Fachgruppe für Methoden und Evaluation - Universität Bamberg
Fachgruppe für Methoden und Evaluation - Universität Bamberg
Fachgruppe für Methoden und Evaluation - Universität Bamberg
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Mi., 21.09., Anwendungsorientierte methodische Forschung I, 16.10-<br />
16.30 Uhr, Kapelle M3/126N (K)<br />
Itemselektion in komplexen Zusammenhängen<br />
Winfried Zinn<br />
Hochschule <strong>für</strong> Ges<strong>und</strong>heit<br />
<strong>und</strong> Sport<br />
Vulkanstraße 1<br />
10365 Berlin<br />
Winfried.Zinn@my-campus-berlin.com<br />
Die Vergütung von Psychiatriepatienten erfolgt aktuell über<br />
tagesgleiche Pauschalen. Aufgr<strong>und</strong> politischer Entscheidungen<br />
soll ein leistungsorientiertes Vergütungssystem<br />
entwickelt werden. Ca. 80% aller Kosten in der Psychiatrie<br />
entstehen durch Personaleinsatz. Die durchgeführte Studie<br />
soll Hinweise geben, welche patientengeb<strong>und</strong>ene Indikatoren<br />
Einfluss auf den patientenspezifischen Zeitverbrauch<br />
haben. In einem Psychiatrischen Krankenhaus wurde da<strong>für</strong><br />
auf zwei Akutstationen mittels mobiler Erfassungsgeräte<br />
über einen Zeitraum von 5 Wochen Daten erfasst (wer hat<br />
bei welchem Patienten welche Tätigkeit wie lange durchgeführt?)<br />
In der Studie wurden bei 109 Patienten an 659 Tagen<br />
Tätigkeiten erfasst. Dabei wurden insgesamt 4343<br />
St<strong>und</strong>en an Tätigkeiten mit insgesamt 8321 Einzelaktionen<br />
durch Pflegekräfte <strong>und</strong> Ärzte aufgezeichnet. Darüber hinaus<br />
erfolgte retrospektiv eine Erfassung von tagesbezogenen<br />
Patientenmerkmalen, die teilweise zu unterschiedlichen<br />
Scores zusammengefasst wurden. Die Aufgabenstellung<br />
in dieser Studie stellte besondere Anforderungen an<br />
die statistischen Auswertverfahren. Es gab 266 potentielle<br />
Einflussfaktoren auf die Zielvariable (der direkt am Patienten<br />
zugeordneten Zeit). Als erster Schritt war deshalb eine<br />
Itemselektion notwendig, die diese Rahmenbedingungen<br />
bewältigen kann. Die Wahl fiel auf die Verfahren random<br />
forrest <strong>und</strong> Boosting. Diese Verfahren erlauben es, in einer<br />
nachvollziehbaren Weise Einflussfaktoren zu identifizieren,<br />
die substantiellen Einfluss auf die Zielvariable haben. Die<br />
Auswertung erfolgte mittels R <strong>und</strong> es wurden die Prozeduren<br />
Cforest (Strobl, Malley, & Tutz, 2009) (Hastie, Tibshirani,<br />
& Friedman, 2008), GLM <strong>und</strong> GBM (Hastie, Tibshirani,<br />
& Friedman, 2008) (Bühlmann & Hothorn, 2009) verwendet.<br />
Bühlmann, P., & Hothorn, T. (2009). Twin Boosting: improved<br />
feature selection and prediction.<br />
Hastie, T., Tibshirani, R., & Friedman, J. (2008). The elements of<br />
statistical learning. Kap 10 & 15<br />
Strobl, C., Malley, J., & Tutz, G. (2009). An Introduction to<br />
Recursive Partitioning.<br />
40