Einsatz Statistischer Verfahren bei Benchmarkingprozessen

Die Überwachung der Qualität der Gesundheitsversorgung hat in der angloamerikanischen Welt eine lange Tradition, hat aber in den letzten Jahren auch in Zentraleuropa an Bedeutung gewonnen. Vergleiche der Qualität von medizinischen Einrichtungen können durch so genannte "Rankings", d.h. einer Rangordnung bzgl. eines einzelnes Kriteriums, beruhend auf Registerdaten, durchgeführt werden. Ziel dieser Dissertation ist, anwendbare und korrekte statistische Methoden für die Analyse von Registerdaten zu identifizieren und ein Analysekonzept vorzustellen. Die diskutierten statistischen Methoden (Multilevel- Modelle, hierarchische Modelle) wurden auf die Daten eines klinischen Registers zum Herzinfarkt angewandt, wobei Daten von 3465 Patienten mit einer Gesamtsterblichkeit von 11,5% betrachtet wurden. Das finale Analysemodell wurde durch Abwägung zwischen Vollständigkeit und Anpassungsgüte optimiert und umfasste letztlich acht Kovariate zur Risikoadjustierung (feste Effekte) sowie die Klinikidentität als zufälligen Effekt. Die beobachteten Klinikunterschiede in den adjustierten Letalitätsraten konnten nicht als signifikant nachgewiesen werden.

Autorentext
bis 04/1998 Universität Dortmund (Abschluss in Diplom-Statistik); 04/1998 - 09/2000 Biometriker im Institut für Empirische Gesundheitsökonomie (Burscheid); seit 10/2000 Statistiker in der Klinischen Entwicklung bei Bayer Schering Pharma AG (vormals Schering AG); Promotion zum Dr. P.H. and der TU Berlin abgeschlossen im September 2008.

Klappentext
Die Überwachung der Qualität der Gesundheitsversorgung hat in der angloamerikanischen Welt eine lange Tradition, hat aber in den letzten Jahren auch in Zentraleuropa an Bedeutung gewonnen. Vergleiche der Qualität von medizinischen Einrichtungen können durch so genannte "Rankings", d.h. einer Rangordnung bzgl. eines einzelnes Kriteriums, beruhend auf Registerdaten, durchgeführt werden. Ziel dieser Dissertation ist, anwendbare und korrekte statistische Methoden für die Analyse von Registerdaten zu identifizieren und ein Analysekonzept vorzustellen. Die diskutierten statistischen Methoden (Multilevel- Modelle, hierarchische Modelle) wurden auf die Daten eines klinischen Registers zum Herzinfarkt angewandt, wobei Daten von 3465 Patienten mit einer Gesamtsterblichkeit von 11,5% betrachtet wurden. Das finale Analysemodell wurde durch Abwägung zwischen Vollständigkeit und Anpassungsgüte optimiert und umfasste letztlich acht Kovariate zur Risikoadjustierung (feste Effekte) sowie die Klinikidentität als zufälligen Effekt. Die beobachteten Klinikunterschiede in den adjustierten Letalitätsraten konnten nicht als signifikant nachgewiesen werden.