Statistische Risikomodelle: Anwendungsmöglichkeiten zur Optimierung der Patientenversorgung
Abstract
Der effiziente und gerechte Einsatz von Ressourcen im Gesundheitswesen kann im Bereich der Vermeidung von Krankenhausaufenthalten, die vermeidbar wären, gesteuert werden. Krankenhausaufenthalte verursachen ein Drittel der Leistungsausgaben und können insbesondere bei multimorbiden Patienten mit chronischen Erkrankungen, die aufgrund einer akuten Verschlechterung einer chronischen Erkrankung stationär aufgenommen werden müssen, partiell verhindert werden.
Zur Identifizierung von Patienten, die in besonderem Maße von Versorgungsangeboten profitieren können, mit denen eine Verschlechterung bestehender Erkrankungen und mit ihnen eine Krankenhausaufnahme vermieden werden kann, wurde ein Prädiktionsmodell zur individuellen Vorhersage der Krankenhausaufnahmewahrscheinlichkeit LOH („likelihood of hospitalization“) mit Routinedaten von 12 Millionen AOK-Versicherten entwickelt. Dieses Modell weist im Vergleich sehr zufriedenstellende Gütekriterien auf und wird (in einer Vorläuferversion) in Baden-Württemberg im Projekt PraCMan“ und in der aktuellen Endversion ALOH-A 2.0 (Allgemeine LOH- und Ausgabenprädiktion) in einzelnen AOKen eingesetzt.
Statistical Risk Models: Applicability for the Optimization of Patient Care
The efficient and equitable use of health care resources can be controlled in the field of prevention of avoidable hospitalizations. Hospitalizations cause a third of all health care costs and can partly be prevented, especially for patients suffering from chronic, multiple diseases who need to be hospitalized due to an acute deterioration of their health.
To identify patients who can participate in a measure of healthcare management with the aim of avoiding a deterioration of pre-existing diseases and thus preventing a hospital admission, a prediction model has been developed. The model can individually predict the probability of a hospital admission LOH („likelihood of hospitalization“) based on routine data of 12 million AOK insurees. By comparison, this model has very satisfactory performance criteria. A previous version is used in Baden-Württemberg in the project “PraCMan“ and the current final version ALOH-A 2.0 (General LOH and expenditure prediction) is used in several AOKs.
Keywords
Predictive modelling, hospitalization, likelihood of hospitalization, administrative data
Christiane Haupt, Christian Günster
Zitationshinweis (Zitationshinweis:Haupt, C., Günster, C.: „Statistische Risiko-modelle: Anwendungs-möglichkeiten zur Optimierung der Patientenversorgung“. In: "Monitor Versorgungsforschung" (MVF) 01/13, S. 36 ff.)
