Onderzoek Variatie in codering patiëntengegevens beïnvloedt gestandaardiseerd ziekenhuissterftecijfer (HSMR) Wim F. van den Bosch, Joseph Silberbusch, Klaas J. Roozendaal, Cordula Wagner Doel Opzet Methode Resultaten Conclusies Onderzoek naar de invloed van codeervariaties op de het gestandaardiseerde ziekenhuissterftecijfer ( hospital standardized mortality ratio, HSMR) en maatregelen formuleren om de variatie in coderingen te reduceren. Retrospectief, beschrijvend. Wij analyseerden codeervariaties van de HSMR- parameters hoofddiagnose, opname-urgentie en nevendiagnoses in het databestand Landelijke Medische Registratie (LMR) van opnamen in 6 topklinische ziekenhuizen gedurende 2003-2007. Ruim een kwart van de geregistreerde opnamen telde mee bij de berekening van de HSMR. Van de ICD- 9-codes voor hoofddiagnose die niet waren meegeteld bij de HSMR-berekening onderzochten wij of er verschillen waren tussen de ziekenhuizen en of opnamen met deze codes terecht waren uitgesloten bij de berekening. Variatie in het coderen van opname-urgentie werd gesignaleerd door opnamen te analyseren waarbij de diagnosetitel acuut van aard was. De variatie in het gemiddelde aantal nevendiagnoses per opname werd bepaald als indicatie voor codeervariatie. Door interviews met codeerteams werd geverifieerd of de conclusies van de analyse terecht waren. Meer dan 165.000 opnamen die niet meetelden voor de HSMR vertoonden grote verschillen tussen de ziekenhuizen. Dit aantal was 40% van het aantal opnamen dat wél meetelde. Van de opnamen met een hoofddiagnose die acuut van aard was, was per ziekenhuis 34% tot 93% als acute opname geregistreerd. Het gemiddelde aantal nevendiagnoses per opname varieerde tussen de ziekenhuizen van 0,9 tot 3,0. Er waren grote verschillen in de codering van de hoofddiagnose, opname-urgentie en nevendiagnoses tussen de onderzochte ziekenhuizen, met een potentieel grote invloed op de HSMR-uitkomsten van de ziekenhuizen. De codeervariaties berustten op interpretatieverschillen bij het coderen, verschillen in de beschikbaarheid van codeurs, de kwaliteit van ontslagbrieven en dossiers en de al dan niet tijdige aanlevering hiervan. St. Antonius Ziekenhuis, Bestuursstaf, Nieuwegein. Ir. W.F. van den Bosch, kwaliteitsmanager. Dr. J Silberbusch en dr. K.J. Roozendaal, internisten n.p. (voorheen: Onze Lieve Vrouwe Gasthuis, Amsterdam). VU Medisch Centrum, afd. Sociale Geneeskunde, Amsterdam. Prof.dr. C. Wagner, hoogleraar patiëntveiligheid (tevens: NIVEL, Utrecht). Contactpersoon: ir. W.F. van den Bosch (w.bosch@antoniusziekenhuis.nl). Het gestandaardiseerde ziekenhuissterftecijfer wordt in Nederland met de nodige voorzichtigheid geïntroduceerd als een indicator voor kwaliteit van zorg. Deze indicator is in het Verenigd Koninkrijk ontwikkeld ( hospital standardized mortality ratio, HSMR; tabel 1). 1-3 Illustratief voor de voorzichtigheid bij de introductie zijn de antwoorden van minister Klink van Volksgezondheid, Welzijn en Sport op vragen uit de Tweede Kamer over het niet openbaar maken van de HSMR. 4 Hij zegt daarin dat er nog vragen over de betrouwbaarheid en de interpreteerbaarheid van de gegevens bestaan. Critici stellen onder meer dat registraties van opnamegegevens in de Landelijke Medische Registratie (LMR) niet altijd betrouwbaar en consistent zijn en daardoor de HSMR-uitkomsten ook niet. Een voorbeeld hiervan is de claim dat in de Engelse situatie twee HSMR-variabelen, opname-urgentie en charlsonindex, onbetrouwbaar en dus ongeschikt zouden zijn voor gebruik bij de correctie voor patiëntkenmerken ( casemix -correctie); die onbetrouwbaarheid is mede het gevolg van variaties in de registratie van ziekenhuisopnamen. 5 Variatie in de codering van gegevens in de LMR kan NED TIJDSCHR GENEESKD. 2010;154:A1189 1
TABEL 1 De hospital standardized mortality ratio (HSMR) in het kort De HSMR* is een gestandaardiseerde maat voor ziekenhuissterfte, waarin het ruwe sterftecijfer (aantal opnamen gedeeld door het aantal gevallen van ziekenhuissterfte) gecorrigeerd is voor de volgende 8 patiëntkenmerken ( casemix ): jaartal van ontslag geslacht leeftijd bij ontslag sociaal economische status opname-urgentie ( acuut versus niet-acuut ) hoofddiagnose (= opnamediagnose) verpleegduur Charlson-index De HSMR per ziekenhuis wordt bepaald door de formule waargenomen ziekenhuissterfte HSMR = 100 verwachte sterfte waarbij de verwachte sterfte berekend is door de ziekenhuissterfte te corrigeren voor de bovengenoemde 8 kenmerken. Bij de uitkomst 100 is de HSMR van het ziekenhuis gelijk aan de landelijke gemiddelde HSMR; hogere waarden kunnen duiden op oversterfte, lagere waarden op ondersterfte. het ziekenhuis met de hoogste score (114) bijna twee maal zo groot zou zijn als in dat met de laagste HSMR (65). Gezien het homogene karakter van deze ziekenhuizen (zie tabel 2) is dat a priori ongeloofwaardig. Dit was voor ons reden om onderzoek te doen naar de belangrijkste afzonderlijke HSMR-determinanten en de factoren die de grote verschillen kunnen verklaren. Wij formuleerden onze onderzoeksvragen als volgt: - Zijn bepaalde opnamen ten onrechte uitgesloten van de HSMR-berekening doordat de criteria voor het coderen van de hoofddiagnose volgens de International classification of diseases (ICD)-9 niet in elk ziekenhuis op dezelfde wijze zijn geïnterpreteerd? - In hoeverre is er sprake van variatie in de codering van de 8 HSMR-determinanten bij de opnamen die wél meetelden voor de HSMR-berekening? - Wat is de mogelijke invloed van variaties in de codering op de HSMR s van elk der samenwerkende ziekenhuizen afzonderlijk? Methode Naast de ziekenhuis-hsmr worden ook gestandaardiseerde sterftecijfers voor diagnosegroepen bepaald. Voor de indeling van deze diagnosegroepen kozen de ontwerpers van het HSMR-instrument 50 diagnosegroepen uit het Clinical Classification System (CCS). Voor de berekening van de HSMR wordt de in Nederland gebruikte ICD-9-codering voor diagnoses per hoofddiagnose vertaald naar een van de 50 CCS-groepen. Om doelmatigheidsredenen zijn de groepen zo gekozen dat slechts een beperkt deel van de ICD-9-codes (circa 20%) meetelt, namelijk de diagnoses die gepaard gaan met relatief hoge sterfte. Daardoor telt ook van de opnamen slechts een beperkt deel mee in de HSMR-berekening (in onze studie circa 28%). Hierbij geldt de voorwaarde dat in de meegetelde opnamen minstens 70% van de ziekenhuissterfte vertegenwoordigd moet zijn (in onze studie was dat > 80%). * De landelijk gemiddelde HSMR wordt berekend op basis van alle meegetelde opnamen in de landelijke medische registratie (LMR). De Charlson-index is een maat voor comorbiditeit en is gebaseerd op het aantal nevendiagnoses en de zwaarte hiervan. mogelijk leiden tot inconsistenties. Van codeervariatie is sprake als ziekenhuis A de opname van eenzelfde soort patiënt anders codeert dan ziekenhuis B onder identieke omstandigheden en een identiek verlopende opname. In de LMR-database treden dan verschillen tussen ziekenhuizen op in één of meer onderdelen van de gecodeerde opnamen. Dat kan invloed hebben op de HSMR. Een groep van 6 Nederlandse topklinische ziekenhuizen, verenigd in de Vereniging Samenwerkende Ziekenhuizen (tabel 2), zet het HSMR-instrument in voor onderlinge vergelijking en verdere verbetering van de kwaliteit van zorg. 6 De gemiddelde HSMR per ziekenhuis over de periode 2003-2007 varieerde in deze groep van 65 (gunstig) tot 114 (niet gunstig). Dit houdt in dat de sterfte in HSMR determinanten Bij de analyse richtten wij ons op LMR-parameters die gebruikt worden bij de HSMR-berekening. De volgende parameters zijn eenduidig vastgelegd en ongevoelig voor codeervariatie: jaartal van ontslag, leeftijdsklasse, ligduurklasse, geslacht en sociaal economische status (via postcode). Deze betrokken wij niet in onze analyse. Wij beperkten ons tot de 3 LMR-parameters die bepalend zijn voor de HSMR en die potentieel onderhevig zijn aan codeervariaties: - de ICD-9-code voor de hoofddiagnose; deze bepaalt of een opname meetelt voor de HSMR-berekening; - opname-urgentie ( acuut versus niet-acuut ); - ICD-9-codes voor nevendiagnoses; deze bepalen de charlsonindex, een maat voor comorbiditeit (zie uitleg). Bij de analyse van ICD-9-codes voor hoofddiagnoses betrokken wij ook de indeling in de diagnosegroepen van het Clinical Classification System (CCS). Hoofddiagnose volgens ICD-9 Van de 1.483.944 onderzochte opnamen telden er 418.567 (28,2%) mee bij de HSMR-berekening. Door verschillende interpretaties van de ICD-9-codering van de hoofddiagnose ( codeervariatie ) kon het voorkomen dat een opname bij het ene ziekenhuis niet meetelde en een volkomen identieke opname bij een ander ziekenhuis wél. Het onterecht uitsluiten van opnamen zou invloed kunnen hebben op de HSMR. Daarom inventariseerden wij variaties in het aantal opnamen van de ICD-9-codes die door Prismant uitgesloten waren voor de HSMR-berekening (1.065.377 opnamen). 2 NED TIJDSCHR GENEESKD. 2010;154:A1189
Asymmetrische opnameverdeling Als enkele ziekenhuizen een ICD-9-code extreem vaak codeerden en de andere ziekenhuizen deze code nauwelijks registreerden, was dit een indicatie dat een opname met deze code onterecht was uitgesloten van de berekening. Een voorbeeld: ziekenhuis C codeerde 3.211 maal de niet meetellende code V81.0, die staat voor screening ischemische hartziekten, terwijl andere ziekenhuizen deze code nauwelijks gebruikten. Wellicht gebruikten die andere ziekenhuizen in plaats van de code voor screening een code voor hartaandoeningen, die wél meetelde bij de HSMRberekening. De onevenredige verdeling van hoofddiagnoses over de ziekenhuizen noemen wij asymmetrische opnameverdeling. Dit werd als volgt gedefinieerd: een opnameverdeling van een ICD-9-hoofddiagnose is in dit onderzoek asymmetrisch als > 50% van alle opnamen bij 1 ziekenhuis hoort en/of > 65% bij 2 ziekenhuizen en/of > 85% bij 3 ziekenhuizen en/of < 6% bij 2 ziekenhuizen, en/of < 2% bij 1 ziekenhuis. Bij deze grenswaarden is het gemiddelde aantal opnamen in de ziekenhuizen met de hoogste percentages vijf tot zes maal zo groot als het gemiddelde van de ziekenhuizen met de laagste percentages. Iets andere keuzes voor grenswaarden leveren ruwweg dezelfde relevante asymmetrie op. Door iedere hoofddiagnose op asymmetrie van opnameverdeling te onderzoeken, konden we mogelijke codeervariatie opsporen. Wij bepaalden voor iedere uitgesloten hoofddiagnose de opnameverdeling over de ziekenhuizen en selecteerden voor nadere analyse de hoofddiagnoses die een asymmetrische opnameverdeling vertoonden. TABEL 2 De ziekenhuizen die samenwerken in de Vereniging Samenwerkende Ziekenhuizen* Canisius Wilhelmina Ziekenhuis Nijmegen Catharina Ziekenhuis Eindhoven Martini Ziekenhuis Groningen Medisch Spectrum Twente Onze Lieve Vrouwe Gasthuis Amsterdam St. Antonius Ziekenhuis Utrecht/Nieuwegein * Kenmerkend voor deze samenwerkende ziekenhuizen is dat ze naast een breed aanbod van basiszorg topklinische zorg bieden en als tertiaire centra functioneren. Tevens hebben de ziekenhuizen min of meer gelijke opleidingen tot specialist en universitaire affiliaties. Tot slot is er tussen de ziekenhuizen een samenwerkingsverband en onderlinge uitwisseling van gegevens op diverse niveaus. Analyse van asymmetrische opnameverdelingen Veel asymmetrische verdelingen konden worden verklaard door de aanwezigheid van specialistische centra in 1 of meer van deze 6 ziekenhuizen of door kleine opnameaantallen, waardoor een verdeling al snel asymmetrisch is. Ook kunnen asymmetrische verdelingen van meerdere, overeenkomstige diagnoses wél symmetrisch zijn als de diagnoses worden samengevoegd; de ICD-9- codes verschillen dan, maar tussen de diagnosetitels is nauwelijks inhoudelijk verschil. Voor een aantal hoofddiagnoses leverde dit echter geen bevredigende verklaring op voor de asymmetrie. Wij hebben deze nader geanalyseerd voor diagnoses met in totaal meer dan 1000 opnamen in de 6 ziekenhuizen. De uitkomsten werden getoetst door de codeurs te interviewen. Opname-urgentie Prismant definieert een acute opname als een niet (voor dát moment) geplande opname, die niet uitgesteld kan worden, omdat onmiddellijke hulpverlening (observatie, onderzoek of behandeling) noodzakelijk is. Als patiënten niet als acute opname worden geregistreerd terwijl ze wel acuut zijn opgenomen, dan leidt dat tot een hogere HSMR (ongunstig). Wij onderzochten het codeergedrag bij de parameter opname-urgentie voor opnamen waarbij de diagnosetitel een acuut karakter aangaf, bijvoorbeeld acuut myocard infarct, voorwand (ICD-9-code 410.1). Dit kwam bij 33 verschillende ICD-9-diagnosetitels voor. Wij stelden vast hoe vaak opnamen van dit type daadwerkelijk als acuut waren gecodeerd en verkregen hieruit een indicatie van het gedrag bij het coderen van de opname-urgentie. De uitkomsten werden getoetst door de codeurs te interviewen. Nevendiagnoses Er kunnen maximaal 9 nevendiagnoses per opname gecodeerd worden. We duiden deze in de database aan met n1, n2, n9; veldnummer n1 is de eerste nevendiagnose enzovoort. Alle voor de opname relevante comorbiditeit behoort hierin gecodeerd te worden. Voor ieder veldnummer stelden wij vast hoe vaak het veld was ingevuld. De resultaten werden vastgelegd in frequentieverdelingen. Tevens bepaalden wij het gemiddelde aantal nevendiagnoses per ziekenhuis. Gezien het homogene karakter van de 6 ziekenhuizen zouden deze gemiddelden onderling niet extreem mogen verschillen. Het coderen van veel nevendiagnoses kan in een hogere waardering van de comorbiditeit resulteren en leidt tot een lagere HSMR (gunstig). Interviews codeerteams Door interviews met de codeerteams verkregen wij een indruk hoe opnamen werden gecodeerd. In de interviews lag de nadruk op het coderen van hoofddiagnose, opname-urgentie en nevendiagnoses en in hoeverre coderen onder tijdsdruk plaatsvond. Tevens gaven de interviews ons de gelegenheid aan het codeerteam vragen te stellen die tijdens het onderzoek waren gerezen. NED TIJDSCHR GENEESKD. 2010;154:A1189 3
Resultaten Van de 6 ziekenhuizen is 1 recent ontstaan door fusie van 2 ziekenhuizen die gedurende de geanalyseerde periode bestuurlijk en operationeel al gefuseerd waren, maar juridisch nog gescheiden; deze scheiding vindt men nog terug in de LMR. In de tabellen en de bespreking van de resultaten is daarom sprake van 7 ziekenhuizen, willekeurig gelabeld A, B, C, D, E, F en G. Eerst geven wij hier de analyse van de verdeling van de opnameaantallen per ICD-9-code voor diagnoses die niet betrokken werden bij de HSMR-berekening. Vervolgens bespreken wij de codeervariaties van de opnamen die wél betrokken zijn bij de HSMR-berekening en tot slot geven wij de resultaten weer van de interviews met de codeerteams. Opnamen niet meegeteld bij HSMR-berekening Van de 1.065.377 opnamen die niet meegeteld waren bij de HSMR-berekening, bleken 596.087 opnamen (56%) asymmetrisch verdeeld. De 18 belangrijkste van deze hoofddiagnoses, waarvan wij de asymmetrie niet konden verklaren, omvatten 165.459 opnamen (16%). De verdeling hiervan over de ziekenhuizen is weergegeven in tabel 3. De meeste diagnoses in tabel 3, uitgezonderd multipel myeloom (14) en acute bronchitis (18), waren algemeen van aard of aspecifiek; daardoor kunnen diverse aandoeningen bij deze ICD-codes zijn ondergebracht, mogelijk verschillend per ziekenhuis. De codes 799.8 en 799.9 (afgekort 799.x) kunnen gebruikt worden als de diagnose onbekend is (1 en 2 in tabel 3). Deze codes werden 39.067 maal toegepast, voornamelijk door ziekenhuizen A, C en G. De mortaliteit van A en C week hierbij sterk af van de bijbehorende ruwe ziekenhuismortaliteit (tabel 4), hetgeen kan duiden op een selectie-effect. Wij komen hier op terug onder het kopje Resultaten interviews codeerteams. Diagnose 3, V72.8 overige gespecificeerde onderzoeken, werd door 3 ziekenhuizen veelvuldig gebruikt (39.355 opnamen); de andere ziekenhuizen gebruikten deze code nauwelijks. Het was onduidelijk of vergelijkbare patiënten in de andere ziekenhuizen anders werden beoordeeld en gecodeerd. Dat gold ook voor codes die behandelingen of observaties in plaats van aandoeningen beschreven (zie TABEL 3 Overzicht van de hoofddiagnoses bij ziekenhuisopname in de periode 2003-2007 die onevenredig verdeeld waren over een groep van 7 topklinische ziekenhuizen ( asymmetrische opnameverdeling ). Alleen diagnoses die niet meetelden bij de berekening van het gestandaardiseerde ziekenhuissterftecijfer (HSMR) zijn weergegeven nr ICD-9-hoofddiagnose aantal opnamen per ziekenhuis A B C D E F G totaal 1 799.8 overige slecht omschreven aandoeningen 13.152 0 10.209 1 385 4 7707 31.458 2 799.9 overige onbekende en niet gespecificeerde oorzaken 1 0 6717 3 0 888 0 7609 totaal aantal opnamen met diagnoses 1 en 2 13.153 0 16.926 4 385 892 7707 39.067 3 V72.8 overige gespecificeerde onderzoeken 1384 8226 11.193 2181 697 15.205 469 39.355 4 V58.1 onderhoudschemotherapie 542 151 2074 3922 5122 243 1442 13.496 5 V58.2 bloedtransfusie zonder vermelding diagnose 5 1591 1 13 428 7533 772 10.343 6 V58.8 overige gespecificeerde nazorg 239 6195 215 656 2135 20.826 249 30.515 7 V58.9 niet gespecificeerde nazorg 0 1228 1 0 0 0 72 1301 8 V67.2 follow-up onderzoek na chemotherapie 54 1 7685 11 1 0 3 7755 9 V71.9 observatie i.v.m. verdenking op niet nader omschreven 144 31 46 93 88 81 3641 4124 aandoening 10 V71.4 observatie na een ander ongeval 249 9 88 258 536 295 286 1721 11 V71.8 observatie i.v.m. verdenking andere gespecificeerde aandoening 701 0 41 41 247 62 374 1466 12 V81.0 screening ischemische hartziekten 27 3 3211 0 8 189 54 3492 13 V81.4 screening op overige niet-gespecificeerde respiratoire 121 0 1393 1 482 71 88 2156 aandoening 14 203.0 multipel myeloom 1054 91 118 1244 119 253 66 2945 15 V67.0 follow-up onderzoek na operatie 593 559 66 469 48 469 428 2632 16 426.89 overige gespecificeerde geleidingsstoornissen 339 2010 27 42 6 11 10 2445 17 788.9 overige symptomen van de urinewegen 8 1259 46 8 26 31 10 1388 18 466.0 acute bronchitis 66 822 287 4 19 35 25 1258 totaal aantal opnamen met diagnoses 3-18 5526 22.176 26.492 8943 9962 45.304 7989 126.392 totaal aantal ziekenhuisopnamen 228.138 229.621 227.779 217.723 141.730 266.619 172.334 1.483.944 diagnoses 3-18 als percentage van totaal aantal opnamen 2,4 9,7 11,6 4,1 7,0 17,0 4,6 8,5 ICD = International classification of diseases. 4 NED TIJDSCHR GENEESKD. 2010;154:A1189
TABEL 4 Ziekenhuissterfte en mortaliteit van patiënten opgenomen met onbekende diagnose (ICD-9-code 799.8 of 799.9) in 7 topklinische ziekenhuizen in de periode 2003 2007 parameter* ziekenhuis A B C D E F G J aantal opnamen 13.153 0 16.926 4 385 892 7707 K sterfte 2 0 739 0 1 20 114 L mortaliteit ; % 0,02 0,00 4,37 0,00 0,26 2,24 1,48 M ruwe ziekenhuismortaliteit 1,28% 1,51% 1,16% 1,12% 1,07% 1,48% 1,42% * De parameters zijn aangeduid met een letter; in tabel 7 wordt naar deze letter gerefereerd. Het aantal sterfgevallen per 100 patiënten opgenomen met onbekende diagnose. Het aantal sterfgevallen in het ziekenhuis gedeeld door het aantal opnamen. tabel 3, diagnoses 4-11) en die waren oververtegenwoordigd in één of enkele ziekenhuizen. Voor de diagnoses 12-18 waren vermoedelijk eveneens andere ICD-9-codes toepasbaar. De onderste rij van tabel 3 geeft weer in hoeverre elk ziekenhuis bijdroeg aan de asymmetrische verdeling van de ICD-9-hoofddiagnoses 3-18. Ziekenhuizen A, D en G droegen relatief weinig bij aan de meerderheidsaandelen, ziekenhuizen B, C en F relatief veel. Codeervariaties bij meegetelde opnamen Code hoofddiagnose Ook bij de ziekenhuisopnamen die meetelden voor de HSMR-berekening trad variatie op in de ICD-9-codering; dit was af te lezen aan de asymmetrische opnameverdelingen. Als asymmetrisch verdeelde codes die behoorden tot één CCS-diagnosegroep werden gecombineerd, dan bleken zij meestal alsnog evenredig verdeeld te zijn over de ziekenhuizen. Codeervariaties in meegetelde hoofddiagnoses hadden veel minder gevolgen op de HSMR omdat deze de teller (aantal overledenen voor alle CCS-groepen tezamen) van de HSMR-berekening niet beïnvloeden (zie tabel 1). Codering urgentie opname De 33 ICD-9-codes met een diagnosetitel die duidde op een acute aandoening kwamen voor bij 24.264 ziekenhuisopnamen; meestal had de code betrekking op een hartaandoening (16.938 opnamen; 70%). De mate waarin deze opnamen daadwerkelijk als acuut gecodeerd werden varieerde van 33,9% (ziekenhuis B) tot 92,5% (ziekenhuis D)(tabel 5). In tabel 5 is ter vergelijking ook weergegeven welk percentage van de opnamen die meetelden bij de HSMR-berekening als acute opname geregistreerd waren; dit varieerde van 29,3% (ziekenhuis A) tot 53,6% (ziekenhuis C). Codering nevendiagnoses Tabel 6 geeft de percentages nevendiagnoses per ziekenhuis weer. Het gemiddelde aantal varieerde van 0,87 (ziekenhuis C; ongunstig voor HSMR) tot 3,0 (ziekenhuis D; gunstig voor HSMR) per opname; de overige ziekenhuizen scoorden rond de 1,6. Ziekenhuis D scoorde gemiddeld het dubbele aantal nevendiagnoses in vergelijking met de andere ziekenhuizen. Ook registreerde ziekenhuis D 3 tot 4 maal zo vaak 5 of meer nevendiagnoses dan de andere ziekenhuizen. Interviews met codeerteams Codeurs coderen opnamen aan de hand van gegevens uit het ziekenhuisinformatiesysteem (ZIS), de ontslagbrief, het ontslagformulier en eventueel operatieverslagen. De ontslagbrief wordt gebruikt voor het coderen van de hoofddiagnose en nevendiagnoses. Hoofddiagnose en nevendiagnoses worden over het algemeen correct van elkaar onderscheiden. Bij de codering van opname-urgentie bleken de codeurs de definitie hiervoor niet uniform te interpreteren. Zo werd een elders acuut opgenomen patiënt, doorverwezen voor acute behandeling, door ziekenhuis B als niet-acuut gecodeerd omdat de doorverwijzing het een gepland karakter gaf. De overige ziekenhuizen gaven dan wél de code acuut, omdat de behandeling niet kon wachten. Het coderen van nevendiagnoses bleek wat vrijblijvender; de registratie van nevendiagnoses is namelijk facultatief. TABEL 5 Variatie in de codering van ziekenhuisopnamen als acute opname in 7 topklinische ziekenhuizen. Weergegeven zijn de aantallen opnamen met een ICD-9-code die op een acute opname duidde en de daadwerkelijk als acute opname geregistreerde opnamen ziekenhuis opnamen met ICD-9-code passend bij acute opname; n opnamen geregistreerd als acute opname * n percentage van opnamen met acute ICD-9- code A 3822 2811 73,5 29,3 B 6783 2302 33,9 31,4 C 2238 1976 88,3 53,6 D 2626 2429 92,5 43,8 E 1091 859 78,7 42,0 F 4423 3754 84,9 50,6 G 3281 2790 85,0 35,5 totaal 24.264 16.921 69,7 39,5 percentage van alle opnamen die meetelden bij de HSMRberekening HSMR = gestandaardiseerd ziekenhuissterftecijfer ( hospital standardised mortality ratio ). * Hierbij werden alleen opnamen meegeteld waarbij tevens de ICD-9-code voor de hoofddiagnose duidde op een acute aandoening, zoals de code voor acuut myocardinfarct, voorwand. NED TIJDSCHR GENEESKD. 2010;154:A1189 5
TABEL 6 Verdeling van het aantal nevendiagnoses per ziekenhuis, geregistreerd bij opname in de periode 2003 2007 ziekenhuis nevendiagnose* als percentage van aantal opnamen gemiddeld aantal n1 n2 n3 n4 n5 n6 n7 n8 n9 nevendiagnoses A 63,8 39,4 24,6 15,2 8,7 4,7 2,5 1,4 0,8 1,61 B 69,9 42,1 26,3 13,9 7,6 4,1 2,3 1,4 0,9 1,68 C 48,8 19,9 9,3 4,3 2,2 1,2 0,7 0,4 0,3 0,87 D 83,1 63,5 49,0 36,2 25,9 17,9 12,5 8,7 6,3 3,03 E 67,3 39,0 25,4 12,0 5,2 2,1 1,0 0,5 0,4 1,53 F 63,3 36,9 22,4 12,6 8,3 5,1 3,7 2,4 1,8 1,57 G 63,8 37,1 23,0 13,5 8,4 5,1 3,5 2,3 1,7 1,58 alle ziekenhuizen 65,7 39,7 25,7 15,4 9,5 5,7 3,7 2,5 1,7 1,7 * Bij elke patiënt die wordt opgenomen kan men naast de hoofddiagnose maximaal 9 nevendiagnoses registreren, hier aangeduid als n1, n2 et cetera. Zo codeerde ziekenhuis A gemiddeld 638 eerste nevendiagnoses (n1) per 1000 opnamen; gemiddeld 8 van de 1000 patiënten had 9 nevendiagnoses (n9). Alleen opnamen die meetelden bij de berekening van het gestandaardiseerde ziekenhuissterftecijfer ( hospital standardised mortality ratio, HSMR). UITLEG Charlsonindex De charlsonindex wordt gebruikt als maat voor comorbiditeit voor een patiëntenpopulatie. De index is gebaseerd op ICD-9-codes en onderscheidt 17 comorbiditeiten. Aan elke comorbiditeit wordt een gewogen score toegekend, gebaseerd op het relatieve risico van sterfte na 1 jaar. Hoe groter de comorbiditeit en dus de kans op overlijden des te hoger de score. Het is gebruikelijk om als maximale score 6 te gebruiken. Codeurs gaven aan dat zij naast de ontslagbrief nog wel eens in dossiers verder zochten naar comorbiditeit, maar dat zij daarbij geremd werden omdat het zoeken arbeidsintensief en tijdrovend is. Het aantal fulltime-equivalent (fte) codeurs per 10.000 opnamen varieerde van 0,45 in de ziekenhuizen A en E tot 0,90 in de ziekenhuizen D en G; de overige ziekenhuizen hadden circa 0,6 fte codeurs per 10.000 opnamen. Ziekenhuizen A en E gaven aan sterke tijdsdruk te ervaren; ziekenhuis G nadrukkelijk niet. Het coderen van aspecifieke diagnosetitels trad vaak op tengevolge van onduidelijke of te late aanlevering van ontslagbrieven. Men was dan genoodzaakt minder specifieke diagnosecodes te gebruiken. Het veelvuldig gebruik van codes 799.x ( diagnose onbekend ) door ziekenhuizen A, C en G was goed te verklaren. Ziekenhuis A had gedurende 2 jaren te weinig codeurs, zodat men uit tijdnood besloot de hoofddiagnoses van een groot aantal dossiers met 799.x te coderen, uitgezonderd die van de overleden patiënten bij wie wél aandoeningen gecodeerd waren in verband met de necrologie. In ziekenhuis C gebruikten de codeurs codes 799.x voor 16.926 opnamen. Hierbij waren dossiers van een aantal specialismen met een overrepresentatie van sterfgevallen te laat aangeboden. Ook daarvoor werd uit tijdnood code 799.x gekozen. In ziekenhuis G konden wegens een tijdelijke ZIS-storing een aantal dossiers niet adequaat worden gecodeerd. Men gebruikte toen de code 799.x. De mortaliteit in deze groep van 7.707 dossiers, waarin geen systematische selectie van overledenen of overlevenden was opgetreden, was dan ook ongeveer gelijk aan de ruwe ziekenhuissterfte (zie tabel 4). Effecten van codeervariaties op HSMR Het effect van de beschreven codeervariaties op de HSMR is achteraf moeilijk te corrigeren, maar de impact kan groot zijn. Het totaal van potentieel onterecht uitgesloten opnamen is namelijk 165.459 (tabel 3, laatste kolom); dat is 40% van het aantal opnamen die wél meetelden voor de HSMR (418.567). Uit de interviews bleek dat ziekenhuis A met de codes 799.x onevenredig veel patiënten die in leven bleven, uitsloot van de HSMR-berekening. Dat verhoogt de HSMRwaarde voor dit ziekenhuis. In ziekenhuis C waren onevenredig veel overleden patiënten uitgesloten van de berekening; dit verlaagt de HSMR. Voor deze opnamen met code 799.x hebben wij een ruwe HSMR-correctie bepaald (tabel 7). Hier bespreken wij deze correctie voor ziekenhuis C als voorbeeld. Van alle opnamen in de periode 2003-2007 heeft ziekenhuis C 16.926 opnamen gecodeerd met een diagnose onbekend (7% van totaal). Voor de bepaling van de HSMR van C is dus 93% van de opnamen beschikbaar en 7% valt af. Op zich zou dat geen bezwaar hoeven 6 NED TIJDSCHR GENEESKD. 2010;154:A1189
TABEL 7 Correctie van de gestandaardiseerde ziekenhuissterfte ( hospital standardised mortality ratio, HSMR) voor onevenredige toekenning van de ICD-9-codes 799.8 en 799.9 (onbekende diagnose) in 7 topklinische ziekenhuizen parameter* ziekenhuis A B C D E F G N verwacht aantal sterfgevallen onder patiënten opgenomen 169 0 197 0 4 13 110 met ICD-9-code 799.8 of 799.9 (J M) P sterftesurplus (0,8 (K - N)) -134 0 434 0-2 5 3 Q verwachte sterftesurplus (0,0365 P) -4,9 0 15,8 0-0,1 0,2 0,1 waargenomen ziekenhuissterfte R ongecorrigeerd 2480 2846 1525 2084 1242 3181 1869 S gecorrigeerd (R + P) 2346 2846 1959 2084 1240 3186 1872 verwachte ziekenhuissterfte** T ongecorrigeerd 2592 2502 1861 3226 1302 2917 1978 U gecorrigeerd (T + Q) 2587 2502 1877 3226 1302 2918 1978 HSMR ongecorrigeerd (R / T 100) 95,7 113,7 82 64,6 95,4 109 94,5 gecorrigeerd (S/U 100) 90,7 113,7 104,4 64,6 95,2 109,2 94,7 HSMR = gestandaardiseerde ziekenhuissterfte ( hospital standardised mortality ratio, HSMR) *De letters verwijzen naar parameters gebruikt in de berekeningen; parameters J, K, en M staan in tabel 4. Dit aantal is berekend als het aantal opnamen per ziekenhuis met deze ICD-9-code maal de ruwe ziekenhuissterfte; de getallen voor deze berekening staan in tabel 4. Het sterftesurplus is de waargenomen sterfte min het verwachte aantal sterfgevallen onder patiënten die voor de hoofddiagnose de ICD-9-code 799.8 of 799.9 kregen. Dit getal wordt vermenigvuldigd met 0,8 omdat onder de opnamen die meetellen voor de HSMR-berekeningen 80% van de sterfgevallen in het ziekenhuis voorkomen. Dit is een schatting van de verwachte sterfte van het aantal patiënten dat ten onrechte de code diagnose onbekend kreeg en overleed aan een aandoening die meetelt bij de HSMR-berekening. De waargenomen ziekenhuissterfte is de teller in de berekening van de HSMR. Bij de gecorrigeerde waarde zijn ook de sterfgevallen meegeteld van patiënten die ten onrechte de code diagnose onbekend hadden gekregen. **De verwachte ziekenhuissterfte is de noemer in de berekening van de HSMR. Bij de gecorrigeerde waarde zijn de patiënten meegeteld die ten onrechte de code diagnose onbekend kregen en overleden aan een aandoening die meetelt bij de HSMR-berekening. zijn als die 7% een willekeurig gekozen groep was, zonder selectie van ontslagen of overleden patiënten. Volgens tabel 4 echter is de mortaliteit in deze diagnosegroep met 739 sterfgevallen 4,37%, terwijl de ruwe ziekenhuismortaliteit voor alle opnamen van ziekenhuis C circa 1,16% bedraagt (zie tabel 4). Als de patiënten met diagnose onbekend willekeurig gekozen waren, zouden dus 197 sterfgevallen zijn opgetreden. Er zitten dus circa 739-197 = 542 sterfgevallen teveel in deze groep (surplus). Het surplus aan sterfgevallen moeten we in de HSMRberekening meewegen met de overige 93% van de opnamen. Aangezien circa 80% van de sterfgevallen in deze 93% geïncludeerd wordt bij de HSMR-berekening, voegen we eveneens 80% van 542 = 434 sterfgevallen toe aan de waargenomen sterfte (de teller van de HSMR-berekening, zie tabel 1) ter correctie. Tot slot moet ook de verwachte sterfte in het ziekenhuis (de noemer) een bescheiden correctie ondergaan, omdat er nu 434 patiënten méér meetellen in de nieuwe HSMR-berekening. Omdat de hoofddiagnoses van deze 434 patiënten onbekend zijn, schatten we de verwachte sterftekans per patiënt op de verwachte mortaliteit van de gehele HSMR-populatie (3,65%, niet in tabel). De noemer moet dus verhoogd worden met 434 3,65% = 15,8. In principe verloopt de berekening voor de overige ziekenhuizen identiek. De onderste rij van tabel 7 toont de gecorrigeerde HSMR-uitkomsten. Beschouwing Dit artikel laat zien hoe een aantal vormen van codeervariatie van invloed zijn op de hoogte van de HSMR. De opnameverdelingen van diagnoses die niet meetelden bij de HSMR-berekening (zie tabel 3) toonden een grote variatie tussen ziekenhuizen. Ziekenhuis C bijvoorbeeld registreerde 7.685 opnamen onder de diagnose followuponderzoek na chemotherapie (niet geïncludeerd bij HSMR-berekening), terwijl de andere ziekenhuizen onder deze diagnosetitel bij elkaar slechts 70 opnamen codeerden. Hierbij is niet meteen duidelijk onder welke diagnosetitel deze ziekenhuizen dergelijke follow-uponderzoeken dan wél geregistreerd hebben. Als zij in plaats van follow- NED TIJDSCHR GENEESKD. 2010;154:A1189 7
uponderzoek de code voor een oncologische aandoening gebruikt hebben, dan wordt die geïncludeerd bij de HSMR-berekening en kan vertekening van de HSMRuitkomst zijn opgetreden. In zekere zin doet dit probleem zich voor bij alle 18 diagnosetitels in tabel 3. De meeste hiervan beschrijven een handeling waarbij de onderliggende aandoening niet of onvoldoende specifiek kan worden afgeleid. De vraag is nu of en zo ja, hoe vaak opnamen onterecht worden uitgesloten van de HSMR-berekening als gevolg van codeervariatie. De resultaten van ons onderzoek suggereren dat dit in een substantieel aantal gevallen gebeurt, maar een harde uitspraak hierover is niet mogelijk. Om twijfels in de toekomst weg te nemen is het dan ook wenselijk hoofddiagnoses uniformer te coderen en de codes voor diagnose onbekend te vermijden, evenals diagnosetitels die een handeling in plaats van een aandoening beschrijven. De opnamen die wél meetelden bij de HSMR-berekening vertoonden aanzienlijke variaties in de coderingen van de opname-urgentie en nevendiagnoses. In ziekenhuis B is een laag percentage van de opnamen met een acute ICD-9-code ook daadwerkelijk als acute opname geregistreerd. Dit heeft het ziekenhuis waarschijnlijk gevoelig benadeeld. De mortaliteit bij acute opnamen is gemiddeld namelijk veel hoger dan bij niet acute opnamen (7,2 versus 1,4%). De verwachte sterfte was in ziekenhuis B lager dan deze moest zijn door alle onterecht als nietacuut gecodeerde opnamen; de HSMR werd daardoor hoger. Deze vorm van codeervariatie had dus een vertekening van de HSMR tot gevolg. Toepassing van uniforme codeerafspraken is dan ook wenselijk. De spreiding in het gemiddeld aantal nevendiagnoses was opmerkelijk groot (0,9 3,0). Deze werkte door in de charlsonindex, die voor ziekenhuis D hoge scores opleverde en daarmee de HSMR van D gunstig beïnvloedde. De hoge score van D leek verband te houden met het zeer volledig coderen door dit ziekenhuis; de overige ziekenhuizen coderen nevendiagnoses kennelijk minder volledig. Deze codeervariatie zou kunnen inhouden dat de huidige nevendiagnoseregistraties in de LMR een wankele basis vormen voor de charlsonindex bij de HSMRberekening. Impact van codeervariaties op HSMR Voor een aantal gevallen konden wij een ruwe schatting maken van de impact van codeervariatie op de HSMR. Zo scoorde ziekenhuis A 5 HSMR-punten lager (gunstiger), en C 22 punten hoger (ongunstiger) na correctie voor variatie in de verdeling van de code 799.x (diagnose onbekend) over de ziekenhuizen. Ziekenhuis G, waar deze code was toegekend aan een aselecte groep patiënten, ondervond daar nauwelijks invloed van. Gebruik van de codes 799.x kan de HSMR-uitkomsten sterk beïnvloeden en zou derhalve vermeden moeten worden. Ziekenhuizen B en D slaagden daar goed in. Ook bij de overige 16 onderzochte codes en diagnoses trad codeervariatie op. Het ging hierbij om grote aantallen (126.392) waarbij voor iedere diagnose alternatieve codes beschikbaar waren die wél meetelden bij de HSMRberekening, zoals hartaandoeningen, longaandoeningen en oncologische aandoeningen. Daarom is het wenselijk om diagnosetitels zoals screening en nazorg zoveel mogelijk te vermijden en in plaats daarvan onderliggende aandoeningen, die de indicatie vormden voor opname, te achterhalen. Ziekenhuizen A, D en G slaagden daar beter in dan de andere; wellicht houden hun lagere HSMRscores hier verband mee (zie tabel 7, gecorrigeerde HSMR). Tot slot bleken ook codeervariaties in de registratie van opname-urgentie en nevendiagnoses een potentieel sterke invloed op de HSMR te kunnen hebben. Oorzaken codeervariaties Codeervariaties zijn terug te voeren op tijdsdruk door een beperkt aantal codeurs, interpretatieverschillen van codeerregels, te late aanlevering van dossiers, codeervergissingen en enige vrijheid bij het kiezen van ICD-9-codes voor de hoofddiagnose. Dit laatste hangt samen met een matige verslaglegging door de arts; codeurs kunnen dan meer naar eigen inzicht interpreteren of slechts een behandelingsomschrijving kiezen. Codeerfouten door codeurs hebben wij niet onderzocht. Uit intern onderzoek bleken vergissingen bij hoofddiagnoses relatief weinig op te treden, zoals ook door anderen is vastgesteld. 7 Kanttekeningen bij het onderzoek De analyse van verschillen in opnameverdelingen is een hulpmiddel om codeervariaties van hoofddiagnoses op het spoor te komen, maar kan codeervariaties niet met zekerheid vaststellen. Met de interviews konden we vermoedens van codeervariaties lang niet altijd bevestigen. Ook de 33 ICD-9-diagnosetitels voor acute aandoeningen vormden geen gouden standaard voor het toetsen van de codering voor opname-urgentie. De analyse hiervan gaf wel een indicatie dat codeervariatie was opgetreden. De variatie in het aantal nevendiagnoses leek groot, maar werd wellicht uitsluitend bepaald door variatie in de patiëntkenmerken. Voor meer zekerheid en een adequate HSMR-correctie zouden de 3 onderzochte parameters voor veel opnamen opnieuw gecodeerd moeten worden, maar dat is onhaalbaar. Het onderzoek werd uitgevoerd in een samenwerkingsverband van 6 grote ziekenhuizen. Kenmerkend voor deze ziekenhuizen is dat ze naast een breed aanbod van basiszorg topklinische zorg bieden en als tertiaire centra 8 NED TIJDSCHR GENEESKD. 2010;154:A1189
functioneren. Tevens hebben ze min of meer gelijke opleidingen tot specialist en universitaire affiliaties. Tot slot wisselen de ziekenhuizen onderling gegevens uit op diverse niveau s. Dit maakt het samenwerkingsverband geschikt om een kwaliteitsinstrument zoals de HSMR te toetsen. De omstandigheden waaronder de coderingen tot stand kwamen zullen niet veel verschillen van die in andere topklinische ziekenhuizen. Bij algemene en academische ziekenhuizen verschillen de omstandigheden meer vanwege verschillen in de complexiteit van aandoening en verschillen in de organisaties. Wij hebben dit niet onderzocht. Maatregelen ter verbetering HSMR-berekening In dit artikel signaleren wij problemen die samenhangen met variaties in de LMR-codering die leiden tot vertekening van de HSMR. Verder hebben wij vastgesteld dat hier diverse oorzaken aan ten grondslag liggen, die te maken hebben met de situatie in de ziekenhuizen. Het ene ziekenhuis kampt met een tekort aan codeurs, bij een ander ziekenhuis levert een aantal maatschappen statussen te laat aan, bij een derde ziekenhuis wordt een overmaat aan onbestemde diagnoses gecodeerd. En weer een ander ziekenhuis interpreteert de regels voor urgentiecodering anders dan de rest. Er is dus niet één algemeen recept voor succesvolle maatregelen ter verbetering binnen de 6 ziekenhuizen, laat staan voor alle ziekenhuizen in Nederland. Een eerste belangrijke stap in de goede richting is het onderkennen van het probleem binnen de ziekenhuizen en het geven van een hoge prioriteit aan het oplossen hiervan. De raden van bestuur van de 6 ziekenhuizen hebben daarom besloten deze problematiek breed aan te pakken. Hierbij worden medisch specialisten, hoofden van de afdelingen Financiën en Informatievoorziening, codeurs en hun leidinggevenden betrokken. De aanpak richt zich op de bewustwording bij artsen van het belang van tijdige aanlevering van adequate statussen, het inzetten van voldoende codeurs (tenminste 0,6 fte ervaren codeur per 10.000 opnamen) en instructies aan alle codeurs over het uniform coderen van hoofddiagnose, nevendiagnoses en opname-urgentie. Het doel is om betrouwbare LMR-data over registratiejaar 2010 te realiseren, zodat de HSMR s in 2010 beter onderling vergelijkbaar zullen zijn. Tevens bereiden de 6 ziekenhuizen zich hiermee voor op de aanstaande veranderingen van de LMR in het kader van het project DBC s op weg naar transparantie en de overgang naar ICD-10- codes vanaf registratiejaar 2011. De 6 ziekenhuizen beogen met deze aanpak een herhaling van de problemen te voorkomen bij de introductie van de vernieuwde LMR. Conclusie Er zijn grote verschillen tussen ziekenhuizen in de codering van de hoofddiagnose, nevendiagnoses en opnameurgentie bij ziekenhuisopnamen. Dit leidt tot vertekening in de HSMR. Bewustwording van het probleem van de codeervariaties en prioriteit geven aan de oplossing hiervan verdient navolging bij andere ziekenhuizen in Nederland. Alle stappen van het codeerproces binnen het ziekenhuis zouden hierbij gescreend kunnen worden op de tekortkomingen die wij beschrijven. Wellicht komen daarbij ook nog andere, hier niet gesignaleerde problemen aan het licht. Belangenconflict: geen gemeld. Financiële ondersteuning: geen gemeld. Aanvaard op 4 november 2009 Citeer als: Ned Tijdschr Geneeskd. 2010;154:A1189 > Meer op www.ntvg.nl/onderzoek Leerpunten Men is in Nederland bezig het gestandaardiseerde ziekenhuissterftecijfer (HSMR) in te voeren als kwaliteitsindicator. De HSMR per ziekenhuis wordt berekend met gegevens over ziekenhuisopnamen uit de Landelijke Medische Registratie (LMR). Er zijn grote verschillen tussen de onderzochte ziekenhuizen in de codering van de hoofddiagnose, opname-urgentie en nevendiagnoses voor de LMR. Deze codeervariaties kunnen de HSMR-resultaten van de ziekenhuizen sterk beïnvloeden. Codeervariaties bleken vooral voort te komen uit interpretatieverschillen bij het coderen en verschillen in codeercapaciteit, de kwaliteit van ontslagbrieven en dossiers en de beschikbaarheid van de dossiers. NED TIJDSCHR GENEESKD. 2010;154:A1189 9
Literatuur 1 Jarman B, Gault S, Alves B, Hider A, Dolan S, Cook A, et al. Explaining differences in English hospital death rates using routinely collected data. BMJ. 1999;318:1515-20. 2 Jarman B, Bottle A, Aylin P, Browne M. Monitoring changes in hospital standardised mortality ratios. BMJ. 2005;330:329. 3 Borghans HJ, Pieter D, Hoenen JAHJ, Kool RB. De toepasbaarheid van de HSMR in het toezicht van de Inspectie voor de Gezondheidszorg. Utrecht: Prismant; 2008. 4 Ministerie van VWS. Antwoorden op kamervragen van Koser Kaya over het bericht dat ziekenhuizen zwijgen over hun sterftecijfers, Kamerstuk CZ-K-U-2900192. 2 februari 2009. 5 Mohammed AH, Deeks JJ, Girling A, Rudge G, Carmalt M, Stevens AJ, et al. Evidence of methodological bias in hospital standardised mortality ratios: retrospective database study of English hospitals. BMJ. 2009;338:b780. 6 Bosch WF van den, Roozendaal KJ, Silberbusch J. Schommelende sterftecijfers, HSMR nog geen betrouwbare maat voor zorgkwaliteit. Medisch Contact. 2009;64:1344-8. 7 Geelkerken RH, Mastboom WJB, Bertelink BP, Van der Palen J, Berg M; Kingma JH. Een onrijp instrument, Sterftecijfer niet geschikt als maat voor ziekenhuiskwaliteit. Medisch Contact. 2008;63:370-4. 10 NED TIJDSCHR GENEESKD. 2010;154:A1189