Methodologie Met het oog op een logische samenhang werd voor de cartografische voorstellingen dezelfde methodologie gebruikt, de berekening van de SAR. De geografische eenheid waarnaar de cartografische voorstelling verwijst, is het administratief. Aangezien de publicatie als doel heeft de geografische spreiding van bepaalde aspecten van de bevolking te visualiseren, baseren wij ons op de woonplaats van de patiënt. Zo hangt de kleur van een op een kaart af van het aantal ziekenhuisverblijven of het aantal ligdagen dat wordt gegenereerd door alle patiënten die hun woonplaats in dat hebben. en patiënt die in Tongeren woont maar in Leuven opgenomen werd, zal worden ondergebracht bij het Tongeren en niet Leuven. In de voorgestelde kaarten worden dus geen aanwijzingen gegeven over de plaats waar de patiënt wordt behandeld. De veronderstelling dat patiënten meestal opgenomen worden in een instelling van het waar ze wonen, is ongegrond. Uit interne onderzoeken van de Federale Overheidsdienst Volksgezondheid is gebleken dat patiënten bij ernstige ingrepen en aandoeningen een grote mobiliteit aan de dag kunnen leggen. Bovendien is het bij spoedopnamen niet altijd zeker dat de patiënt op het ogenblik van de opname in zijn eigen regio verblijft. De keuze voor de woonplaats van de patiënt als uitgangspunt is te verklaren door de epidemiologische gerichtheid van deze publicatie die zich toespitst op de relatieve frequentie van de verschillende aandoeningen en heelkundige ingrepen bij de bevolking en van de bijbehorende verblijfsduur per. Op basis van algemene en specifieke selectiecriteria worden voor elk thema de verblijven uit de globale MZG-databank geselecteerd, en de geselecteerde gegevens worden vervolgens gestandaardiseerd volgens leeftijd en geslacht. r is geopteerd voor de methode van de gestandaardiseerde opnameratio (Standardized Admission Ratio [SAR]), afgeleid van de indirecte standaardisatie. Deze techniek vereist een vergelijking tussen de geregistreerde cijfers (het aantal ziekenhuisopnamen of het aantal ligdagen voor een bepaalde aandoening/ingreep in een bepaald ) en de verwachte cijfers (het aantal ziekenhuisopnamen of het aantal ligdagen dat in het bedoelde wordt verwacht voor de beschouwde aandoening/ingreep). De verwachte cijfers worden berekend op basis van het aantal geregistreerde opnamen of het aantal geregistreerde ligdagen voor deze aandoening/ingreep in een referentiebevolking en de samenstelling van de bevolking van het betrokken volgens leeftijd en geslacht. Voor meer informatie over de standaardisatiemethodes moet verwezen worden naar het werk Statistical Methods in Cancer Research, vol. 2, The Design and Analysis of Cohort Studies 1 van Breslow, N. & Day. In deze publicatie is de referentiebevolking de volledige bevolking die in België woont. De basisgegevens hiervoor zijn afkomstig van de FOD conomie (be.stat). Aangezien de MZG continu geregistreerd worden, wordt voor de verwerking van de MZG-gegevens van het jaar voor elke leeftijdsgroep en elk geslacht het aantal inwoners berekend op basis van de gegevens van de FOD conomie (afgesloten op 1 januari van het volgende jaar). Vervolgens wordt er voor elk administratief een Verwacht aantal verblijven of een Verwacht aantal ligdagen berekend aan de hand van de regels vermeld in Tabel 1.
Tabel 1 : Methode van de gestandaardiseerde opnamen ratio (SAR) Leeftijdscategorie Populatie Opnamen Populatie België Opnamen België Verwacht aantal opnamen in Pa Pb Ob = (Pa * Ob/Pb) Mannen < 1 jaar 1 4 jaar 5 9 jaar 10 14 jaar > 95 jaar Pam1 Pam2 Pam3 Pam4 Pam21 m1 m2 m3 m4 m21 Pbm1 Pbm2 Pbm3 Pbm4 Pbm21 Obm1 Obm2 Obm3 Obm4 Obm21 m1 m2 m3 m4 m21 Vrouwen < 1 jaar 1 4 jaar 5 9 jaar 10 14 jaar > 95 jaar Pav1 Pav2 Pav3 Pav4 Pav21 v1 v2 v3 v4 v21 Pbv1 Pbv2 Pbv3 Pbv4 Pbv21 Obv1 Obv2 Obv3 Obv4 Obv21 v1 v2 v3 v4 v21 Totaal Pa Pb_ Ob De bevolking is ingedeeld op basis van het geslacht en de leeftijd (in 21 leeftijdscategorieën). De 21 leeftijdscategorieën zijn als volgt samengesteld : 1 categorie voor kinderen jonger dan 1 jaar ; een categorie voor kinderen van 1 4 jaar ; vervolgens 18 categorieën per schijf van 5 jaar en slot 1 categorie voor de mensen van 95 jaar en ouder. Het aantal inwoners wordt bepaald voor elke leeftijds- en geslachtscategorie en dit voor zowel elk als voor gans België, respectievelijk in de kolommen Bevolking (Pa) en Bevolking België (Pb). Bovendien wordt het aantal ziekenhuisopnamen voor de geselecteerde aandoening/ingreep bepaald voor elke leeftijds- en geslachtscategorie, en dit ook weer voor zowel elk als voor gans België. Die cijfers staan respectievelijk vermeld in de kolommen Opnamen () en Opnamen België (Ob). In de kolom Verwacht aantal opnamen in wordt voor elke leeftijds- en geslachtscategorie het aantal verwachte opnamen in het berekend voor die categorie via de formule Pa * Ob/Pb. Het aal aantal verwachte opnamen voor het voor de geselecteerde aandoening/ingreep is gelijk aan de som van de verwachte opnamen voor alle leeftijdsen geslachtscategorieën. De berekening wordt op dezelfde manier uitgevoerd voor de ligdagen.
De SAR of Standardized Admission Ratio wordt dus als volgt berekend : 100 Dit betekent dat de SAR hoger is dan 100 als het aantal opnamen hoger is dan voorzien en omgekeerd. De waarde van de SAR geeft aan in welke mate er een afwijking bestaat (uitgedrukt in %) ten opzichte van de referentiebevolking. Voor de ontwikkeling van de kaart kent men een kleur toe aan elk. Die kleur wordt toegekend volgens een klassensysteem gebaseerd op de waarde van de SAR. De klassen worden als volgt samengesteld : - klasse 1 : als SAR < 80 - klasse 2 : als 80 SAR < 90 - klasse 3 : als 90 SAR <100 - klasse 4 : als 100 SAR < 110 - klasse 5 : als 110 SAR < 120 - klasse 6 : als SAR 120 Als men dit in een schema weergeeft, geeft dit het volgende : SAR 80 90 100 110 120 Klasse 1 2 3 4 5 6 De kleur die aan elk wordt toegekend, hangt dus af van de klasse waartoe het behoort. Klasse 1 heeft de bleekste kleur (crèmekleur) en klasse 6 de donkerste (donkergroen). Als er geen gegevens beschikbaar zijn, is het wit. Om aan te geven in welke mate de waarde van de SAR significant verschilt van 100, wordt er een betrouwbaarheidsinterval rond de SAR (95 % BI of IC) berekend volgens de volgende formule : 95 % IC= SAR± 1, 96 Indien het betrouwbaarheidsinterval van de SAR (voor een significantiegrens van 95 %) niet de waarde 100 bevat, verschilt de SAR significant van die waarde 100. Op de kaarten wordt dit aangeduid met een sterretje in het. We gaan op dezelfde manier te werk voor de ligdagen. Voor elk van de specifieke thema s die in deze publicatie aan bod komen, zal telkens naast de kaart van België ook een tabel worden weergegeven met de gegevens waarop de kaart gebaseerd is. In deze tabel zijn voor elk de volgende gegevens terug te vinden : het aantal klassieke ziekenhuisverblijven opgenomen in de specifieke selectie, de waarde van de SAR, de klasse waarin het terechtkomt en op basis waarvan het ingekleurd wordt op de kaart, de onder- en
bovengrens van het 95 %-betrouwbaarheidsinterval van de SAR, en de aanduiding van de statistische significantie van de waarde van de SAR. lk administratief wordt geïdentificeerd door middel van de naam en het nummer van het. Dat nummer is een getal van twee cijfers en komt overeen met de NIS-code (be.stat, het voormalige Nationaal Instituut voor de Statistiek) van het administratief. Bovendien dient bij deze methodologie opgemerkt te worden dat bij de interpretatie van de op deze manier verkregen cijfers en kaarten rekening gehouden moet worden met verschillende factoren. De hierna vermelde factoren kunnen immers elk op zich de kleur van een op een kaart beïnvloeden : 1) de prevalentie van een aandoening in de bevolking ; 2) de grootte van de bevolking : een met een kleine bevolking zal veel gemakkelijker van het nationale gemiddelde afwijken ; 3) het opnamegedrag met betrekking deze aandoening, voor een verblijf in klassieke hospitalisatie ; 4) het behandelgedrag of de medische praktijkvoering ; 5) het codeer- en registratiegedrag van het ziekenhuis. De vergelijking van een met België is evenwel slechts geldig indien de ratio van de specifieke cijfers per leeftijd en geslacht ten opzichte van het nationale cijfer constant is. Ook de vergelijking van twee en is slechts geldig indien de ratio van de specifieke cijfers per leeftijd en geslacht ten opzichte van het nationale cijfer in de twee en constant is. 2 Het aantal opnamen dat lager of hoger ligt dan verwacht voor een welbepaalde aandoening/ingreep kan te wijten zijn aan elk van die factoren of aan een combinatie van verschillende van die factoren. Bijgevolg is voorzichtigheid geboden bij de interpretatie van de verschillen tussen de geografische zones die op die manier gevisualiseerd kunnen worden. In geval van een pathologie, waarvoor er in sommige en geen of zeer weinig gevallen geregistreerd worden, leidt de klassieke benadering van Standardized Admission Ratios (SARs) een foutieve inschatting van het relatieve risico. Zij bestaat namelijk uit een belangrijke overschatting van hun positie t.o.v het nationale gemiddelde in geval van een zeer grote of een zeer kleine SAR. r wordt hier immers van uit gegaan dat de Maximum Likelihood stimator, Thêta i = O i / i, de beste schatter van het relatieve risico (Theta) is. r werd echter aangetoond dat er betere schatters bestaan, namelijk (empirical) Bayes 3. en modellering door middel van Generalized linear mixed models (GLMM s), die dergelijke schatters opleveren, zijn in die gevallen nuttig voor het in kaart brengen van small area ziektecijfers 4. Het is dan vaak een redelijke benadering te veronderstellen dat de random error terms een multivariate normaalverdeling volgen, waarvan de variantie componenten moeten geschat worden op basis van de gegevens 4. Op deze manier worden de extreme schatters opnieuw ingeschat met een minder extreme positie als gevolg. Dit effect wordt in het statistische jargon met de naam smoothing aangeduid.
Het geometrische gemiddelde van de verblijfsduur (GGVD) Om de gemiddelde verblijfsduur van de en te kunnen vergelijken met de nationale, voeren we een variantie-analyse uit. Dit type analyse veronderstelt dat de gemiddelde verblijfduur de normale verdeling volgt, wat hier duidelijk niet het geval is. Daarom verwerkten we de gegevens met behulp van een logaritme en kwamen een aanvaardbare benadering van de normale verdeling. We voerden vervolgens een variantie-analyse uit op de verwerkte gegevens, namelijk op het natuurlijk logaritme van de verblijfsduur. We berekenden op het natuurlijk logaritme van de verblijfsduur een gemiddelde verblijfduur per en ook een nationale, gemiddelde verblijfsduur. Daarna werkten we voor elk een Bonferroni-gecorrigeerd betrouwbaarheidsinterval uit rond de gemiddelde verblijfsduur. Vervolgens verwerkten we de waarden van het gemiddelde en het betrouwbaarheidsinterval opnieuw naar de oorspronkelijke waarden, dit wil zeggen naar een gemiddelde verblijfsduur met zijn betrouwbaarheidsinterval uitgedrukt in dagen en niet langer in de natuurlijke logaritmen ervan. Dit gemiddelde is echter geen rekenkundig gemiddelde maar wel een geometrisch gemiddelde, dat minder gevoelig is voor extreme waarden. Nadien berekenden we per het percentage van de gemiddelde verblijfsduur t.o.v. de nationale gemiddelde verblijfsduur en deelden we ze op in 6 klassen : < 90; 90 95; 95 100; 100 105; 105 110; 110 +.. Significante verschillen t.o.v. het nationale gemiddelde werden vastgesteld op basis van het betrouwbaarheidsinterval. Literatuur (1) Breslow N.., Day N.. Statistical Methods in Cancer Research. Volume II - The Design and Analysis of Cohort Studies. 1-406. 1987. Lyon, IARC. IARC Scientific Publications nr. 82. (2) Clayton D., Hills M. Comparisons of rates within strata. In : Clayton D., Hills M., editors. Statistical Models in pidemiology. Oxford : Oxford University Press ; 1993. blz. 141-152. (3) Clayton D., Kaldor J. mpirical Bayes estimates of age-standardized relative risks for use in disease mapping. Biometrics 1987 ; 43(3):671-681. (4) Breslow N.., Clayton D. Approximate Inference in Generalized Linear Mixed Models. Journal of the American Statistical Association 1993 ; 88(421):9-25.