijf exclusiecategorieën moeten normen worden gehanteerd die grotendeels afhankelijk zijn van de dataset en per jaar vastgesteld worden. Wanneer ziekenhuizen bijvoorbeeld beter gaan registreren kunnen de normen scherper worden. 14

1.4 Exclusieprocedure 2006 Hieronder geven wij de bovengeschetste exclusieprocedure weer in de respectievelijke stappen aan de hand van de LMR dataset 2004-2006. Uitgangspunt zijn 102 geregistreerde ziekenhuizen te weten alle algemene, categorale en academische ziekenhuizen. Voor alle categorieën zijn de normen opgesteld aan de hand van de in het VK gehanteerde getallen 3. Vervolgens is grafisch gecontroleerd of de internationaal gehanteerde norm ook voor de Nederlandse dataset 2006 van toepassing is aan de hand van het al dan niet aanwezig zijn van een verspringing van de trend in de lijn. Deze grafieken zijn hieronder per onderdeel weergegeven. Stap 1: Deelname LMR Van de 102 ziekenhuizen werden er 15 ziekenhuizen geëxcludeerd omdat ze niet (voldoende) deelnamen aan de LMR. Zie figuur 1.1 en 1.2. Figuur 1.1 Deelname van ziekenhuizen aan de LMR-registratie van dagopnamen Percentage niet geregistreerde dagopnamen 2006 100 90 80 % niet geregistreerd in LMR 70 60 50 40 30 20 10 0 ziekenhuizen 3 Jarman B, Gault S, Alves B, Hider A, Dolan S, Cook A, Hurwitz B, Iezzoni LI. Explaining Differences in English Hospital Death Rates Using Routinely Collected Data, British Medical Journal, June 5, 1999 (318): 1515-1520. 15

Figuur 1.2 Deelname van ziekenhuizen aan LMR-registratie klinische opnamen Percentage niet geregistreerde klinische opnamen 2006 100 90 80 % niet geregistreerd in LMR 70 60 50 40 30 20 10 0 ziekenhuizen Stap 2: Kwaliteit van de LMR-gegevens Stap 2.1: het percentage vage diagnoses in de kliniek en dagopnames Internationaal wordt 5% als maximum gehanteerd. Onderstaande figuur laat ook zien dat dit in Nederland een te rechtvaardigen norm is. Figuur 1.3 Percentage vage hoofddiagnoses in de LMR per ziekenhuis Percentage vage hoofddiagnoses geregistreerd in kliniek en dagverpleging 2006 % vage diagnoses 60 55 50 45 40 35 30 25 20 15 10 5 0 ziekenhuizen die deelnemen aan de LMR 16

Van de 87 resterende ziekenhuizen werden 7 ziekenhuizen geëxcludeerd omdat ze meer dan 5% vage diagnoses hadden. Stap 2.2: het percentage urgente opnames in de kliniek Internationaal wordt 33% als minimum gehanteerd. Onderstaande figuur laat zien dat dit in Nederland een te rechtvaardigen norm is. Figuur 1.4 Percentage acute opnamen in de LMR per ziekenhuis Percentage acute opnamen in de kliniek 2006 75 70 65 60 55 % acute opnamen 50 45 40 35 30 25 20 15 10 5 0 ziekenhuizen deelnemend aan de LMR Van de 80 resterende ziekenhuizen werden er 3 ziekenhuizen geëxcludeerd omdat ze minder dan 33% urgentie hadden. Stap 2.3: het aantal nevendiagnoses per hoofddiagnose Internationaal wordt 0,2 als minimum gehanteerd. Onderstaande figuur laat ook zien dat dit in Nederland een te rechtvaardigen norm is. 17

Figuur 1.5 Verhouding nevendiagnoses/hoofddiagnoses per opname in de LMR per ziekenhuis Gemiddeld aantal nevendiagnoses per patiënt 0,80 0,70 # nevendiagnoses per opname 0,60 0,50 0,40 0,30 0,20 0,10 0,00 ziekenhuizen deelnemend aan de LMR Van de 77 resterende ziekenhuizen werden er 5 ziekenhuizen geëxcludeerd omdat de verhouding nevendiagnoses versus hoofddiagnoses minder dan 0,2 bedroeg. 18

Stap 3: Te weinig verwachte sterfgevallen Internationaal wordt 100 verwachte sterfgevallen als minimum gehanteerd. Onderstaande figuur laat ook zien dat dit in Nederland een te rechtvaardigen norm is. Figuur 1.6 Aantal verwachte sterfgevallen per ziekenhuis Aantal verwachte sterfgevallen per ziekenhuis 3000 2500 aantal verwachte sterfgevallen per ziekenhuis 2000 1500 1000 500 0 ziekenhuizen Van de 72 resterende ziekenhuizen werd 1 ziekenhuis geëxcludeerd omdat het minder dan 100 verwachte sterfgevallen per jaar had. 19

Stap 4: Te weinig sterfgevallen in de 50 CCS-groepen Internationaal wordt 70% als norm gehanteerd om te voorkomen dat een HSMR slechts relevant is voor een te beperkt aantal van de patiënten van het desbetreffende ziekenhuis. Onderstaande figuur laat ook zien dat dit in Nederland een te rechtvaardigen norm is. Figuur 1.7 Percentage van de sterfgevallen in de 50CCS-groepen per ziekenhuis percentage sterfte per ziekenhuis in de 50 CCS-groepen 90% 85% percentage sterfte in de 50 CCS-groepen 80% 75% 70% 65% ziekenhuizen Bij de 71 resterende ziekenhuizen waren er geen ziekenhuizen waarbij minder dan 70% van de sterfte verklaard werd door de gebruikte 50 diagnosegroepen. 20

Stap 5: Een casemix fors afwijkend van het landelijk gemiddelde Wanneer de HSMR van een ziekenhuis meer dan acht procent verandert wanneer uitgegaan wordt van de landelijke casemix, dan wordt dit ziekenhuis als een niet-gemiddeld ziekenhuis beschouwd conform de internationale praktijk. Figuur 1.8 Afwijking van de oorspronkelijke HSMR na herberekening met een landelijke casemix per ziekenhuis Percentuele afwijkingen van de HSMR in geval van een gemiddelde casemix 10,0 5,0 percentuele afwijking 0,0-5,0-10,0-15,0 ziekenhuizen Van de 71 resterende ziekenhuizen werden 2 ziekenhuizen geëxcludeerd omdat ze een niet-gemiddelde casemix hadden. 21

Onderstaande tabel laat zien hoeveel ziekenhuizen op basis van elke conditie apart uitgesloten dienen te worden van de landelijke vergelijking van de HSMR als maat voor kwaliteit in 2006: Tabel 1.1 U=UMC C=Categoraal of privé-kliniek Aantal uitgesloten ziekenhuizen per conditie voor de landelijke vergelijking Beïnvloedbaar door ziekenhuis geen of onvoldoende >5% <33% deelname vage urg < 0,2 LMR diag opn ndiag Niet-beïnvloedbaar door ziekenhuis <100 verw sterfte <70% sterfte verklaard Non average totaal aantal 15 8 6 10 5 7 5 1 U 1 1 1 1 2 1 1 1 1 3 1 1 1 4 1 5 1 6 1 7 1 8 1 9 1 10 1 11 1 12 1 13 1 14 C 1 15 C 1 16 U 1 1 1 1 1 17 U 1 1 1 18 1 1 19 1 1 20 U 1 1 21 1 22 1 23 U 1 1 24 1 25 1 26 1 27 1 28 C 1 1 1 1 29 C 1 1 30 C 1 1 31 C 1 32 1 33 1 22

Van de 33 ziekenhuizen waarvan de HSMR 2006 niet kan meedoen in de landelijke vergelijking, zijn er 19 wegens beïnvloedbare factoren geëxcludeerd. Daarvan zijn er twaalf alleen met structurele maatregelen op te lossen, te weten hervatting van de LMR-registratie. Zeven ziekenhuizen kunnen met relatief eenvoudige incidentele maatregelen, te weten betere registratie, in de toekomst wel meegenomen worden in de landelijke vergelijking. Wanneer in de toekomst meer ziekenhuizen kunnen worden opgenomen in de landelijke vergelijking door bijvoorbeeld betere registratie, zal het nog steeds mogelijk zijn om het trendmatig verloop van de HSMR in Nederland te volgen. Het is mogelijk om de trend te bepalen door de sterftekans in het basisjaar bijvoorbeeld 2006 te berekenen en deze vervolgens constant te houden en toe te passen in volgende jaren. De basis HSMR zal dan 100 zijn en in volgende jaren afnemend. 1.5 Hoe de ziekenhuizen te vergelijken? De IGZ kan aan de ziekenhuizen vragen om de verschillende (H)SMR-waarden te rapporteren. Zo krijgt de IGZ inzicht of de ratio s van een ziekenhuis afwijken van het landelijke gemiddelde. Er zal echter een onvermijdelijke natuurlijke variatie zijn van de HSMR s, te wijten aan toeval, zelfs als alle ziekenhuizen dezelfde onderliggende sterfteratio zouden hebben. Deze verwachte variatie wordt goed weergegeven in een zogenoemde funnel plot waarbij de 95% en de 99,8% grenzen worden aangegeven. Ziekenhuizen die binnen deze grenzen liggen vertonen normale variatie. Ziekenhuizen buiten deze grenzen hebben variatie met een speciale oorzaak. Het is onwaarschijnlijk dat hun hoge of lage mortaliteit veroorzaakt wordt door de natuurlijke at random variatie. Funnel plots zijn een eenvoudige en makkelijk te begrijpen weergave van een vergelijking tussen instellingen 4. Ze zijn in het verleden onder andere gebruikt om geanonimiseerde mortaliteitsratio s per kinderhartchirurg weer te geven 5. Funnel plots worden ook vaak gebruikt bij meta-analyses om te controleren voor publicatiebias. Funnel plots ontmoedigen rangschikken maar geven wel een sterke visuele indicatie van afwijkende prestaties of variatie met een bijzondere oorzaak. 4 Spiegelhalter, D. Funnel plots for comparing institutional performance. Statist. Med. 2005;24:1185-1202 5 Stark J, Gallivan S, Lovegrove J, Hamilton JRL, Monro JL, Pollock JCS, Waterson KG. Mortality rates after surgerty for congenital heart defects in children and surgeons performance. Lancet 2000: 355:1004-1007. 23

Van de 69 geïncludeerde ziekenhuizen zijn de HSMR-waarden in onderstaande funnel plot weergegeven. Figuur 1.9 Funnel plot HSMR 2006 150 140 100-lijn: landelijk gemiddelde sterfte oranje lijn: 95% betrouwbaarheidsinterval rode lijn: 99,8% betrouwbaarheidsinterval blauwe stip: UMC 130 120 110 HSMR 100 90 80 70 60 50 0 500 1000 1500 2000 2500 3000 Verwachte sterfte In deze figuur zijn de universitair medische centra met blauw aangegeven. Het blijkt dat acht ziekenhuizen waaronder een UMC boven de 99,8% betrouwbaarheidsinterval-curve terecht komen. Deze groep zou in eerste instantie in aanmerking komen voor een verdieping van de data. Hetzelfde geldt aan de onderkant voor de elf ziekenhuizen, waaronder 1 UMC, met een opvallend lage HSMR: mogelijk biedt verdieping van de data zicht op wat van hun aanpak geleerd kan worden. 1.6 Positie academische ziekenhuizen Het is de vraag of het HSMR-model voldoende valide is voor alle ziekenhuizen, zoals bijvoorbeeld voor de UMC s. Uit bovenstaande berekening blijkt dat drie van de acht UMC s aan alle condities voldeden in 2006 om meegenomen te worden in de landelijk vergelijking met behulp van een funnel plot. Deze scoren wisselend. De overige UMC s vallen af omdat de data niet voldoen aan de kwaliteitseisen. Mochten deze UMC s overigens wel voldoen aan die kwaliteitseisen dan geldt voor de meeste UMC s dat zij niet voldoen aan het criterium dat meer dan 70% van de sterfte verklaard wordt door de gebruikte 50 diagnosegroepen. Zoals eerder vermeld kan overigens de onbetrouwbaarheid van de data ook deze exclusie juist veroorzaken. heeft bovengeschetste procedure voorgelegd aan een forum van aan UMCgerelateerde onderzoekers om inhoudelijke consensus te bereiken en acceptatie te bevorderen. Samen met deze onderzoekers heeft advies uitgebracht aan de NFU. 24

Dit advies kunnen NFU en IGZ mee laten wegen in een beslissing over de op te vragen indicatorenset voor UMC s. Bij deze bijeenkomst waren aanwezig: - prof. dr. E. W. Steyerberg, Erasmus MC; - prof. dr. C. Moons, UMC Utrecht; - drs. R. E. Nap, UMC Groningen en - prof. dr. C. Kalkman, UMC Utrecht. Deze personen hebben reeds in meer of mindere mate kennis gemaakt met de HSMR en kunnen vanuit deze kennis en hun verbondenheid aan een UMC de NFU goed adviseren. De wetenschappers zijn van mening dat de selectiecriteria zorgvuldig zijn gekozen. Het resulteert in een goede filter die ziekenhuizen identificeert die een slechte datakwaliteit hebben en/of die moeilijk te vergelijken zijn met de rest van de groep ziekenhuizen. De aanwezigen zijn wel van mening dat veel aandacht voor de HSMR op zich zelf niet interessant is en zelfs misleidend kan zijn. Een ziekenhuis met een gemiddeld goede HSMR kan wel degelijk aandacht moeten besteden aan sommige diagnosegroepen die slecht scoren. Deze informatie geeft een algemene HSMR niet, wel de specifieke SMR s in een sterfteprofiel en zeker gebruik van RTM. Daarom wordt ook geopperd om in NFU-verband de verschillende UMC s in alle openheid naar enkele UMC-specifieke SMR s te laten kijken. Dat kan ook prima samen met enkele geselecteerde STZ-ziekenhuizen die vergelijkbare patiëntgroepen behandelen. Over de correctie binnen het model vraagt dit wetenschappelijk forum zich af of er bijvoorbeeld voldoende wordt gecorrigeerd voor de verwijsfunctie die onder andere de UMC s kennen. Zoals eerder vermeld wordt deze variabele in het model 2007 onderzocht door, de Praktijkindex en Dr. Foster Intelligence/Imperial College. Tevens zullen zij kijken in welke mate de heterogeniteit van de diagnosegroepen kan worden gecorrigeerd. Voor sommige ziekenhuizen zou het kunnen dat het model toch onvoldoende voor de casemix corrigeert. De aantallen per ziekenhuis zijn wel zodanig dat de rol van toeval beperkt is. Tegelijkertijd realiseren de NFU-adviseurs zich dat het model op dit moment met een C-statistiek van 0,91 een hoge voorspellende waarde heeft. Deze waarde kan weliswaar nog hoger worden maar het is de vraag of dat het nut van werken met gestandaardiseerde sterftecijfers vergroot. Het huidige model biedt reeds volop mogelijkheden waarbij met name benchmark van diagnosegroepen tussen vergelijkbare ziekenhuizen interessante informatie kan opleveren. De kern van het advies aan de NFU is derhalve dat de exclusieprocedure op zichzelf ook geschikt is voor UMC s maar dat het voor de UMC s, gezien het feit dat een belangrijk deel van hun sterfte niet in de 50 CCS-groepen plaatsvindt, van belang is om hun eigen benchmarks te organiseren al dan niet in samenwerking met geselecteerde STZ-ziekenhuizen. De aanwezigen bij deze bijeenkomst hebben overigens op verzoek aangegeven in een op te richten wetenschappelijke adviesraad voor de HSMR te willen zitten, zoals genoemd in paragraaf 1.1. Doel hiervan is om feedback te kunnen vragen aan een groep onafhankelijke inhoudsdeskundigen op het gebied van modelontwikkeling, analyse van de uitkomsten en het gebruik ervan. 25

26

2. Grenzen waarbij sprake is van een kritische waarde Een hoge HSMR heeft een signalerende waarde en moet aanleiding zijn voor nader onderzoek naar verklaringen. Hiervoor zal het ziekenhuis op tijd gealarmeerd moeten worden. In het Verenigd Koninkrijk publiceert Dr. Foster Intelligence jaarlijks alle HSMR s en geeft zij aan of zij hoog zijn of niet, rekening houdend met een betrouwbaarheidsinterval van 99,8%. Het is de bedoeling om deze informatie vanaf deze zomer ook toegankelijk te maken voor het grote publiek op de NHS Choices website (http://www.nhs.uk/pages/homepage.aspx). De HSMR s worden dan maandelijks geactualiseerd. Dr. Foster Intelligence stuurt ook iedere maand een vertrouwelijke brief aan de voorzitters van de Raden van Bestuur van ziekenhuizen met een van het landelijke gemiddelde afwijkende SMR waarbij de kans kleiner is dan 0,1 % dat er sprake is van een vals alarm. Dit gebeurt voor 78 CCS groepen en 128 verrichtingen. De monitoring gebeurt aan de hand van CUSUM-grafieken zoals beschreven door Steiner 6. Deze grafieken worden met name gebruikt bij het detecteren van onacceptabele hoge ratio s in vergelijking met een van te voren bepaald percentage vals-positieve meldingen 7. Een voorbeeld is hieronder weergegeven. Figuur 2.1 Sterfte in een ziekenhuis voor de diagnosegroep circulatoire afwijkingen Waar een X staat is er een verschil gedetecteerd tussen de verwachte en de werkelijke sterfte. Op een gegeven moment ontstaat er een cumulatie van dergelijke afwijkingen die een analyse van mogelijke oorzaken rechtvaardigen. 6 Steiner SH, Cook RJ, Farewell VT (1999). Monitoring paired binary surgical outcomes using cumulative sum charts. Statist Med; 18: 69-86. 7 Moustakides GV (1986). Optimal stopping times for detecting changes in distributions. Ann Statist; 14: 1379-1387 27

Wanneer het ziekenhuis akkoord is, gaat een afschrift naar de Healthcare Commission (HCC). Op de website van de HCC zijn bijvoorbeeld de details te vinden van een onderzoek dat de HCC op het ogenblik uitvoert in het Mid Staffordshire NHS Foundation Trust, deels als gevolg van sterftewaarschuwingen die Dr. Foster Intelligence heeft gedetecteerd met de CUSUM-grafieken en vervolgens heeft gestuurd. Voor Nederland is er vooralsnog alleen de mogelijkheid om jaarlijks de (H)SMR in het toezicht te betrekken. De LMR-data worden jaarlijks aangeleverd. Op basis van deze data kan een funnel plot worden berekend zoals hiervoor beschreven. Deze kan als uitgangspunt dienen bij het toezicht van de IGZ. Zoals eerder gezegd zouden in eerste instantie de ziekenhuizen die boven de 99,8% betrouwbaarheidsinterval-curve gepositioneerd zijn, in aanmerking komen voor een alarmering en verdieping van de data. In bijlage 2 is een concept brief te zien die zou kunnen worden gestuurd naar de Raad van Bestuur van een ziekenhuis dat een HSMR heeft boven deze lijn. Een dergelijke waarschuwingsfunctie kan ook betrekking hebben op specifieke SMR s zoals die in dit rapport verderop zijn uitgewerkt: de SMR AMI en de SMR voor leeftijdscategorieën. Momenteel neemt een tiental ziekenhuizen deel aan Real Time Monitoring. Hiervoor leveren zij maandelijks de benodigde data aan de Praktijk Index die ze verwerkt in de centrale database. Wanneer deze groep groter wordt is maandelijkse monitoring ook in Nederland mogelijk. Ook is één van de opties om de gegevens van de vernieuwde LMR, de zogenoemde Landelijke ZiekenhuiszorgInformatie, ook maandelijks aan te leveren. Dat zou mogelijkheden bieden om ook maandelijkse signalering in Nederland te starten. Inmiddels is er een aantal ziekenhuizen geweest dat de HSMR zelf openbaar heeft gemaakt. Dat gebeurde via websites of jaarverslagen. Opvallend was dat de HSMR-waarden vaak onder de 100 lagen. 28

3. Gebruik van de SMR AMI en vergelijking met de prestatie-indicator sterfte na AMI 3.1 Inleiding Overlijden als gevolg van een acuut myocardinfarct (AMI) is één van de openbare prestatie-indicatoren voor ziekenhuiszorg die de IGZ op dit moment gebruikt. Tevens is het reduceren van sterfte aan AMI een van de hoofddoelstellingen van het Veiligheidsprogramma. De IGZ wil graag weten hoe de SMR AMI zich verhoudt ten opzichte van de prestatieindicator sterfte na AMI. Ook wil zij weten wat de SMR AMI kan betekenen bij het monitoren van bovengenoemd doelstelling. 3.2 Uitkomsten vergelijkend definitieonderzoek heeft de sterfte na een AMI, zoals die in een SMR uitgedrukt kan worden (zie bijlage 4), vergeleken met de sterfte na AMI zoals de IGZ die gedefinieerd heeft in de basisset prestatie-indicatoren 2008 (zie bijlage 3). De verschillen tussen de twee methodieken betreffen: 1) De SMR AMI wordt standaard niet per leeftijdsgroep gepresenteerd terwijl de prestatie-indicator afzonderlijk opgevraagd wordt voor 0-64 jarigen en 65-plussers. Leeftijd is bij de SMR-berekening wel een variabele waar voor gecorrigeerd wordt. Hierbij worden zeven leeftijdsgroepen onderscheiden, waarmee ook het onderscheid jonger dan 65-jaar en 65 jaar en ouder te maken is. SMR s voor AMI kunnen dus geleverd worden voor de twee afzonderlijke leeftijdsgroepen waar in de prestatie-indicatoren om gevraagd wordt. 2) Bij de noemer wordt bij de prestatie-indicator gevraagd om alle patiënten die in het verslagjaar zijn opgenomen op te geven, maar bij de LMR (en dus de SMR s) wordt uitgegaan van in het verslagjaar ontslagen of overleden patiënten. Bij de teller loopt dit punt wel synchroon. Dit zal slechts in zeer geringe mate verschillen opleveren, alleen rondom de jaarwisseling. 3) De ex- en inclusiecriteria bij de prestatie-indicator gelden niet bij de SMRberekening. Voor de SMR tellen alle patiënten die in het betreffende ziekenhuis zijn opgenomen (in kliniek of dagverpleging) met als hoofddiagnose AMI. 4) Bij de prestatie-indicator gaat het om gegevens van één verslagjaar, bij de SMR om gegevens van drie jaren bij elkaar opgeteld. De SMR is echter wel per jaargang te berekenen. Dit zal alleen wel grotere betrouwbaarheidsintervallen opleveren gezien de kleinere absolute getallen waar het dan om gaat. Er treden dan minder snel significante verschillen op tussen ziekenhuizen in de sterfte voor AMI. Bij de punten 1) en 4) adviseren we de berekening van de SMR door en de Praktijk Index te laten aansluiten op de IGZ-indicator. Bij punt 2) zijn de verschillen verwaarloosbaar klein. Eventueel zou de definitie van de noemer in de IGZ-indicator aangepast kunnen worden. Ten behoeve van punt 3) hebben we uitgezocht in welke mate er in de praktijk verschillen zijn door de scores volgens beide methoden naast elkaar te leggen. Dit is uitgewerkt in paragraaf 3.3. 29

3.3 Resultaten SMR-analyse per ziekenhuis Voor alle ziekenhuizen in Nederland hebben we voor de afzonderlijke jaren 2004, 2005 en 2006 de SMR voor de diagnosegroep AMI berekend voor de leeftijdsklassen jonger dan 65-jaar en 65 jaar en ouder. Dit heeft geresulteerd in twee tabellen per ziekenhuis volgens het volgende voorbeeld. Tabel 3.1 Voorbeeldtabellen SMR AMI bij 0-64 jaar en bij 65 jaar en ouder. 0-64 jaar Opnames Doden Verwacht SMR Laag Hoog 2004 xx xx xx 153,1 76,3 273,9 2005 xx xx xx 157,5 71,9 299,1 2006 xx xx xx 80,9 29,5 176 65 jaar en ouder Opnames Doden Verwacht SMR Laag Hoog 2004 xx xx xx 74,4 45,4 114,9 2005 xx xx xx 80,4 46,8 128,8 2006 xx xx xx 78,5 51,3 115,1 De eerste kolom laat het aantal opnames voor AMI zien in de betreffende leeftijdsgroep. De tweede kolom het aantal dat hiervan in het ziekenhuis overleden is. De derde kolom het aantal overledenen dat verwacht werd volgens Nederlandse gemiddelde sterftecijfers (gestandaardiseerd). De vierde kolom geeft de SMR die resulteert door de werkelijke sterfte te delen door de verwachte sterfte (x100). De laatste twee kolommen geven het 95% betrouwbaarheidsinterval (laagste en hoogste waarde) voor de SMR-berekening. In dit ziekenhuis valt de 100-lijn in alle categorieën in het betrouwbaarheidsinterval: er zijn derhalve geen significante verschillen ten opzichte van het landelijke gemiddelde, alhoewel de SMRwaarden wel fors verschillen ten opzichte van de 100. In de volgende twee grafieken (eerst voor 0-64 jarigen en daarna voor 65-plussers) is voor elk ziekenhuis (anoniem) de SMR voor AMI in een funnel plot geplaatst. De ziekenhuizen met een hartcentrum zijn met een blauwe stip gemarkeerd. De rode lijnen markeren het 99,8% betrouwbaarheidsinterval en de oranje lijnen het 95% betrouwbaarheidsinterval. 30

Figuur 3.1 Funnel plot SMR AMI 0-64 jaar SMR AMI 0-64 jaar per ziekenhuis 500 450 100-lijn: landelijk gemiddelde sterfte oranje lijn: 95% betrouwbaarheidsinterval rode lijn: 99,8% betrouwbaarheidsinterval blauwe stip: hartcentrum 400 350 300 HSMR 250 200 150 100 50 0 0 2 4 6 8 10 12 14 16 18 verwachte sterfte Figuur 3.2 Funnel plot SMR AMI 65 jaar en ouder SMR AMI 65 jaar en ouder per ziekenhuis 250 225 100-lijn: landelijk gemiddelde sterfte oranje lijn: 95% betrouwbaarheidsinterval rode lijn: 99,8% betrouwbaarheidsinterval blauwe stip: hartcentrum 200 175 HSMR 150 125 100 75 50 25 0 10 20 30 40 50 60 Verwachte sterfte 70 31

Bij de 0-64 jarigen zien we één ziekenhuis met een hartcentrum dat boven de 95% betrouwbaarheidslijn scoort en dus meer ziekenhuissterfte heeft voor AMI dan we op basis van landelijke gemiddelden zouden verwachten. Bij de 65-plussers zien we twee ziekenhuizen zonder hartcentrum die boven de 95% betrouwbaarheidslijn scoren. Daar zijn ook twee hartcentra die significant beter scoren. Bij de 0-64 jarigen waren elf ziekenhuizen met geen enkele sterfte voor AMI in 2006. Hun posities vallen in de grafiek soms over elkaar. 3.4 Verschillen tussen de AMI-sterftecijfers volgens de prestatieindicatoren en de SMR s Wij hebben de SMR-gegevens vergeleken met de sterftecijfers zoals elk ziekenhuis die heeft opgegeven voor de prestatie-indicatoren. Van de prestatie-indicatoren hebben we de volgende openbare gegevens, voor zover beschikbaar voor alle ziekenhuizen, gebruikt. Tabel 3.2 Voorbeeld van prestatie-indicator gegevens Cijfers na opschoning/bewerking Ziekenhuismortaliteit Teller: aantal patiënten jonger dan 65 jaar waarbij tijdens de opname AMI is vastgesteld, overleden tijdens de ziekenhuisopname Noemer: totaal aantal patiënten jonger dan 65 jaar waarbij tijdens de opname AMI is vastgesteld en die opgenomen zijn geweest in het ziekenhuis Percentage ziekenhuissterfte patiënten jonger dan 65 jaar Teller: aantal patiënten van 65 jaar en ouder waarbij tijdens de opame AMI is vastgesteld, overleden tijdens de ziekenhuisopname Noemer: totaal aantal patiënten van 65 jaar en ouder waarbij tijdens de opname AMI is vastgesteld en die opgenomen zijn geweest in het ziekenhuis Percentage Ziekenhuissterfte patiënten van 65 jaar en ouder Ziekenhuisnaam en plaats Academisch Medisch Centrum Ams Albert Schweitzer Ziekenhuis Dordr 4 201 1,99 44 351 12,54 Algemeen Ziekenhuis Westfries Ga Alysis Zorggroep, loc. Rijnstate en V Alysis zorggroep, loc. Zevenaar Amphia Ziekenhuis Breda 5 475 1,05 24 476 5,04 Antonius Ziekenhuis Sneek 3 59 5,08 10 83 12,05 Atrium medisch centrum Heerlen 5 141 3,55 14 174 8,05 AZM Maastricht 12 280 4,29 29 260 11,15 Canisius-Wilhelmina Ziekenhuis Nij 2 121 1,65 28 221 12,67 Catharina-ziekenhuis Eindhoven Delfzicht Ziekenhuis Delfzijl 1 31 3,23 5 40 12,50 In de figuren 3.3 en 3.4 zijn de verschillen te zien tussen de sterfteaantallen zoals ze meetellen bij de SMR-berekening en de sterfteaantallen zoals ze meetellen bij de prestatieindicatoren. 32