Reliabilität ärztlicher Morbiditätsangaben zu chronischen Krankheiten

Zusammenfassung

Hintergrund

Prävalenzangaben zu chronischen Erkrankungen sind wichtige Daten zur Planung von Versorgungs- und Vergütungsstrukturen. Mit Patienten-Selbstreport-, Abrechnungs- und Studiendokumentationsdaten stehen Angaben zur Verfügung, die meist in Querschnittserhebungen erfasst wurden – mit entsprechenden Einschränkungen von Validität und Reliabilität. Nur in Krankenkassen-Routinedaten werden gegenwärtig dokumentierte Diagnosen im Zeitverlauf abgebildet. Diese zeigen Dokumentationsverluste. In der vorliegenden Arbeit wird untersucht, ob hausärztliche Morbiditätsangaben, die für eine längsschnittliche Kohortenstudie erfasst wurden, ähnliche Dokumentationsverluste aufweisen. Ferner wird analysiert, ob Patienten- und/oder Arzt-Merkmale den Verlust der dokumentierten Diagnosen erklären können.

Patienten und Methode

In die „German Study on Ageing, Cognition and Dementia in Primary Care Patients“ (AgeCoDe) wurden 3327 Patienten älter als 75 Jahre eingeschlossen. Bei 1765 Patienten wurden hausärztliche Angaben zur Morbidität über 4,5 Jahre erfasst. Dokumentationsverluste wurden mittels einer Multilevel-Mixed-Effects-logistic-Regression analysiert.

Ergebnisse

18,6% der dokumentierten Diabetes-Diagnosen, 34,5% der dokumentierten KHK-Diagnosen und 44,9% der dokumentierten Schlaganfalldiagnosen gingen über 4,5 Jahre verloren. Krankheitsspezifisch stellte sich heraus, dass Männer ein geringeres Risiko haben, ihre KHK aus der Dokumentation zu verlieren. Diabetes-Diagnosen gehen eher verloren, wenn der Hausarzt den Patienten gut und lange kennt. Ein erheblicher Teil der Varianz der Verluste lässt sich auf Praxis (Inhaber)-Effekte zurückführen.

Schlussfolgerung

Im Rahmen epidemiologischer Studien erhobene ärztliche Morbiditätsangaben sollten in Bezug auf ihre Validität und Reliabilität geprüft werden. Maßnahmen, um die Erhebung der Morbidität zu standardisieren (zum Beispiel durch Untersucher vor Ort oder durch den Abgleich mit Routinedaten), werden beschrieben und diskutiert.

Abstract

Background

Data on prevalence of chronic diseases are important for planning health care services. Such prevalence data are mostly based on patient self-reports, claims data, or other research data—with limited validity and reliability partially due to their cross-sectional character. Currently, only claims data of statutory health insurance offer longitudinal information. In Germany, these data show a loss of diagnoses of chronic health conditions over time. This study investigated whether there is a similar tendency of loss in the documentation of chronic diseases in data specifically collected for a longitudinal cohort study by general practitioners. In addition, the explanatory power of patient or GP characteristics regarding these losses is investigated.

Patients and methods

A total of 3,327 patients aged 75 years and older were recruited for the German Study on Ageing, Cognition and Dementia in Primary Care Patients (AgeCoDe). For 1,765 patients, GP diagnoses of four chronic conditions at three time points were available for a total period of 4.5 years. In order to explain the loss of chronic diagnoses, a multilevel mixed-effects logistic regression was performed.

Results

Over the course of 4.5 years, 18.6% of the diagnoses of diabetes mellitus, 34.5% of the diagnoses of coronary heart disease, and 44.9% of the diagnoses of stroke disappeared in the GP documentation for the longitudinal study. The diagnosis of coronary heart disease was less often lost in men than in women. The risk of losing the diagnosis of diabetes was higher in patients who were well known by the GP for a long time. An essential part of the variance of the losses can be explained by practice (owner) effects.

Conclusion

Data on morbidity collected in epidemiological studies and reported by physicians should always be checked for validity and reliability. Appropriate options (e.g., an investigator collecting the data directly in the field or the comparison of the data with health insurance companies’ claims data) are presented and discussed.