Aus Daten Mehrwert schaffen: Analyse von

1
Unser Datenanalytik-Team:
interdisziplinär und langjährig erfahren
2
Sie brauchen Unterstützung bei
der Analyse von Versorgungsdaten wie z. B. Routine- oder
ambulante klinische Daten? Sie
suchen für Ihr Integriertes Versorgungsprojekt oder andere
Gesundheitsinterventionen eine
Begleitung auf der Datenseite?
Sie interessieren sich für Versorgungsforschung? Dann sprechen
Sie uns an.
Wir helfen Ihnen dabei, Rohdaten effizient aufzubereiten, Labor- und klinische Daten mit administrativen Daten zu matchen und Standardreports
zu produzieren, eine maßgeschneiderte Business
Intelligence-Lösung für Ihre Organisation zu entwickeln oder individuelle Analysen anzufertigen.
Dabei arbeiten wir eng mit den fortschrittlichsten
Universitätslehrstühlen und Forschungsinstituten
zusammen und orientieren uns generell an
methodischen Standards wie z. B. Gute Praxis
Sekundärdatenanalyse (GPS), Deutsche Empfehlungen zur gesundheitsökonomischen Evaluation
(Hannoveraner Konsens) oder Standardized Reporting of Secondary data Analyses (STROSA).
Als Analyse- und Reporting-Frontend nutzen wir
die Business Intelligence-Suite DeltaMaster von
unserem Kooperationspartner Bissantz.
Dr. Alexander Pimperl
Vorstand Finance & Analytics
Wirtschafts-/Gesundheitswissenschaftler
(seit 2007 bei OptiMedis)
Dr. Oliver Gröne
Vorstand Research & Development
Sozial-/Gesundheitswissenschaftler
(seit 2015 bei OptiMedis)
Timo Schulte
Head of Health Data Analytics & IT
Wirtschaftswissenschaftler/Gesundheitsökonom (seit 2009 bei OptiMedis)
Anneka Tiede
Head of Finance & Accounting
Wirtschaftswissenschaftlerin
(seit 2013 bei OptiMedis)
Pascal Wendel
Senior Manager Business Intelligence &
Administration
Fachinformatiker (seit 2011 bei OptiMedis)
Birger Dittmann
Manager Business Intelligence
Wirtschaftsinformatiker
(seit 2010 bei OptiMedis)
Olga Brüwer
Manager Health Data Analytics
Gesundheitswissenschaftlerin
(seit 2014 bei OptiMedis)
Tobias Schwab
Junior Manager Finance & Accounting
Wirtschaftswissenschaftler/Gesundheitsökonom (seit 2016 bei OptiMedis)
Marco Zeptner
Manager Business Intelligence
Wirtschaftsmathematiker
(seit 2017 bei OptiMedis)
Laura Lange
Manager Health Data Analytics
Statistikerin
(seit 2017 bei OptiMedis)
Sind Sie an Deltamaster-Produkten interessiert?
Gerne entwickeln wir für Sie ein exklusives, attraktives Angebot.
Kontakt:
Timo Schulte, Head of Health Data Analytics & IT
Telefon: +49 40 22621149-0
E-Mail: [email protected]
3
Versorgungssituation
analysieren, Outcome
messen, Lernimpulse
geben
Das Potenzial von Versorgungsdaten ist groß: Durch ihre Analyse, die Rückspiegelung in die
Praxis und die Diskussion der
Unterschiede – ob regional oder
zwischen Praxen – lässt sich der
medizinische Fortschritt vorantreiben.
4
Mit unserer hoch entwickelten Business Intelligence-Lösung inklusive leistungsfähigem Data
Warehouse, für die wir 2013 mit dem BARC-BestPractice-Preis ausgezeichnet wurden, untersuchen
wir GKV-Routinedaten der Krankenkassen sowie
andere gesundheitsrelevante Daten und bereiten
sie für Ihre Bedürfnisse datenschutzkonform auf.
Auch klinische Daten aus den Praxisverwaltungssystemen können wir verarbeiten, sofern wir das
Einverständnis der Patienten und Ärzte haben.
Wir richten uns unter anderem an
Anhand unserer Datenanalysen können Sie das
Versorgungsgeschehen in einer Region insgesamt,
für Teilpopulationen, einzelne Praxen oder spezifische Themen überblicken. So können Sie Innovationen zielgerichtet planen und im Verlauf schnell
reagieren. Wir erstellen für Sie einfache Marktund Potentialanalysen und bauen ein standardisiertes Reporting- und Benchmarkingsystem auf,
das den Partnern – z. B. in einem regionalen Netzwerk – wichtige Informationen zur Qualität ihrer
Arbeit liefert und einen Vergleich zwischen den
Praxen ermöglicht. Gerne erarbeiten wir für Sie
auch komplexe gesundheitsökonomische Studien
oder Evaluationen, die Aufschluss über die Effizienz und Wirtschaftlichkeit der Gesamtversorgung
oder einzelner Interventionen in einer Region
geben, und nutzen dazu unter anderem quasiexperimentelle Kontrollgruppenansätze, z.B. mittels
Propensity Score-Matching.
›Kommunen
› Kranken- und Pflegeversicherungen, GKV wie
PKV
› Universitäten und (Forschungs-) Institute
› Ärztenetze und Managementgesellschaften
› Krankenhäuser und andere Leistungserbringer
im Gesundheitswesen
› Konsortien, die sich für den Innovationsfonds
bewerben
Gemeinsam mit unseren Partnern in Holland, Belgien und England arbeiten wir daran, unser Data
Warehouse auch für vergleichende internationale
Studien weiterzuentwickeln.
Wir analysieren
zum Beispiel
Alters- und Morbiditätsstruktur von Populationen,
Prävalenzen, Inzidenzen, Morbiditätsindizes
Leitlinientreue, Multimedikation, Morbiditätsund Inanspruchnahme-Muster
Gesundheitsoutcomes, Patientenzufriedenheit, Kosten und Deckungsbeiträge von
Krankenkassen
Mögliche
Fragestellungen
Welche Erkrankungen treten in einer Region vermehrt auf? Wer diagnostiziert und wer behandelt
diese? Welche Patienten verursachen auffällig
hohe Kosten? In welchen Sektoren werden vermehrt Leistungen in Anspruch genommen?
Erhalten Patienten die empfohlenen Arzneimittel gemäß Leitlinie oder anderen Empfehlungen (PRISCUS,
FORTA)? Welche Erkrankungen treten vermehrt zusammen auf? Wie verhält sich die Inanspruchnahme
relativ zu bestimmten Ereignissen wie z. B. Interventionen, Krankenhausfällen oder dem Tod?
Wie verbessern sich die Gesundheitsoutcomes im
Laufe einer Intervention? Sind die Patienten mit
der Versorgung zufrieden? Wie entwickeln sich
die Kosten, Zuweisungen und Deckungsbeiträge
einer Krankenkasse im Verlauf einer Intervention?
5
Ein Beispiel: das
Business IntelligenceSystem für die
Integrierte Versorgung
Gesundes Kinzigtal
Die OptiMedis AG hat für die
Integrierte Versorgung Gesundes
Kinzigtal in Baden-Württemberg
ein hochkomplexes Business Intelligence-System entwickelt. Die
Abbildung rechts zeigt, in welchen
Schichten die verschiedenen Daten
von Krankenkassen, aus den Praxisverwaltungssystemen der Ärzte
oder aus anderen Quellen in dem
innovativen Data Warehouse verarbeitet werden.
6
Die Daten werden über verschiedenste ETL-Prozesse (Extraktion, Transformation, Laden) in das
Data Warehouse (MS SQL Server) integriert – zuerst in eine qualitätsgeprüfte Basisdatenbank und
von dort dann über weitere ETL-Prozesse in die
analytische Datenbank. Auf dieser Basis können
Informationen kurzfristig abgerufen werden.
Anschließend werden die Daten in einem OLAPCube (OLAP = Online Analytical Processing) aufbereitet, um daraus anschauliche Analysen und
Reports zu erstellen.
Zentrale Datenbasis sind beim Beispiel Gesundes
Kinzigtal die GKV-Routinedaten der beiden kooperierenden Krankenkassen. Für die ca. 33.000
in den IV-Vertrag eingeschlossenen Versicherten
werden versichertenbezogene Abrechnungsdaten
über alle Sektoren geliefert. Jeder Versicherte und
jeder Leistungserbringer erhält dabei ein eindeutiges
Pseudonym, sodass die Daten über alle Quellen
hinweg verknüpft werden können.
Als Ergänzung werden die Daten der Leistungspartner aus den Praxisverwaltungssystemen der
Ärzte oder von Disease Management-Programmen
sowie eigene Daten der Managementgesellschaft
evaluiert. Während die GKV-Routinedaten oft
erst bis zu neun Monate später vorliegen, kann
auf diese schnell zugegriffen werden. Darüber
hinaus enthalten sie zusätzliche medizinische Ergebnisse wie z. B. Labor- und Zytologiebefunde
und weitere Parameter wie Blutdruck oder BMI.
Auch die Ergebnisse von Befragungen zur Patientenzufriedenheit sowie Daten zu abgerechneten
Leistungen und Zuweisungsbeträgen aus dem
morbiditätsorientierten Risikostrukturausgleich werden integriert.
Detailliertere Informationen zu unserem Data
Warehouse lesen Sie in unserem Whitepaper
„Aus Daten Mehrwert schaffen: Einsatz von Business Intelligence für Aufbau, Steuerung und Evaluation Integrierter Versorgung am Beispiel Gesundes
Kinzigtal“ unter
www.optimedis.de/publikationen.
Analytik,
Präsentation &
Distribution
Planungs-/
Szenariorechnung
Standardisierte Reports
(z.B. Versorgungscockpits, Potentialanalysen)
Health Data
Analytik
Cube
OLAP
KostenrechnungsCube
Cubes
Analytische Datenbank
Staging Area (Analytische Aufbereitung)
Laden
Transformation
Extraktion
Data
Warehouse
& Datenverarbeitung
Basisdatenbank
Staging Area (Vereinheitlichung, Datenqualität, etc.)
Krankenkassen
Laden
Transformation
Extraktion
Primärdaten
Leistungspartner
Regionale
Managementgesellschaft (z.B. Patienten(z.B. Ärzte)
z
Externe
Daten
Metadatenmanagement
Ad-hoc Versorgungsanalysen
Integration
Quellsysteme
ufriedenheit)
7
Ein Blick in die
Auswertungen
Die Grafik oben rechts zeigt eine
Beispiel-Auswertung – eine standardisierte Potenzialanalyse auf
Basis der analytischen Datenbank
(fiktive Daten).
Innerhalb weniger Sekunden werden Kennzahlen
für Patienten mit einer frei definierbaren Erkrankung (hier: koronare Herzerkrankung) angezeigt.
Dabei lassen sich klassische Parameter wie Prävalenz und Durchschnittsalter ebenso abfragen wie
komplexere Maßzahlen oder Algorithmen z. B. der
Epidemiologie oder der Versorgungsforschung.
In dem Beispiel werden die ambulant-sensitiven
Krankenhausfälle und der FORTA-Score angegeben. Die ambulant-sensitiven Krankenhausfälle
stellen eine durch Expertenkonsensus validierte
8
Liste von Diagnosecodes dar, die durch eine effektive Behandlung im ambulanten Sektor vermeidbar gewesen wären. Der FORTA-Score basiert
auf einer ebenso validierten Liste von DiagnoseArzneimittel-Kombinationen, auf deren Basis das
Ausmaß an Unter- und Überversorgung für Patienten ab 65 Jahren bewertet werden soll.
Die Miniatur-Säulendiagramme vor dem Wert der
jeweiligen Kennzahl (Spalten „2015“ und „Wachstumsrate 2014 auf 2015 %“) setzen die Kennzahl
in ihren zeitlichen Kontext und geben in verdichteter Form die Werte der vorhergehenden Jahre
wieder. Die nachgestellten Pfeile signalisieren, ob
die zeitliche Entwicklung einen statistischen Trend
zeigt und welchen.
Ein Blick in die
Auswertungen
Die Grafik rechts veranschaulicht
eine Analyse häufiger Inanspruchnahme-Muster verstorbener Patienten mit Pflegestufe kurz vor
dem Tod (fiktive Daten).
Pflegebedürftiger
männlich 89 Jahre
Arztkontakt
-4. Quartal
-3. Quartal
-2. Quartal
-1. Quartal
Tod
F03, H90, R32, R33, ... F03, H90, R32, R33, ... F03, H90, R32, R33, ... F03, H90, R32, R33, ...
Krankenhausfall
N31, N39
R32
N17
Rettungsfahrt
Hospizversorgung
Häusliche Krankenpflege
Die Tabelle zeigt anschaulich eines der gefundenen Muster: regelmäßiger Arztkontakt und
wiederholte Krankenhausfälle mit und ohne Rettungsfahrt kurz vor dem Versterben.
SAPV
Summe Kosten
Arzt-Diagnosen (Auswahl):
F03 Demenz, n.n.bez.
H90 Hörverlust
R32 Nicht näher bezeichnete Harninkontinenz
R33 Harnverhaltung
...
371,55 €
4.435,26 €
373,88 €
6.939,65 €
Krankenhaus-Hauptdiagnosen:
N31 Neuromuskuläre Dysfunktion der Harnblase
N39 Sonstige Krankheiten des Harnsystems
R32 Nicht näher bezeichnete Harninkontinenz
N17 Akutes Nierenversagen
9
Weitere
Informationen und
Referenzen
Detaillierte Informationen zu unserer Arbeit
finden Sie unter www.optimedis.de/versorgungsforschung und in unserer Whitepaper-Reihe
unter www.optimedis.de/publikationen. Bisher
sind erschienen:
› Antibiotika gezielt einsetzen
Interventionen in Gesundes Kinzigtal
und Verordnungsvolumen 2014 im
Vergleich mit Deutschland
› Qualitätsindikatoren in der Integrierten
Versorgung
Feedback-Berichte als Instrument
der Qualitäts- und Effizienzmessung
am Beispiel Gesundes Kinzigtal
› Aus Daten Mehrwert schaffen
Einsatz von Business Intelligence für
Aufbau, Steuerung und Evaluation
Integrierter Versorgung am Beispiel
Gesundes Kinzigtal
10
Referenzen
› Aufbau von standardisierten Feedback-Berichten
für kooperierende Hausärzte der Gesundes
Kinzigtal GmbH (Hausarzt-Cockpit)
› Ermittlung besonderer Versorgungsbedarfe
von Patienten mit chronischen neuropathischen Rückenschmerzen
› Ökonomische und qualitätsbezogene Erfolgskalkulationen für integrierte Versorgungsprojekte (z.B. Gesundes Kinzigtal, Lukas
Werk) und Interventionsprogramme z.B. für
Herzinsuffizienz oder Osteoporose auf Basis
einer Morbi-RSA-basierten Deckungsbeitragsrechnung und/oder Matched-Pair-Verfahren
(Direct & Propensity Score Matching)
› Evaluationen von Interventionen zur Reduktion ambulant-sensitiver Krankenhausfälle
(ASK) oder Optimierung der Arzneimittelversorgung nach Arzneimittel-Konsilen gemäß
der Fit For The Aged (FORTA) Klassifikation
› Regionalanalysen zur Ermittlung stadtteilbezogener Versorgungsbedarfe für die Konzepterstellung einer Integrierten Versorgung in den
Hamburger Stadtteilen Billstedt und Horn für
die Gesundheitsbehörde Hamburg (mittlerweile
vom Innovationsfonds gefördertes Projekt)
› Arztindividuelle Auswertung für die SVLFG
Baden-Württemberg, wie viele Versicherte
mit einer chronischen Erkrankung wie z.B. koronarer Herzerkrankung, die eine Verordnung
von ihrem Arzt erhalten haben, diese auch in
einer Apotheke eingelöst haben. Daten der
Praxisverwaltungssysteme wurden mit Abrechnungsdaten der Krankenkasse gematcht
und vergleichend ausgewertet.
› Versorgungsforschungs-Studien zum DAKPflegereport 2016 zu Kosten und Inanspruchnahme pflegebedürftiger Patienten im letzten
Lebensjahr
› Vergleich der Versorgungssituation adipöser
und nicht-adipöser Frauen vor und nach der
Geburt im Rahmen eines themenbezogenen
Forschungsverbundes
› Pilottest AQUIK-Qualitätsindikatoren im Auftrag der Kassenärztlichen Bundesvereinigung
› Analyse vergütungsrelevanter Abrechnungsziffern im Rahmen der Entwicklung einer ambulanten Direktvergütung für kooperierende
niedergelassene Ärzte in der Region Kinzigtal
› Forschungsprojekt mit PMV-Forschungsgruppe und Universität Freiburg zur Kreuzvalidierung ärztlich verordneter und tatsächlich
abrechnungswirksam in Apotheken eingelöster
Verordnungen für das Zentralinstituts der
Kassenärztlichen Versorgung
Wir veröffentlichen unsere Analysen in
Zeitschriften wie
› The Lancet
Über die
OptiMedis AG
› British Journal of Surgery
› BMJ Quality & Safety
› PLOS ONE
wird. Deshalb analysieren wir nicht nur die Versorgungsdaten unserer nationalen Projekte sondern richten den Blick auch auf andere innovative
Modelle (z. B. Accountable Care Organizations).
Mittel- bis langfristig sehen wir die Möglichkeit,
auch gesundheitssystemübergreifende Auswertungen im internationalen Kontext durchführen
zu können.
› BMJ Open
› International Journal for Quality in Health Care
› Medical Care Research & Review
› Health Services Research
› Journal of Health Services Research & Policy
› BMC Health Services Research
› Health Policy
› Population Health Management
› International Journal of Integrated Care
› Zeitschrift für Evidenz, Fortbildung und Qualität
im Gesundheitswesen (ZEFQ)
› Das Gesundheitswesen
› Monitor Versorgungsforschung
Einen Überblick über die Publikationen finden sie
unter www.optimedis.de/publikationen.
Die OptiMedis AG ist eine Management- und Beteiligungsgesellschaft. Schwerpunkt ist der Aufbau
regionaler, populationsorientierter Integrierter
Versorgung gemeinsam mit Ärzten, Krankenhäusern und Krankenkassen. Wir vernetzen die
Partner, verhandeln Verträge, bauen die nötigen
Strukturen auf, übernehmen das Management
und analysieren die Versorgungsdaten. Unsere bekannteste Beteiligung ist die Integrierte
Versorgung Gesundes Kinzigtal in Südbaden
(www.gesundes-kinzigtal.de). Seit 2017 setzen
wir unser Modell auch in den beiden deprivierten
Hamburger Stadtteilen Billstedt und Horn um (www.
gesundheit-bh.de). Und auch im europäischen Ausland – in den Niederlanden (www.optimedis.nl) und
in England (www.optimedis-cobic.co.uk) – haben
wir Joint Ventures gegründet, weitere sind geplant.
Wichtig ist uns neben einem professionellen Management auch die wissenschaftliche Grundlage
unserer Arbeit. Daher arbeiten wir eng mit den
fortschrittlichsten Universitätslehrstühlen zusammen.
OptiMedis AG – ausgezeichnet mit dem
Unser Ziel ist immer, die Strukturen und Abläufe
im Gesundheitswesen und damit auch die Qualität der Versorgung zu verbessern. Dies ist aus
unserer Sicht aber nur möglich, wenn die medizinische Versorgung bewertet und angepasst
11
OptiMedis AG
Burchardstraße 17
20095 Hamburg
Telefon: +49 40 22621149-0
E-Mail: [email protected]
www.optimedis.de
12
Stand Mai 2017