Skip to main content
SpringerLink
Log in

Behandlungsqualität in der operativ-interventionellen Gefäßmedizin – was können Routinedaten der Krankenkassen leisten?

Quality of care in surgical/interventional vascular medicine: what can routinely collected data from the insurance companies achieve?

  • Leitthema
  • Published:
Gefässchirurgie Aims and scope Submit manuscript

Zusammenfassung

Die Komplexität und Diversität der operativ-interventionellen Gefäßmedizin macht innovative und pragmatische Lösungsansätze zur validen Messung der langfristigen Behandlungsqualität erforderlich. Die sekundäre Nutzung von Routinedaten der Sozialversicherungsträger gerät dabei seit Jahren zunehmend in den Fokus der interdisziplinären Fachwelt. Routinedaten ermöglichen durch ihre longitudinale Verknüpfung und sektorenübergreifende Generierung die Beantwortung wichtiger Fragestellungen und können Qualitätsentwicklungsprojekte mit Primärdaten komplementär ergänzen. Es stehen verschiedene Leitlinien zu deren Nutzung, Verknüpfung und Berichterstattung zur Verfügung. Insbesondere bei Endpunkten mit großer klinischer Relevanz wurde in Studien eine gute Validität nachgewiesen. Den vielen Vorteilen von Routinedaten stehen spezifische Herausforderungen gegenüber, die umfassende Plausibilitäts- und Validierungsverfahren und eine ausgeprägte Methodenkompetenz erfordern. Diese Übersichtsarbeit beschäftigt sich kritisch mit diesen Vorteilen und Herausforderungen und bietet Empfehlungen für den Einstieg in die Nutzung dieser zunehmend wichtigen Datenquelle.

Abstract

The complexity and diversity of surgical/interventional vascular medicine necessitate innovative and pragmatic solutions for the valid measurement of the quality of care in the long term. The secondary utilization of routinely collected data from social insurance institutions has increasingly become the focus of interdisciplinary medicine over the years. Owing to their longitudinal linkage and pan-sector generation, routinely collected data make it possible to answer important questions and can complement quality development projects with primary registry data. Various guidelines exist for their usage, linkage, and reporting. Studies have shown good validity, especially for endpoints with major clinical relevance. The numerous advantages of routinely collected data face several challenges that require thorough plausibility and validity procedures and distinctive methodological expertise. This review presents a discussion of these advantages and challenges and provides recommendations for starting to use this increasingly important source of data.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1

Literatur

  1. Aboyans V, Ricco JB, Bartelink MEL et al (2018) Editor’s choice—2017 ESC guidelines on the diagnosis and treatment of peripheral arterial diseases, in collaboration with the European society for vascular surgery (ESVS). Eur J Vasc Endovasc Surg 55:305–368

    PubMed  Google Scholar 

  2. Antes G (2016) Ist das Zeitalter der Kausalität vorbei? Z Evid Fortbild Qual Gesundhwes 112(1):S16–22

    PubMed  Google Scholar 

  3. Bates DW, Gawande AA (2003) Improving safety with information technology. N Engl J Med 348:2526–2534

    PubMed  Google Scholar 

  4. Beck AW, Sedrakyan A, Mao J et al (2016) Variations in abdominal aortic aneurysm care: a report from the international consortium of vascular registries. Circulation 134:1948–1958

    PubMed  PubMed Central  Google Scholar 

  5. Behrendt CA (2020) Routinely collected data from health insurance claims and electronic health records in vascular research—a success story and way to go. Vasa 49:85–86

    PubMed  Google Scholar 

  6. Behrendt CA, Debus ES, Mani K et al (2018) The strengths and limitations of claims based research in countries with fee for service reimbursement. Eur J Vasc Endovasc Surg 56:615–616

    PubMed  Google Scholar 

  7. Behrendt CA, Debus ES, Schwaneberg T et al (2020) Predictors of bleeding or anemia requiring transfusion in complex endovascular aortic repair and its impact on outcomes in health insurance claims. J Vasc Surg 71:382–389

    PubMed  Google Scholar 

  8. Behrendt CA, Härter M, Kriston L et al (2017) IDOMENEO – Ist die Versorgungsrealität in der Gefäßmedizin Leitlinien- und Versorgungsgerecht? Gefasschirurgie 22:41–47

    Google Scholar 

  9. Behrendt CA, Heidemann F, Riess HC et al (2017) Registry and health insurance claims data in vascular research and quality improvement. Vasa 46:11–15

    PubMed  Google Scholar 

  10. Behrendt CA, Peters F, Mani K (2020) The swinging pendulum of evidence—is there a reality behind results from randomized trials and real-world data? Lessons learned from the paclitaxel debate. Eur J Vasc Endovasc Surg. https://doi.org/10.1016/j.ejvs.2020.01.029

    Article  PubMed  PubMed Central  Google Scholar 

  11. Behrendt CA, Pridohl H, Schaar K et al (2017) Clinical registers in the twenty-first century: balancing act between data protection and feasibility? Chirurg 88:944–949

    PubMed  Google Scholar 

  12. Behrendt CA, Schwaneberg T, Hischke S et al (2020) Data privacy compliant validation of health insurance claims data: the IDOMENEO approach. Gesundheitswesen 82(S 02):S94–S100. https://doi.org/10.1055/a-0883-5098

    Article  PubMed  Google Scholar 

  13. Behrendt CA, Sedrakyan A, Peters F et al (2020) Editor’s choice—long term survival after femoropopliteal artery revascularisation with paclitaxel coated devices: a propensity score matched cohort analysis. Eur J Vasc Endovasc Surg 59:587–596

    PubMed  Google Scholar 

  14. Behrendt CA, Sedrakyan A, Schwaneberg T et al (2019) Impact of weekend treatment on short-term and long-term survival after urgent repair of ruptured aortic aneurysms in Germany. J Vasc Surg 69:792–799.e2

    PubMed  Google Scholar 

  15. Czwikla J, Domhoff D, Giersiepen K (2016) ICD coding quality for outpatient cancer diagnoses in SHI claims data. Z Evid Fortbild Qual Gesundhwes 118–119:48–55

    PubMed  Google Scholar 

  16. Czwikla J, Jobski K, Schink T (2017) The impact of the lookback period and definition of confirmatory events on the identification of incident cancer cases in administrative data. BMC Med Res Methodol 17:122

    PubMed  PubMed Central  Google Scholar 

  17. Donabedian A (2005) Evaluating the quality of medical care. Milbank Q 83:691–729

    PubMed  PubMed Central  Google Scholar 

  18. Elixhauser A, Steiner C, Harris DR et al (1998) Comorbidity measures for use with administrative data. Med Care 36:8–27

    CAS  PubMed  Google Scholar 

  19. Erler A, Beyer M, Muth C et al (2009) Garbage in – Garbage out? Validität von Abrechnungsdiagnosen in hausärztlichen Praxen. Gesundheitswesen 71:823–831

    CAS  PubMed  Google Scholar 

  20. Ferber LV, Behrens J (1997) Public Health – Forschung mit Gesundheits- und Sozialdaten: Stand und Perspektiven. Memorandum zur Analyse und Nutzung von Gesundheits- und Sozialdaten

    Google Scholar 

  21. Freisinger E, Koeppe J, Gerss J et al (2019) Mortality after use of paclitaxel-based devices in peripheral arteries: a real-world safety analysis. Eur Heart J. https://doi.org/10.1093/eurheartj/ehz698

    Article  PubMed Central  Google Scholar 

  22. Gehring S, Eulenfeld R (2018) German medical informatics initiative: unlocking data for research and health care. Methods Inf Med 57:e46–e49

    PubMed  PubMed Central  Google Scholar 

  23. Heidemann F, Kolbel T, Kuchenbecker J et al (2020) Incidence, predictors, and outcomes of spinal cord ischemia in elective complex endovascular aortic repair: an analysis of health insurance claims. J Vasc Surg. https://doi.org/10.1016/j.jvs.2019.10.095

    Article  PubMed  Google Scholar 

  24. Heidemann F, Peters F, Kuchenbecker J et al (2020) Long-term outcomes after revascularizations below the knee with paclitaxel-coated devices—a propensity score matched cohort analysis. Eur J Vasc Endovasc Surg (In Press)

  25. Hoffmann F, Andersohn F, Giersiepen K et al (2008) Validation of secondary data. Strengths and limitations. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 51:1118–1126

    CAS  PubMed  Google Scholar 

  26. Hoffmann F, Icks A (2012) Structural differences between health insurance funds and their impact on health services research: results from the Bertelsmann health-care monitor. Gesundheitswesen 74:291–297

    CAS  PubMed  Google Scholar 

  27. Ingenerf J (2007) Gesetzliche Krankenversicherung: Der Morbi-RSA soll den Wettbewerb um Gesunde beenden. Dtsch Arztebl Int 104:1564

    Google Scholar 

  28. Katsanos K, Spiliopoulos S, Kitrou P et al (2018) Risk of death following application of paclitaxel-coated balloons and stents in the femoropopliteal artery of the leg: a systematic review and meta-analysis of randomized controlled trials. J Am Heart Assoc 7:e11245

    PubMed  PubMed Central  Google Scholar 

  29. Katsanos K, Spiliopoulos S, Kitrou P et al (2020) Risk of death and amputation with use of paclitaxel-coated balloons in the infrapopliteal arteries for treatment of critical limb ischemia: a systematic review and meta-analysis of randomized controlled trials. J Vasc Interv Radiol 31:202–212

    PubMed  Google Scholar 

  30. Kreutzburg T, Peters F, Riess HC et al (2020) Editor’s choice—comorbidity patterns among patients with peripheral arterial occlusive disease in Germany: a trend analysis of health insurance claims data. Eur J Vasc Endovasc Surg 59:59–66

    PubMed  Google Scholar 

  31. Kriston L (2020) Machine learning’s feet of clay. J Eval Clin Pract 26:373–375

    PubMed  Google Scholar 

  32. Langner I, Ohlmeier C, Haug U et al (2019) Implementation of an algorithm for the identification of breast cancer deaths in German health insurance claims data: a validation study based on a record linkage with administrative mortality data. BMJ Open 9:e26834

    PubMed  PubMed Central  Google Scholar 

  33. Langner I, Ohlmeier C, Zeeb H et al (2019) Individual mortality information in the German pharmacoepidemiological research database (GepaRD): a validation study using a record linkage with a large cancer registry. BMJ Open 9:e28223

    PubMed  PubMed Central  Google Scholar 

  34. March S, Andrich S, Drepper J et al (2019) Gute Praxis Datenlinkage (GPD). Gesundheitswesen 81:636–650

    PubMed  Google Scholar 

  35. Mueller U (2000) Die Maßzahlen der Bevölkerungsstatistik. In: Mueller U, Nauck B, Diekmann A (Hrsg) Handbuch der Demographie 1. Springer, Berlin, Heidelberg, S 1–91

    Google Scholar 

  36. Neubauer S, Schilling T, Zeidler J et al (2016) Auswirkung einer leitliniengerechten Behandlung auf die Mortalität bei Linksherzinsuffizienz. Herz 41:614–624

    CAS  PubMed  Google Scholar 

  37. Neubauer S, Zeidler J, Schilling T et al (2016) Eignung und Anwendung von GKV-Routinedaten zur Überprüfung von Versorgungsleitlinien am Beispiel der Indikation Linksherzinsuffizienz. Gesundheitswesen 78:e135–e144

    CAS  PubMed  Google Scholar 

  38. Ohlmeier C, Langner I, Hillebrand K et al (2015) Mortality in the German pharmacoepidemiological research database (GePaRD) compared to national data in Germany: results from a validation study. BMC Public Health 15:570

    PubMed  PubMed Central  Google Scholar 

  39. Peters F, Kreutzburg T, Kuchenbecker J et al (2020) A retrospective cohort study on the provision and outcomes of pharmacological therapy after revascularization for peripheral arterial occlusive disease: a study protocol. BMJ Surg Interv Health Technol. https://doi.org/10.1136/bmjsit-2019-000020

    Article  PubMed  PubMed Central  Google Scholar 

  40. Peters F, Kreutzburg T, Riess H et al (2020) Optimal pharmacological treatment of symptomatic peripheral arterial occlusive disease and evidence of female patient disadvantage: an analysis of health insurance claims data. Eur J Vasc Endovasc Surg (In Press)

  41. Quan H, Sundararajan V, Halfon P et al (2005) Coding algorithms for defining comorbidities in ICD-9-CM and ICD-10 administrative data. Med Care 43:1130–1139

    PubMed  Google Scholar 

  42. Quiroz JC, Laranjo L, Kocaballi AB et al (2019) Challenges of developing a digital scribe to reduce clinical documentation burden. NPJ Digit Med 2:114

    PubMed  PubMed Central  Google Scholar 

  43. Reinecke H, Unrath M, Freisinger E et al (2015) Peripheral arterial disease and critical limb ischaemia: still poor outcomes and lack of guideline adherence. Eur Heart J 36:932–938a

    PubMed  Google Scholar 

  44. Schneeweiss S, Avorn J (2005) A review of uses of health care utilization databases for epidemiologic research on therapeutics. J Clin Epidemiol 58:323–337

    PubMed  Google Scholar 

  45. Schubert I, Ihle P, Köster I (2010) Interne Validierung von Diagnosen in GKV-Routinedaten: Konzeption mit Beispielen und Falldefinition. Gesundheitswesen 72:316–322

    CAS  PubMed  Google Scholar 

  46. Schwaneberg T, Debus ES, Repgen T et al (2019) Entwicklung eines selbstlernenden Risikoscores an Real-World-Datenquellen. Gefässchirurgie 24:234–238

    Google Scholar 

  47. Sedrakyan A, Campbell B, Merino JG et al (2016) IDEAL-D: a rational framework for evaluating and regulating the use of medical devices. BMJ 353:i2372

    PubMed  Google Scholar 

  48. Sedrakyan A, Cronenwett JL, Venermo M et al (2017) An international vascular registry infrastructure for medical device evaluation and surveillance. J Vasc Surg 65:1220–1222

    PubMed  Google Scholar 

  49. Swart E, Bitzer E, Gothe H et al (2016) STandardisierte BerichtsROutine für Sekundärdaten Analysen (STROSA) – ein konsentierter Berichtsstandard für Deutschland, Version 2. Gesundheitswesen 78:e145–e160

    CAS  PubMed  Google Scholar 

  50. Swart E, Gothe H, Geyer S et al (2015) Good practice of secondary data analysis (GPS): guidelines and recommendations. Gesundheitswesen 77:120–126

    CAS  PubMed  Google Scholar 

  51. Swart E, Heller G (2007) Nutzung und Bedeutung von (GKV-) Routinedaten für die Versorgungsforschung. Theoretische Ansätze, Methoden, Instrumente und empirische Befunde. In: Janßen C, Borgetto B, Heller G (Hrsg) Medizinsoziologische Versorgungsforschung. Juventa, Weinheim, S 93–112

    Google Scholar 

  52. Swart E, Ihle P, Gothe H (2014) Routinedaten im Gesundheitswesen: Handbuch Sekundärdatenanalyse: Grundlagen, Methoden, und Perspektiven. Huber, Bern

    Google Scholar 

  53. Swart E, Stallmann C, Powietzka J et al (2014) Datenlinkage von Primär- und Sekundärdaten. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 57:180–187

    CAS  PubMed  Google Scholar 

  54. Sweeney L (2012) k‑anonymity: a model for protecting privacy. Int J Uncertainty, Fuzziness Knowledge-Based Syst 10:557–570

    Google Scholar 

  55. Thesmar D, Sraer D, Pinheiro L et al (2019) Combining the power of artificial intelligence with the richness of healthcare claims data: opportunities and challenges. PharmacoEconomics 37:745–752

    PubMed  Google Scholar 

  56. Tibshirani R (1996) Regression shrinkage and selection via the lasso. J R Stat Soc Ser A 58:267–288

    Google Scholar 

  57. Tijssen JG, Kolm P (2016) Demystifying the new statistical recommendations: the use and reporting of p values. J Am Coll Cardiol 68:231–233

    PubMed  Google Scholar 

  58. Trenner M, Eckstein HH, Kallmayer MA et al (2019) Secondary analysis of statutorily collected routine data. Gefässchirurgie 24:220–227

    Google Scholar 

  59. van Walraven C, Austin PC, Jennings A et al (2009) A modification of the Elixhauser comorbidity measures into a point system for hospital death using administrative data. Med Care 47:626–633

    PubMed  Google Scholar 

  60. Venermo M, Mani K, Kolh P (2017) The quality of a registry based study depends on the quality of the data—without validation, it is questionable. Eur J Vasc Endovasc Surg 53:611–612

    CAS  PubMed  Google Scholar 

  61. Venermo M, Wang G, Sedrakyan A et al (2017) Editor’s choice—carotid stenosis treatment: variation in international practice patterns. Eur J Vasc Endovasc Surg 53:511–519

    CAS  PubMed  Google Scholar 

  62. Zhang X, Faries DE, Li H et al (2018) Addressing unmeasured confounding in comparative observational research. Pharmacoepidemiol Drug Saf 27:373–382

    PubMed  Google Scholar 

Download references

Förderung

Diese Arbeit ist durch Mittel der RABATT-Studie gefördert worden (Innovationsfonds des Gemeinsamen Bundesausschusses, Förderkennzeichen 01VSF18035).

Author information

Authors and Affiliations

  1. Forschungsgruppe GermanVasc, Klinik und Poliklinik für Gefäßmedizin, Universitäres Herz- und Gefäßzentrum UKE Hamburg, Universitätsklinikum Hamburg-Eppendorf, Martinistr. 52, 20246, Hamburg, Deutschland

    F. Peters, T. Kreutzburg, J. Kuchenbecker, E. S. Debus &  C.-A. Behrendt

  2. BARMER Hauptverwaltung, Wuppertal, Deutschland

    U. Marschall

  3. Klinik und Poliklinik für Kardiologie, Universitäres Herz- und Gefäßzentrum UKE Hamburg, Universitätsklinikum Hamburg-Eppendorf, Hamburg, Deutschland

    M. Remmel

  4. DAK-Gesundheit, Hamburg, Deutschland

    M. Dankhoff

  5. Fakultät für Rechtswissenschaft, Universität Hamburg, Hamburg, Deutschland

    H.-H. Trute & T. Repgen

Authors
  1. F. Peters
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. T. Kreutzburg
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. J. Kuchenbecker
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. U. Marschall
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. M. Remmel
    View author publications

    You can also search for this author in PubMed Google Scholar

  6. M. Dankhoff
    View author publications

    You can also search for this author in PubMed Google Scholar

  7. H.-H. Trute
    View author publications

    You can also search for this author in PubMed Google Scholar

  8. T. Repgen
    View author publications

    You can also search for this author in PubMed Google Scholar

  9. E. S. Debus
    View author publications

    You can also search for this author in PubMed Google Scholar

  10. C.-A. Behrendt
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to C.-A. Behrendt.

Ethics declarations

Interessenkonflikt

F. Peters, T. Kreutzburg, J. Kuchenbecker, U. Marschall, M. Remmel, M. Dankhoff, H.-H. Trute, T. Repgen, E.S. Debus und C.-A. Behrendt geben an, dass kein Interessenkonflikt besteht.

Für diesen Beitrag wurden von den Autoren keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Peters, F., Kreutzburg, T., Kuchenbecker, J. et al. Behandlungsqualität in der operativ-interventionellen Gefäßmedizin – was können Routinedaten der Krankenkassen leisten?. Gefässchirurgie 25, 530–540 (2020). https://doi.org/10.1007/s00772-020-00664-x

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00772-020-00664-x

Schlüsselwörter

Keywords

Search

Navigation