OTTO-VON-GUERICKE-UNIVERSITÄT MAGDEBURG
OTTO-VON-GUERICKE-UNIVERSITÄT MAGDEBURG
OTTO-VON-GUERICKE-UNIVERSITÄT MAGDEBURG
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>OTTO</strong>-<strong>VON</strong>-<strong>GUERICKE</strong>-<strong>UNIVERSITÄT</strong> <strong>MAGDEBURG</strong><br />
Institut für Sozialmedizin und Gesundheitsökonomie<br />
Prof. Dr. med. Bernt-Peter Robra, M.P.H.<br />
Veränderungen des Umfangs der vertragsärztlichen Leistungen<br />
durch Leistungsverlagerungen<br />
zwischen dem stationären und dem ambulanten Sektor<br />
(Verlagerungseffekt nach § 87a Absatz 4 Nr. 3 SGB V)<br />
26.02.2010<br />
B.-P. Robra, E. Swart, D. Thomas, B. Vogt<br />
Institut für Sozialmedizin und Gesundheitsökonomie<br />
Med. Fakultät, Otto-von-Guericke-Universität Magdeburg<br />
Leipziger Str. 44<br />
39120 Magdeburg<br />
Tel: (0391) 67 24307<br />
Fax: (0391) 67 34310<br />
1
Inhaltsverzeichnis<br />
1. Einleitung ........................................................................................................................... 8<br />
2. Auftrag und Gegenstand des Gutachtens ........................................................................... 8<br />
3. Rechtslage .......................................................................................................................... 9<br />
4. Methodische Vorüberlegungen ........................................................................................ 10<br />
4.1 Markt- und Produktabgrenzung für verlagerungsfähige Leistungen ............................. 11<br />
4.1.1 Sektorale Trennung – ambulante vs. stationäre Versorgung....................................... 12<br />
4.1.2 Sektorale Verlagerungseffekte .................................................................................... 17<br />
4.1.3 Substitution und Komplementarität von Leistungen, primäre und sekundäre<br />
Verlagerung, Posteriorisierung............................................................................................. 20<br />
4.2. Sektorale Verlagerungen durch Kostenstrukturen, Anreiz- und Vergütungssystematik<br />
.............................................................................................................................................. 30<br />
4.3 Sektorale Verlagerungen durch medizinisch-technischen Fortschritt............................ 32<br />
4.4 Informationsquellen für stationär-ambulante Verlagerungspotenziale .......................... 36<br />
4.4.1 Appropriateness Evaluation Protocol (AEP)............................................................... 36<br />
4.4.2 Fehlbelegungsprüfungen durch den MDK.................................................................. 37<br />
4.4.3 Normativ vermeidbare Krankenhausaufnahmen......................................................... 38<br />
4.4.4 Katalog ambulant durchführbarer Operationen nach § 115b SGB V ......................... 41<br />
4.4.5 Ambulante Leistungen im Krankenhaus nach § 116b SGB V.................................... 43<br />
4.5 Kleinräumige Analyse.................................................................................................... 44<br />
4.5.1 Ökologische Analyse................................................................................................... 47<br />
4.5.2 Analyse auf Basis von Daten auf der Individualebene................................................ 50<br />
5. Datenbasis – Sekundärdaten............................................................................................. 52<br />
5.1 Daten der amtlichen Statistik ......................................................................................... 52<br />
5.1.1 Beschreibung der Datenquellen .................................................................................. 52<br />
5.1.2 Nutzungsmöglichkeiten für die kleinräumige Versorgungsforschung........................ 53<br />
5.2 Krankenhausdiagnosestatistik ........................................................................................ 53<br />
5.2.1 Beschreibung der Datenquelle .................................................................................... 53<br />
5.2.1.1 Scientific Use File (SUF) ......................................................................................... 54<br />
5.2.1.2 Auswertung im Rahmen der Datenfernabfrage........................................................ 54<br />
5.2.2 Nutzungsmöglichkeiten für die kleinräumige Versorgungsforschung........................ 55<br />
5.2.2.1 Scientific Use File (SUF) ......................................................................................... 55<br />
5.2.2.2 Datenfernabfrage...................................................................................................... 56<br />
5.3 Abrechnungsdaten der Kassenärztlichen Vereinigung................................................... 57<br />
5.3.1 Beschreibung des Datenkörpers .................................................................................. 57<br />
5.3.2 Nutzungsmöglichkeiten für die kleinräumige Versorgungsforschung........................ 58<br />
5.4 Routinedaten der Gesetzlichen Krankenversicherung ................................................... 60<br />
5.4.1 Beschreibung des Datenkörpers .................................................................................. 60<br />
5.4.2 Nutzungsmöglichkeiten für die kleinräumige Versorgungsforschung........................ 61<br />
5.4.3 Aspekte der Datenqualität ........................................................................................... 63<br />
5.4.4 Erkenntnisse für die Krankenkassen ........................................................................... 64<br />
5.5 Leistungskomplexe......................................................................................................... 65<br />
6. Datenbasis – Primärdaten................................................................................................. 68<br />
6.1 Offene, semi-standardisierte, problemzentrierte Leitfadeninterviews ........................... 68<br />
6.2 Inhaltliche Zusammenfassung der Primärdatenerhebung .............................................. 69<br />
6.3 Zusammenfassung der Angaben der AWMF-Mitgliedsgesellschaften zu sektoralen<br />
Verlagerungseffekten ........................................................................................................... 70<br />
7.1 Regressionsanalyse......................................................................................................... 72<br />
7.1.1 Spezifikationsproblem................................................................................................. 72<br />
7.1.2 Adjustierung ................................................................................................................ 76<br />
2
7.2 Zeitreihenanalyse ........................................................................................................... 77<br />
7.3 Hauptkomponentenanalyse ............................................................................................ 79<br />
7.4 Verlagerung der Produktionsfront.................................................................................. 79<br />
7.5 Dynamisches Prozess Modell......................................................................................... 81<br />
7.5.1 State-Transition-Diagramm des Gesundheitssystems................................................. 81<br />
7.5.2 State-Transition-Diagramm des ambulanten und stationären Sektors ........................ 83<br />
7.5.3 Beispiel – bekannte Übergangswahrscheinlichkeiten ................................................. 84<br />
7.5.4 Beispiel – weitere Zustände ........................................................................................ 86<br />
7.5.5 Dynamisches Simulationsmodell ................................................................................ 87<br />
8. Diskussion ........................................................................................................................ 90<br />
9. Literatur............................................................................................................................ 95<br />
10. Anhänge ....................................................................................................................... 106<br />
A1. Rahmenbedingungen und Determinanten auf der Leistungsanbieter- und<br />
Leistungsnachfragerseite im Gesundheitswesen................................................................ 106<br />
A2. Einfacher Regressionsansatz ....................................................................................... 107<br />
A3. Primäre Datenerhebung............................................................................................... 115<br />
A3.1 Fragenkatalog ............................................................................................................ 115<br />
A3.2 Experteninterviews.................................................................................................... 116<br />
A4. AWMF: DRG-Einführung und Verlagerungen in andere Sektoren............................ 122<br />
A5. Auswertungen des Scientific Use Files der Krankenhausdiagnosestatistik ................ 126<br />
A6. Auswertungen der Krankenhausdiagnosestatistik auf der Basis vierstelliger<br />
Postleitzahlbereiche, Berichtsjahr 2007 ............................................................................. 136<br />
A7. Auswertungen der Abrechnungsdaten der KV Sachsen-Anhalt, Berichtszeitraum 2006<br />
bis 2008 .............................................................................................................................. 140<br />
A8. Verlagerungspotenziale im internationalen Vergleich (OECD-Länder)..................... 146<br />
A9. Veränderung der Bettenanzahl nach Fachabteilung von 1993 bis 2003 ..................... 148<br />
A10. Diagnosedaten der Krankenhäuser ab 2000 .............................................................. 149<br />
A11. Häufigste OPS bei vollstationären Fällen (2008)...................................................... 150<br />
A12. Veränderung der häufigsten OPS bei vollstationären Fällen .................................... 151<br />
A13. Empirische Methoden zur Marktabgrenzung ............................................................ 152<br />
3
Abbildungsverzeichnis<br />
1: Krankenhausleistungen…………………………………………………..……………. 13<br />
2: Sektorale Trennung in der Gesundheitsversorgung………………………………….... 13<br />
3: Regelungen mit Auswirkung auf die stationär-ambulante Leistungsentwicklung.......... 16<br />
4: Entwicklung der Fallzahlen, Verweildauern und der Bettenauslastung im Zeitablauf, indexiert<br />
auf 1995…………………………………………………………………………….. 18<br />
5: Entwicklung von einzelnen Leistungskomponenten an der ambulant-stationären Sektorschnittstelle……………………………………………………………………….............<br />
19<br />
6: Dynamik der Sektoren und Leistungsverlagerungen……………………...................... 22<br />
7: Abgrenzung der Güter „ambulante Versorgung“ und „stationäre Versorgung“ mit<br />
typisierten sektoralen Leistungseigenschaften und -ausprägungen ……………………... 25<br />
8a-b: Indifferenzkurven der Leistungsnachfrager zwischen ambulanten und stationären<br />
Leistungen, substitutive und komplementäre Beziehungen zwischen den Sektoren……. 26<br />
9: Produktion medizinischer Versorgung aus ambulanten und stationären Inputs,<br />
Isoquanten gleichen Versorgungsniveaus (Nutzens)……………………….……………. 27<br />
10: Grenzkosten-Grenzerlösverlauf in der ambulanten Versorgung………...................... 31<br />
11: Regionale Leistungsentwicklung im ambulanten und stationären Sektor…………… 34<br />
12: Ambulant beeinflussbare Krankheitszustände…………………………...................... 39<br />
13: Rolle der ambulanten Versorgung bei Vermeidung von<br />
Krankenhausaufenthalten………………………………………………….……...……... 40<br />
14a-c: Modellrechnung zur Veranschaulichung von Leistungsverlagerungen…………... 74<br />
15a-c: gleiche Modellrechnung mit multiplikativ zugerechneten Zufallsfehlern………... 75<br />
16: Zeitlich punktuelle Leistungsverlagerung…………………………………………… 78<br />
17: Hauptkomponentenanalyse der regionalen Einheiten……………………………...... 79<br />
18: Verlagerung von Leistungsinzidenz aus dem stationären in den ambulanten Sektor,<br />
mehrere Regionen, Data Envelopment Analyse mit zwei Outputs…………………….... 80<br />
19: Sektoren des Gesundheitswesens und multiple Übergänge…………………………. 82<br />
20: Einfaches Modell des Übergangs zwischen dem ambulanten und dem stationären<br />
Sektor (State-Transition-Diagramm)………………………………………………….…. 83<br />
21: Übergangsmatrix zwischen dem ambulanten und dem stationären Sektor……..…… 84<br />
22: Zwei-Komponenten-Modell, Ausbildung eines neuen Gleichgewichts……………... 85<br />
23: Komplexes Modell des Übergangs zwischen dem ambulanten und dem stationären<br />
Sektor (State-Transition-Diagramm)…………………………… ………………………. 87<br />
24: Entwurf eines Systemmodells mit modellierbaren Übergangswahrscheinlichkeiten und<br />
Feedback-Mechanismus………………………………………………………….……… 89<br />
4
Tabellenverzeichnis<br />
1: Veränderung der Fallzahlen an der stationär-ambulanten Schnittstelle…..…………... 19<br />
2: Fehlbelegungsprüfungen des MDK Sachsen-Anhalt, insgesamt 20.010 geprüfte Abrechungen<br />
2008, Anteil der Begutachtungen und Anteil der korrigierten Rechnungen………… 37<br />
3: Verlagerungspotenzial - die 10 häufigsten Leistungen aus OPS-Kapitel 5 des<br />
Katalogs 'Ambulantes Operieren' bei vollstationären Fällen der AOK Sachsen-Anhalt<br />
2003 bis 2005……………………………………………………..……………………… 43<br />
4: Das beobachtete regionale Versorgungsniveau in Abhängigkeit vom relativen<br />
regionalen Morbiditätsniveau und der relativen regionalen Versorgungsintensität……... 45<br />
5: Zugänge zur Schätzung von Verlagerungseffekten……………………….....………… 51<br />
6: Variablen des SUF - Krankenhausdiagnosestatistik 2003……….……………………. 54<br />
7: Merkmalsliste Krankenhausdiagnosestatistik 2002 bis 2007 für kontrollierte Datenfernabfrage……………………………………………………………………………………....<br />
55<br />
8: Merkmalsliste Abrechnungsdaten KVSA 2006 bis 2008……………………………... 57<br />
9: Übersicht über Datenumfang der von der Kassenärztlichen Vereinigung<br />
Sachsen-Anhalt bereit gestellten Abrechnungsdaten………………………..................... 59<br />
10: Aufstellung von HMG mit Abnahme der Fallzahl (und der Kosten) im stationären<br />
und Zunahme von Fällen und Kosten im ambulanten Bereich, absteigend sortiert nach<br />
Fallzahl im ambulanten Sektor……………………………………………….………….. 66<br />
5
0. Zusammenfassung<br />
Die vorliegende Ausarbeitung soll zur Umsetzung des gesetzlichen Auftrags nach § 87a Absatz<br />
4 Nr. 3 SGB V beitragen, bei Vereinbarung der Morbiditätsbedingten Gesamtvergütung<br />
Leistungsverlagerungen zwischen dem stationären und dem ambulanten Sektor zu berücksichtigen.<br />
Auftragsgemäß ist sie auf regionale Analysen mit GKV-Routinedaten fokussiert.<br />
Herausforderungen liegen in der konzeptionellen Definition eines Verlagerungseffektes, in der<br />
Verfügbarkeit und sektorübergreifenden Nutzbarkeit unterschiedlich gegliederter Routinedatenquellen,<br />
in der Abgrenzung verlagerungsfähiger Leistungsgruppen und zweckmäßiger regional-kleinräumiger<br />
Versorgungsregionen sowie in der Spezifikation von Auswertungsmodellen<br />
zur Schätzung eines Verlagerungseffektes.<br />
Stationäre Behandlung ist gegenüber anderen Leistungen normativ subsidiär eingeordnet.<br />
Dennoch hat der Gesetzgeber in der vertragsärztlichen Vergütung einen Kompensationsanspruch<br />
für aus dem stationären Sektor verlagerte Leistungen eingeräumt. Wir unterscheiden<br />
zwischen substitutiven (ersetzenden) und komplementären (ergänzenden) Leistungen. Substitutiv<br />
sind primäre Verlagerungen (ein früher stationär versorgter Fall bleibt im ambulanten<br />
Sektor) und sekundäre Verlagerungen (früher in Verbindung mit einem stationären Aufenthalt<br />
erbrachte Leistungen werden in den ambulanten Sektor verlagert, z.B. bei Verweildauerkürzungen).<br />
Die Anreizkonfiguration der DRG-Fallpauschalen ist vor allem auf sekundäre Verlagerungen<br />
gerichtet. Primäre Verlagerungen können dort eine Rolle spielen, wo Krankenhausabteilungen<br />
geschlossen und Betten abgebaut werden. Außerdem kann ein bisher stationär<br />
behandelter Fall durch intensivierte und spezialisierte ambulante Versorgung oder durch<br />
Fortschritte der Medizin im ambulanten Sektor gehalten worden sein.<br />
Diese Umschichtungen finden vor dem Hintergrund der Morbiditätsentwicklung, des Umbaus<br />
ambulanter und stationärer Versorgungskapazitäten, fortschrittsbedingter Leistungs- und Effizienzentwicklungen<br />
und einer zunehmenden Bedeutung integrierter Leistungserbringer statt.<br />
Sie erreichen allerdings nicht alle Regionen gleichzeitig und in gleicher Weise, was für eine<br />
Schätzung von Verlagerungseffekten informationsträchtig ist.<br />
Hinweise auf Verlagerungspotenziale lassen sich ableiten aus der Fehlbelegungsprüfung des<br />
MDK, stationären Kurzliegern ohne schwerwiegende medizinische Intervention, kriteriengestützten<br />
Listen (normativ) vermeidbarer Krankenhausaufnahmen und Aufstellungen von verlagerungssensitiven<br />
Leistungen, die durch eine gute Versorgung im ambulanten Sektor gehalten<br />
werden können („ambulatory care sensitive conditions“: ACSC).<br />
Wir fassen das Verlagerungsproblem nach § 85a SGB V als Verlagerung eines Marktgleichgewichts<br />
auf. Zur sachlichen Abgrenzung des Marktes verlagerungsfähiger Leistungen sollte<br />
eine auf deutsche Verhältnisse angepasste Liste verlagerungssensitiver Indikationen oder<br />
Leistungskomplexe von den Vertragspartnern verabschiedet werden. Ihre schrittweise Ausschöpfung<br />
kann empirisch beobachtet und quantifiziert werden.<br />
Für regionale Analysen stehen grundsätzlich Daten der amtlichen Krankenhausstatistik, Abrechnungsdaten<br />
der Kassenärztlichen Vereinigungen und Prozessdaten der Gesetzlichen<br />
Krankenversicherung einschließlich Arzneimittelverordnungen zur Verfügung. Im vorliegenden<br />
Projekt wurden Daten der amtlichen Krankenhausstatistik mit Hilfe des Forschungsdatenzentrums<br />
(FDZ) auf dem Weg der sog. Datenfernverarbeitung ausgewertet. Die Kassenärztliche<br />
Vereinigung Sachsen-Anhalt hatte pseudonymisierte Daten aus drei Kreisen zur Verfügung<br />
gestellt. Die regionale AOK hatte eine zunächst signalisierte Zusage für die Überlassung<br />
6
ähnlich abgegrenzter stationärer und ambulanter Daten zurückgezogen. Die Sekundärdaten<br />
wurden auf ihre Nutzungsmöglichkeiten für die Abschätzung von Verlagerungseffekten bewertet,<br />
ihr Potenzial in beispielhaften Analysen skizziert. Als untere Grenze der regionalen<br />
Auflösung kann die vierstellige Postleitzahl dienen. Eine leistungsspezifische funktionelle<br />
Abgrenzung regionaler Gesundheitsmärkte hat Vorteile vor einer geopolitischen („Kreisgrenzen“).<br />
Als methodischer Zugang zur Quantifizierung von Marktgleichgewichten und ihren Änderungen<br />
bieten sich vor allem Mehrgleichungsmodelle (2SLS) an. Damit lassen sich auch regionale<br />
Unterschiede und zeitliche Änderungen bekannter oder vermuteter Leistungsdeterminanten<br />
berücksichtigen. Dazu gehören auch Aktivitäten des einen Sektors als Determinante des jeweils<br />
anderen. Eine Modellrechnung zeigt, dass Schätzungen des Verlagerungseffekts gegenüber<br />
Zufallseinflüssen empfindlich sein werden, die in beiden Sektoren unabhängig voneinander<br />
wirken.<br />
Prüfbare Hypothesen sind u. a.<br />
- Regionen mit geringer Leistungsdicht im stationären Bereich haben ceteris paribus hohe<br />
Leistungsdichten im ambulanten Bereich, Regionen hoher Leistungsdichte im ambulanten<br />
primärärztlichen Bereich haben (adjustiert) weniger Krankenhausfälle als Regionen mit<br />
geringerer primärärztlicher Leistungsdichte (Querschnitt)<br />
- Regionen mit c. p. abnehmender (Längsschnitt) stationärer Leistungsdichte oder hilfsweise<br />
mit abnehmender stationärer Versorgungskapazität zeigen Leistungsdichte-<br />
Steigerungen in ihrem ambulanten Umfeld, die (adjustiert für bekannte Determinanten der<br />
Leistungsentwicklung) als Schätzung von primären Verlagerungseffekten angesehen werden<br />
können<br />
- Ambulante Aktivitäten der Krankenhäuser und neue ambulante Versorgungsformen (z.B.<br />
MVZ, § 115b und § 116b SGB V) puffern c. p. primäre wie sekundäre Verlagerungseffekte.<br />
Komplexität und Dynamik von Prozessen, die mehrere Sektoren einbeziehen (zusätzlich Rehabilitation,<br />
Pflege, Angehörige und arztergänzende Dienste) und die stabilisierenden Rückkopplungen<br />
unterliegen, können letztlich nur mit Hilfe eines dynamischen Prozessmodells<br />
abgebildet werden. Insofern ist letztlich nicht nur das Leistungsgeschehen an der stationärambulanten<br />
Schnittstelle in den Blick zu nehmen, sondern auch weitere Substitutionspotenziale<br />
sind zu berücksichtigen. Das setzt Leistungs- und Kosteninformationen über den ganzen<br />
sektorenübergreifenden Patientenverlauf voraus. Nach § 87a Absatz 6 SGB V werden solche<br />
Daten versichertenbezogen zur Verfügung gestellt. Damit sind Auswertungen auf Individual-<br />
und auf Regionalebene möglich (Mehrebenen-Modelle).<br />
Zum besseren Verständnis der in Sekundärdaten abgebildeten Versorgungsprozesse wurden 8<br />
leitfadengestützte Interviews mit Akteuren der Region - Ärzte und Verwaltungsleiter - aus<br />
beiden Sektoren geführt. Vertreter beider Sektoren berichteten von Leistungsverlagerungen<br />
aus dem jeweils anderen Sektor. In den ambulanten Sektor werden vor allem Diagnostik und<br />
poststationäre Versorgung verlagert (z.B. Wundmanagement, Gerinnungsmanagement, Therapieumstellung).<br />
Leistungen werden aus ärztlicher Verpflichtung auch übernommen, wenn<br />
keine Vergütung dafür folgt (z.B. lange Beratungsgespräche, Verbandwechsel, Bescheinigungen).<br />
7
1. Einleitung<br />
Die Einführung einer neuen Vergütung im stationären Sektor (DRGs), des Gesundheitsfonds<br />
und des Morbi-RSA haben Veränderungen in den Strukturen und Prozessen des Gesundheitswesens<br />
und seiner Anreiz- und Vergütungssystematik in Gang gesetzt. Die Umsetzung<br />
der neuen Regulierungen und ihre Folgen auf die Gesundheitsversorgung sind bisher weder<br />
qualitativ noch quantitativ ausreichend untersucht worden.<br />
Die Vergütung vertragsärztlicher Leistungen wurde durch das GKV-Wettbewerbsstärkungsgesetz<br />
(GKV-WSG) 1 zu einer sog. Morbiditätsbezogenen Gesamtvergütung weiter<br />
entwickelt (§ 87a SGB V). Neben der Zahl der Versicherten geht nun auch deren Morbiditätsstruktur<br />
in das prospektiv zu vereinbarende Punktvolumen der Vergütung ein, d.h. das Morbiditätsrisiko<br />
tragen die Krankenkassen. Als weitere Determinante der vertragsärztlichen Vergütung<br />
sollen u. a. auch Änderungen des Umfangs der vertragsärztlichen Leistungen auf<br />
Grund von Verlagerungen zwischen dem stationären und dem ambulanten Sektor berücksichtigt<br />
werden (§ 87a Abs. 4 Nr. 3 SGB V). Solche lassen sich qualitativ plausibel machen, bisher<br />
aber nicht quantifizieren und damit in Vergütungsanpassungen berücksichtigen.<br />
Herausforderungen liegen in der konzeptionellen Abgrenzung eines solchen Verlagerungseffektes,<br />
in der Verfügbarkeit und sektorübergreifenden Nutzbarkeit von unterschiedlich gegliederten<br />
Datenquellen 2 und in der Spezifikation von Auswertungsmodellen und Schätzverfahren.<br />
Nach einem Methodenworkshop im November 2008 schrieb das Zentralinstitut für die kassenärztliche<br />
Versorgung im März 2009 Gutachtenaufträge zur Ermittlung und Messung von<br />
Verlagerungseffekten im Rahmen einer Forschungs- und Entwicklungsmaßnahme aus. Der<br />
bisherige Stand der wissenschaftlichen Bearbeitung von Verlagerungseffekten erschien „nicht<br />
ausreichend gefestigt, um als Grundlage für eine Routineanwendung durch die Gesamtvertragspartner<br />
geeignet zu sein“. Die vorliegende Ausarbeitung soll zur Umsetzung des gesetzlichen<br />
Auftrags beitragen, in der Vereinbarung der Morbiditätsbedingten Gesamtvergütung<br />
Leistungsverlagerungen zwischen dem stationären und dem ambulanten Sektor zu berücksichtigen.<br />
2. Auftrag und Gegenstand des Gutachtens<br />
Ausschreibung und Auftrag des Zentralinstituts gehen dahin, dem Bewertungsausschuss einen<br />
Vorschlag zu machen, wie der Verlagerungseffekt nach § 87a Absatz 4 Ziffer 3 zwischen dem<br />
stationären und dem ambulanten Sektor in der Anpassung der Morbiditätsbedingten Gesamtvergütung<br />
zu ermitteln und zu berücksichtigen ist.<br />
Dieser Vorschlag soll nach Punkt 2b der Ausschreibung vom 18.03.2009 von kleinräumigen<br />
Unterschieden der Leistungsdichten im ambulanten wie im stationären Sektor ausgehen. Auf<br />
dieser Basis sollen Methodenvorschläge zur Quantifizierung eines Verlagerungseffekts zwischen<br />
dem stationären und dem ambulanten Sektor erarbeitet werden. Der Schwerpunkt liegt<br />
1 Bundesgesetzblatt 2007, Teil 1 Nr. 11 vom 30.März 2007, S. 378-473<br />
2 Krankenhausdiagnose- und Leistungsstatistik, Abrechnungsdaten der Kassenärztlichen Vereinigungen, Abrechnungsdaten<br />
der gesetzlichen Krankenversicherung; Verordnungsdaten und Daten weiterer Sektoren, gemeinsam<br />
auch als „Sekundärdaten“ bezeichnet<br />
8
daher auf einer kleinräumigen Quer- und Längsschnittanalyse von GKV-Routinedaten, nicht<br />
auf der Analyse versichertenbezogener Versorgungskarrieren.<br />
Es sind zunächst methodische Vorüberlegungen zur Definition des gesuchten Verlagerungseffekts<br />
und seiner Isolierung von dynamischen Änderungen der Leistungshäufigkeiten aus anderen<br />
Gründen anzustellen. Leistungskomplexe, die für sektorübergreifende Verlagerungen<br />
normativ oder empirisch in Betracht kommen, sind zu begründen. Der „Markt“ verlagerungsfähiger<br />
Leistungen muss auch räumlich abgegrenzt werden. Die für diesen Zweck verfügbaren<br />
Datenquellen sind einzuordnen. Die Modellentwicklung muss Abgrenzungsprobleme,<br />
Störgrößen und ein sog. „Simultaneitätsproblem“ berücksichtigen.<br />
Voraussetzung ist eine in beiden Sektoren vergleichbare regionale Leistungstransparenz. Illustrierend<br />
werden verfügbare Routinedaten des stationären Sektors (amtliche Krankenhausdiagnosestatistik)<br />
der Leistungserbringer (Kassenärztliche Vereinigung) und der Kostenträger<br />
(GKV) auf der Ebene vierstelliger Postleitzahlbereiche (Wohnortbezug) dargestellt.<br />
Um ein übergreifendes Bild der Einflüsse auf primäre und sekundäre Leistungsverlagerungen<br />
in einem komplexen adaptiven System zu erarbeiten, sind weitere Determinanten der Leistungsinanspruchnahme<br />
und ihre Interaktionsbeziehungen zu berücksichtigen, darunter (Änderungen<br />
von) Versorgungs- und Anreizstrukturen, demographische Entwicklungen, sozioökonomische<br />
Faktoren, gesetzliche und institutionelle Rahmenbedingungen und der medizinischtechnische<br />
Fortschritt. Darüber liegen zum Teil Daten vor. Ergänzend wurden Interviews mit<br />
regionalen Leistungserbringern und Experten geführt, in welchen Leistungsbereichen des ambulanten<br />
und stationären Sektors von den Akteuren Verlagerungen wahrgenommen wurden<br />
und erwartet werden.<br />
3. Rechtslage<br />
Die Bestimmung von intersektoralen Leistungsverlagerungen ist ein Teilaspekt der Vereinbarung<br />
der Morbiditätsbedingten Gesamtvergütung nach § 87a SGB V. Es handelt sich um ein<br />
prospektives Budget, das nicht mehr an die Entwicklung der beitragspflichtigen Einnahmen<br />
(„Grundlohnsumme“) gebunden ist. 3<br />
Die Vertragspartner, das sind die jeweilige Kassenärztliche Vereinigung, die Landesverbände<br />
der Krankenkassen und die Ersatzkassen, vereinbaren danach ab 2009 jährlich bis zum 31.<br />
Oktober gemeinsam und einheitlich den sog. „Behandlungsbedarf“ für das Folgejahr, und<br />
zwar als Punktzahlvolumen auf der Grundlage des einheitlichen Bewertungsmaßstabes<br />
(EBM). Dieses Punktzahlvolumen wird mit den ebenfalls vereinbarten Punktwerten bewertet<br />
und ergibt so eine Gesamtvergütung in Euro, die die Kassen wie bisher mit befreiender Wirkung<br />
an die jeweilige Kassenärztliche Vereinigung zahlen.<br />
Dieses prospektive Vergütungssystem hat der Gesetzgeber weiter konkretisiert. So sind bei<br />
der Ermittlung und Anpassung des Behandlungsbedarfs laut § 87a Absatz 4 SGB V insbesondere<br />
zu berücksichtigen Veränderungen<br />
3 Die Regelungen des § 87a konkretisieren den formal fortbestehenden Grundsatz der Beitragssatzstabilität, siehe<br />
§ 87a Absatz 3 Satz 2 SGB V in Verbindung mit § 71 Absatz 1 Satz 1: „Die Vertragspartner auf Seiten der<br />
Krankenkassen und der Leistungserbringer haben die Vereinbarungen über die Vergütungen nach diesem Buch<br />
so zu gestalten, dass Beitragserhöhungen ausgeschlossen werden, es sei denn, die notwendige medizinische<br />
Versorgung ist auch nach Ausschöpfung von Wirtschaftlichkeitsreserven nicht zu gewährleisten (Grundsatz der<br />
Beitragssatzstabilität).“<br />
9
1. der Zahl und der Morbiditätsstruktur der Versicherten,<br />
2. in Art und Umfang der ärztlichen Leistungen, soweit sie auf einer Veränderung des gesetzlichen<br />
oder satzungsmäßigen Leistungsumfangs der Krankenkassen oder auf Beschlüssen<br />
des Gemeinsamen Bundesausschusses nach § 135 Abs. 1 SGB V beruhen,<br />
3. des Umfangs der vertragsärztlichen Leistungen auf Grund von Verlagerungen von Leistungen<br />
zwischen dem stationären und dem ambulanten Sektor 4 und<br />
4. des Umfangs der vertragsärztlichen Leistungen auf Grund der Ausschöpfung von Wirtschaftlichkeitsreserven<br />
bei der vertragsärztlichen Leistungserbringung.<br />
Ergibt sich nach Berücksichtigung der genannten Kriterien ein Anstieg des morbiditätsbedingten<br />
Behandlungsbedarfs, der bei der Vereinbarung nicht vorhersehbar war (z.B. durch<br />
eine Epidemie), sind die erhöhten Aufwendungen von den Krankenkassen zeitnah, spätestens<br />
im folgenden Abrechnungszeitraum zu vergüten. 5<br />
Zu den genannten konkretisierenden Anpassungen des Budgets beschließt der Bewertungsausschuss<br />
ein Verfahren (§ 87a Absatz 5 SGB V). Von den unterschiedlichen Datenherren<br />
müssen dazu versichertenbezogene Daten bereitgestellt werden (§ 87a Absatz 6 SGB V). Mit<br />
Beschluss vom 2. September 2009 hat der Bewertungsausschuss Monita formuliert und das<br />
Institut des Bewertungsausschusses (InBA) beauftragt, bis zum 31.10.2009 einen entsprechenden<br />
Vorschlag auszuarbeiten. Dieser Vorschlag liegt nicht vor. 6<br />
Das Arztzahlrisiko bleibt dagegen bei der Kassenärztlichen Vereinigung. Bei Weitergabe dieses<br />
Budgets an die Vertragsärzte in Form von Regelleistungsvolumina sind Zahl und Leistungsumfang<br />
der der jeweiligen Arztgruppe angehörenden Ärzte zu berücksichtigen (§ 87b<br />
Absatz 3 Nr. 4 SGB V). Leistungen, die auf die Zunahme der Arztzahlen zurückzuführen<br />
sind, ohne dass der medizinische Behandlungsbedarf der Versicherten angestiegen ist, sollen<br />
nicht finanziert werden. 7<br />
4. Methodische Vorüberlegungen<br />
Ein Verlagerungseffekt ist eine Leistungsumschichtung über die Grenze zwischen dem stationären<br />
und dem ambulanten Sektor. Es handelt sich um ein (partiell) realisiertes Verlagerungspotenzial.<br />
Über den engeren Zweck der Budgetfindung nach § 87a Absatz 4 Nr. 3<br />
SGB V hinaus sind daher auch mögliche Verlagerungen („Leistungsüberschneidungen“) von<br />
methodischem Interesse.<br />
Die folgenden Ausführungen sollen Wege zur Umsetzung der vom Gesetzgeber eingeräumten<br />
und mit mehreren Parametern eingegrenzten Entwicklung der ambulanten Vergütung sondieren.<br />
Die Vertragspartner können unabhängig davon alternative Strategien mit dem gleichen<br />
Zweck verfolgen, Geld der über die Sektorgrenze wandernden Leistung folgen zu lassen:<br />
Komplexpauschalen, IV-Verträge, Hausarztverträge mit und ohne Budgetverantwortung der<br />
4 Der Entwurf des GKV-WSG in der BT 16/3100 vom 24.10.2006 enthält zum Verlagerungseffekt (damals noch<br />
in § 85a vorgesehen) keine informative Begründung (S. 122)<br />
5 Die Vertragspartner müssen Leistungen bei der Substitutionsbehandlung der Drogenabhängigkeit und können<br />
weitere Leistungen, z.B. solche, die besonders gefördert werden sollen, außerhalb der Gesamtvergütung mit den<br />
Preisen der Euro-Gebührenordnung vergüten (extrabudgetär).<br />
6 Stand: Februar 2010<br />
7 BT 16/3100 vom 24.10.2006: Entwurf eines Gesetzes zur Stärkung des Wettbewerbs in der gesetzlichen Krankenversicherung<br />
(GKV-Wettbewerbsstärkungsgesetz – GKV-WSG), Begründung zu den damals noch als § 85b<br />
eingeordneten Regelungen des jetzigen § 87b SGB V, S.125<br />
10
Leistungserbringer, Selektivverträge oder regionale Budgets. 8 Außerdem kann es zu einer<br />
unternehmerischen vertikalen Integration von Leistungserbringern kommen. Diese Möglichkeiten<br />
erscheinen für den engeren Gesetzesauftrag, einen Verlagerungseffekt zu schätzen und<br />
zu berücksichtigen, damit als Störgrößen.<br />
4.1 Markt- und Produktabgrenzung für verlagerungsfähige Leistungen<br />
„Defining a shift in the balance of care towards the primary sector is problematic because<br />
the primary and secondary sectors are not themselves easy to define.“ (Godber et al. 1997,<br />
S. 276)<br />
Eine Verlagerung von stationären zu ambulanten Leistungen kann als Spezialfall der Verlagerung<br />
eines Marktgleichgewichts aufgefasst werden. Dies betrifft sachlich die Abgrenzung<br />
medizinischer Sachverhalte mit ihren Leistungen, Versorgungsmustern, Ressourcen, Finanzströmen<br />
und Anreizen für die Akteure. Die meisten Institutionen und Personen im Gesundheitswesen<br />
handeln primär lokal oder regional. Allerdings reichen die relevanten Raum- und<br />
Zeitbezüge für verschiedene Leistungen unterschiedlich weit.<br />
Das Produkt und der Markt „verlagerungsfähige Leistungen“ müssen daher in dreifacher Hinsicht<br />
abgegrenzt werden<br />
- sachlich (welche Leistungen?)<br />
- räumlich (welche Leistungserbringer in welcher Region?) und<br />
- zeitlich (wann gilt eine Leistung als über die Sektorgrenzen verlagert?)<br />
Außerdem müssen bei dieser Abgrenzung unterschiedliche Patientengruppen berücksichtigt<br />
werden (z.B. allein oder in Heimen lebende Versicherte). 9<br />
Bevor auf geeignete Ansatzpunkte, Methoden und Modelle der Berechnung von budgetrelevanten<br />
Leistungsverlagerungen eingegangen wird, soll zuerst auf die genannten Abgrenzungsschwierigkeiten<br />
eingegangen werden.<br />
8 Z.B. in der Psychiatrischen Versorgung: Deister et al. 2005, Roick et al. 2008<br />
9 Zu den verschiedenen empirischen Methoden der Marktabgrenzung siehe Anhang A13.<br />
11
4.1.1 Sektorale Trennung – ambulante vs. stationäre Versorgung<br />
Im deutschen Gesundheitswesen gilt der Grundsatz „ambulant vor stationär“. Die Behandlung<br />
muss ambulant durchgeführt werden, wenn eine stationäre Behandlung nicht notwendig<br />
ist. 10 Anders als die budgetäre Abgrenzung ist eine medizinisch-inhaltliche Abgrenzung zwischen<br />
ambulanten und stationären Leistungen jedoch nicht eindeutig. So umfasst der Begriff<br />
der Krankenhausbehandlung (§ 39 SGB V) voll-, teil-, vor- und nachstationäre Behandlung<br />
sowie das ambulante Operieren im Krankenhaus und die stationsersetzenden Eingriffe (Abbildung<br />
1), aber nicht stationäre Hospizleistungen (§ 39a SGB V).<br />
KRANKENHAUSBEHANDLUNG<br />
vollstationär teilstationär vorstationär nachstationär<br />
Abbildung 1: Krankenhausleistungen (Quelle: eigene Darstellung)<br />
Amb. Operieren,<br />
Stationsersetzende<br />
Eingriffe<br />
10 Versicherte haben nach § 39 SGB V (nur dann) Anspruch auf vollstationäre Krankenhausbehandlung, wenn<br />
das Behandlungsziel nicht durch andere Versorgungsformen - teilstationär, vor- und nach-stationär oder ambulant<br />
einschl. häuslicher Krankenpflege - erreicht werden kann. Die Entscheidung, ob vollstationäre Behandlung<br />
erforderlich ist, trifft das Krankenhaus (sofern der Versicherte sich nicht anders entscheidet). Nach Verordnung<br />
von Krankenhausbehandlung (Einweisung) können Krankenhäuser Versicherte in medizinisch geeigneten Fällen<br />
ohne Verpflegung und Unterkunft vor- und nachstationär behandeln (z.B. Diagnostik, Indikationsstellung, Aufklärung,<br />
med. Nachsorge). Ohne Verordnung kann das Krankenhaus in Notfällen und gem. § 115b SGB V (ambulantes<br />
Operieren) tätig werden.<br />
12
RuF<br />
ambulante<br />
Behandlung<br />
Krankenhausbehandlung<br />
Rehabilitation<br />
Pflege<br />
Hospize<br />
Sektor<br />
RuF: Rechts- und Finanzierungsgrundlage<br />
ambulant stationär<br />
- niedergelassene Ärzte<br />
- amb. Leistungen für stat. Einrichtungen<br />
(z.B. DMP, §115b SGB V)<br />
- MVZ<br />
- niedergelassene Ärzte<br />
- stat. Einrichtungen (§§116-119a)<br />
- MVZ<br />
- ambulante Reha-Teams<br />
- Frührehabilitation<br />
- ambulante Pflegedienste - stationäre Alten- und<br />
Pflegeheime<br />
- ambulante Hospiz- und Palliativdienste<br />
Abbildung 2: Sektorale Trennung in der Gesundheitsversorgung<br />
(Quelle: eigene Darstellung)<br />
- Praxiskliniken<br />
- Krankenhäuser<br />
- Rehabilitationskliniken/ Stationen<br />
- teilstationäre und stationäre<br />
Hospizvereinigung<br />
Bei stationär erbrachten Leistungen kann noch nachträglich die Notwendigkeit der stationären<br />
Behandlung in Frage gestellt werden mit der Folge einer Korrektur der Abrechnung (s. u.<br />
AEP und § 17c KHG).<br />
Die Bedeutung der vor- und nachstationären Versorgung hat sich nach Einführung der DRG-<br />
Vergütung gewandelt. Eine vorstationäre Pauschale ist neben der DRG-Pauschale nicht berechenbar,<br />
eine nachstationäre Behandlung durch das Krankenhaus unter definierten Bedingungen<br />
möglich (§ 8 Absatz 2 Nr. 3 KHEntgG in Verbindung mit § 115a Absatz 1 Nr. 2). Eine<br />
Abgrenzung von Leistungen, die dem Sicherstellungsauftrag der KVen unterliegen und daher<br />
vom Krankenhaus vor Aufnahme des Patienten „angefordert“ werden können (EKG, Gerinnungsstatus<br />
usw.) von Leistungen, die Teil der DRG-Pauschale sind und daher vom Krankenhaus<br />
erbracht oder in Auftrag gegeben werden müssen, kann schwierig sein. Leistungen, die<br />
von Krankenhäusern nachstationär erbracht werden, können von ihnen auch ambulant verlagert<br />
werden, wenn geeignete Leistungserbringer in erreichbarer Nähe sind.<br />
Abgrenzungsschwierigkeiten können auch darauf beruhen, dass identische Leistungserbringer<br />
ambulant wie stationär tätig sein können (Belegärzte, Ermächtigungen).<br />
Insbesondere bestehen Abgrenzungsschwierigkeiten zwischen „ambulanter Versorgung“ und<br />
„ambulanter Versorgung am Krankenhaus“. Lüngen bezweifelt, dass eine Trennung durch<br />
Bezug auf den Ort der Behandlung, die Institutionen (Krankenhäuser, Vertragsärzte), Leistungserbringer<br />
(Allgemein- vs. Facharzt), das Vergütungssystem oder inhaltlich-medizinische<br />
13
Kriterien (Diagnosen, Prozeduren) eindeutig gelingen kann. 11 Bei „ambulanten Leistungen“<br />
und „sektoral verlagerungsfähigen Leistungen“, die von Krankenhäusern, von Vertragsärzten<br />
oder auch von neuen ambulanten Versorgungsformen (z.B. MVZ) durchgeführt werden können,<br />
ist die Abgrenzung über Institutionen bzw. Sektoren nicht durchgängig durchführbar,<br />
aber andere Abgrenzungskriterien stehen nicht zur Verfügung (Lüngen 2007, Dranove et al.<br />
1998). 12 Für Zwecke des § 85a SGB V gehen wir davon aus, dass eine ambulante Leistung<br />
dadurch gekennzeichnet ist, dass sie direkt oder indirekt aus dem ambulanten Budget vergütet<br />
wird.<br />
Hausarzt-Modelle und deren konkrete Ausgestaltung (z.B. Anreize für Ärzte, Einweisungsraten<br />
in Krankenhäuser niedrig zu halten) 13 können Lage und Funktion der ambulant-stationären<br />
Sektorschnittstelle beeinflussen. 14 Soweit hausärztliche Tätigkeit (z.B. die Lotsenfunktion) im<br />
Rahmen eines speziellen Hausarzt-Vertrags vergütet wird, ist die Gesamtvergütung dafür zu<br />
bereinigen. Eine kompensatorische Vergütung für einen Verlagerungseffekt nach § 87a Absatz<br />
4 Nr. 3 SGB V trifft nicht zu (oder ist innerhalb des Hausarzt-Vertrags zu regeln). Die<br />
Schätzung des Verlagerungseffekts muss dann ebenfalls um Versicherte und Leistungen in<br />
Hausarzt-Verträgen bereinigt werden.<br />
Seit Anfang der 90er Jahre wurde durch gesetzliche Regelungen versucht, die Trennung der<br />
verschiedenen Sektoren durchlässiger zu machen und den Wettbewerb zu stärken (Abbildung<br />
3). Ambulante Leistungen durch Krankenhäuser sowie integrierte und neue ambulante Versorgungsformen<br />
nahmen zu. Dagegen wurde der Tätigkeitsbereich der niedergelassenen Vertragsärzte<br />
(und der Kassenärztlichen Vereinigungen) „auf Kosten“ der Krankenhäuser leistungsrechtlich<br />
nicht erweitert, vor allem wohl, weil Krankenhausbehandlung rechtlich ohnehin<br />
als subsidiär eingeordnet ist (§ 39 SGB V). Ob diese Subsidiarität auf Ebene der Kostenträger<br />
und/ oder der Gesellschaft in jedem Fall wirtschaftlich ist, wird differenziert diskutiert<br />
(Berk und Chalmers 1981, Rubenstein 1994, Welsh 1995, Smith et al. 1997, Godber et al.<br />
1997). 15<br />
Trotz der Subsidiaritätsfiktion gibt es eine Grauzone von nicht unbedingt oder nicht mehr<br />
nötigen („disponiblen“) stationären Leistungen, d.h. ein Verlagerungspotenzial. Die Sektorgrenze<br />
wird auch durch den medizinischen Fortschritt neu gezogen (siehe Abschnitt 4.4). Mit<br />
dem zu operationalisierenden Vergütungsanspruch nach § 87a Absatz 4 Nr. 3 SGB V erhalten<br />
11 Insbesondere die ambulante Versorgungsform im Krankenhaus umfasst eine Vielzahl von Ausprägungen. Es<br />
existiert keine einheitlichen Finanzierungs- und Abrechnungsform (wie im vertragsärztlichen Bereich), keine<br />
einheitliche Organisationsform („allgemeine Krankenhausambulanz“) sowie auch keine einheitliche prozessuale<br />
Steuerung des Zugangs für Patienten (z.B. Überweisung durch Facharzt).<br />
12 Die Definition des Gutes „ambulante Versorgung“ ist weder im Gesetz noch durch vertragliche Vereinbarungen<br />
eindeutig geregelt. Die gesetzlichen Regelungen orientieren sich weder durchgängig an medizinischen noch<br />
organisatorischen oder wettbewerblichen Kriterien. Eine erschwerte Markabgrenzung betrifft auch Aussagen zu<br />
Wettbewerbsintensität, Marktverhalten und Marktergebnis. Die unterschiedlichen Regelungen bedingen auch<br />
unterschiedliche Marktzutrittsbarrieren für Krankenhäuser und Vertragsärzte in Bezug auf die Erbringung bzw.<br />
Abrechnung ambulanter Versorgungsleistungen. Das schränkt den Wettbewerb ein und verzerrt die Markmacht<br />
der Akteure.<br />
13 Siehe schon den sog. „Bayern-Vertrag“ von 1979 (John und Potthoff 1987)<br />
14 Rosenblum et al. (1989) haben Hausarztmodelle bei HMOs als einen wesentlichen Grund dafür festgestellt,<br />
dass stationäre Behandlungen zurückgegangen sind und sich die ambulante Behandlungsfrequenz erhöht hat. Der<br />
Hausarzt hat wesentlichen Einfluss auf die Nachfrage des Patienten nach weiterführenden Behandlungen. Wenig<br />
beforscht ist dabei, welche Faktoren (z.B. Schweregrad der Erkrankung, Kooperationsbeziehungen) seine Entscheidung<br />
für oder gegen eine Überweisung beeinflussen (Culyer und Cullis 2007).<br />
15 Vergleichende Studien über die medizinische Notwendigkeit, die Kosten-Effektivität und die Kosten-Nutzen-<br />
Relation der verschiedenen Versorgungsformen und -ebenen differenziert nach Leistungskomplexen und Patientencharakteristika<br />
wären hilfreich. Fixe Kosten und Kosten, die auf Patienten und ihre Angehörigen verlagert<br />
werden, müssen berücksichtigt werden.<br />
14
die Vertragsärzte kein Abwehrrecht gegen Leistungsausgliederungen stationärer Leistungserbringer,<br />
sondern einen Kompensationsanspruch. Durch sektorale Budgetierung angereizte<br />
Externalisierungen werden dadurch nicht vermieden oder reduziert, sondern per Vergütungsaufwuchs<br />
im ambulanten Sektor streitfrei gestellt. Das ist aus der Systematik der morbiditätsorientierten<br />
ambulanten Vergütung plausibel, ordnungspolitisch dennoch unbefriedigend,<br />
da es nicht zu einer transparenten Risikoteilung an der Schnittstelle kommt.<br />
15
Ambulanter<br />
Sektor<br />
Vertragsärzte<br />
§ 95 SGB V<br />
Belegärzte<br />
§ 121 SGB V<br />
Praxiskliniken<br />
§ 121 SGB V<br />
Amb. Operieren<br />
§ 115b SGB V<br />
MVZ<br />
§ 95 SGB V<br />
Int. Versorgung<br />
§ 140 a-f SGB V<br />
DMP<br />
§ 137f,g SGB V<br />
Hausarztz. Versorgung<br />
§ 73b SGB V<br />
Bes. amb. Versorgung<br />
§ 73c SGB V<br />
1989 - Hochschulambulanzen § 117 SGB V<br />
1989 - Sozialpädiatrische Zentren § 119 SGB V<br />
1989 - Psychiatrische Institutsambulanzen (PIA) § 118 SGB V<br />
1993 - Amb. Operieren und stationsersetzende Eingriffe § 115b SGB V<br />
1993 - Vor- und nachstationär § 115a SGB V<br />
2000 - Integrierte Versorgung § 140a-f SGB V<br />
2004 - Hochspezialisierte Leistungen § 116b SGB V<br />
2004 - Amb. Behandlung durch Krankenhäuser § 116a SGB V<br />
2004 - Disease-Management-Programme § 137f SGB V<br />
2004 - MVZ § 95 SGB V<br />
2007 - Besondere ambulante Versorgung (u.a. § 73c SGB V)<br />
2007 - Hausarztzentrierte Versorgung (§ 73b SGB V)<br />
2009 - Praxiskliniken (§ 122 SGB V)<br />
Amb. Vers. Untervers.<br />
§ 116a SGB V<br />
Ermächtigungen<br />
§ 116 ff. SGB V<br />
Hochschulambulanzen<br />
§ 117 SGB V<br />
Teilstationär<br />
§ 39 SGB V<br />
Vor- und nachstationär<br />
§ 115a SGB V<br />
Psych.-Inst. Amb.<br />
§ 118 SGB V<br />
Sozialpäd. Zentren<br />
§ 119 SGB V<br />
Hochspez. Leistungen<br />
§ 116b SGB V<br />
KH-Sachleistungen<br />
§ 124 SGB V<br />
Notfallbehandlung<br />
§ 75 SGB V<br />
Abbildung 3: Regelungen mit Auswirkung auf die ambulant-stationäre Leistungsentwicklung<br />
(Quelle: SGB V)<br />
Stationärer<br />
Sektor<br />
Kranken-<br />
häuser<br />
§115 ff. SGB V<br />
16
4.1.2 Sektorale Verlagerungseffekte<br />
Vor allem in der amerikanischen Literatur wurde der methodische Zugang zum Verlagerungsproblem<br />
über Analysen zum Einfluss von Preisunterschieden und Preisänderungen auf<br />
Leistungsmengen und die Wahl der Leistungserbringer gesucht (Preiselastizitäten, Kreuzpreiselastizitäten).<br />
Die Substituierbarkeit (gleicher Markt) wird dabei über Diagnose- und<br />
Leistungscharakteristika bestimmt (Gold 1984, Cohen 1989, Carey 1994, Lang 2002, Davis<br />
und Russell 1972, Blackstone und Fuhr 1992, Jacobs und Rapoport 2004, Wickizer et al.<br />
1991). Allerdings spielen „Konsumentenpreise“, Notfallambulanzen und vertikal integrierte<br />
(sektorenübergreifende) Leistungserbringer in den USA eine weit größere Rolle als in<br />
Deutschland. Bei sektorspezifischer Vergütungssystematik mit jeweils einheitlichen Preisen<br />
und fehlender Auswirkung eines Substitutionseffektes auf die sektoralen Preisniveaus ist ein<br />
empirischer Zugang zur Verlagerungsthematik, der sich auf ein Marktgefüge von Preisen und<br />
Mengen bezieht, in unserem System wenig aussichtsreich. 16<br />
In der internationalen Literatur sind Verlagerungseffekte oft im Bereich psychiatrischer<br />
Krankheiten und Versorgungsleistungen untersucht worden (Goldstein und Horgan 1988,<br />
Goldman et al. 1998, Leslie und Rosenheck 1999, Rosenheck et al. 2000, Deb et al. 1998,<br />
Curtis et al. 2009, Okunade und Murthy 2008, Manuella et al. 1998). Das ist begründet durch<br />
Enthospitalisierungstendenzen in Verbindung mit gemeindeorientierten Versorgungskonzepten.<br />
Diese Entwicklung beruht auf medizinisch-technischen Fortschritten (v.a. der Entwicklung<br />
neuer Psychopharmaka), aber auch auf einer veränderten gesellschaftlichen Akzeptanz<br />
psychiatrischer Patienten und Probleme, der stärkeren Berücksichtigung von Patientenpräferenzen<br />
sowie einer vermehrten Artikulation der Betroffenen. 17<br />
Neben stationär-ambulanten Verlagerungen wurden auch Verlagerungen zwischen Primärversorgern<br />
und sekundären Spezialisten, zwischen ambulanter Versorgung und Notfallversorgung,<br />
zwischen Krankenhäusern verschiedener Versorgungsebenen, zwischen sozialen Aktivitäten<br />
sozialer Betreuung (soziale Netze, kommunale Dienste) und stationärer Krankenhausversorgung<br />
sowie zwischen Ärzten und anderen Medizinalberufen untersucht. Im Rehabilitationsbereich<br />
wurde festgestellt, dass die Verweildauerverkürzungen der stationären Versorgung<br />
dazu geführt haben, dass zunehmend multimorbide und ältere Patienten sowie Patienten<br />
mit Komplikationen überwiesen wurden. Die Zunahme des jeweiligen medizinischen und<br />
pflegerischen Aufwands im Reha-Sektor wird allerdings je nach Fachrichtung als unterschiedlich<br />
schwerwiegend eingeschätzt (Eiff et al. 2004, Eiff et al. 2005, Eiff et al. 2008, Kuge<br />
2003, Scheffer 2000, Groenewegen 1991, White and Seagrave 2005, Adrian et al. 1998, Griffiths<br />
et al. 2001). 18<br />
Im deutschen DRG-System waren zu Beginn vor allem aufwändige Leistungen unterbewertet.<br />
Dies ergab einen Anreiz, sie in der gestuften Krankenhausversorgung vor allem „nach oben“<br />
16 Das Fehlen von Preissignalen macht es nicht unmöglich, die für dieses Problem entwickelten Mehrgleichungssysteme<br />
anzuwenden. Man kann andere Determinanten wie Anbieterdichten berücksichtigen und den Einfluss<br />
von Transaktions- und Opportunitätskosten (Erreichbarkeit, Entfernung) der Inanspruchnahme prüfen. Jacobs<br />
und Rapoport (2004) gehen auf die Defizite eines solchen Wettbewerbsmodells auch im Zusammenhang der<br />
Darstellung von Nachfrage-, Preis- und Mengenänderungen von Leistungen, die in einer ambulant-stationären<br />
Substitutionsbeziehungen zueinander stehen, näher ein.<br />
17 Allerdings können bei manchen Patientengruppen vermehrt stationäre Aufenthalte nötig werden - auf Grund<br />
individuellen Verhaltens bei geringer sozialer Unterstützung, niedriger Compliance mit Psychopharmaka und<br />
mangelnder Inanspruchnahme des ambulanten Sektors (Goldstein und Horgan 1988)<br />
18 Unter günstigen Rahmenbedingungen können randomisierte kontrollierte Studien (RCTs) (z.B. Griffiths et al.<br />
2001) oder gematchte Fallserien (Kolisek et al 2009) die Ergebnisse verschiedener Behandlungsmodalitäten<br />
vergleichen<br />
17
in die Häuser der (Supra-)Maximalversorgung zu verlagern, nicht in den ambulanten Sektor.<br />
In Deutschland werden im Übrigen ähnliche Auswirkungen des leistungsorientierten pauschalierten<br />
Vergütungssystems auf die Versorgung wie in anderen Gesundheitssystemen angenommen<br />
(Rochell et al. 2009, Güssow et al. 2007, Vitikainen et al. 2009, Lin et al. 2004):<br />
- eine verkürzte Verweildauer in den Akutkrankenhäusern sowie eine frühzeitige Verlegung<br />
in den ambulanten vertragsärztlichen Sektor<br />
- ein Anreiz zur Risikoselektion<br />
- ein daraus resultierender intensiverer und höherer (in Umfang und Anzahl) ambulanter<br />
Behandlungs- und Leistungsaufwand<br />
- aufgrund der verkürzten Verweildauer entsprechend längere ambulante vor- und nachstationäre<br />
Behandlungsphasen mit geänderten Therapiebedarf<br />
- finanzielle Mehrbelastungen im ambulanten Sektor (z.B. Belastung des Arzneimittelbudgets<br />
durch teure Nachbehandlung)<br />
- durch den Mehraufwand notwendige Umstrukturierungsmaßnamen in der ambulanten<br />
vertragsärztlichen Versorgung (Personal, Geräte, Sachkosten).<br />
Die folgenden Abbildungen zeigen die Leistungsentwicklung im stationären Bereich sowie<br />
die Entwicklungen einzelner Leistungskomponenten an der ambulant-stationären Schnittstelle<br />
nach Einführung der DRG Vergütung. 19<br />
Abbildung 4: Entwicklung der Fallzahlen, Verweildauern und der Bettenauslastung im<br />
Zeitablauf, indexiert auf 1995 (Quelle: Statistisches Bundesamt)<br />
19 Rochell et al. 2009 gehen darauf näher ein.<br />
18
Tabelle 1: Veränderung der Fallzahlen an der stationär-ambulanten Sektorschnittstelle<br />
Anzahl der Fälle 2002 2003 2004 2005 2006 2007 2008<br />
vollstationär 17.432.272 17.295.910 16.801.649 16.539.398 16.832.883 17.178.573 17.518.579<br />
teilstationär 376.473 502.470 511.137 527.213 623.657 675.082 702.649<br />
vorstationär 1.169.529 1.417.411 1.670.652 1.965.027 2.266.670 2.714.169 2.991.986<br />
nachstationär 747.206 755.096 661.274 654.277 703.488 781.197 820.371<br />
Kurzlieger (1-3 T.) 5.072.670 5.262.823 5.406.254 5.401.207 5.631.308 5.944.592 6.279.504<br />
AOP am KH 575.613 724.310 1.160.573 1.371.708 1.513.716 1.638.911 1.758.305<br />
AOP VÄ 3.831.300 3.811.300 3.767.900 3.131.196 3.123.158 k.A. k.A.<br />
(Quelle: Statistisches Bundesamt, KBV)<br />
350%<br />
300%<br />
250%<br />
200%<br />
150%<br />
100%<br />
50%<br />
0%<br />
2002 2003 2004 2005 2006 2007 2008<br />
vollstationär<br />
teilstationär<br />
vorstationär<br />
nachstationär<br />
Kurzlieger (1-3 Tage)<br />
AOP am KH<br />
AOP VÄ<br />
Abbildung 5: Entwicklung von einzelnen Leistungskomponenten an der stationärambulanten<br />
Sektorschnittstelle (Quelle: Statistisches Bundesamt, KBV)<br />
An der stationär-ambulanten Schnittstelle gibt es also deutliche Bewegungen. Insbesondere<br />
das ambulante Operieren am Krankenhaus und die vor- und teilstationären Fallzahlen haben<br />
zugenommen. Die durch abnehmende Verweildauern frei werdenden Kapazitäten werden in<br />
den Krankenhäusern nur teilweise abgebaut, 20 zum Teil zur Erschließung neuer Leistungssegmente<br />
- wie ambulante Operationen, spezialisierte Leistungen - eingesetzt. Damit können<br />
insgesamt mehr Patienten mit den vorhandenen Ressourcen behandelt (Erlöseffekt) und die<br />
20 Aus einer (auf 1995 indexierten) Fallzahlsteigerung auf 1,082 und einer Verweildauerkürzung auf 0,728 (Abbildung<br />
4) würde eine Absenkung der Krankenhaustage auf 0,788 mit einem ceteris paribus gleich großen erwarteten<br />
Rückgang der Bettenauslastung resultieren. Eine beobachtete Bettenauslastung von 0,94 bedeutet dann also<br />
Bettenabbau auf 0,84.<br />
19
Ressourcen pro Patient effizienter genutzt werden (Rationalisierungs-, Verbund- und Synergieeffekte).<br />
21<br />
Im internationalen Vergleich ist eine große Variabilität der ambulanten und stationären Leistungsrelationen<br />
festzustellen (siehe Anhang A8). Deutschland zeigt eine vergleichsweise hohe<br />
Inanspruchnahme von Krankenhausleistungen. Daraus kann - unter Berücksichtigung von<br />
Spezifika des Gesundheitssystems und der Morbiditätsstrukturen - auf ein unausgeschöpftes<br />
Verlagerungspotenzial geschlossen werden. 22 Allerdings befindet sich Deutschland im Vergleich<br />
mit anderen OECD-Ländern nicht nur im oberen Bereich bei stationären Leistungen,<br />
sondern weist auch eine hohe Anzahl ambulant durchgeführter Operationen auf. Deutsche<br />
Ärzte weisen ein besonders hohes zeitliches Arbeitspensum, die Zahl ihrer Patientenkontakte<br />
pro Woche liegt weit über dem Durchschnitt anderer entwickelter Länder (Koch et al. 2007).<br />
Damit ist die medizinische Versorgung in Deutschland insgesamt intensiver, aber nicht notwendig<br />
produktiver als in vielen anderen Ländern.<br />
4.1.3 Substitution und Komplementarität von Leistungen, primäre und sekundäre Verlagerung,<br />
Posteriorisierung<br />
Theoretisch kann man Leistungsverlagerungen an einer gegensinnigen Varianz der beiden<br />
Sektoren erkennen. Dies gilt bei querschnittlicher (räumlicher) und auch bei längsschnittlicher<br />
(raum-zeitlicher) Analyse der Daten – zumindest unter Annahme konstanter oder in ihrer<br />
Entwicklung vollständig exogen erklärbarer Morbidität. Gleichgerichtete Entwicklungen in<br />
beiden Sektoren werden dagegen primär als Folge von Morbiditätsänderungen oder von neuen<br />
Behandlungsmöglichkeiten durch medizinisch-technischen Fortschritt angesehen werden.<br />
An den Sektorschnittstellen kann man grundsätzlich zwischen „ersetzenden“ (substitutiven)<br />
und „ergänzenden“ (komplementären) Leistungen unterscheiden (Fortney 2005, Freiberg<br />
1979). Außerdem muss man einen „Substitutionseffekt“ (Ersatz von stationären Leistungen<br />
durch den ambulanten Sektor) und einen „Expansionseffekt“ differenzieren (Erhöhung des<br />
Leistungsvolumens durch Morbiditätszunahme, Erschließung neuer Patientengruppen z.B.<br />
durch besseres Risikomanagement oder Früherkennung, Erweiterung des GKV-<br />
Leistungskatalogs; nach § 87a Absatz 4 Nr. 1 und Nr. 2 einzuordnen).<br />
Grundsätzlich können Fallzahl- und Verweildaueränderungen zu Verlagerungen aus dem<br />
stationären Sektor beitragen. Verweildauerkürzungen führen dazu, dass der ambulante Sektor<br />
einen Teil der bisher im stationären Sektor erbrachten Leistungen übernimmt, sofern diese<br />
nötig waren. Analogie zur Terminologie bei der sog. „Fehlbelegung“ der Krankenhäuser sprechen<br />
wir bei Fallzahlverlagerungen von primärer (oder vollständiger) Verlagerung, bei Verweildauerkürzungen<br />
von sekundärer (oder partieller) Verlagerung (vgl. Abbildung 6).<br />
Gründe einer primären Verlagerung können, aber müssen nicht beim stationären Sektor liegen.<br />
Der stationäre Sektor könnte die Aufnahme bestimmter Fälle unterlassen oder erschweren,<br />
z.B. wenn die zugehörige DRG unterbewertet ist oder eine bestimmte Leistung nach partieller<br />
Spezialisierung der Krankenhäuser nicht mehr überall vorgehalten wird („push“). Es<br />
21 economics of size, economics of scale, economics of scope, economics of density<br />
22 Der unterschiedliche Grad der Umsetzung ambulanter Operationen in den verschieden Ländern kann zum<br />
einen auf verschiedene Methoden der Dokumentation und Datenerfassung zurückgeführt werden, zum anderen<br />
auf „Nachfragefaktoren“ wie Demographie- und Morbiditätsstrukturen oder „Angebotsfaktoren“ (z.B. höherer<br />
Anteil an vorhandenen Ressourcen und Kapazitäten, um ambulante Operationen durchführen zu können). Auch<br />
Rahmenbedingungen der Gesundheitssysteme spielen eine Rolle (z.B. Organisations- und Finanzierungssysteme,<br />
Vergütungssysteme, Anreizstrukturen).<br />
20
kann aber auch zu technologisch bedingten Leistungsverbesserungen des ambulanten Sektors<br />
oder einer besseren Kontinuität der ambulanten Versorgung kommen 23 , die stationäre Behandlungsepisoden<br />
entbehrlich werden lassen („pull“). Schließlich können im Überschneidungsbereich<br />
der Leistungen die (aufgeklärten) Patienten ihre eigene Wahl treffen („choice“).<br />
24<br />
Es kann sein, dass die Fallzahl im ambulanten Sektor stärker zunimmt als im stationären.<br />
Dies kann vorkommen, wenn eine (demographisch bedingte) Morbiditätszunahme mit überproportionaler<br />
Zunahme der Versorgung leichterer Fälle im ambulanten Sektor einhergeht<br />
(z.B. Katarakt-Operationen). Damit ändert sich zwar das Verhältnis von ambulanten zu stationären<br />
Leistungen in Richtung auf ambulant erbrachte Leistungen, es handelt sich aber um<br />
einen Expansionseffekt. Auch wenn ein Morbiditätsanstieg unter unveränderter (hoher, nicht<br />
mehr zu steigernder) Auslastung konstant bleibender stationärer Kapazitäten allein im ambulanten<br />
Sektor „bewältigt“ wird, würde sich das Verhältnis von ambulanten zu stationären<br />
Leistungen in die ambulante Richtung ändern. Doch würde man von einem Morbiditätseffekt<br />
im Sinne des § 87a Absatz 4 Ziffer 1 sprechen, nicht von einem Verlagerungseffekt. In den<br />
ambulanten Bereich kann nur verlagert werden, was vorher stationär versorgt worden war.<br />
23 Fleming 1995<br />
24 Für Zwecke des § 87a ist die Ursache der Verlagerung nicht erheblich.<br />
21
Abbildung 6: Dynamik der Sektoren und Leistungsverlagerungen<br />
(Quelle: eigene Darstellung)<br />
22
Unter einem pauschalierten Vergütungssystem im stationären Sektor können auch steigende<br />
Verweildauern ein Hinweis auf eine Verlagerung (vor allem) leichterer Fälle in den ambulanten<br />
Bereich (oder in Tageskliniken) sein. Carter und Ginsburg (1985) stellten den stationärambulanten<br />
Verlagerungseffekt anhand einer Liste von 36 DRGs mit hoher Substitutionswahrscheinlichkeit<br />
und den prozentualen Beitrag dieser DRGs an der Veränderung des Case-<br />
Mix-Index (CMI) dar. 25<br />
Je nach allgemeinem Morbiditätstrend wären selektive Fallverlagerungen mit verschiedenen<br />
sektoralen Trendkombinationen vereinbar - z.B. steigende Fallzahlen im ambulanten Sektor in<br />
Verbindung mit konstanten Fallzahlen und steigender Verweildauer im stationären Sektor.<br />
Eine selektive Anreicherung schwerer Fälle im stationären Sektor sollte dort mit einer Zunahme<br />
der Komorbidität einhergehen. Auch würde man bei den meisten Krankheiten bei den<br />
nun durchschnittlich länger liegenden Patienten ein höheres Durchschnittsalter erwarten. Dies<br />
würde zu einer veränderten Case-Mix Struktur im stationären Sektor führen. Man würde bei<br />
einem solchen Muster von einer Verlagerung leichterer Fälle bei insgesamt zunehmender<br />
Morbidität ausgehen.<br />
Als Verlagerung kann auch gelten, wenn sich Krankenhäuser unter einer „leistungsbezogenen“<br />
kalkulierten Pauschale und sinkender Verweildauer zunehmend auf die Behandlung der<br />
beim jeweiligen Fall finanzierungsrelevanten Bewertungsrelation konzentrieren, während sie<br />
eine früher noch geleistete Mitbehandlungen von Begleit- oder Nebenproblemen dem ambulanten<br />
Sektor für die Zeit nach dem stationären Aufenthalt überlassen, selbst wenn diese Probleme<br />
im stationären Sektor erstmals erkannt wurden.<br />
Die Quantifizierung eines Verlagerungspotenzials muss zusätzlich verlagerungsfähige und<br />
vermeidbare (klinisch nicht notwendige) Maßnahmen 26 differenzieren. Ein Beispiel für vermeidbare<br />
Maßnahmen gibt eine Analyse der Angemessenheit koloskopischer Untersuchungen:<br />
Harris et al. (2007) untersuchten in einer prospektiven multizentrischen Beobachtungsstudie<br />
die Angemessenheit von Koloskopien in insgesamt 21 spezialisierten gastrointestinalen<br />
Versorgungseinrichtungen in elf europäischen Staaten. Die Koloskopien wurden anhand der<br />
Bewertungskriterien des European Panel on the Appropriateness of Gastrointestinal Endoscopy<br />
(RAND Appropriateness Method) bewertet. Unter 5.213 Teilnehmern wurden 20 % der<br />
Koloskopien für notwendig, 26 % für angemessen, 27 % für unsicher und 27 % für unangemessen<br />
befunden. Insbesondere bei jüngeren und gesünderen Patienten und Personen mit unspezifischen<br />
Symptomen konnte ein höherer Anteil unnötiger Untersuchungen und Folgeinterventionen<br />
registriert werden. Letztere können natürlich nicht zum Verlagerungspotenzial<br />
gerechnet werden, sondern sollten ganz unterbleiben.<br />
25 Die Annahme dabei ist, dass es sich bei den im Zeitablauf verlagerten Fällen um Patienten mit einem unterdurchschnittlichen<br />
Schweregrad handelt. Dadurch erhöht sich entsprechend der CMI bei den verbliebenen stationären<br />
Patienten. Allerdings wurde in dieser Studie bemerkt, dass eine Erhöhung des CMI auch auf einer veränderten<br />
medizinischen Praxis, DRG Kodierung („Upcoding“, „DRG Creep“) oder einem Morbiditätseffekt beruhen<br />
kann. Außerdem wurde im zeitlichen Verlauf ersichtlich, dass die festgelegten DRGs mit potentiellem Verlagerungspotential<br />
in dem ersten Jahr der Einführung des prospektiven Vergütungssystems keine erhöhten früheren<br />
Entlassungen aufwiesen. Falls das DRG System einen starken Anreiz für eine Optimierung des Fallmanagements<br />
und der Deckungsbeiträge geben würde, wären diese DRGs Primärkandidaten für Verlagerungen in den<br />
ambulanten Bereich. Es wurde geschlussfolgert, dass anscheinend andere Elemente – wie die Peer Review Organisation,<br />
der technologische Wandel oder die Einstellung der Ärzte – eine stärkere Rolle bei Verlagerungseffekten<br />
spielen könnten.<br />
26 Auf diesen Punkt wird näher im Kapitel 4.5.3 eingegangen.<br />
23
Grundsätzlich führt eine fallbezogene Vergütung der Krankenhäuser zu einem Interesse an<br />
Fallzahlsteigerungen mit einem daraus abgeleiteten Interesse, zur eigenen Entlastung ambulant<br />
verlagerungsfähiger Fälle und Leistungen tatsächlich zu verlagern (z.B. Verweildauerkürzungen,<br />
Fallmanagement, besseres Entlassungsmanagement). Diese Anreizkombination<br />
würde vor allem zu sekundären Verlagerungen (s. o.) führen (z.B. nachgehende Wundversorgung).<br />
27<br />
Eine Konsolidierung des stationären Marktes, bei der sich die absolute Zahl der Krankenhäuser,<br />
der Krankenhausabteilungen und der Betten reduziert, müsste dagegen ceteris paribus zu<br />
primären Verlagerungen führen. 28 Anhang A9 zeigt die Veränderung der Bettenkapazität und<br />
den längsschnittlichen Umbau- und Anpassungsprozess (nach Fachabteilungen) im stationären<br />
Markt.<br />
Wenn der stationäre Sektor durch interne Rationalisierungen (wie DRG-induzierte Spezialisierung,<br />
Leistungsbündelungen, Zentrenbildungen, Kooperationen) oder durch Indikationsausweitung<br />
(wie neue risikoarme Verfahren vor allem bei alten Menschen, bessere Beherrschung<br />
von Komplikationen) die Zahl seiner Fälle erhöht, gibt es im ambulanten Sektor begleitende<br />
oder ergänzende Leistungsausweitungen durch vorbereitende Leistungen (z.B. Laboruntersuchungen,<br />
Medikamentenumstellungen) 29 und nachsorgend notwendige Betreuung.<br />
Wir sprechen von komplementären Leistungen. 30 Komplementäre Leistungen sind keine verlagerten,<br />
sondern induzierte additive Leistungen. In die Kategorien des § 87a Absatz 4 kann<br />
eine solche stationäre Entwicklung ihrer Auswirkung entsprechend als Veränderung der Morbiditätsstruktur<br />
der Versicherten eingeordnet werden (§ 87a Absatz 4 Nr. 1 SGB V).<br />
Leistungen, die im stationären Bereich nicht ausreichend vergütet werden, könnten trotz stationärer<br />
Behandlungsnotwendigkeit im ambulanten Sektor verbleiben. Kostengewichte und vor<br />
allem Deckungsbeiträge hätten dann Einfluss darauf, wo die Grenze zwischen stationärer und<br />
ambulanter Behandlung verläuft und welche Diagnosegruppen und Leistungskomplexe in<br />
Substitutionskonkurrenz zueinander stehen. Schließung oder Spezialisierung von Krankenhausabteilungen,<br />
die Prüfstrategie des MDK und Anreizkonfigurationen der Vergütung können<br />
dazu beitragen, die Substitutionskonkurrenz zu modifizieren.<br />
Je schwerer und medizinisch komplexer der Fall, desto geringer ist die Substitutionswahrscheinlichkeit<br />
(Vitikainen et al. 2009). Weiter können die Qualifikation von Arzt und Personal,<br />
die Komplikationsgefahr, das Risikoprofil des Patienten (ASA-Klassifikation, Komorbidität)<br />
mit individueller Bewertung der Risiken eines ambulanten vs. stationären Eingriffs, das<br />
individuelle soziale und häusliche Umfeld, die Sicherstellung der postoperativen Versorgung<br />
(Hausarzt, ambulanter Pflegedienst usw.), die erwartete Therapietreue (Compliance) des Patienten,<br />
die Entfernung zwischen Behandlungsort und Wohnort des Patienten, die Wartezeiten<br />
sowie die Mobilität des Patienten die Substitutionswahrscheinlichkeit beeinflussen (Schumpelick<br />
et al. 2004). Generelle Faktoren, die die Möglichkeit einer Leistungssubstitution verringern,<br />
sind ein hoher Organisations-, Investitions- und Technologiegrad, eine hohe Interdisziplinarität<br />
und eine hohe Überwachungsnotwendigkeit.<br />
27 In den USA ist aus diesem Grund in Folge der DRG-Einführung eine Verlagerung der Fälle und somit der<br />
Kosten vom stationären Bereich in die ambulante Versorgung eingetreten (Lang 2002)<br />
28 Sens et al. (2009), SVR (2007), Eiff et al. (2008), Statistisches Bundesamt. In anderen Ländern wird die Entwicklung<br />
der stationär-ambulanten Leistungsverlagerungen unter anderem dadurch beschleunigt, dass die Versicherungen<br />
auf der Patientenseite finanzielle Anreize setzen. Patienten bekommen z.B. Zuzahlungen erstattet,<br />
wenn sie die ambulante Versorgung in Anspruch nehmen, während sie sich bei der Inanspruchnahme stationärer<br />
Versorgung an den Kosten beteiligen müssen (Bonus-Malus-System) (Welsh 1995).<br />
29 z.B. präoperative Gerinnungskontrolle, Umstellung von Vitamin-K-Antagonisten auf Heparin<br />
30 Ein analoger Mechanismus wirkt zwischen Arztgruppen unterschiedlicher Spezialisierung.<br />
24
Abbildung 7 stellt Kriterien zusammen, nach denen man Leistungen der ambulanten oder stationären<br />
Versorgung zuordnen kann. Es lassen sich mehrdimensionale Vor- und Nachteile der<br />
Sektoren angeben, deren differenzielle Berücksichtigung aus fachlicher Sicht zu einer Wahl<br />
des Sektors beiträgt. Auch ein (aufgeklärter) Patient wird angesichts der Vielzahl der Kriterien<br />
eigene Präferenzen entwickeln, die zu berücksichtigen sind.<br />
Zugang<br />
Finanzierung<br />
Erreichbarkeit<br />
Wartezeiten<br />
Behandlungskontinuität<br />
Beziehung zw. Patient u. Arzt<br />
Fallschwere (Case-Mix)<br />
Komorbidität<br />
Komplikationsgefahr<br />
Individuelle Risikobewertung<br />
Investitions-/Technologiegrad<br />
Innovationszugang<br />
Verzahnung Forschung &<br />
Patientenversorgung<br />
Ärztliche Dienstbereitschaft<br />
Interdisziplinarität<br />
Spezialisierungsgrad/Zentren<br />
Personalkomponente<br />
Behandlungsaufwand<br />
Geplante Aufenthaltsdauer<br />
24h Überwachung<br />
Orga.-/ Kooperationsstärke<br />
Art der Behandlung<br />
Ambulante Versorgung<br />
Haus-/Facharzt, Notfall<br />
EBM<br />
einfach - mittel (dezentral)<br />
gering - mittel<br />
zeitlich unbegrenzt<br />
eng<br />
gering - mittel<br />
gering - mittel<br />
gering<br />
gering<br />
gering<br />
hoch<br />
gering<br />
eingeschränkt<br />
gering<br />
gering - mittel<br />
gering<br />
gering<br />
nicht vorhanden<br />
nicht vorhanden<br />
gering - mittel<br />
Praxis, Hausbesuche,<br />
Notfall, akut, chronisch,<br />
koordinierend…<br />
Stationäre Versorgung<br />
Überweisung, Notfall<br />
Abbildung 7: Abgrenzung der Güter „ambulante Versorgung“ und „stationäre Versorgung“<br />
mit typisierten sektoralen Leistungseigenschaften und -ausprägungen<br />
DRG<br />
mittel - schwer (zentral)<br />
mittel - lang<br />
zeitlich begrenzt<br />
weniger eng<br />
mittel - hoch<br />
mittel - hoch<br />
hoch<br />
hoch<br />
hoch<br />
gering<br />
mittel<br />
hoch<br />
hoch<br />
mittel - hoch<br />
hoch<br />
hoch<br />
vorhanden<br />
vorhanden<br />
mittel - hoch<br />
Notfall, intensiv, akut,<br />
elektiv (vor-/nachstat.) …<br />
25
(Quelle: eigene Darstellung)<br />
Selbst wenn eine stationäre Leistung grundsätzlich durch eine ambulante ersetzt werden kann,<br />
wird in der Realität wegen unterschiedlichen Präferenzen und Nutzenfunktionen nur ein Teil<br />
der Leistungen substituiert werden. 31 Ellis et al. 1994 haben ein multivariates Modell der<br />
Nachfrage nach Gesundheitsleistungen (mit Darstellung und Simulation des komplexen und<br />
sequentiellen Entscheidungsprozesses am Entscheidungsbaum) aufgestellt, um die Faktoren<br />
zu analysieren, die die Wahl für eine bestimmte Versorgungsform (ambulant oder stationär)<br />
beeinflussen. Schwappach und Strassmann (2006) haben Bevölkerungspräferenzen für die<br />
Wahl des Behandlungssettings beim Operieren – ambulant in der Praxis, ambulant am Krankenhaus<br />
oder stationär – empirisch untersucht („stated-preference-Verfahren“). Die Wahl<br />
hing vor allem von Eigenschaften der Leistungserbringer ab (wie Spezialisierung, Wartezeit),<br />
weniger vom Setting per se. Mit solchen Merkmalen würden Leistungserbringer also gegeneinander<br />
konkurrieren können.<br />
Indifferenzkurven sind eine Möglichkeit, die Präferenzen eines Leistungsnachfragers abzubilden.<br />
Die Indifferenzkurve stellt alle Kombinationen aus den Mengen zweier Leistungskomplexe<br />
(„Güterbündel“) dar, zwischen denen der Nachfrager gemäß seiner subjektiven Präferenzen<br />
indifferent ist, die er also als gleich gut einschätzt. Für die meisten Individuen und für<br />
die meisten Leistungen verläuft die Indifferenzkurve konvex zum Ursprung und beinhaltet<br />
eine negative Substitutionsbeziehung zwischen zwei Leistungen bzw. Gütern (Abbildung 9). 32<br />
Falls zwei Leistungen perfekte Substitute zueinander sind, ist die Indifferenzkurve eine gerade<br />
Linie (Abbildung 8a), im Falle einer perfekten Komplementärbeziehung ist die Indifferenzkurve<br />
L-förmig (Abbildung 8b). Nach dem Substitutionskonzept gehören alle Güter bzw.<br />
Leistungen zu einem Markt, die - aus Sicht des Nachfragers - austauschbar erscheinen und<br />
damit in unmittelbarer Konkurrenz zueinander stehen (sachliche Marktabgrenzung). 33<br />
31 In der psychiatrischen Behandlung ist z.B. für einige Patientengruppen eine Substitution der stationären Versorgung<br />
durch die ambulante Versorgung kaum möglich (z.B. starke Persönlichkeitsstörungen, suizidales Verhalten).<br />
32 Oft wird von einer Cobb-Douglas Nutzenfunktion ausgegangen. Die Grenzrate der Substitution wird in der<br />
Neigung der Kurve ersichtlich. Sie gibt an, wie viel Einheiten der ambulanten Leistung notwendig sind, um die<br />
stationäre Leistung bei konstantem Nutzen zu substituieren. Bei hoher Nachfrage und aufkommender Knappheit<br />
einer stationären Leistung werden viele Einheiten der ambulanten Leistung notwendig, um die stationäre Leistung<br />
zu substituieren. Siehe dazu auch Izumida et al. 1999<br />
33 Im Gesundheitswesen findet man eine Dreiteilung der Nachfrage bzw. des Konsumenten (Patient, Arzt, Kos-<br />
tenträger).<br />
26
stationäre Leistung<br />
Abbildung 8a-b: Indifferenzkurven der Leistungsnachfrager zwischen ambulanten und<br />
stationären Leistungen, substitutive und komplementäre Beziehungen zwischen den<br />
Sektoren<br />
Nicht nur bei der Nachfrage nach, sondern auch bei der Produktion von Gütern sind Substitutionsbeziehungen<br />
möglich, in diesem Fall zwischen verschiedenen Inputfaktoren (z.B. „Kapital“<br />
und „Arbeit“). Ambulante und stationäre Leistungen können als Inputfaktoren für die<br />
Produktion eines medizinischen Nutzens (Output) aufgefasst werden. In diesem Zusammenhang<br />
zeigt die Isoquante die Kombinationsmöglichkeiten (Substitutionsbeziehungen) zweier<br />
Inputfaktoren für einen konstanten Output (Produktionsniveau) (Abbildung 9). Falls zwischen<br />
ambulanter und stationärer Leistung eine Substitutionsbeziehung (bei gleichem Output) existiert<br />
(Punkt A und B auf der gleichen Isoquante), ist die Korrelation zwischen den beobachteten<br />
Inanspruchnahmeraten der ambulanten und stationären Leistung in zwei oder mehr Regionen<br />
negativ. Bei zwei oder mehr Regionen mit unterschiedlichen Produktionsniveaus (Punkt<br />
A und C) ist die Korrelation meistens positiv.<br />
stationäre Leistung<br />
A<br />
C<br />
B<br />
ambulante Leistung<br />
stationäre Leistung<br />
Substitutionsbeziehung Komplementärbeziehung<br />
ambulante Leistung ambulante Leistung<br />
Abbildung 9: Produktion medizinischer Versorgung aus ambulanten und stationären<br />
Leistungsinputs (Quelle: eigene Darstellung, angelehnt an Phelps et al. 1993)<br />
27
Auch können Leistungen nicht nur zwischen dem stationären und dem ambulanten Sektor<br />
verlagert werden, sondern auch zwischen anderen Bereichen oder indirekt über andere Bereiche:<br />
z.B. Reha-Maßnahmen, Selbstbehandlung, Physiotherapie, Pflege. Godber et al. (1997)<br />
empfehlen, die Opportunitätskosten von Leistungsverlagerungen am Ort der Verlagerung zu<br />
berücksichtigen. Bei bereits gegebener Kapazitätsauslastung (z.B. bei ausgebuchtem Terminplan)<br />
und ausgeschöpftem Rationalisierungspotenzial im ambulanten Bereich 34 führt die Verlagerung<br />
stationärer Leistungen zu Opportunitätskosten wie entgangener Freizeit für den Leistungserbringer<br />
oder der Notwendigkeit, andere bisher erbrachte Leistungen zeitlich zu verschieben,<br />
sie auf arztersetzende Kräfte oder Angehörige 35 zu verlagern oder sie ganz zu unterlassen,<br />
d.h. bei weniger dringlichen Fällen auf einen Teil der medizinischen Nutzenstiftung zu<br />
verzichten. Es kann also zu Verdrängungseffekten (sekundären Verlagerungen, „Substitutionsfortpflanzungen“)<br />
oder Posteriorisierungen kommen.<br />
Änderungen der sektoralen Inanspruchnahme von Leistungen können darüber hinaus durch<br />
Zufallseffekte bedingt sein. Je kleiner die betrachtete Bevölkerungsgruppe, die regionale Einheit<br />
und der medizinische Systemausschnitt, desto weniger stabil wird die Leistungsentwicklung<br />
sein.<br />
Solche Effekte wirken in beiden Richtungen. 36 So können lange Wartezeiten für Facharzt-<br />
Termine oder Schließung von Praxen am Ende des Quartals, eine Verminderung der Vertragsarztdichten<br />
oder verschärfte Arzneimittelrichtlinien/-budgets im ambulanten Bereich zu<br />
Verlagerungen in den stationären Bereich führen. 37 Auch der stationäre Bereich ist teilweise<br />
komplementär, partiell oder absolut substitutiv zum ambulanten Sektor (Miller et al. 1999).<br />
Bessere diagnostische Tests oder eine erhöhte Inanspruchnahme von Früherkennungs- und<br />
Präventionsleistungen im ambulanten Bereich (z.B. Brustkrebsfrüherkennung) können bei<br />
einem auffälligen Ergebnis sowohl ambulante (z.B. Biopsie, Chemotherapie, Strahlentherapie,<br />
Nachsorge) als auch stationäre Leistungen (z.B. brusterhaltende Chirurgie, Mastektomie) zu<br />
Folge haben, die sonst nicht (Überdiagnose) oder später angefallen wären. Eine Substitutionsbeziehung<br />
zwischen beiden Sektoren kann unterstellt werden, falls Personen in näherer Umgebung<br />
zu ambulanten Versorgungseinheiten niedrigere Krankenhauseinweisungen aufweisen<br />
als Patienten, die weiter weg wohnen. Dagegen spricht für eine Komplementärbeziehung zwischen<br />
ambulanter und stationärer Versorgung, wenn Regionen mit hoher ambulanter auch<br />
hohe stationäre Inanspruchnahmeraten aufweisen. Hierbei besteht aber auch weiterhin die<br />
Möglichkeit, dass beide Inanspruchnahmemodi in unterschiedlicher Ausprägungsform in unterschiedlichen<br />
Regionen vorzufinden sind.<br />
Wennberg widerspricht dagegen der weitverbreiteten Meinung, dass durch die Erhöhung des<br />
Angebots von kostengünstigeren Versorgungseinrichtungen außerhalb des Krankenhauses,<br />
die stationäre Inanspruchnahme gesenkt werden könnte. Im interregionalen Querschnittsvergleich<br />
weisen Regionen mit hohen Inanspruchnahmeraten bei der ambulanten Versorgung<br />
auch hohe Raten bei der stationären Versorgung auf. Danach spricht wenig für gegenläufig<br />
abhängige Beziehung (Trade-Off) zwischen den Sektoren (Wennberg et al. 2008). Intraregional<br />
längsschnittliche Vergleiche könnten aber andere Muster zeigen. Eine Differenzierung<br />
müsste sich auf Mehrebenen-Modelle stützen (Singer und Willet 2003).<br />
34 Eine Standard-Prämisse vertragsärztlicher Honorarpolitik.<br />
35 allgemein: auf die niedrigste wirksame Versorgungsstufe (LECL, lowest effective care level)<br />
36 § 87a Absatz 1 stellt klar, dass sich die in Absatz 2 bis 6 getroffenen Regelungen nur auf die Vergütung vertragsärztlicher<br />
Leistungen beziehen, also auch der Verlagerungseffekt nach Absatz 4 Nr. 3<br />
37 Die Rückentwicklung eines solchen Prozesses würde als Verlagerungseffekt nach § 87a erscheinen. Eine stärkere<br />
Integration der ambulanten Facharztschiene in die Krankenhäuser würde Verlagerungspotenziale und Verlagerungseffekte<br />
ändern. Das wäre z.B. über Integrationsverträge möglich.<br />
28
Ein weiteres Problem bedarf der Berücksichtigung: In welchem zeitlichen Bezug gilt eine<br />
Leistungsfolge als „Verlagerungseffekt“ im Gegensatz z.B. einer neuen Krankheitsepisode<br />
oder zu einem Rezidiv? Dafür ist ein inhaltliches Verständnis der Krankheitsverlaufskurven<br />
mit ihrem patientenbezogenen Anteil („illness episode“), ihrem versorgungsbezogenen Anteil<br />
(„health care episode“) und ihrer präventiven Beeinflussbarkeit („health maintenance episode“)<br />
erforderlich (Hornbrook et al. 1985). Die Regeln zur Fallzusammenführung bei Wiederaufnahmen<br />
im DRG-System definieren z.B. Diagnose-Leistungs-Zeitfenster. Wenn Behandlungsprozesse<br />
und Patientenverläufe innerhalb eines sektorübergreifenden Phasenmodells<br />
definiert werden können, wären Fall- und Leistungsverlagerungen sowie Aufwandskategorien<br />
zwischen den Sektoren leichter als Vergütungsab- und -zuschläge zu berücksichtigen (vergl.<br />
Vergütungsregelungen bei Verlegungen zwischen Krankenhäusern oder die Kennzeichnung<br />
von Rehabilitationsphasen im Zusammenwirken von Kranken- und Rentenversicherung).<br />
Im weiteren Sinne sollten bei einer transsektoralen Budgetentwicklung auch Fälle und Leistungen<br />
berücksichtigt werden, die nicht im engeren Sinn zwischen dem stationären und dem<br />
ambulanten Sektor verlagert, sondern durch intensivierte ambulante Versorgung ganz vermieden,<br />
im ambulanten Sektor gehalten oder stationär aufgeschoben wurden, z.B. Asthmaanfälle<br />
und Notfalleinweisungen durch rechtzeitige Diagnose, frühzeitige Behandlung und gute Einstellung;<br />
Schlaganfälle durch konsequente ambulante Hypertonie-Behandlung; stationäre<br />
Kurzaufenthalte multimorbider Heimpatienten durch intensivierte Betreuung unter Vermeidung<br />
von „Abschiebezyklen“. Vermutlich erfüllen diese Fälle den Verlagerungsbegriff des<br />
§ 87a Absatz 4 Nr. 3 nicht. Bei einem räumlich-zeitlichen Vergleich der ambulant und der<br />
stationären Leistungsentwicklung würden allerdings zunehmend im ambulanten Sektor gehaltene<br />
Fälle als „verlagert“ erscheinen. Eine budgetäre Kompensation dieser Situation wäre<br />
jedenfalls nicht sachfremd, sofern (wie im Disease Managment Programm Asthma) kein anderer<br />
Teil der Vergütungssystematik greift. In die andere Richtung kann auch das Krankenhaus<br />
durch gute Qualität seiner Leistungen ambulante Folgebehandlungen vermeiden helfen.<br />
In den genannten Beispielen besteht die Problematik, "Nichtereignisse" zu messen und zu<br />
bewerten.<br />
Eine Vermeidung oder zeitliche Verschiebung von Krankenhausleistungen durch wirksame<br />
ambulante Versorgung („preventable hospitalizations“) 38 ist nicht nur von gesetzlichen oder<br />
institutionellen Rahmenbedingungen und Anreizstrukturen abhängig, sondern auch vom Kontext<br />
der konkreten regionalen Versorgungslandschaft und der damit erreichten regionalen<br />
Versorgungsqualität (z.B. Bevölkerungsstruktur, Ärztedichte, Überweisungsverhalten, Notfallversorgung,<br />
technische Neuerungen und neue Versorgungsformen, Zusammenlegungen<br />
und Privatisierungen von Krankenhäusern 39 ).<br />
Der Gesundheitsmarkt befindet sich in einem ständigen Wandel. Dadurch können sich die<br />
Marktstrukturen, das ambulant-stationären Leistungsgeschehen sowie die Substitutions- und<br />
Komplementärbeziehungen zwischen ambulanter und stationärer Versorgung, d.h. die Sektorgrenze,<br />
in kurzen Zeiträumen ändern. Eine Marktabgrenzung für intersektorale Leistungsverlagerungen<br />
ist und bleibt schwierig.<br />
38 Auf diesen Punkt wird in Abschnitt 4.5.3 näher eingegangen.<br />
39 Ho und Hamilton 2000, Faulkner et al. 2003, Lin et al. 2004<br />
29
4.2. Sektorale Verlagerungen durch Kostenstrukturen, Anreiz- und Vergütungssystematik<br />
Mit dem differierenden Ordnungsrahmen in den beiden Sektoren sind auch unterschiedliche<br />
Vergütungsformen und -höhen für identische Leistungen verbunden. So wird z.B. die gleiche<br />
Chemotherapie unterschiedlich vergütet, je nachdem ob sie als vollstationäre, teilstationäre<br />
oder ambulante Leistung (z.B. im Rahmen einer Hochschulambulanz) erbracht wird. Unterschiedliche<br />
sektorale Vergütungsformen mindern die Leistungstransparenz, welche die Abbildung<br />
von anreizgesteuerten Verlagerungen von Leistungskomplexen erschwert. Weiterhin<br />
wird der Wettbewerb zwischen verschiedenen Versorgungsanbietern wird verzerrt. Er findet<br />
nicht auf Basis von Merkmalen der Behandlungsoptionen, sowie Leistungseigenschaften und<br />
-fähigkeiten der Institutionen statt sondern auf Basis von Vergütungsanreizen.<br />
Der Wettbewerb ist zudem abhängig von spezifischen regionalen Kontextfaktoren der Versorgung<br />
(Anzahl der Krankenhäuser, Zahl und Organisationsgrad der Vertragsärzte, Reputation<br />
der Wettbewerber, Einweisungsströme, Marketingstrategien usw.) sowie dem Monopolisierungsgrad<br />
für ein definiertes Diagnose- und Leistungsspektrum. Kooperation zwischen den<br />
Leistungserbringern und die Bildung von sektoral, horizontal und vertikal integrierten Versorgungsclustern<br />
schaffen regionale Wettbewerbsvorteile. Unter einem medizinischen Versorgungscluster<br />
kann eine Anzahl von Krankenhäusern, ambulanten Versorgungseinrichtungen<br />
und weiteren Dienstleistern (z.B. Großapotheke, Zulieferer, Wissenschaft) verstanden<br />
werden, die sich in geographischer Nähe zueinander befinden und deren Aktivitäten sich entlang<br />
einer oder mehrerer Wertschöpfungsketten ergänzen 40 . Cluster steigern die Innovationskraft,<br />
die Nutzenstiftung und die Produktivität der beteiligten Institutionen (z.B. flexiblere<br />
Kapazitäten- und Ressourcenplanung, höhere Auslastung, Konzentration auf Kernkompetenzen).<br />
Kooperationen von rechtlich selbständigen Organisationen sind aus ordnungspolitischer<br />
Sicht grundsätzlich wünschenswert, solange der Leistungswettbewerb zwischen den Organisationen<br />
und die Intensität des Wettbewerbs innerhalb der Region nicht eingeschränkt werden.<br />
Wie bei Unternehmenszusammenschlüssen oder dem Markteintritt in neue Versorgungs-<br />
und Leistungssegmente (z.B. Krankenhaus gründet MVZ) erhöht sich auch bei Kooperationen<br />
die Gefahr einer marktbeherrschenden Stellung. Mit einem eigenen MVZ kann ein Krankenhaus<br />
Leistungspfade sektorübergreifend verknüpfen. Durch Neuausrichtung der Einweisungs-<br />
und Leistungsströme und der Nachbetreuung kommt es zu einer Veränderung der regionalen<br />
Marktabgrenzung. Da Leistungen der MVZ aus dem ambulanten Budget vergütet werden,<br />
sind sie nach § 87a zu berücksichtigen.<br />
Im Allgemeinen sollte berücksichtigt werden, dass sequenziell oder teilparallel tätige Leistungserbringer<br />
wechselseitig voneinander abhängig sind. So müssen Krankenhäuser auf ihre<br />
Zuweiser Rücksicht nehmen, während die Vertragsärzte im Interesse einer zügigen Übernahme<br />
ihrer Patienten ein gutes Verhältnis zum regionalen Krankenhaus anstreben werden. Das<br />
erschwert zum einen Verlagerung von Leistungen zum bloßen Zweck einer Kostenverschiebung,<br />
zum anderen behindert es einen wirksamen Leistungswettbewerb an den Sektorgrenzen<br />
(Perpetuierung der Sektorgrenzen).<br />
40 Der Begriff „Cluster“ wurde durch Michael Porter in „The Competitive Advantage of Nations“ (1998) zuerst<br />
thematisiert.<br />
30
Preis/ Vergütung<br />
Pa+v<br />
Pa<br />
Xa<br />
Xa+v<br />
Xmax<br />
(Kapazitätsgrenze)<br />
Grenzkosten<br />
RATIONALISIERUNG<br />
Grenzerlös<br />
Menge<br />
med. Leistungen<br />
Abbildung 10: Grenzkosten-Grenzerlösverlauf in der ambulanten Versorgung (Quelle:<br />
eigene Darstellung)<br />
Abbildung 10 erläutert das Vergütungsproblem nach § 87a Abs. 4 Nr. 3 SGB V im Rahmen<br />
eines Preis-Mengen Diagramms auf mikroökonomischer Ebene. Der erzielbare Erlös aus einer<br />
zusätzlichen durchgeführten Leistungseinheit (Grenzerlös GE) entspricht dem fixen Preis. Bei<br />
einem fixen Preis kann der Gewinn nur über die Menge maximiert werden, nicht über den<br />
Preis (Anreiz zur Mengenausweitung). Die kurzfristige Gewinnmaximierung lautet Grenzkosten<br />
= Grenzerlös = Preis.<br />
Wenn das Ziel einer vertragsärztlichen Praxis ist, den Gewinn zu maximieren (Gewinn = Gesamterlöse<br />
- Gesamtkosten), wird der Arzt bei einem fixen Preis Pa die Menge Xa anbieten<br />
(Grenzerlöskurve schneidet Grenzkostenkurve). Der progressiv steigende Verlauf der Grenzkostenkurve<br />
beruht auf der Annahme, dass jede durchgeführte zusätzliche medizinische Leistung<br />
mit einem höheren marginalen Kostenanteil verbunden ist.<br />
Nun wird eine Leistungsmenge aus dem stationären Sektor verlagert und vom ambulanten<br />
Sektor übernommen (Xv). Die dafür zusätzlich nötige Vergütung müsste sich an den Grenzkosten,<br />
nicht an den Durchschnittskosten der Leistungen orientieren. Der Preis müsste sich<br />
also bei einer Leistungsmengenerhöhung von Xv von Pa auf Pa+v erhöhen. Ohne Aufwuchs der<br />
Vergütung wäre es für die Praxis rational, die bisherige Menge Xa beizubehalten, indem sie<br />
entweder die verlagerten Leistungen nicht übernimmt oder andere Leistungen posteriorisiert.<br />
Alternativ könnte die Praxis versuchen, den Verlauf der Grenzkostenkurve durch Rationalisierungen<br />
nach unten zu verschieben, bis die neue Leistungsmenge Xa+v zum alten Preis Pa erbracht<br />
werden kann. Bei nicht vorhandenen Rationalisierungsmöglichkeiten würde eine solche<br />
Kostensenkung wahrscheinlich zu Qualitätseinbußen führen.<br />
31
Bei vorhandener Überkapazität (Xmax > Xa+v) könnten die verlagerten Leistungen ohne Anpassung<br />
der Kapazität übernommen werden. I. d. R. wird die Praxis aber bereits an ihrer Kapazitätsgrenze<br />
arbeiten (Xmax=Xa). Natürlich können Kapazitäten geschaffen werden. Dies setzt<br />
aber Investitionen voraus (z.B. weiteres Personal, neue Technik). Weiterhin können sich Kostenverläufe<br />
verändern, wenn stationär verlagerte Leistungen höhere Kosten bei der Leistungserstellung<br />
verursachen als der bisherige Leistungsmix (höherer Schweregrad der Patienten,<br />
teure Arzneimittel, höherer Beratungsbedarf). In diesen Fällen müsste die Vergütung an die<br />
neuen Kostenverläufe angepasst werden. 41<br />
Die Möglichkeit zur Leistungsverlagerung vom stationären in den ambulanten Sektor hängt<br />
somit auch von Kooperationsbereitschaft und -fähigkeit (u.a. Kapazitäten, Ressourcen) des<br />
ambulanten Sektors ab, diese Leistungen zu übernehmen. Anreizkonstruktionen wie Budgetrestriktionen,<br />
pauschalierte Vergütungen und Mengenbegrenzungen mindern Anreiz und Fähigkeit,<br />
Leistungen substitutiv oder komplementär zu übernehmen. 42<br />
Eine kompensierende Vergütung für stationär-ambulante Verlagerungseffekte wäre jedoch<br />
nur insoweit berechtigt, als „netto“ eine Mengenzunahme oder Leistungsintensivierung noch<br />
möglich war und tatsächlich eingetreten ist. Danach wäre im Hinblick auf den Verlagerungseffekt<br />
nach § 87a nicht nur die Leistungsentwicklung an der einen Schnittstelle zwischen dem<br />
ambulanten und dem stationären Sektor zu betrachten. Kommunizierende Leistungsverlagerungen<br />
an anderen Schnittstellen, vor allem zur Pflege, zur Reha und zur Selbstversorgung,<br />
sind ebenfalls relevant (siehe auch die Ausführungen zum dynamischen Systemmodell unten).<br />
4.3 Sektorale Verlagerungen durch medizinisch-technischen Fortschritt<br />
Das Gesundheitswesen ist ein dynamischer Sektor, der von sozialen, wirtschaftlichen, und<br />
technologischen Trends beeinflusst wird. In Anlehnung an den Wirtschaftswissenschaftler<br />
Schumpeter ist eine Unterscheidung von drei Innovationstypen sinnvoll<br />
- Produkt- oder Dienstleistungsinnovationen: Medizinprodukte, Arzneimittel, Hilfsmittel,<br />
laboranalytische oder telemedizinische Dienstleistungen usw.<br />
- Prozess- oder Verfahrensinnovationen: neue Diagnose- und Therapieverfahren (z.B. minimalinvasive<br />
Chirurgie, neue Formen der Organtransplantation, Anästhesie), Einführung<br />
der integrierten Versorgung oder anderer strukturierter Behandlungsprozesse, Medizinische<br />
Versorgungszentren, verbesserte elektronische Kommunikation und Dokumentation,<br />
neue Wertschöpfungsketten durch e-Health-Nutzung usw.<br />
- Systeminnovation: Weiterentwicklung/Verbesserung des Rechtsrahmens für die gesetzlichen<br />
und privaten Krankenversicherungen, Einführung von Pflichtversicherungen, Reform<br />
der Pflegeversicherung, Veränderung der finanziellen Anreizstrukturen, Organisatorische<br />
Veränderungen (Versorgungs- und Vergütungsformen) usw. (Henke 2008).<br />
In den letzten Jahren wurden vor allem in folgenden diagnostischen und therapeutischen Bereichen<br />
innovationsbedingte Verlagerungspotentiale in den ambulanten Sektor umgesetzt:<br />
- diagnostische Herzkatheterleistungen, bildgebende Verfahren (Endoskopie, Arthroskopie,<br />
Sonographie, Radiologie, Nukleardiagnostik), Labordiagnostik, Pathologie<br />
- ambulantes Operieren (Metallentfernungen, Leistenhernien, Abrasionen, Katarakt-OP,<br />
Handchirurgie, Herzschrittmacherimplantationen), Strahlentherapie, Chemotherapie,<br />
Schmerztherapie u.v.a.<br />
41 Siehe dazu auch Henderson 2009, McPake et al. 2008, Phelps und Mooney 1993<br />
42 Durch die getrennten sektoralen Budgets und unterschiedliche Regulierungen sind die Leistungs- und Kostenverlagerungen<br />
zwischen den Sektoren für manche medizinische Behandlungsbereiche (z.B. ambulante Operationen)<br />
auch schon institutionalisiert worden (Crump et al. 1995; § 115b SGB V).<br />
32
Der ambulante Sektor kann durch medizinisch-technischen Fortschritt sein Angebotsportfolio<br />
(neue Diagnose- und Therapiemethoden) in Richtung bisher stationärer Leistungserbringung<br />
erweitern und seinen Praxisstil im Sinn einer Weiterführung der Behandlung statt einer Überweisung<br />
an das Krankenhaus anpassen. Durch Angleichung der Produktionstechnologien<br />
erhöht sich der ambulant-stationäre Substitutionsbereich, die Sektoren können zunehmend in<br />
Leistungskonkurrenz zueinander treten. Es entwickelt sich eine Trade-Off-Beziehung zwischen<br />
einer längeren und kostenintensiveren ambulanten Behandlungsphase einerseits und<br />
Einsparungen bei der (noch kostenintensiveren) stationären Behandlung andererseits. 43 Leistungsbezogene<br />
(sektorale) Trendentwicklungen in Raum und Zeit lassen sich gut mittels 4-<br />
Quadranten-Diagrammen darstellen (Abbildung 11a-b).<br />
43 Die Veränderung der arztbezogenen Gesamtausgaben ist aus Krankenkassenperspektive im Wesentlichen von<br />
vier Faktoren und ihren Änderungen abhängig: Anzahl an behandelten Fällen, Kosten pro Fall der ambulanten<br />
Behandlung, Überweisungsrate an das Krankenhaus, Kosten der stationären Behandlung (Zweifel 1985). Zweifel<br />
hat dazu eine Kosten-Effektivitäts-Analyse durchgeführt.<br />
33
%-Veränderung der Leistungsanteile im amb. Bereich nach Regionen und Jahren<br />
%-Veränderung der Anzahl der Behandlung x (z.B. Stent) nach Regionen und Jahren<br />
2,5<br />
2,0<br />
1,5<br />
1,0<br />
0,5<br />
0<br />
-0,5<br />
-1,0<br />
2,5<br />
2,0<br />
1,5<br />
1,0<br />
0,5<br />
0<br />
-0,5<br />
-1,0<br />
Substitution<br />
Ambulant +<br />
Stationär -<br />
Rationierung<br />
Ambulant -<br />
Stationär -<br />
Substitution<br />
Behandlung x +<br />
Behandlung y -<br />
Rationierung<br />
Behandlung x -<br />
Behandlung y -<br />
Addition<br />
Ambulant +<br />
Stationär +<br />
Substitution<br />
Ambulant -<br />
Stationär +<br />
-2,0 -1,5 -1,0 -0,5 0 0,5 1,0 1,5 2,0<br />
%-Veränderung der Leistungsanteile im stat. Bereich nach Regionen und Jahren<br />
Addition<br />
Behandlung x +<br />
Behandlung y +<br />
Substitution<br />
Behandlung x -<br />
Behandlung y +<br />
-2,0 -1,5 -1,0 -0,5 0 0,5 1,0 1,5 2,0<br />
%-Veränderung der Anzahl der Behandlung y (z.B. Bypass) nach Regionen und Jahren<br />
Abbildung 11: Regionale Leistungsentwicklung im ambulanten und stationären Sektor<br />
a) (oben) Verlagerung einer Leistung, überwiegend substitutiv vom stationären in den ambulanten Sektor<br />
b) (unten) Beziehung zweier konkurrierender Behandlungsmethoden bzw. Leistungen mit überwiegend<br />
substitutiver, aber auch additiver Komponente (Quelle: eigene Darstellung)<br />
34
Neue diagnostische Möglichkeiten erhöhen die Inzidenz versorgter Krankheiten im stationären<br />
wie im ambulanten Sektor. Mit neuen Wirkstoffen werden Patienten früher behandelt, was<br />
auch zu vermehrten, meist ambulanten Kontrollen führt. Eine medizinisch-technische Innovation<br />
kann die Indikation durch verbesserte Risiko-Nutzen-Verhältnisse ausweiten und/oder die<br />
Lebenserwartung verlängern. Eine höhere Lebensqualität, geringere Belastungen der Patienten,<br />
weniger Komplikationen und Therapievereinfachungen können auch zu einem früheren<br />
Behandlungsende und zu geringerer Leistungsinanspruchnahme führen. Die Dynamik des<br />
Fortschritts kann zwischen dem stationären und dem ambulanten Sektor und in den unterschiedlichen<br />
Fachgebieten ungleich sein. 44<br />
Innovationen ermöglichen also ein differenziertes Wachstum medizinischer Leistungsmengen<br />
sowie eine Verschiebung der Markt- und Sektorengrenzen. Verlagerungseffekte können Innovationsfolgen<br />
sein. Der Markt ist daher weder in einer statischen noch in einer dynamischen<br />
Sicht fest abgrenzbar.<br />
Die Innovationskraft des Gesundheitswesens ist in verschiedener Hinsicht reguliert. So können<br />
innovative Leistungen erst abgerechnet werden, wenn sie bewertet und in die Vergütungssystematik<br />
(EBM, DRG) übernommen wurden. 45 Durch die Art der Kostenübernahme<br />
(vollkommen, anteilig) innovativer Leistungen gehen Anreize für das Ausmaß der Anwendung<br />
und die Dynamik der Marktdurchdringung aus. Der ambulante Sektor unterliegt dabei<br />
strengeren Regeln als der stationäre (G-BA: Verbote bei Erlaubnisvorbehalt vs. Erlaubnis bei<br />
Verbotsvorbehalt). Dennoch ist er zumindest mit komplementären Leistungen an innovationsbedingten<br />
Leistungsausweitungen des stationären Sektors beteiligt. Eine Investitionsfinanzierung<br />
zusätzlich zur Leistungsvergütung im stationären, aber nicht im ambulanten Sektor führt<br />
zu einer Wettbewerbsverzerrung zu Lasten des ambulanten Sektors. 46<br />
Verträge über den Einsatz von Innovationen in der sektorübergreifenden Versorgung (Integrationsversorgung,<br />
Selektivverträge) können die sektorspezifischen Vergütungswege ersetzen.<br />
Der Weg von Innovationen in den Markt für Gesundheitsleistungen ist somit nicht nur von<br />
den Regeln für den Behandlungsmarkt, sondern auch von Regelungen der Märkte für Versicherungsleistungen<br />
und Versorgungsverträge abhängig (Reimers 2009, Kraft 2007). Die Einführung<br />
und Inanspruchnahme einer Innovation im Markt wird außerdem von den Leistungserbringern<br />
(Versorgungstyp und -größe, Spezialisierung, Meinungsführer, Innovationsfreude<br />
usw.) und den Patienten (z.B. Opportunitätskosten, Akzeptanz einer Innovation, Patientenpräferenzen)<br />
beeinflusst.<br />
In die Kategorien des § 87a Absatz 4 sind innovative Leistungen in Nr. 2 eingeordnet, wenn<br />
der G-BA darüber nach § 135 entschieden hat. Innovationsbedingte Indikationsausweitungen<br />
vorhandener Leistungen erscheinen als Morbiditätseffekte nach Nr. 1. Unabhängig davon, ob<br />
der medizinisch technische Fortschritt bevorzugt zu Add-On-Technologien führt oder Rationalisierungen<br />
und Substitutionseffekte ermöglicht, ob er im Gesundheitswesen reguliert oder<br />
wettbewerblich übernommen wird - er trägt bei zu differenziellen sektoralen Verlagerungsentwicklungen<br />
und zur Verschiebungen der ambulant-stationären Sektorgrenze. Er ist daher<br />
44<br />
Nach Welsh 1995 hat eine Studie große Variationen bei der stationär-ambulanten Leistungsverlagerungen<br />
festgestellt abhängig von Prozedur und Größe des Krankenhauses. Eine Studie aus Deutschland hat die Auswirkungen<br />
der DRG Einführung auf die ambulante Versorgung der Dermatologie untersucht. Dabei wurde eine<br />
Abnahme von stationären Operationsleistungen und eine Verlagerung von leichten operativen Prozeduren, aber<br />
nicht von schweren Fällen in den ambulanten Bereich festgestellt (Hensen et al. 2007).<br />
45<br />
Siehe die Regelungskompetenzen des G-BA (§§ 91 ff und §§ 135 ff SGB V) und seine Verfahrensordnung,<br />
aber auch die Rechtsprechung der Sozialgerichte<br />
46<br />
Allerdings sind viele Krankenhäuser wegen der angespannten Finanzlagen der Bundesländer mittlerweile zur<br />
Finanzierung der Investitionen aus Eigenmitteln übergegangen.<br />
35
für die Bestimmung von Verlagerungseffekten eine schwer zu kontrollierende Determinante,<br />
aber - sofern klar beschreibbar - auch eine nützliche Zusatzinformation.<br />
4.4 Informationsquellen für stationär-ambulante Verlagerungspotenziale<br />
Neben der weiter unten näher untersuchten kleinräumigen Versorgungsheterogenität können<br />
folgende Zugänge Hinweise auf stationär-ambulante Verlagerungspotenziale geben:<br />
• Appropriateness Assessment Protocol (AEP)<br />
• Fehlbelegungsprüfungen durch Medizinischen Dienst der Krankenversicherung (MDK)<br />
• Normativ vermeidbare Krankenhausaufnahmen (avoidable hospital conditions)<br />
• Katalog ambulant durchführbarer Operationen nach § 115b SGB V (AOP-Katalog: OPS-<br />
Codes und EBM-Ziffern)<br />
4.4.1 Appropriateness Evaluation Protocol (AEP)<br />
Das AEP ist ein Kriterienkatalog, mit dem die Notwendigkeit einer Krankenhausaufnahme<br />
überprüft werden kann. Der ursprüngliche Zweck war, Kriterien festzulegen, wann die Kosten<br />
einer (stationären) Maßnahme durch eine Krankenversicherung übernommen werden müssen.<br />
47 Die deutsche Version (G-AEP) spezifiziert u. a. Kriterien, die bei elektiven Operationen<br />
eine stationäre Aufnahme erforderlich machen können (AEP-ES), wie klinisch relevante Begleiterkrankungen,<br />
besondere postoperative Risiken oder soziale Faktoren, aufgrund derer<br />
eine sofortige medizinische Versorgung des Patienten im Falle postoperativer Komplikationen<br />
nicht möglich wäre (Schneeweiss et al. 2000). Die AEP-Kriterien objektivieren also die Entscheidungsfindung<br />
über die Notwendigkeit einer stationären Behandlung. Diese Entscheidung<br />
ist allerdings nicht ex post in Kenntnis des tatsächlichen Verlaufs, sondern zurückverlagert ex<br />
ante aus der Sicht der Aufnahmesituation zu treffen. In das G-AEP wurde eine sog. „Override-Option“<br />
eingefügt, die dem gutachtenden Arzt die letzte Entscheidung über die Notwendigkeit<br />
einer stationären Aufnahme überträgt. Damit können Besonderheiten des Einzelfalles<br />
berücksichtigt werden, die sich im Kriterienkatalog nicht abbilden.<br />
Im Umkehrschluss ergeben sich Hinweise auf nicht erforderliche oder zu lange Krankenhausaufenthalte<br />
(primäre und sekundäre Fehlbelegung). Man kann daraus ein Verlagerungspotenzial<br />
ableiten. Smith et al. (1997) beurteilten z.B. in einer Krankenhaus-Stichprobe unter 821<br />
akuten Aufnahmen 6,2 % als „inappropriate“, davon die übergroße Mehrheit deswegen, weil<br />
eine ambulante Versorgung ausreichend gewesen wäre. Unter den Krankenhaustagen wurden<br />
11,6 % als geeignet für die ambulante Betreuung eingeordnet. Weitere vermeidbare Krankenhaustage<br />
entstanden aus sozialen Gründen oder weil eine nachgeordnete Versorgungseinrichtung<br />
nicht zeitgerecht aufnahmefähig war.<br />
Die AEP-Kriterien setzen klinische Befunde und damit eine Dokumentation voraus, die nicht<br />
flächendeckend in zugänglichen Routinedaten oder in hochrechenbaren Stichproben verfügbar<br />
ist. Es bleibt schwierig, Ergebnisse von Fehlbelegungsprüfungen im Krankenhaus zu verallgemeinern<br />
(externe Validität), da die Vermeidbarkeit von Maßnahmen von verschiedenen<br />
Faktoren wie Patientenmerkmalen, Qualität der Diagnose, Kodierqualität, Entlassungsmana-<br />
47 Diese eine Leistungspflicht der Krankenversicherung bedingende (vertragsrechtliche) Verwendung des Begriffs<br />
„appropriate“ ist nicht ganz deckungsgleich mit der Bedeutung des Begriffs „notwendig“ im Leistungsrecht<br />
der GKV.<br />
36
gement, Verhalten des ambulanten Sektors, Kooperation mit anderen Leistungserbringern,<br />
Angebot an Sozialeinrichtungen und den Anreizstrukturen des Finanzierungssystems mit determiniert<br />
werden (Sangha et al. 2002, Roos und Roos 1981, Smith et al. 1997).<br />
„Verlagerungsfähig“ oder „vermeidbar“ bedeutet noch nicht „verlagert“ im Sinne des § 87a<br />
SGB V. Daher ist das Instrument für den angestrebten Zweck, einen Verlagerungseffekt zu<br />
schätzen, nicht unmittelbar geeignet.<br />
4.4.2 Fehlbelegungsprüfungen durch den MDK<br />
Der MDK prüft stichprobenweise primäre und sekundäre Fehlbelegungen im Krankenhaus<br />
und Fehlkodierungen bei der Abrechnung (§ 275 SGB V, § 17c KHG). Am Beispiel der<br />
MDK-Begutachtungen eines Bundeslandes wird deutlich (Tabelle 2), dass im stationären Sektor<br />
nennenswerter Korrekturbedarf unterstellt werden kann. Dabei lässt die aggregierte Statistik<br />
nicht mehr erkennen, ob eine Abrechnung wegen primärer Fehlbelegung, sekundärer Fehlbelegung<br />
oder Fehlkodierung (unzutreffende Abrechnungspositionen) korrigiert wurde. Sekundäre<br />
Fehlbelegung ist im DRG-System als Prüf- und Korrekturtatbestand nur noch von<br />
untergeordneter Bedeutung, da das Verweildauer-Risiko überwiegend den Krankenhäusern<br />
zugeordnet ist. Aus diesem Grund trägt das Verweildauer-Management der Krankenhäuser<br />
aber zu sekundären Verlagerungen bei. Fälle mit Aufenthalten jenseits der oberen Grenzverweildauer<br />
sind selten und dürften noch seltener streitig sein. Fälle, bei denen nur eine sehr<br />
kurze Verweildauer notwendig war, werden darauf überprüft, ob ambulante Leistungserbringung<br />
- im Krankenhaus oder ambulant - möglich gewesen wäre (Zeiler et al. 2008).<br />
Tabelle 2: Fehlbelegungsprüfungen des MDK Sachsen-Anhalt, insgesamt 20.010 geprüfte<br />
Abrechungen 2008, Anteil der Begutachtungen und Anteil der korrigierten Rechnungen,<br />
Auszug<br />
Anteil der Be- Rechnungsbetrag nach Begutachtungen<br />
Krankenhaus gutachtungen Minderung Gleich Erhöhung<br />
Kreiskrankenhaus Burg 4,2 % 60,2 % 37,9 % 1,9 %<br />
Universitätsklinikum Magdeburg 4,1 % 53,9 % 43,9 % 2,2 %<br />
AMEOS Klinikum St. Salvator Halberstadt 6,0 % 69,1 % 28,6 % 2,4 %<br />
Klinik St. Marienstift Magdeburg 2,8 % 67,1 % 29,0 % 4,0 %<br />
Paul-Gerhardt-Stift Wittenberg 4,3 % 65,3 % 33,6 % 1,1 %<br />
Altmark Klinikum Salzwedel 3,8 % 63,7 % 33,7 % 2,7 %<br />
...<br />
(Quelle: VdEK Sachsen-Anhalt)<br />
Solche Erhebungen könnten grundsätzlich mit einem hochrechenbaren Stichprobenkonzept<br />
gesammelt, von den Gutachtern im Hinblick auf stationär-ambulante Verlagerungspotenziale<br />
klassifiziert werden und dadurch zur Spezifizierung des gesuchten Verlagerungseffekts nach<br />
Diagnosen, Maßnahmen und Patientengruppen beitragen.<br />
Die Fehlbelegungsprüfungen erfordern Einsicht in Patientenunterlagen und Kenntnis klinischer<br />
Befunde. Diese sind routinemäßig nicht flächendeckend verfügbar. Hinzu kommt, dass<br />
bei der Fehlbelegungsprüfung eine Krankenhausperspektive eingenommen wird, der Verlagerungseffekt<br />
jedoch auf eine Bevölkerungsperspektive (regionale Versorgungsperspektive) fokussiert.<br />
37
4.4.3 Normativ vermeidbare Krankenhausaufnahmen<br />
1976 stellten Rutstein et al. eine Liste mit vermeidbaren Krankheiten, vermeidbarer Behinderung<br />
und vermeidbaren vorzeitigen Todesursachen zusammen, um damit Aussagen über die<br />
Qualität der Versorgung treffen zu können (Rutstein et al. 1976). Solberg at al. (1990) testeten<br />
einen neue Methodik der Qualitätskontrolle basierend auf 15 Krankenhausdiagnosen als Indikator<br />
für eine mangelhafte ambulante Versorgung.<br />
Dieser „normative“ Ansatz kann verallgemeinert werden, indem man eine Liste von Krankheiten<br />
und/oder Maßnahmen aufstellt, bei denen eine Krankenhausbehandlung immer oder bei<br />
einem bestimmbaren Anteil der Fälle zugunsten einer ambulanten Versorgung vermeidbar ist<br />
(„potentially avoidable hospital conditions“, „preventable hospitalizations“). 48 Die ersten<br />
solcher Listen stammen von Weissman et al. (1992; mit 12 Diagnosen) und Billings et al.<br />
(1993). Andere „normative“ Klassifikationen beziehen sich auf sog. vermeidbare Todesfälle<br />
(„avoidable deaths“, z.B. Mackenbach et al. 1990). In einem Reviewartikel von Roberts und<br />
Mays (1998) werden die verschiedenen Studien zum ambulant-stationären Leistungsverlagerungspotenzial<br />
im Bereich der Notaufnahmen (hospital accident and emergency department)<br />
diskutiert.<br />
Verschiedenen Länder wie England 49 , Spanien 50 , Australien 51 , Kanada 52 und die USA 53 haben<br />
in den letzten Jahren Listen von „Ambulatory care sensitive conditions (ACSC)“ erstellt und<br />
an die nationalen Gesundheitssysteme angepasst. In den Listen werden Diagnosen und Prozeduren<br />
definiert, bei denen bekannt ist, dass durch eine effektive ambulante Versorgung der<br />
Ausbruch einer Krankheit verhindert, akute Krankheitsepisoden kontrolliert oder Risiken<br />
chronischer Krankheiten effektiv gemanagt und dadurch kostenintensive Krankenhausaufenthalte<br />
vermieden oder reduziert werden können. 54 Im Umkehrschluss handelt es sich also um<br />
Listen vermeidbarer Krankenhausaufenthalte.<br />
Die Listen, die zum großen Teil durch Expertengruppen und Delphi-Verfahren erstellt wurden,<br />
überschneiden sich, unterscheiden sich aber auch erheblich hinsichtlich der eingeschlossen<br />
Krankheiten und praktischen Anwendungen. Sie umfassen mehr ungeplante als planbare<br />
(elektive) Einweisungen und sowohl akute (z.B. Gastroenteritis, bakterielle Pneumonie, Dehydrierung)<br />
wie chronische Krankheitszustände (z.B. Asthma, Diabetes, Hypertonie). Einige<br />
Listen wurden für die ältere Bevölkerung angepasst, indem Krankheiten wie Schlaganfall,<br />
Sepsis und Frakturen einbezogen und andere Krankheiten wie Herzinsuffizienz oder Pneumonie<br />
aus der Liste herausgenommen wurden. 55 In England nimmt man an, dass 10% der Kran-<br />
48<br />
Eine Panel-Befragung von Coast et al. aus dem Jahr 1996 hat unter Allgemeinmediziner und Beratern ergeben,<br />
dass 8-14 % bzw. 5-9 % der stationären Behandlungen auch in alternativen Versorgungsformen hätten stattfinden<br />
können.<br />
49<br />
NHS Institute for Innovation and Improvement: “Directory of Ambulatory Emergency Care for Adults”, “Care<br />
Outside Hospital”<br />
50<br />
Caminal et al. 2001, Caminal et al. 2004 (für Europa)<br />
51<br />
Health Surveillance and Evaluation Section: “Victorian Ambulatory Sensitive Conditions Study”;<br />
Page et al. 2007: Atlas of avoidable hospitalisations in Australia: ambulatory care-sensitive conditions;<br />
Centre for Epidemiology and Research: ICD codes - ambulatory care sensitive hospitalisations<br />
52<br />
Manitoba Centre for Health Policy and Evaluation: “Ambulatory Care Sensitive conditions”;<br />
Anderson (1996): Common conditions considered sensitive to ambulatory care;<br />
Statistics Canada: Hospitalization rate for ambulatory care sensitive conditions<br />
53<br />
Agency for Healthcare Research and Quality: “Prevention Quality Indicators”, “Preventable Hospitalization”;<br />
The Commonwealth Fund: “Hospitalization for Ambulatory Care Sensitive Conditions”<br />
54<br />
Es können auch Notfallaufnahmen und Krankenhauswiedereinweisungen vermieden werden. Falik et al. 2001<br />
55<br />
Bindman et al. 1995, Bindman et al. 2005, Pappas et al. 1997, McCall et al. 2001, Walker et al. 2009<br />
38
kenhauseinweisungen ACSCs sind, in Italien 30 % und in den USA 20 % mit Schwankungen<br />
von 7-30 % je nach Zugang zur ambulanten Versorgung. 56<br />
In einer zurückliegenden Krankenhausfallanalyse der AOK Sachsen-Anhalt (mit Daten der<br />
Jahre 1997 bis 1999) entfielen auf Fälle mit einer der Entlassungsdiagnosen aus der Weissman-Liste<br />
4,1 % der Krankenhausfälle und 4,9 % der Krankenhaustage. Der Anteil vermeidbarer<br />
Krankenhausaufnahmen stieg mit dem Alter an. Bezogen auf jeweils 10.000 Versicherte<br />
hatte in allen Altersklassen und bei Männern und Frauen die Inzidenz der Krankenhausfälle<br />
und der Krankenhaustage mit einer dieser zwölf Diagnosen 1997 bis 1999 zugenommen,<br />
und zwar um 37 % bei den Fällen und um 28 % bei den Berechnungstagen. Unterschiede<br />
der Landkreise bezüglich der Fallhäufigkeit dieser Diagnosen liegen bei rund 40 %<br />
(Swart et al. 2001).<br />
Eine Forschergruppe in Spanien hat eine auf Europa angepasste ACSC Liste als Effektivitätsmaßstab<br />
für die ambulante Versorgung entwickelt und Diagnosen im ambulanten Bereich<br />
identifiziert, deren gute Betreuung zu einer Senkung der Krankenhausrate beitragen kann<br />
(Abbildung 12). Außerdem wurden Maßnahmen zusammengestellt, die dem gleichen Zweck<br />
dienen (Abbildung 13). Dazu gehören vor allem präventive Aktivitäten und eine gute Betreuungskontinuität.<br />
Vor Anwendung einer solchen Liste im deutschen Gesundheitswesen muss<br />
sie wegen spezieller Systemaspekte (z.B. hoher Technologiegrad, doppelte Facharztschiene,<br />
geringe finanzielle Zugangsbeschränkungen zur Versorgung) angepasst werden.<br />
Abbildung 12: Ambulant beeinflussbare Krankheitszustände (Core ASCS list & expanded<br />
ACSC list), (Quelle: Caminal et al. 2004)<br />
56 Coast et al. 1996, Bindman et al. 2005, Rizza et al. 2007<br />
39
Abbildung 13: Rolle der ambulanten Versorgung bei Vermeidung von Krankenhausaufenthalten<br />
(Quelle: Caminal et al. 2004)<br />
ACSCs dienen als Effektivitäts- und Qualitätsindikator der präventiven und ambulanten Versorgung<br />
und als Performanceindikator des Gesundheitssystems. 57 Eine Reihe von Messinstrumenten<br />
(z.B. AHRQ Preventive Quality Indicators) kann entwickelt werden, um die<br />
ACSCs mit Hilfe stationärer Entlassungsdiagnosen zu identifizieren. 58 Mit einer solchen Liste<br />
kann die Stabilität der Rate vermeidbarer Krankenhausaufenthalte in Regionen gemessen und<br />
regional verglichen werden. Diese Rate kann mit definierten Systemveränderungen (z.B. Öffnung<br />
und Schließung von Krankenhäusern, Einführung neuer Versorgungsformen, Budgetanpassungen)<br />
in Raum und Zeit in Zusammenhang gebracht und evaluiert werden. Für eine genauere<br />
Auflösung wird nach Risikofaktoren (z.B. Alter, Geschlecht, Komorbidität) und/ oder<br />
sozioökonomischen Faktoren adjustiert. Außerdem bietet es sich an, diese Raten mit Kostendaten<br />
(z.B. durchschnittlicher Kosten der Krankenhausaufenthalte) in Zusammenhang zu setzten,<br />
um die finanzielle Belastung für die Krankenkassen durch vermeidbare Krankenhausaufnahmen<br />
zu quantifizieren.<br />
Internationale Studien evaluieren anhand solcher Listen den Zugang verschiedener Patientengruppen<br />
(nach sozioökonomischen, geographischen und ethnischen Faktoren differenziert)<br />
zur Gesundheitsversorgung und zeigen damit Defizite in der Versorgung, z.B. Mangel an Ärzten<br />
im ambulanten Sektor oder schwieriger Zugang für Risikogruppen wie ältere Patienten,<br />
geographisch isolierte oder sozial benachteiligte Bevölkerungsgruppen. 59 Complianceunterschiede<br />
der Patienten oder unterschiedlicher Einsatz von evidenzbasierten Behandlungsleitlinien<br />
durch die Leistungserbringer können zum regionalen Muster beitragen. Regionale Unter-<br />
57 Josephson und Karcz 1997, O’Sullivan et al. 1996, Ansari et al. 2006, Lin et al. 2000<br />
Obwohl auch andere Einflüsse z.B. Umwelt die nicht direkt mit dem Gesundheitswesen zu tun haben,<br />
58 ACSCs können als Sreeningtest mit begrenzter Sensitivität und Spezifität verstanden werden. In den meisten<br />
Studien wurde als Datenbasis die Entlassungsdiagnose verwendet. Die Datenqualität (Diagnosestellung, Kodier-<br />
und Dokumentationsqualität, evtl. keine personenbezogenen Daten) ist bei der Interpretation der ACSCs zu<br />
beachten (Saha et al. 2007, Brown et al. 2001, Campbell et al. 2001, Kozak et al. 2001, Purdy et al. 2009, Billings<br />
et al. 1993)<br />
59 Billings et al. 1996, Billings et al. 1989, Correa-Velez et al. 2007, Parchman et al. 1994, Bluestein et al. 1996,<br />
Culler et al. 1998, Saha et al. 2007, Magan et al. 2008, Roos et al. 2005, Mustard et al. 1998, Hossain und Laditka<br />
2009<br />
Den positiven Zusammenhang zwischen den ACSC Indikatoren und dem Angebot an Ärzten auf den Zugang zur<br />
Gesundheitsversorgung haben manche Studien belegt andere weniger. Gegen einen starken positiven Zusammenhang<br />
spricht die Tatsache, dass der Zugang zur Gesundheitsversorgung von vielen Faktoren beeinflusst wird<br />
(z.B. Warte- und Transportzeiten, Notfallversorgung, finanzielle Barrieren), Ansari et al. 2006<br />
40
schiede bei der ACSC-Hospitalisierungsrate können allerdings schon durch ein sozioökonomisches<br />
Gefälle im Gesundheitsstatus bedingt sein, nicht durch Unterschiede der regionalen<br />
Versorgung. 60<br />
Als Referenzgrößen zu ACSCs werden „Kontrollindikationen“ („Marker Conditions“) eingesetzt.<br />
Dies sind Diagnosen, bei denen eine rechtzeitige und wirksame ambulante Versorgung<br />
wenig Einfluss auf die Wahrscheinlichkeit von Krankenhauseinweisungen hat und fachliche<br />
Übereinstimmung hinsichtlich der Notwendigkeit einer stationären Einweisung besteht. Zusätzlich<br />
ist ihre Inzidenz räumlich relativ gleichmäßig und zeitlich konstant. Das trifft z.B. auf<br />
Blinddarmentzündung, Hüftfraktur, Magen-Darmverschluss oder Aneurysmata der Hirnarterien<br />
zu.<br />
Ein Listen-Ansatz bietet eine normative Grundlage, das Produkt, die Marktbreite und das<br />
Marktvolumen für intersektorale Leistungsverlagerungen abzugrenzen und Verlagerungspotenzialen<br />
mit Routinedaten zu charakterisieren. Es wäre für die Beurteilung des Versorgungsgeschehens<br />
informativ, Trends und regionale Versorgungsdisparitäten zwischen der Liste<br />
vermeidbarer Krankenhausaufenthalte und der Entwicklung der Hospitalisierungsraten insgesamt<br />
zu vergleichen. Dabei ermöglichen individuelle statt aggregierte Daten einer Bevölkerung<br />
Auswertungsmöglichkeiten auf einem detaillierteren Niveau (Roos et al. 2005).<br />
Eine auf das deutsche Gesundheitssystem angepasste Liste - eventuell ergänzt durch eine Hierarchisierung<br />
je nach Verlagerungspotential der Leistung - könnte von den Vertragspartnern<br />
verabschiedet, mit empirischen Daten hochgerechnet und in der empirischen Versorgung<br />
schrittweise ausgeschöpft werden. Die Liste sollte periodisch an den medizinischen Fortschritt<br />
angepasst werden. Gegenüber dem AEP hat sie den Vorteil, dass sie sich auf Routinedaten<br />
beider Sektoren stützen kann. Ob das normative Verlagerungspotenzial im Sinne eines Verlagerungseffekts<br />
umgesetzt wurde, kann anhand einer Stichprobe ambulanter Daten geprüft<br />
werden. Die Gelegenheit dazu besteht bei den Bewertungsstichproben nach § 87 Abs. 2<br />
SGB V (eingefügt durch GKV-WSG).<br />
Diese Liste könnte weiterhin dazu genutzt werden, die Integration der Leistungserbringer zu<br />
fördern, z.B. indem man listengestützte Kennziffern als Instrument der erfolgs- und qualitätsorientierten<br />
Vergütung verwendet (Güssow 2007). Pay for Performance Vergütung oder Vergütungsanteile<br />
würden ferner den Anreiz zu qualitätsmindernden und kostensteigernden Leistungsverlagerungen<br />
vom stationären in den ambulanten Sektor reduzieren.<br />
4.4.4 Katalog ambulant durchführbarer Operationen nach § 115b SGB V<br />
Der Katalog ambulant durchführbarer Operationen (AOP) ist ein von der gemeinsamen<br />
Selbstverwaltung im Gesundheitswesen beschlossener und jährlich fortgeschriebener Katalog,<br />
gegliedert in Leistungen, die in der Regel ambulant durchgeführt werden können, und solche,<br />
bei denen sowohl eine ambulante als auch eine stationäre Durchführung möglich ist. Er enthält<br />
OPS-Kodes und korrespondierende EBM-Ziffern und bietet auf diese Weise eine Grundlage,<br />
Leistungen des ambulanten und des stationären Sektors miteinander zu vergleichen.<br />
60 In Manitoba haben die Menschen mit dem geringsten Gesundheitsstatus die größte Rate bei der Inanspruchnahme<br />
von Krankenhäusern und die höchsten Ausgaben (Roos et al. 2004). In den U.K. reflektieren Krankenhauseinweisungen<br />
nicht die Qualität des primärärztlichen Sektors, sondern die sozioökonomischen Differenzen<br />
und die regionale Morbidität (Giuffrida et al. 1999, Reid et al. 1999)<br />
41
Ambulant durchführbare Operationen bieten einen enormes stationär-ambulantes Verlagerungs-<br />
und Einsparpotential. Durch die Steigerung der ambulanten Operationen könnten -<br />
nach Schätzungen des NHS in England - 75% der elektiven Operationen und Eingriffe in absehbarer<br />
Zeit ambulant erbracht werden (Lüngen 2007, Foster 2005).<br />
Der Anteil der ambulanten Operationen ist in Deutschland im Vergleich zu anderen Gesundheitssystemen<br />
noch relativ gering. Es ist aber eine Zunahme ihrer Bedeutung zu bemerken.<br />
Bisher hatte das ambulante Operieren im Krankenhaus ein geringeres Volumen als im niedergelassenen<br />
Bereich. 61 Bei Begutachtung der häufigsten Operationen (OPS) sowie auch deren<br />
Veränderungen im Zeitablauf (siehe Abbildungen Anhang A12 und A13) wird ersichtlich,<br />
dass die Krankenhäuser ihr Potential ambulanter Leistungen noch nicht voll genutzt haben.<br />
Insgesamt sind allerdings seit einigen Jahren eine Zunahme des Anteils ambulanter Operationen<br />
bei Krankenhäusern und eine Abnahme bei den niedergelassenen Vertragsärzten festzustellen.<br />
Ein Grund für die bisherige geringe Ausschöpfung des Wachstumssektors „ambulante Operationen“<br />
von Seiten der Krankenhäuser könnte sein, dass die ambulanten Leistungen für viele<br />
Krankenhäuser wegen ihrer Organisations-, Prozess- und Kostenstrukturen bisher unwirtschaftlich<br />
sind und bisher auch die Infrastruktur dafür fehlt. Des Weiteren verhindert der vorzufindende<br />
Ärztemangel den breiten Markteinstieg der Krankenhäuser in die ambulante OP-<br />
Versorgung.<br />
Da es aber trotz einer Ausweitung der Fallzahlen des ambulanten Operierens nicht zu einem<br />
entsprechenden Rückgang der stationären Fallzahlen gekommen ist, könnte man schließen,<br />
dass schwere Fälle weiterhin in der stationären Versorgung verbleiben, während die „Ambulantisierung“<br />
nicht zuletzt neue Markt- und Patientengruppen erschließt (Held und v. Stackelberg<br />
2004).<br />
Tabelle 3 zeigt die zehn häufigsten OPS-Leistungen aus dem Katalog „Ambulantes Operieren“,<br />
die 2003 bis 2005 in den Krankenhausfällen der AOK Sachsen-Anhalt dokumentiert<br />
waren. Rund 9 % aller Fälle haben eine erste Leistung aus dem AOP-Katalog.<br />
61 Insbesondere wird die geringe Beteiligung der Krankenhäuser im internationalen Vergleich deutlich. Eine<br />
Studie von Schumpelick et al. (2004) zeigt, dass in England 41%, in Dänemark 59% und den USA 87% der<br />
Hernien ambulant im Krankenhaus operiert wurden, während es in Deutschland unter 10% sind.<br />
42
Tabelle 3: Verlagerungspotenzial - die 10 häufigsten Leistungen aus OPS-Kapitel 5 des<br />
Katalogs 'Ambulantes Operieren' bei vollstationären Fällen der AOK Sachsen-Anhalt<br />
2003 bis 2005*<br />
OPS<br />
Art der Leistung<br />
Fälle<br />
2003<br />
Fälle<br />
2004<br />
Fälle<br />
2005<br />
Veränd.<br />
vs. 2003<br />
5-431.2 Gastrostomie: Perkutan-endoskopisch (PEG) 1.034 1.198 1.314 280<br />
5-530.1 Verschluss einer Hernia inguinalis: mit Plastik 894 686 627 -267<br />
5-690.0 Therapeutische Kürettage ohne lokale Medikamentengabe 662 514 569 -93<br />
5-530.30 Verschluss einer Hernia inguinalis, offen chirurgisch 353 450 446 93<br />
5-870.0 Brusterh. Mammaexzision ohne axill. Lymphadenektomie 544 468 441 -103<br />
5-572.1 Zystostomie: Perkutan 368 383 428 60<br />
5-285.0 Adenotomie (ohne Tonsillektomie): Primäreingriff 573 461 400 -173<br />
5-865.7 Zehenamputation 431 358 397 -34<br />
5-378.52 Herzschrittmacher (2-Kammer-System): Aggregatwechsel 212 235 303 91<br />
5-790.16 Geschl. Reposition Fraktur m. Osteosynthese: 365 322 260 -105<br />
529 weitere Positionen 2.986 2.595 2.549<br />
Gesamt 10.933 9.726 9.855 - 1.078<br />
§ 115b: gültig ab 1.4.2005<br />
(Quelle: Swart et al. 2007)<br />
Man kann diese Fälle weiter danach differenzieren, ob die AOP die einzige Leistung war oder<br />
ob weitere Leistungen, die die Notwendigkeit eines Krankenhausaufenthalts bedingen können,<br />
dokumentiert sind. Für die Beurteilung von Verlagerungseffekten bietet dieser Katalog<br />
daher im Prinzip eine gute Grundlage.<br />
Allerdings werden AOP-Leistungen bereits mit einem festen Punktwert außerhalb des Budgets<br />
vergütet und sind daher für die Bemessung des Verlagerungseffekts nach § 87a Absatz 4<br />
Ziffer 3 nicht mehr relevant. Die Aktualisierung der Tabelle 2 mit Daten bis zum Jahr 2008<br />
könnte allerdings als Referenzgröße für die potenziellen und die realisierten Verlagerungen<br />
bei ambulant durchführbaren Operationen dienen sowie mit den Veränderungen in anderen<br />
Versorgungsbereichen verglichen werden.<br />
Nach einer Untersuchung des Wissenschaftlichen Instituts der AOK (WIdO) zur Quantifizierung<br />
des ambulanten Potenzials der Krankenhäuser wurden ca. 200 häufige, stationär durchgeführte<br />
Operationen (OPS) mit 7,1 Mill. Fälle untersucht. Mediziner beurteilten das Maß der<br />
ambulanten Durchführbarkeit jeder der 200 Operationen. Von den 4,0 Mill. grundsätzlich<br />
ambulant möglicher Fällen könnten danach im Schnitt 49% ambulant durchgeführt werden.<br />
Das Rheinisch-Westfälische Institut für Wirtschaftsforschung ermittelte daraus ein Einsparpotenzial<br />
von gut 1000 Euro je Fall und insgesamt von etwa 2,0 Mrd. Euro.<br />
4.4.5 Ambulante Leistungen im Krankenhaus nach § 116b SGB V<br />
Die Gruppe der Leistungen, die Krankenhäuser nach § 116b SGB V ambulant erbringen können,<br />
beschreibt der Idee nach kein Verlagerungspotenzial, sondern eine Öffnung der Krankenhäuser<br />
für hochspezialisierte Leistungen bei seltenen Erkrankungen. Die Krankenhäuser<br />
können sie - ähnlich wie bei einer Ermächtigung - auf Antrag, nach Bestimmung der für die<br />
Krankenhausplanung zuständigen Landesbehörde und auf Überweisung erbringen. 62 Eine<br />
Krankenhausbehandlung ist definitionsgemäß nicht nötig. Wenn jedoch solche Leistungen im<br />
62 Richtlinie des Gemeinsamen Bundesausschusses über ambulante Behandlung im Krankenhaus nach § 116b.<br />
http://www.g-ba.de/informationen/richtlinien/43/<br />
43
Rahmen stationärer (Kurz-)Aufenthalte erbracht wurden oder noch werden, kann ein Verlagerungspotenzial<br />
vorhanden sein. Lüngen und Rath (2010) vermuten, dass Krankenhausfälle mit<br />
onkologischen Diagnosen und einer Verweildauer von bis zu zwei Tagen (einschl.) sowie<br />
teilstationäre onkologische Fälle nach § 116b versorgt werden können. Das wären im Jahr<br />
2007 ca. 550.000 oder knapp 27 % der onkologischen Krankenhausfälle gewesen. Dieses Potenzial<br />
zeigt deutliche regionale Unterschiede und nimmt insgesamt leicht ab. Soweit diese<br />
Leistungen von dafür bestimmten Leistungserbringern nach § 116b abgerechnet werden, ist<br />
ihre budgetäre Auswirkung kontrolliert. Soweit sie jedoch an (hochspezialisierte) niedergelassene<br />
Fachärzte gehen, wäre ein Verlagerungseffekt gegeben.<br />
4.5 Kleinräumige Analyse<br />
Das Gesetz verlangt eine gleichmäßige (§ 70 SGB V) und sichergestellte (Paragraphen 72,<br />
73c, 99) Versorgung. Für die Bewertung der Versorgung aus einer regionalen oder kleinräumigen<br />
Perspektive standen flächendeckende Informationen routinemäßig bislang kaum zur<br />
Verfügung. Mit dem dokumentierten Wohnort des Versicherten haben Daten der Krankenkassen<br />
und der Kassenärztlichen Vereinigungen sowie die Krankenhausdiagnosestatistik jedoch<br />
einen eindeutigen regionalen Bezug. Er ermöglicht eine Auflösung von erbrachten Versorgungsleistungen<br />
nach Landkreisen, Gemeinden oder Postleitzahlbereichen der Versicherten<br />
und damit eine Antwort auf die Frage, welche Leistungen in welcher „Leistungsdichte“ (Zahl<br />
der Leistungen pro 10.000 Versicherte) die Bürger erreichen.<br />
In zahlreichen empirischen Studien kleinräumiger Versorgungsprozesse wurden seit den<br />
grundlegenden Arbeiten von Wennberg (Wennberg und Gittelsohn 1973, Wennberg et al.<br />
1987, Wennberg et al. 1989) und Roos (Roos et al. 1977, Roos und Roos 1981) erhebliche<br />
regionale Behandlungsvariationen auf Kreis- und Gemeindeebene bei Krankenhauseinweisungen<br />
und bei diagnostischen oder therapeutischen Maßnahmen nachgewiesen (z.B. auch<br />
Fisher et al. 1992). Das gilt auch für Deutschland (Ohmann 2000) und Sachsen-Anhalt (Swart<br />
et al. 2001, Swart 2005). Die Unterschiede in den relativen Anwendungshäufigkeiten von<br />
medizinischen Leistungen zwischen den Regionen lassen sich nur zum Teil durch die Varianz<br />
relevanter sozio-ökonomischer Einflussgrößen - Bildungsniveau, Berufstätigkeit und Einkommen,<br />
Versicherungsumfang usw. – erklären, die als Determinanten der Nachfrage des<br />
einzelnen Patienten nach medizinischen Leistungen gelten können. Auch Informationen zum<br />
Gesundheitsstatus reichen dafür nicht. Vielmehr haben auch Determinanten der Leistungsanbieter<br />
einen Einfluss auf regionale medizinische Leistungsvariationen.<br />
Es gibt Anhaltspunkte, dass vergleichsweise hohe Operationsdichten nicht mit weniger, sondern<br />
mit mehr vermeidbaren Resultatproblemen und Komplikationen einhergehen (Wennberg<br />
et al. 1980). 63 Soweit man von ähnlichen regionalen Morbiditätsniveaus, einer einheitlichen<br />
Wissensbasis, vergleichbaren Kompetenzprofilen und einheitlicher Vergütungssystematik in<br />
den Regionen ausgeht, signalisieren regionale Behandlungsvariationen ein Legitimationsproblem<br />
der Versorgung („unwarranted variaton in healthcare delivery“). 64 Soweit Variabilität<br />
suboptimale Versorgung anzeigt (unvollständige Information, Überversorgung, Unterversorgung)<br />
ist damit ein Verlust an gesellschaftlicher Wohlfahrt verbunden (Phelps und Parente<br />
1990, Phelps und Mooney 1992, Phelps 1995) 65 Wohlfahrtsverluste müssen bei gleichzeiti-<br />
63<br />
Eine gründliche, wenn auch schon ältere Übersicht prüft dazu 8 Thesen (Folland und Stano 1990)<br />
64<br />
Kleinräumigen Analysen sollten kontinuierlich durchgeführt werden, um die Performance eines Gesundheitssystems<br />
adäquat zu evaluieren, Rohrer 1993<br />
65<br />
Phelps und Mooney (2003) liefern eine Zusammenfassung der Literatur mit Angaben zur regionalen Streuung<br />
der Behandlungsraten auf Basis von Varianzkoeffizienten. Um eine „reale“ Varianz (zu groß und beständig für<br />
44
gem Auftreten von ex post Moral Hazard und adverser Selektion bei Krankenversicherungsschutz<br />
nach oben korrigiert werden, da dann die durchschnittlich beobachtete Inanspruchnahme<br />
medizinischer Leistungen größer sein wird als die bedarfsbedingte („korrekte“) Inanspruchnahmerate<br />
(Phelps und Mooney 1993). 66<br />
Selbst wenn die Ärzte sich auf einheitliche Behandlungsweisen geeinigt hätten, z.B. durch<br />
nationale Versorgungsleitlinien, müssen bei der schrittweisen Versorgung individueller Patienten<br />
in konkreten Versorgungskontexten Randbedingungen berücksichtigt werden, die Varianz<br />
induzieren und damit zu individualisierten Versorgungskarrieren führen: Präferenzen der<br />
Patienten, organisatorische Rahmenbedingungen des Versorgungssystems (z.B. die Abteilungsstruktur<br />
des nächsten Krankenhauses, die Auslastung eines bei zuziehenden Facharztes)<br />
und Umweltbedingungen im weiteren Sinn (z.B. die verkehrstechnische Erreichbarkeit)<br />
(Béland 1988, Long 2002). 67<br />
Tabelle 4 zeigt in einer Modellrechnung, welches regionale Versorgungsniveau in einer regionalen<br />
Versorgungsanalyse beobachtet werden wird, wenn Morbidität ("Bedarf") und Versorgungsintensität<br />
variieren und nur lose miteinander gekoppelt sind.<br />
Tabelle 4: Das beobachtete regionale Versorgungsniveau in Abhängigkeit vom relativen<br />
regionalen Morbiditätsniveau und der relativen regionalen Versorgungsintensität<br />
Intensität<br />
\<br />
Morbidität 0,7 0,8 0,9 1 1,1 1,2 1,3<br />
0,7 0,49 0,56 0,63 0,70 0,77 0,84 0,91<br />
0,8 0,56 0,64 0,72 0,80 0,88 0,96 1,04<br />
0,9 0,63 0,72 0,81 0,90 0,99 1,08 1,17<br />
1 0,70 0,80 0,90 1,00 1,10 1,20 1,30<br />
1,1 0,77 0,88 0,99 1,10 1,21 1,32 1,43<br />
1,2 0,84 0,96 1,08 1,20 1,32 1,44 1,56<br />
1,3 0,91 1,04 1,17 1,30 1,43 1,56 1,69<br />
(eigene Darstellung)<br />
Senkrecht ist das relative Niveau der Morbidität aufgetragen, horizontal die relative Versorgungsintensität.<br />
Abweichungen von der Versorgungsintensität 1 signalisieren Über- oder Unterversorgung<br />
bei gegebener Morbidität. In den Zellen der Tabelle findet sich (als Produkt der<br />
beiden genannten Faktoren) das resultierende Versorgungsniveau, das in regionalen Abrechnungsdaten<br />
„beobachtet“ werden würde. Wenn die Morbidität plus/minus 30 % um einen<br />
mittleren Wert streut und die Versorgungsintensität proportional im gleichen Ausmaß variabel<br />
zufällige Beobachtungen) der Behandlungsrate festzustellen, müssen alle exogenen Einflüsse auf regionale und<br />
interregionale Abweichungen von der „durchschnittlichen“ Behandlungsrate herausgerechnet werden sowie<br />
wurden konkurrierende, empirisch relevante Erklärungen eliminiert werden (z.B. Einkommens- und Preiseffekte<br />
sowie Substitution zwischen alternativen Therapien mit ähnlichem Outcome).<br />
66 Adverse Selektion kann für die GKV durch Versicherungspflicht und gleichen Versicherungsumfang bisher<br />
vernachlässigt werden. Ex post Moral Hazard ist der Mehrkonsum medizinischer Leistung auf Grund des Drittzahlerprinzips.<br />
67 Nicht alle Patienten, die einen medizinischen Bedarf haben, werden auch mit Leistungen versorgt. Und nicht<br />
notwendig alle erbrachten Leistungen gehen an Patienten mit medizinischem Bedarf. Externe Regulierungen wie<br />
Beschränkung der Arztdichte, Budget- und Preiskontrollen können zu Ergebnissen führen, bei denen der durchschnittliche<br />
Wert der erbrachen Gesundheitsleistungen geringer ausfällt als in einem freien Markt (Phelps 2000).<br />
45
ist, streut das beobachtete Versorgungsniveau um -50 bis +70 Prozent des mittleren Wertes.<br />
Ein beobachtetes Versorgungsniveau von plus/minus 10 % um den Durchschnitt (Diagonale<br />
von links unten nach rechts oben, gelb) ist also je nach Morbidität mit Über- wie mit Unterversorgung<br />
vereinbar. Ein vergleichsweise sehr niedriges Versorgungsniveau (oben links)<br />
spricht dagegen eher für eine Kombination aus unterdurchschnittlicher Morbidität und Unterversorgung,<br />
ein sehr hohes Versorgungsniveau (unten rechts) für Überversorgung in Verbindung<br />
mit überdurchschnittlicher Morbidität.<br />
Man kann versuchen, wenigstens einige Determinanten der Varianz in ihren Beziehungen<br />
transparent zu machen. So ist die regionale Leistungsdichte u.a. eine Funktion der Morbidität,<br />
der Inanspruchnahme, der Kapazität und der Produktivität des Versorgungssystems:<br />
Leistungen Fälle Leistungen<br />
= ⋅ ,<br />
Einwohner Einwohner Fall<br />
erweitert aus der Sicht des Versorgungssystems<br />
Leistungen Ärzte Fälle Leistungen<br />
= ⋅ ⋅ ,<br />
Einwohner Einwohner Arzt Fall<br />
erweitert aus der Sicht der Versicherten<br />
Leistungen Krankheiten Inanspruchnahme Leistungen<br />
= ⋅ ⋅ .<br />
Einwohner Einwohner Krankheit Inanspruchnahme<br />
Auf ähnliche Weise 68 werden z.B. die Entwicklung des Arzneimittelmarktes („GKV-<br />
Arzneimittelindex“) und die Entwicklung der DRG-Vergütung (Günster 2008) in ihre Komponenten<br />
zerlegt und indexiert.<br />
Informationen wenigstens über Teile dieser Bedingungen können helfen, den Funktionszustand<br />
des gesamten Systems einzugrenzen und Versorgungsunterschiede zwischen Regionen<br />
wenigstens zum Teil plausibel zu machen. Dabei sollte man unterscheiden zwischen<br />
- effektiven Behandlungen: Behandlungen mit bewiesenem klinischen Nutzen und hoher<br />
Patientensicherheit 69<br />
- präferenzsensitiven Behandlungen: Therapien mit großem Trade-off zwischen Risiko und<br />
Nutzen für den Patienten, Krankheiten mit zwei oder mehr medizinisch akzeptierten Behandlungsmöglichkeiten<br />
und Therapiewahl abhängig von der Berücksichtigung von Patientenpräferenzen<br />
- angebotssensitiven Behandlungen: Leistungen mit engem Zusammenhang zu regionalen<br />
Ressourcen (z.B. Bettenzahl, Anzahl und Erreichbarkeit von Fachärzten, Intensivstationen,<br />
Ausstattung) und geringem Evidenzniveau 70 (Wennberg 2002, Wennberg et al. 2004,<br />
Connor et al. 2004).<br />
68 Im stationären Sektor gehört die sog. analytische Bettenbedarfsformel zu den Gleichungen dieses Typs. Sie ist<br />
allerdings für einen normativen Zweck formuliert.<br />
69 Der Anteil der diagnostischen und therapeutischen Verfahren, die lediglich auf unsystematischen medizinischen<br />
Erfahrungen beruhen, wird als hoch eingeschätzt (Übersicht bei Berger et al. 1997).<br />
70 Speziell bei angebotssensitiven Behandlungen (sog. angebotsinduzierte Nachfrage) sind nicht Morbiditätsunterschiede,<br />
sondern das unterschiedliche Angebot an medizinischen Ressourcen für regionale Leistungsvariationen<br />
verantwortlich. Es können hier starke Korrelationen zwischen Angebots- und Nachfragefaktoren festgestellt<br />
werden (z.B. Anzahl der diagnostischen Geräte korreliert positiv mit Anzahl der durchgeführten diagnostischen<br />
Untersuchungen). Es wird davon ausgegangen, dass sich hier das Verhalten der Leistungserbringer an die vorhandenen<br />
Ressourcen anpasst (Auslastung der Kapazitäten).<br />
46
Leistungsverlagerungen über Sektorgrenzen setzen ein (auch quantifiziertes) Verständnis der<br />
Determinanten und der Freiheitsgrade des sektorspezifischen Leistungszugangs und der sektorspezifischen<br />
Inanspruchnahme voraus. Verlagerungsfähig sind nur Leistungen, die bei gegebenem<br />
Schweregrad im ambulanten wie im stationären Sektor erbracht werden können.<br />
Übereinstimmung im ICD-/OPS-Code bedeutet noch keinen vergleichbaren Schweregrad.<br />
Schweregradinformationen sind im DRG-System indirekt enthalten, in ambulanten Routinedatenquellen<br />
dagegen nicht. Variablen wie Art und Zahl der Nebendiagnosen, die Verweildauer<br />
bei den stationären Fällen und das Alter können hilfsweise Anhaltspunkte für Schweregradveränderungen<br />
geben. Durch Betrachtung fixer zeitlicher Intervallen vor dem Tod, die<br />
nach Alter, Geschlecht und chronischen Vorerkrankungen adjustiert werden, kann ein Indikator<br />
für die relative regionale Leistungsintensität bei Patienten mit vergleichbaren Krankheitsschweregraden<br />
entwickelt werden. Dadurch werden regional (und/oder nach Leistungserbringer)<br />
unterschiedliche Versorgungsmuster erkennbar, insbesondere eine Tendenz, auch Patientengruppen<br />
intensiv zu behandeln, in denen ein erheblicher Gesundheitsgewinn kaum noch<br />
erwartet werden kann (Wennberg et al. 2008).<br />
Offensichtlich sind Zusatzinformationen aus anderen Quellen nötig, um die Varianz eines<br />
beobachteten Versorgungsniveaus zu differenzieren: zur räumlich-zeitlichen Varianz der<br />
Morbidität und/oder zur räumlich-zeitlichen Varianz der sektoralen Versorgungsintensität (die<br />
hier das Explikandum ist) und zur Entwicklung der Schlüssel für die Fall- oder Patientenklassifikation.<br />
Nach Erfahrungen der Versorgungsforschung sind beobachtete regionale Versorgungsunterschiede<br />
allerdings in eher geringem Maße von Prävalenzheterogenität der zugrunde<br />
liegenden Erkrankung(en) determiniert. Zur Erklärung regionaler Morbiditätsunterschiede<br />
können zudem regionale „Korrelate der Morbidität“ berücksichtigt werden, darunter vor allem<br />
Indikatoren der sozialen Verhältnisse. Angebotsfaktoren der medizinischen Versorgung,<br />
Dringlichkeit bzw. Elektivität des Eingriffs, Patientenpräferenzen und die Erreichbarkeit der<br />
Einrichtungen spielen eine größere Rolle. Bedeutung kommt auch ärztlichen Verhaltensmustern<br />
zu, die u.a. durch implizite lokale Standards („physician practice style“, „surgical signature“,<br />
medizinische „Schulen“) beeinflusst sein können (Wennberg et al. 1982, Phelps und<br />
Mooney 1993, Cave 1995, Swart 2005). Außerdem bestimmen Wirtschaftlichkeitsüberlegungen<br />
der Praxen das Angebot und die Durchführung von Leistungen (Scott 1996).<br />
Wir unterscheiden regionale Analysen auf einem sog. „ökologischen“ Niveau“ von Analysen<br />
mit Daten auf der Individualebene 71 . Kleinste Beobachtungseinheit ökologischer Daten ist<br />
nicht das Individuum, sondern die Region. Ausgewertet werden regional aggregierte Mittelwerte<br />
wie die durchschnittliche Dichte medizinischer Leistungen in Verbindung mit anderen<br />
Merkmalen der Region, wie z.B. der Arztdichte.<br />
4.5.1 Ökologische Analyse<br />
Vorteil der Daten auf ökologischem Niveau sind Schutz der Individualdaten und Datensparsamkeit<br />
sowie häufig gute Verfügbarkeit aggregierter Daten. Nachteil sind ein begrenztes<br />
Auflösungsvermögen und reduzierte Möglichkeiten zur Berücksichtigung von Störgrößen<br />
(„ökologischer Trugschluss“). Auf ökologischem Niveau ist es möglich, räumliche Zusammenhänge<br />
zwischen ambulanter und stationärer Leistungsdichte auf aggregiertem Niveau zu<br />
prüfen, bei Hinzunahme zeitlicher Datenreihen auch zwischen Änderungen der ambulanten<br />
71 Wir vermeiden den Begriff „personenbezogene Daten“. Solche Analysen sind mit pseudonymisierten Daten<br />
möglich. § 87a Absatz 6 SGB V regelt die Befugnis, versichertenbezogene Daten für die Vereinbarung der Morbiditätsbedingten<br />
Gesamtvergütung zu verwenden.<br />
47
und der stationären Leistungsdichte (querschnittliche und längsschnittliche Assoziationen). Es<br />
ist aber nicht möglich, stationär-ambulante Versorgungskarrieren von Individuen auszuwerten<br />
und daraus auf Verlagerungen zu schließen. 72<br />
Für die Feststellung von Leistungsverlagerungen mit Regionalanalysen ist eine regionale Abgrenzung<br />
des „relevanten Marktes“ für Gesundheitsleistungen notwendig. 73 Welche regionale<br />
Abgrenzung in einer ökologischen Analyse verwendet wird, ist inhaltlich zu entscheiden. 74 So<br />
reichen die Einzugsgebiete der Krankenhäuser je nach Versorgungsgrad für verschiedene Abteilungen<br />
und verschiedene Leistungen unterschiedlich weit. Insbesondere bei seltenen oder<br />
speziellen Eingriffen - in Zentren und Spezialkrankenhäusern - ist eine Unterscheidung zwischen<br />
der geographischen Region des Wohnortes des Patienten und der Region der Leistungsinanspruchnahme<br />
wichtig, da sonst ungewöhnliche Muster der Inanspruchnahme entstehen<br />
würden (Cuyler et al. 2000, Kudo et al. 1999).<br />
Wir konnten z.B. in Sachsen-Anhalt zeigen, dass internistische Abteilungen für Patienten mit<br />
gastroenterologischen und mit kardiologischen Diagnosen unterschiedlich „attraktiv“ sind.<br />
Damit ist bereits das zentrale Argument genannt, Einzugsgebiete von Krankenhäusern nicht<br />
nach geopolitischen Kriterien (wie Kreisgrenzen) oder mit einem festen Radius zu definieren,<br />
sondern mit Hilfe eines variablen Radius oder funktionell mit Hilfe von populations- und patientenbezogenen<br />
Einzugsgebieten. Damit sind die benachbarten Regionen gemeint, aus denen<br />
75 % oder 90 % der Patienten einer Einrichtung kommen (Makuc et al. 1991, Phibbs und<br />
Robinson 1993, Thomas 2003, Werblow et al. 2010, Garnick et al. 1987). Eine Effizienzanalyse<br />
deutscher Krankenhäuser fand z.B. eine stärkere Assoziation zwischen einem Effizienzkoeffizienten<br />
und einem funktionell (als 90. Perzentile) definierten Einzugsbereich als mit der<br />
geopolitisch definierten Planungsregion (Landkreis des Krankenhaus-Standortes) (Werblow et<br />
al. 2010). Auch der Marktanteil eines Krankenhauses für eine definierte Leistung in einer bestimmten<br />
(nach PLZ definierten) geographisch Region („Marktpenetration“) kann zur Abgrenzung<br />
des „relevanten Marktes“ dienen.<br />
Als weitere Methode der regionalen Marktabgrenzung kann die Bestimmung der maximalen<br />
Distanz oder Transportzeit dienen, die ein Patient für die Inanspruchnahme einer bestimmten<br />
Gesundheitsleistung zu fahren bereit ist (Thomas 2003). Auch diese wird für verschiedene<br />
Patientengruppen und Leistungen differenziert ausfallen. Die Patientenmobilität schwankt<br />
nach Alter, Einkommen und Morbidität, sie steigt mit steigendem Lebensstandard und Verfügbarkeit<br />
von privaten und öffentlichen Transportmitteln (Lüngen 2007). Es gibt Anhaltspunkte<br />
dafür, dass Patientenwanderungen (interregionale Leistungsflüsse) selektiv in Krankenhäuser<br />
mit höheren spezifischen Leistungszahlen führen, also einem Qualitäts- oder einem<br />
Renommee-Gradienten folgen (Friedrich und Beivers 2009).<br />
Rohrer (1990) zeigt, dass bei der Inanspruchnahme entgegen „Roemer’s Law“ („a built bed is<br />
a filled bed“) nicht die Anzahl der Krankenhausbetten entscheidend ist, sondern die Breite<br />
und Tiefe des Leistungsangebots der Krankenhäuser in einer Region. 75 Für das Ausmaß des<br />
72<br />
In der ökologischen Analyse wird typischerweise die untersuchte Bevölkerung nach Alter und Geschlecht<br />
adjustiert, da diese Merkmale einen großen Teil der Inanspruchnahmemuster (auf personenbezogenem Niveau)<br />
erklären, weil die Prävalenz für die meisten Krankheiten systematisch mit Alter und Geschlecht korreliert. Die<br />
wahre Krankheitsprävalenz ist allerdings unbekannt.<br />
73<br />
Für das amerikanische Gesundheitssystem bietet der „The Dartmouth Atlas of Health Care“ gute Beispiele für<br />
systematische Regionalanalysen der medizinischen Inanspruchnahme und Unterschiede in der Versorgung auf<br />
Basis von Medicare Daten.<br />
74<br />
Zur quantitativen Analyse der Marktkonzentration wird häufig der Herfindahl Hirschman Index (HHI) verwendet.<br />
75<br />
Zu „Roemer’s Law“ siehe Ginsburg und Koretz 1983<br />
48
stationär-ambulanten Substitutionsprozesses ist die Anzahl der Krankenhäuser relativ zu der<br />
Anzahl der Vertragsärzte die entscheidende Größe. Je nach regionalem Gesamtvolumen des<br />
Marktes und regionalen fachlichen Monopolisierungen sind einige medizinische Fachrichtungen<br />
stärker vom Substitutionspotential betroffen als andere. Bei Abwanderung von Patienten,<br />
Fällen oder Leistungen von einer Fachabteilung eines Krankenhauses zu einer Arztpraxis oder<br />
umgekehrt würde allerdings der Anbieter fast immer am Markt bestehen bleiben und somit<br />
keine regionale Monopolisierung entstehen (Lüngen 2007).<br />
Auf der Ebene der Bundesländer stellt das Statistische Bundesamt Informationen nach dem<br />
Wohnortprinzip und über die regionale Wanderungsbilanz zur Verfügung, aus denen sich der<br />
Anteil der im eigenen Land behandelten Patienten und eine Versorgungsquote 76 der Bundesländer<br />
ergeben (zuletzt Bölt 2010). Unterhalb der Ebene der Bundesländer stehen diese Angaben,<br />
die individuelle Daten zu Aggregaten zusammenführen, nicht routinemäßig zur Verfügung.<br />
Daher wird man in ökologischen Analysen eine Unschärfe durch unkontrollierte Wanderungen<br />
akzeptieren müssen, sofern man nicht versichertenbezogene GKV-Prozessdaten<br />
spezifisch aggregieren kann.<br />
Prüfbare Hypothesen ökologischer Auswertungen lauten:<br />
- Regionen mit geringer Leistungsdichte 77 im stationären Bereich haben ceteris paribus hohe<br />
Leistungsdichten im ambulanten Bereich, Regionen hoher Leistungsdichte im ambulanten<br />
primärärztlichen Bereich haben (adjustiert) weniger Krankenhausfälle als Regionen<br />
mit geringerer primärärztlicher Leistungsdichte (Querschnitt)<br />
- Regionen mit c. p. abnehmender (Längsschnitt) stationärer Leistungsdichte oder hilfsweise<br />
mit abnehmender stationärer Versorgungskapazität zeigen Leistungsdichte-Steigerungen<br />
in ihrem ambulanten Umfeld, die (adjustiert für bekannte Determinanten der Leistungsentwicklung,<br />
darunter auch eine Abnahme ambulanter Kapazitäten 78 ) als Schätzung<br />
von primären Verlagerungseffekten angesehen werden können<br />
- Ambulante Aktivitäten der Krankenhäuser und neue Versorgungsformen (z.B. MVZ,<br />
§ 115b, § 116b) puffern c. p. mutmaßliche primäre wie sekundäre Verlagerungseffekte.<br />
Diese Prüfung wird für das ganze Leistungsvolumen und spezifisch für normativ verlagerungsfähige<br />
(s. o.) Diagnosen und Leistungsarten durchgeführt.<br />
Wir können dann Gruppen (Cluster) von Regionen beschreiben, die die genannten Voraussetzungen<br />
erkennen lassen, und die hypothetisierten Zusammenhänge gegen die übrigen Regionen<br />
(oder innerhalb eines Gradienten der stationären Leistungsdichte) prüfen (Hossain und<br />
Laditka 2009). Probleme des multiplen Testens werden berücksichtigt.<br />
Royston et al. (1992) machen auf ein Simultaneitätsproblem bei regionalen Analysen der<br />
Leistungsinanspruchnahme aufmerksam. Bei Regionen, in denen die interregionalen Leistungswanderungen<br />
einigermaßen ausgeglichen sind, entsprechen sich gewöhnlich Inanspruchnahme<br />
und Leistungsangebot. Die Inanspruchnahme ist (langfristig) eine Funktion von<br />
Merkmalen der Bevölkerung (Alter, Geschlecht, soziale Lage, Morbidität), das (historisch<br />
gewachsene) Angebot auch. Daher schlägt die Gruppe vor, nicht diese „ausgeglichenen“ Regionen<br />
zu analysieren, sondern ihre Subregionen („small areas“, wenige 1000 Einwohner), die<br />
in einem Wettbewerb um dieselben Krankenhausressourcen der übergeordneten Region stehen.<br />
76 Die Versorgungsquote ergibt sich aus der Relation der belegten Betten nach Wohn- und Behandlungsort<br />
77 Gemessen als Fälle pro 10.000 Einwohner und/oder Behandlungstage pro 10.000 Einwohner<br />
78 Auf Regionen mit c. p. zunehmender ambulanter Kapazität trifft das Konzept des Verlagerungseffekts nach<br />
§ 87a SSGB V nicht zu, da das sog. Arztzahlrisiko nicht ausgeglichen werden soll (§ 87b Absatz 3 SGB V)<br />
49
4.5.2 Analyse auf Basis von Daten auf der Individualebene<br />
Die Analyse auf Ebene individueller Daten ist nicht Auftrag des Gutachtens, wird aber wegen<br />
ihres hohen methodischen Werts für die Quantifizierung von sektoralen Verlagerungseffekten<br />
angesprochen.<br />
Da regional aggregierte Versorgungsdaten aus versichertenbezogen Leistungsdaten stammen,<br />
die Leistungserbringer und Kostenträger führen, ist grundsätzlich über eine geeignete Pseudonymisierung<br />
(ggf. unter Beziehung eines Datentreuhänders) statt der ökologischen auch eine<br />
individuenbezogene Analyseebene erreichbar 79 . Damit lassen sich zusätzlich Wanderungssalden,<br />
Komorbiditätsmuster und Leistungs-Syntropien berücksichtigen. Unter den letzteren ist<br />
die versichertenbezogene Prüfung stationär-ambulanter Leistungsbündel am wichtigsten -<br />
welche ambulanten Leistungen treten überproportional häufig kurz vor und kurz nach stationärer<br />
Versorgung sowie bei früh entlassenen Patienten auf?<br />
Die Quantifizierung eines Verlagerungseffekts läuft auf einen Beleg hinaus, dass Leistungen<br />
stationär nicht stattgefunden haben. Erfahrungen mit dem Wirksamkeitsnachweis präventiver<br />
Interventionen zeigen, dass ein solcher Beleg nur innerhalb eines kontrollierten, zumindest<br />
eines quasi-experimentellen Designs überzeugend möglich ist.<br />
Hilfsweise kann – wie im vorigen Abschnitt schon beschrieben – eine regional abgestützte<br />
Beobachtungsstudie herangezogen werden, in der Merkmale der versorgten Patienten mit<br />
versorgungsrelevanten Merkmalen der Regionen und ihrer Entwicklung in Beziehung gesetzt<br />
werden (Mehrebenen-Analyse). Analytisch günstig ist, wenn die regionalen Merkmale stark<br />
streuen. In einem ersten Schritt wird die Wahrscheinlichkeit einer (spezifischen) Leistungsinanspruchnahme<br />
mit ihren Determinanten modelliert, in einem zweiten Schritt die Inanspruchnahme<br />
eines stationären Aufenthalts gegenüber einer ambulanten Versorgung mit ihren Determinanten<br />
(Diehr et al. 1999). Zu den letztgenannten Determinanten gehört auch ein Zeiteffekt.<br />
Unter Umständen erscheint ein kontrolliertes Design in Form einer gematchten Versorgungs-<br />
Fall-Kontroll-Studie erreichbar. Dabei wird für Versicherte einer Krankenkasse, die in einem<br />
Bezugszeitraum eine stationäre Leistung in Anspruch genommen haben, nach (mindestens<br />
zwei) „statistischen Zwillingen“ gesucht, die bis zur Krankenhausaufnahme des Indexfalles<br />
leistungsgleich waren und a) in derselben Region sowie b) in unterschiedlich versorgten Regionen<br />
leben. Ein Problem besteht darin, Leistungen in einer bestimmten Zeit unmittelbar vor<br />
der stationären Aufnahme auszublenden, weil darin schon solche Leistungen enthalten sein<br />
können, die dem stationären Index-Aufenthalt zuzurechnen sind (komplementäre Leistungen,<br />
s. o.). Die von der stationär versorgten Gruppe gegenüber der gematchten Kontrollgruppe aus<br />
derselben Region nach dem Krankenhausaufenthalt überproportional bezogenen Leistungen<br />
werden der Krankheit zugerechnet, die den stationären Aufenthalt bedingt hat (auch hier ist<br />
ein Zeitfenster inhaltlich zu definieren). Ein Vergleich mit den Kontrollpersonen aus anderen<br />
Regionen lässt dagegen einen Schluss auf den Effekt anderer regionaler Versorgungsmuster<br />
erwarten (Mehrebenen-Analyse).<br />
79 Nach § 87a Absatz 6 SGB V übermitteln die Kassen versichertenbezogene Daten<br />
50
Damit ist noch kein Verlagerungseffekt präpariert, doch können die im vorigen Abschnitt<br />
genannten Hypothesen unter Berücksichtigung von Merkmalen auf Individualebene getestet<br />
werden.<br />
Die folgende Tabelle 5 fasst Merkmale der beiden beschriebenen Zugänge zum Verlagerungsproblem<br />
zusammen: Verfügbarkeit von (pseudonymisierten) Versichertendaten auf Individualebene<br />
und regional aggregierte Daten.<br />
Tabelle 5: Zugänge zur Schätzung von Verlagerungseffekten<br />
Pseudonymisierte Individualdaten Aggregatdaten<br />
Messgröße Individuelle Leistungsinanspruchnahme Durchschnittliche Leistungsinanspruchnahme<br />
Regionaler Bezug Wohnort (PLZ) Leistungsregion (PLZ)<br />
Leistungsbereiche<br />
Zeitlicher Bezug<br />
Differenzierung der<br />
Messgröße<br />
Ambulante Leistungen; Stationäre Leistungen;<br />
Arzneimittel; Heil- und Hilfsmittel; alle Leistungsbereiche<br />
prospektiv mit rückverlegtem Ausgangspunkt,<br />
querschnittlich<br />
Leistungsempfänger, Leistungserbringer<br />
Schätzmodelle aktuarischer Ansatz; Mehrgleichungsmodelle<br />
Ambulante Leistungen; Stationäre Leistungen;<br />
Arzneimittel; Heil- und Hilfsmittel; alle Leistungsbereiche<br />
Konsekutive Querschnitte<br />
Gruppen der Leistungsempfänger, Gruppen der<br />
Leistungserbringer<br />
Marktgleichgewichte; Panel-Regression; dynamisches<br />
Simulationsmodell<br />
Störgrößen Individuelle Merkmale; Regionaldaten Regionaldaten<br />
(Quelle: eigene Darstellung)<br />
51
5. Datenbasis – Sekundärdaten<br />
5.1 Daten der amtlichen Statistik<br />
5.1.1 Beschreibung der Datenquellen<br />
Statistik regional ist eine von den Statistischen Ämtern des Bundes und der Länder gemeinsam<br />
herausgegebene Datenbank auf DVD. Sie bietet einen Querschnitt aus den wichtigsten<br />
Bereichen der amtlichen Statistik und umfasst ca. 1.100 Merkmalsausprägungen. Die regionale<br />
Auflösung erfolgt für das Bundesgebiet und alle Bundesländer, ggf. Regierungsbezirke<br />
bzw. sog. statistische Regionen 80 , sowie kreisfreie Städte und Landkreise. Die Datenbank<br />
wurde bis 2008 jährlich aktualisiert. In der Ausgabe von 2008 reichen die Zeitreihen meist bis<br />
2006, vereinzelt bereits beginnend mit dem Jahr 1995 (z.B. Bevölkerung, volkswirtschaftliche<br />
Gesamtrechnungen).<br />
Die jährliche Fortschreibung der Datenbank wurde inzwischen eingestellt. Die Datenbankinhalte<br />
können nun über die "GENESIS Regionaldatenbank Deutschland" kostenfrei abgerufen<br />
werden 81 .<br />
GENESIS-Online ist eine Datenbank, die tief gegliederte Ergebnisse der amtlichen Statistik<br />
enthält. Sie wird kontinuierlich ausgebaut. Der Tabellenabruf erfolgt unentgeltlich und kann<br />
variabel dem individuellen Bedarf angepasst werden. Zusätzliche Nutzungsmöglichkeiten<br />
stehen registrierten Kunden gegen eine Jahresgebühr zur Verfügung.<br />
Statistik lokal 2008 ist eine von den Statistischen Ämtern des Bundes und der Länder gemeinsam<br />
herausgegebene Datenbank auf DVD, die Gemeindedaten für ganz Deutschland enthält.<br />
Mit Statistik lokal 2008 können die über 12.000 Städte und Gemeinden in ganz Deutschland<br />
anhand ausgewählter Ergebnisse aus der amtlichen Statistik, dargestellt in rund 330 Merkmalsausprägungen,<br />
analysiert und verglichen werden. Die DVD enthält auch die Ergebnisse<br />
für alle Kreise (kreisfreie Städte und Landkreise), Regierungsbezirke/Statistische Regionen,<br />
Bundesländer und Deutschland.<br />
Die DVD Statistik lokal wird jährlich aktualisiert. Die Ausgabe 2008 enthält überwiegend<br />
Daten für das Jahr 2006 82 . Für die kleinräumige Analyse des Inanspruchnahmegeschehens<br />
bieten sich folgende Indikatoren an:<br />
• Bevölkerung nach Alter und Geschlecht,<br />
• Fläche (um darüber die Bevölkerungsdichte und damit einen Indikator für den Grad der<br />
Verstädterung zu berechnen),<br />
• Landwirtschaftliche Fläche als Indikator für den ländlichen Charakter der Gemeinde (allerdings<br />
korreliert mit der Bevölkerungsdichte),<br />
• Sozialversicherungspflichtig Beschäftigte und Arbeitslose sowie Lohn- und Einkommenssteuer<br />
als Indikator für die Wirtschaftskraft.<br />
80<br />
Als statistisch-technische Nachfolger einiger aufgelöster Regierungsbezirke wie z.B. in Niedersachsen und<br />
Sachsen-Anhalt<br />
81<br />
http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/Internet/DE/Navigation/Publikationen/Querschnittsveroeffentlichungen/StatistikRegional.psml<br />
82<br />
Nähere Informationen unter<br />
http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/Internet/DE/Content/Publikationen/Querschnittsveroeff<br />
entlichungen/StatistikLokal/StatistikLokal,templateId=renderPrint.psml<br />
52
Diese Liste ist bedeutend kürzer als die auf Kreisebene verfügbaren Indikatoren. Es fehlen<br />
dabei die aus anderen Studien bekannten Determinanten der Inanspruchnahme wie PKW-<br />
Dichte, Anzahl der Sozialhilfe-(Hartz-IV)-Empfänger oder auch Angaben zur Versorgungsdichte<br />
bzgl. niedergelassener Ärzte oder Apotheken. Diese Angaben können zum Teil aus<br />
anderen Quellen (z.B. Ärzteverzeichnissen der Kassenärztlichen Vereinigungen) recherchiert<br />
werden. Laut Aussage der Apothekenkammer Sachsen-Anhalt gibt es allerdings kein öffentliches<br />
zugängliches Verzeichnis der Apotheken nach Postleitzahlbereichen. Sicherlich ließen<br />
sich diese Angaben aber per Hand über Telefonverzeichnisse etc. zusammentragen, was den<br />
vorliegenden Rahmen aber sprengen würde.<br />
Problematisch ist die Tatsache, dass die Indikatoren in Statistik lokal nicht auf Postleitzahlebene<br />
vorliegen. Für eine kleinräumige Analyse nach z.B. vierstelligen Postleitzahlbereichen<br />
müssen die gemeindebezogenen Angaben über einen gewichteten Zuordnungsalgorithmus<br />
den Postleitzahlbereichen zugeordnet werden. Als Gewichtung bietet sich die Einwohnerzahl<br />
der Gemeinden an. Für die größeren Städte (in Sachsen-Anhalt lediglich Magdeburg, Halle,<br />
Dessau) ergibt sich die Schwierigkeit, dass es keine 1:1-Zuordnung von Gemeinden und<br />
Postleitzahlbereichen gibt. Auf die kleineren Städte bis rund 50.000 Einwohner entfällt hingegen<br />
jeweils nur eine Postleitzahl.<br />
5.1.2 Nutzungsmöglichkeiten für die kleinräumige Versorgungsforschung<br />
Für die Zwecke dieses Projekts und ganz allgemein für die Versorgungsforschung liefern die<br />
Daten der amtlichen Statistik Informationen zu (vor allem soziodemographischen und ökonomischen)<br />
Determinanten der ambulanten und stationären Inanspruchnahme, die in ein multivariates<br />
Modell neben patienten-, fall- und angebotsbezogenen Determinanten aufgenommen<br />
werden können. Eine Nutzung der umfangreicheren Daten auf Kreisebene führt unter<br />
Umständen zu einer geringen Anzahl von Beobachtungen; in Sachsen-Anhalt, denn es gibt<br />
nach der letzten Gebietsreform (2007) noch drei kreisfreie Städte und elf Landkreise. Die<br />
Nutzung der gemeindebezogenen Daten erhöht die kleinräumige Auflösung auf 96 vierstellige<br />
Postleitzahlbereiche in Sachsen-Anhalt (davon je vier in Magdeburg und Halle und zwei in<br />
Dessau-Roßlau) bei gleichzeitiger Einschränkung bzgl. der Vielfalt der Gebietsindikatoren.<br />
Die Aggregierung der gemeindebezogenen Indikatoren zu einwohnergewichteten Postleitzahlbezogenen<br />
Indikatoren stellt dagegen kein methodisches Problem dar.<br />
Es gibt also zumindest einige Determinanten der Inanspruchnahme auf kleinräumiger Ebene<br />
und diese variieren deutlich. Diese Informationen können in ökologischen Analysen und bei<br />
Daten auf Individualniveau mit hierarchischen Analysen genutzt werden.<br />
5.2 Krankenhausdiagnosestatistik<br />
5.2.1 Beschreibung der Datenquelle<br />
Die Krankenhausdiagnosestatistik 83 ist eine auf den Krankenhausaufenthalt bezogene Erhebung.<br />
Für jede aus dem Krankenhaus entlassene vollstationäre Patientin bzw. jeden vollstationären<br />
Patienten (einschließlich der im Krankenhaus Verstorbenen) wird ein Datensatz erhoben.<br />
Die Daten werden von den Krankenhäusern an das zuständige statistische Landesamt<br />
gemeldet, das eine Weiterleitung an das statistische Bundesamt veranlasst. Die Statistik ist<br />
83 Krankenhausstatistikverordnung vom 10. April 1990 (KHStatV)<br />
53
eine reine fallbezogene Statistik. Verlegungen oder wiederholte Aufnahmen eines Patienten<br />
können nicht identifiziert werden.<br />
5.2.1.1 Scientific Use File (SUF)<br />
Die amtlichen Daten des stationären Sektors werden jährlich durch das Statistische Bundesamt<br />
publiziert und im laufenden Jahrgang des Krankenhaus-Reports erläutert (z.B. Klauber et<br />
al. 2010). Diese Datenquelle steht seit kurzer Zeit über die Forschungsdatenzentren für wissenschaftliche<br />
Analysen auf Einzeldatenebene als Scientific Use File (SUF) zu Verfügung 84 .<br />
Der SUF besteht aus zwei Einzeldatensätzen, nämlich einem patienten- und einem krankenhaubezogenen<br />
Datensatz. Wegen fehlender Fall-ID und weiterer Maßnahmen zur Pseudonymisierung<br />
(vgl. Schoffer et al. 2006) sind diese beiden Datensätze nicht miteinander<br />
verknüpfbar. Sie enthalten für das Berichtsjahr 2003 17,3 Millionen Fälle mit folgenden Variablen<br />
(Tabelle 6):<br />
Tabelle 6: Variablen des SUF - Krankenhausdiagnosestatistik 2003<br />
Var-Nr. Patientenbezogener Datensatz Krankenhausbezogener Datensatz<br />
1 Hauptdiagnose (ICD 4stellig) Hauptdiagnose (ICD 4stellig)<br />
2 Fachabteilung mit längster Verweildauer<br />
3 Verweildauer Verweildauer<br />
4 Altersgruppe Altersgruppe<br />
5 Geschlecht<br />
6 Wohnort (Landkreis bzw. kreisfreie Stadt) des<br />
Patienten<br />
7 Trägerart<br />
8 Bettengrößenklasse<br />
Regionalangaben des Krankenhauses (Nord,<br />
Süd, Ost)<br />
Da diese Studie auf die Analyse und Modellierung bevölkerungsbezogener Inanspruchnahmedaten<br />
abzielt, ist der krankenhausbezogene Datensatz von geringer Bedeutung und wird bis<br />
auf weiteres nicht weiter betrachtet, zumal die Regionalangaben bzgl. des Krankenhaussitzes<br />
keine Analyse auf Ebene der Bundesländer oder tiefer zulässt.<br />
5.2.1.2 Auswertung im Rahmen der Datenfernabfrage<br />
Über den SUF hinaus sind vertiefende kleinräumige Analysen nach PLZ, Alter, Geschlecht<br />
und Diagnose auf Antrag im Statistischen Landesamt durch den Nutzer selber möglich („On<br />
site“-Nutzung). Auswertungen unterhalb der Kreisebene und/oder bei seltenen Diagnosen<br />
verlangen eine sog. „Fernverarbeitung“. Dabei wird das Auswertungsskript durch den Nutzer<br />
erstellt und durch den Datenherrn selbst abgearbeitet. Das Ergebnis wird dem Nutzer in datenschutzrechtlich<br />
unbedenklicher Form als Tabelle zur Verfügung gestellt. Dieser Ansatz<br />
verspricht dem Nutzer bei der Konzeption der Auswertung die nötigen Freiheiten, da erst<br />
nach vollzogener Datenanalyse bei zu geringer Fallzahl in einzelnen Zellen der Tabelle eine<br />
Aggregierung vorgenommen wird. Daten aus dieser Quelle sind mit einer Verzögerung von<br />
etwa 1,5 Jahren verfügbar. Sie sind vollständig nach dem Wohnortprinzip auswertbar. Die<br />
Testdatensätze der Berichtsjahre 2002 bis 2007 enthalten folgende Merkmale (Tabelle 7).<br />
84 www.forschungsdatenzentrum.de<br />
54
Tabelle 7: Merkmalsliste Krankenhausdiagnosestatistik 2002 bis 2007 für kontrollierte<br />
Datenfernabfrage<br />
Var-Nr. Variable<br />
1 Krankenhaus-Nr (anonymisiert)<br />
2 Geschlecht<br />
3 Sterbefall<br />
4 Hauptdiagnose (ICD 4stellig)<br />
5 Operation im Zusammenhang mit Hauptdiagnose<br />
6 Fachabteilung mit längster Verweildauer<br />
7 Verweildauer<br />
8 Alter in vollen Jahren<br />
9 Wohnort des Patienten (Landkreis, kreisfreie Stadt)<br />
10 Wohnort des Patienten (4stellige PLZ)<br />
11 Standort des Krankenhauses (Bundesland)<br />
12 Art des Krankenhauses<br />
13 Träger des Krankenhauses<br />
14 Bettengrößenklasse<br />
15 Zahl der bettenführenden Hauptabteilungen<br />
Die Daten umfassen im sechsjährigen Berichtszeitraum sämtliche Krankenhausfälle von Einwohnern<br />
Sachsen-Anhalts (unabhängig davon, ob diese in Sachsen-Anhalt selbst oder in einem<br />
anderen Bundesland stationär versorgt wurden) und von Patienten mit Wohnort außerhalb<br />
des Landes, die in Sachsen-Anhalt stationär versorgt wurden. Damit sind alle Fallim- und<br />
-exporte erfasst. Alle über das FDZ nutzbaren Datenkörper haben ausschließlich einen Fallbezug;<br />
wiederholte stationäre Aufnahmen eines einzelnen Patienten ebenso wie Verlegungen<br />
sind daher nicht zu erkennen. Unter dieser Randbedingung erlaubt diese Datenbasis die Ermittlung<br />
epidemiologischer Maßzahlen des stationären Sektors für die Regionen des Landes.<br />
Über die vierstellige Postleitzahl ist eine identische räumliche Auflösung wie in den Datensätzen<br />
der Kassenärztlichen Vereinigung Sachsen-Anhalt und der gesetzlichen Krankenkassen<br />
möglich. Die Postleitzahl als regionales Gliederungsmerkmal hat den Vorteil, dass sie in allen<br />
uns zur Verfügung stehenden Datenkörpern mitgeführt wird. Bevölkerungszahlen nach Alter<br />
und Geschlecht stehen in dieser Gliederung in der amtlichen Statistik zwar nicht zur Verfügung,<br />
es können aber Daten von Geoinformationssystemen genutzt werden (Fa. GfK, kostenpflichtig).<br />
5.2.2 Nutzungsmöglichkeiten für die kleinräumige Versorgungsforschung<br />
5.2.2.1 Scientific Use File (SUF)<br />
Aktuell steht als Scientific Use File lediglich der Jahrgang 2003 der Krankenhausdiagnosestatik<br />
zur Verfügung, was angesichts der Dynamik in der Inanspruchnahme stationärer Leistungen<br />
seit Einführung der DRGs im Jahr 2004 die Aussagefähigkeit des Datensatzes begrenzt.<br />
Die Daten liefern keine validen Informationen zu einzelnen potenziell verlagerungsfähigen<br />
Leistungen, weil weder Nebendiagnosen noch Einzelmaßnahmen nach dem OPS-Katalog<br />
dokumentiert sind.<br />
Der Scientic Use file lässt Aussagen zur kleinräumigen Variabilität der stationären Inanspruchnahme<br />
auf der Basis der Hauptdiagnose für die 449 Landkreise und kreisfreien Städte<br />
55
Deutschlands 85 . Für den SUF wurden Auswerteroutinen für die Berechnung roher sowie direkt<br />
und indirekt standardisierter regionaler Krankenhäufigkeiten vor (unter Verwendung von<br />
Bevölkerungszahlen der amtlichen Statistik) erstellt, ebenso Vorlagen für Landkarten. Mit<br />
diesen Programmen lassen sich zentrale Kennzahlen der Verteilung der Inanspruchnahmeraten<br />
(Mittelwert, Median, Quartile, Perzentile, Extremalquotienten) berechnen. Damit lässt<br />
sich abschätzen, in welchem Maß die in Sachsen-Anhalt in spezifischeren Datenkörpern beobachtete<br />
kleinräumige Heterogenität der Inanspruchnahme auch in anderen Bundesländern zu<br />
erkennen ist. Aufgrund mangelnder Aktualität und starker Verdichtung ist dieser Datensatz<br />
aber nicht geeignet, direkt Verlagerungspotenziale abzubilden.<br />
Zur Veranschaulichung der Nutzungsmöglichkeiten des Scientific use files wurden indirekte<br />
Standardisierungen für die Liste der „vermeidbaren Krankenhausaufenthalte“ („avoidable<br />
hospitalizations“) auf der Ebene der Landkreise und kreisfreien Städte vorgenommen. Die<br />
Verteilungsparameter der Standardisierungen und die konkreten Werte für kreisfreie Städte<br />
und Landkreise in Sachsen-Anhalt befinden sich im Anhang 6.<br />
5.2.2.2 Datenfernabfrage<br />
Über die Datenfernabfrage und die Nutzung der Daten der Krankenhausdiagnosestatistik in<br />
einem mehrjährigen Zeitraum kann eine gegenüber dem Scientific Use File regional feinere –<br />
auf der Basis von 96 vierstelligen Postleitzahlen - und längsschnittliche Darstellung des stationären<br />
Versorgungsgeschehens in Sachsen-Anhalt vorgenommen werden. Es kann somit das<br />
Ausmaß der Variation der Inanspruchnahme unterhalb der Landkreisebene abgebildet und<br />
untersucht werden, ob diese Variation sich als zeitlich stabil erweist. Da die erste Datenanforderung<br />
auf Sachsen-Anhalt beschränkt war, wurden nur Fälle selektiert von Patienten mit<br />
Wohnort in Sachsen-Anhalt oder von Patienten, die in Sachsen-Anhalt stationär behandelt<br />
wurden. Damit ist ein Vergleich mit der Inanspruchnahmehäufigkeit in anderen Bundesländern,<br />
Landkreise/kreisfreien Städten oder Postleitzahlbereichen noch nicht möglich.<br />
Ebenso wie beim Scientific use file wurden für die Diagnosen aus der Liste der „avoidable<br />
hospitalizations“ Programme zur Berechnung indirekt standardisierter Kraenkenhaushäufigkeit<br />
auf Ebene vierstelliger Postleitzahlbereiche erstellt. Die Ergebnisse befinden sich im Anhang<br />
7. Für zukünftige Nutzungen der Krankenhausdiagnosestatistik oder anderer Datenkörper<br />
des Forschungsdatenzentrums muss beachtet werden, dass aufgrund der dort vorherrschenden<br />
personellen Knappheit derzeit eine mehrwöchige Wartezeit auf die Übermittlung<br />
der datenschutzrechtlich unbedenklichen Resultate in Kauf genommen werden muss. Für unser<br />
Projekt lag diese Wartezeit bei sechs Wochen.<br />
Nach Abstimmung mit dem FDZ stellt sich in Fortführung der angesichts der zeitlichen Restriktionen<br />
hier nur beispielhaft vorgenommenen Analysen eine sog. ökologische Analyse auf<br />
der Ebene aller Landkreise und kreisfreien Städte in Deutschland grundsätzlich als rechtlich<br />
und technisch machbar heraus. Damit ist eine Modellierung der (standardisierten) Krankenhaushäufigkeit<br />
mit sozioökonomischen Determinanten der Inanspruchnahme (über Daten von<br />
‚Statistik regional’), Struktur- und Angebotsfaktoren (Bettenzahl, Arztdichten und Indikatoren<br />
des stationären Wettbewerbs (Herfindahl-Index; vgl. Werblow et al. 2010) möglich. Dabei<br />
können Einzugsgebiete von Krankenhäusern nicht allein nach geopolitischen Kriterien<br />
(Kreisgrenzen), sondern ebenso funktionell definiert werden, z.B. über (benachbarte) Regionen<br />
gemeint, aus denen indikationsbezogen 75 % oder 90 % der Patienten einer Einrichtung<br />
85 Vgl. auch Ohmann C (Hrsg.) (2000) Operationshäufigkeiten in Deutschland. Baden-Baden: Nomos-<br />
Verlagsgesellschaft (Bd. 129 der Schriftenreihe des BMG)<br />
56
kommen. Allerdings muss für eine derartige Analyse eine neue Datenforderung an das FDZ<br />
gestellt, weil die uns bislang vorliegenden Daten auf Sachsen-Anhalt beschränkt sind und<br />
lediglich für die Abbildung kleinräumiger Heterogenität bereit gestellt wurden. Diese Analyse<br />
ließ sich daher im Rahmen dieses Gutachtens nicht realisieren.<br />
Sowohl der Public Use File wie die Auswertung der Krankenhausdiagnosestatistik ermöglichen<br />
eine Auswertung auf Fallebene. Verlegungen und Weideraufnahmen eines Patienten im<br />
Berichtszeitraum werden als separate Fälle erfasst. Eine Zuordnung mehrerer Aufnahmen<br />
eines Patienten ist nicht möglich.<br />
Eine weitere Datenquelle stationärer Leistungen, die anonymisierten Abrechnungsdaten nach<br />
§ 21 KHEntgG, die das InEK dem Land zur Verfügung stellt, steht zweckgebunden nur für<br />
die Krankenhausplanung zur Verfügung. Sie wird deswegen im Rahmen dieses Projektes als<br />
nicht verfügbar eingestuft. Die Datenstruktur dieser Kassenarten-übergreifenden, aber ebenfalls<br />
nur fallbezogen vorliegenden Datenquelle ähnelt der den in Kapitel 5.4 vorgestellten<br />
Routinedaten der gesetzliche Krankenkassen aus dem stationären Sektor (nach § 301 SGB V)<br />
und erlaubt daher grundsätzlich ähnliche Auswertungen. Die zukünftige Nutzung der InEK-<br />
Daten für Zwecke der Versorgungsforschung ist wünschenswert, erfordert aber eine Änderung<br />
ihrer gesetzlichen Verwertungsgrundlage.<br />
5.3 Abrechnungsdaten der Kassenärztlichen Vereinigung<br />
5.3.1 Beschreibung des Datenkörpers<br />
Als dritte Datenquelle stehen Abrechnungsdaten der Kassenärztlichen Vereinigung Sachsen-<br />
Anhalt (KVSA) zur Verfügung. Nach technischer Prüfung eines Testdatensatzes wurde Mitte<br />
August 2009 ein Datensatz bereitgestellt (Tabelle 8). Die KVSA übermittelte alle Daten der<br />
Jahre 2006 bis 2008 und zwar beschränkt auf ausgewählte Landkreise zur kleinräumigen Abbildung<br />
des Versorgungsgeschehens und der Ermittlung von Verlagerungseffekten. Diese<br />
Daten stehen „scheinbezogen“ zur Verfügung. Sie könnten pseudonymisiert und datenschutzrechtlich<br />
zulässig aber auch patienten- und bei Bedarf praxisbezogen ausgewertet werden.<br />
Tabelle 8: Merkmalsliste Abrechnungsdaten KVSA 2006 bis 2008<br />
Var-Nr. Variable<br />
1 Abrechnungsquartal<br />
2 Schein-Nr<br />
3 Praxis-ID (pseudonymisiert)<br />
4 Versicherten-ID (pseudonymisiert)<br />
5 Art der Praxis (EP, GP, MVZ)<br />
6 Fachgruppe der Praxis<br />
7 Praxissitz (Landkreis und 4stellige Postleitzahl)<br />
8 Geburtsjahr und Geschlecht des Patienten<br />
9 Postleitzahl des Wohnorts des Patienten (4stellig)<br />
10 Art des Abrechnungsscheins<br />
11 Zahl der Kontakte im Quartal<br />
12 Diagnosen (ICD) incl. Diagnosesicherheit, -lokalisation und –kennung<br />
(über Quartal und Schein-ID relational verknüpft)<br />
13 EBM-Ziffern mit Häufigkeit (dito)<br />
Grundeinheit der ambulanten Abrechnungsdaten ist der „vertragsärztliche Fall“ (oder<br />
„Schein“), also die Summe der Kontakte eines GKV-Versicherten bei einem Vertragsarzt in<br />
einem bestimmten Quartal. Mit der Kassenärztlichen Vereinigung Sachsen-Anhalt war bereits<br />
57
für das Projekt TRANSAGE 86 die Bereitstellung von Abrechnungsdaten des ambulanten Sektors<br />
nach vierstelliger Postleitzahl, Alter und Geschlecht der Patienten, Kontakthäufigkeiten<br />
und Kontaktanlässen vereinbart worden. Für das vorliegende Projekt ist eine in Details abweichende<br />
Regelung getroffen und schriftlich vertraglich fixiert worden.<br />
Daten der KV stehen mit einer Verzögerung von etwa zwei bis drei Quartalen zur Verfügung.<br />
Die scheinbezogenen Abrechnungsdaten können über eine pseudonymisierte Praxis-ID und<br />
eine pseudonymisierte Patienten-ID innerhalb der Quartale und über Quartale hinweg einzelnen<br />
Praxen bzw. Patienten zugeordnet werden. Für dieses Projekt ist vor allem eine patientenbezogene<br />
längsschnittliche Betrachtung der ambulanten Inanspruchnahme von Bedeutung.<br />
Konkret enthalten die übermittelten Daten alle Quartalsscheine von Praxen, die in den Planungsregionen<br />
Halle, Magdeburg und Salzlandkreis angesiedelt sind und/oder von Patienten/innen,<br />
die in einem dieser drei Kreise wohnen und im Bereich der KVSA ambulant behandelt<br />
wurden (auch außerhalb dieser drei Landkreise). Damit sind auch Fallim- und<br />
-exporte erfasst, soweit nicht ambulante Leistungen gänzlich außerhalb der KV Sachsen-<br />
Anhalt in Anspruch genommen wurden. Mit der Wahl der drei zentral gelegenen Regionen ist<br />
bestmöglich gewährleistet, dass bei bevölkerungsbezogener Betrachtungsweise nur in einem<br />
geringen Ausmaß Scheine nicht erfasst werden, die durch ambulante Behandlung außerhalb<br />
des Zuständigkeitsbereichs der KVSA anfielen. Bei der Analyse der Abrechnungsdaten ist zu<br />
beachten, dass nach der Novellierung des EBM im Jahr 2008 die Zahl der pauschalierten<br />
Leistungskomplexe stark zugenommen hat, so dass die Anzahl der pro Schein angegebenen<br />
Einzelkontakte nicht unmittelbar zu den Vorjahren vergleichbar ist.<br />
Eine weitere Datenquelle aus dem ambulanten Sektor stellt das sog. ADT-Panel (ADT: AbrechnungsDatenTransfer)<br />
des Zentralinstituts für die Kassenärztliche Versorgung (ZI) dar.<br />
Diese seit 1998 kontinuierlich fortgeschriebene Datenbasis ist eine geschichtete Zufallsstichprobe<br />
von jeweils 450 elektronisch abrechnenden Praxen niedergelassener Ärzte aus 14 Arztgruppen<br />
aus den Kassenärztlichen Vereinigungen Nordrhein und Brandenburg. Basierend auf<br />
anonymisierten Abrechnungsdaten stehen in jedem der beiden KV-Bereiche pro Quartal Behandlungsdaten<br />
von jeweils ca. 600.000 gesetzlich krankenversicherten Patienten zur Verfügung.<br />
Die Klientel der einzelnen Arztgruppen kann auf pseudonymisierter Ebene patientenbezogen<br />
quer- und längsschnittlich im Zeitverlauf untersucht werden (Kerek-Bodden et al.<br />
2005). Dieses Panel ermöglicht kurzfristig nach Ende eines Abrechnungsquartals die patienten-,<br />
diagnosen- und leistungsbezogene Beschreibung des Behandlungsgeschehens in Praxen<br />
niedergelassener Ärzte und die Analyse der Entwicklungstendenzen der ambulanten Inanspruchnahme.<br />
Alle Stiftungsmitglieder des Zentralinstituts (Kassenärztliche Vereinigungen und Kassenärztliche<br />
Bundesvereinigung) erhalten die komplette Quartals-Basisstatistik auf Anfrage kostenlos.<br />
Das schließt auch die Bearbeitung von Sonderfragestellungen ein, die in der Regel mit<br />
Zusatzauswertungen verbunden sind. Für übrige Interessenten können definierte Sonderauswertungen<br />
gegen eine pauschale Kostenbeteiligung vorgenommen werden.<br />
5.3.2 Nutzungsmöglichkeiten für die kleinräumige Versorgungsforschung<br />
Mit den genannten Einschränkungen (keine Abbildung von Fallexporten jenseits der KV-<br />
Grenze, Nichterfassung der privat versicherten Patienten bzw. der privat liquidierten Leistun-<br />
86 www.transage.de<br />
58
gen) ist damit eine Vollerhebung der gesetzlich krankenversicherten Patienten gegeben. In<br />
den drei genannten Kreisen lebten Ende 2008 rund 680.000 Einwohner, knapp 30 % der Einwohner<br />
Sachsen-Anhalts. Pro Quartal enthält die Datei Abrechnungsdaten von 640.000 bis<br />
710.000 Patienten (Einwohner der drei Kreise bzw. dort behandelte Patienten) mit über den<br />
Beobachtungszeitraum zunehmender Fallzahl. Für die zwölf Quartale des Beobachtungszeitraums<br />
2006 bis 2008 wurden insgesamt Angaben aus 18,4 Mill. Scheinen mit 64,7 Mill. Diagnosen<br />
und 124,1 Mill. EBM-Einträgen übermittelt (Tabelle 9).<br />
Tabelle 9: Übersicht über Datenumfang der von der Kassenärztlichen Vereinigung<br />
Sachsen-Anhalt bereit gestellten Abrechnungsdaten<br />
Quartal Scheine Diagnosen EBM-Ziffern<br />
I / 2006 1.484.672 5.055.537 11.041.261<br />
II / 2006 1.455.631 4.963.148 10.668.521<br />
III / 2006 1.412.886 4,851.842 10.311.812<br />
IV / 2006 1.499.307 5.340.410 11.125.339<br />
I / 2007 1.526.584 5.327.447 11.369.318<br />
II / 2007 1.497.230 5.247.936 11.010.516<br />
III / 2007 1.475.647 5.244.855 10.889.029<br />
IV / 2007 1.556.291 5.649.122 11.499.866<br />
I / 2008 1.569.664 5.644.993 8.891.496<br />
II / 2008 1.613.259 5.741.966 9.161.583<br />
III / 2008 1.579.219 5.618.958 8.949.275<br />
IV / 2008 1.711.502 6.031.046 9.171.784<br />
Summe 18.381.892 64.717.260 124.089.800<br />
Mit diesem umfangreichen Datenkörper lässt sich das ambulante Versorgungsgeschehen in<br />
den drei genannten Landkreisen (und grundsätzlich für das gesamte Bundesland) umfassend<br />
abbilden. Dabei sind die Betrachtungsebenen Schein, Praxis und Patient zu unterscheiden.<br />
Auf der Scheinebene lässt sich die Intensität und die Entwicklung des ambulanten Sektors<br />
abbilden, differenziert nach Scheinzahl, nach Alter und Geschlecht der Patienten, Zahl der<br />
Kontakte pro Schein (unter Berücksichtigung grundsätzlicher Änderungen bei pauschalierten<br />
Vergütung im Jahr 2008), Facharztgruppe, Art des Scheins (vor allem Original- und Überweisungsscheine),<br />
Wanderungen bei der Inanspruchnahme (über die vierstelligen Postleitzahlen<br />
von Patientenwohnort und Praxissitz; z.B. in Richtung der Städte). Scheine (und Zahl<br />
der Kontakte) nach Quartal und Jahr nach Wohnort und/oder Praxissitz (nur für die Patienten<br />
mit Wohnort in MD, HAL oder SLK).<br />
Auf Patientenebene lässt sich die Inanspruchnahmerate nach Alter und Geschlecht über Quartale<br />
hinaus und bzgl. der Kontaktierung verschiedener Ärzte gleicher oder verschiedener<br />
Fachrichtung darstellen. Alle Analysen lassen sich weiter differenzieren nach Diagnosen<br />
und/oder EBM-Ziffern. Die Diagnosen lassen sich dabei nach Grad der Bestätigung (Ausschluss,<br />
Verdacht, gesichert, Zustand nach) und nach Dringlichkeit (Dauer- vs. Tagesdiagnose)<br />
stratifizieren. Bezogen auf die Nennerbevölkerung der Einwohner der Landkreise bzw.<br />
PLZ-Bereiche sind differenzierte Berechnungen indirekt standardisierter Patientenhäufigkeiten<br />
für die 19 vierstelligen Postleitzahlbereiche, die sich die drei Landkreise gliedern, möglich.<br />
59
Bezogen auf die Praxisinformationen lässt sich neben der Darstellung des Morbiditätsspektrums<br />
und der Klientel beispielsweise untersuchen, wie viele Praxen an welchen Orten und<br />
mit welcher Intensität an der Versorgung teilnehmen. Über diesen Ansatz lassen sich Auswirkungen<br />
von Praxiseröffnungen, -schließungen und -umstruktierungen untersuchen. Die Auswertungsebene<br />
‚Praxis’ erscheint für das aktuelle Projekt allerdings zunächst weniger von<br />
Bedeutung 87 und wird daher nicht weiter betrachtet.<br />
Angesichts des Umfangs der Daten empfiehlt sich eine Festlegung auf bestimmte Leistungskomplexe<br />
(s.u.). Der Anhang 8 enthält beispielhaft Auswertemöglichkeiten der KVSA-<br />
Abrechnungsdaten. Angesichts der Nichtverfügbarkeit von GKV-Routinedaten (s.u.) wird die<br />
empirische Analyse dieser Daten allerdings nicht weiter verfolgt.<br />
Insgesamt finden die Daten der KVSA ebenso wie die der Krankenhausdiagnosestatistik eine<br />
Begrenzung in der Tatsache, dass sie entsprechend ihrem primären Verwendungszweck sektoral<br />
begrenzt sind. Zwar kann die Entwicklung der Inanspruchnahme für jeden Versorgungssektor<br />
separat dargestellt und bewertet werden. Parallele oder divergierende Entwicklungen<br />
können aber nur auf „ökologischer“, nicht auf individueller Ebene zueinander in Beziehung<br />
gesetzt werden. Außerdem beziehen sich die Daten auf nicht identische Risikobevölkerungen<br />
(Krankenhausdiagnosestatistik: alle Einwohner der entsprechenden Region, KVSA: nur gesetzlich<br />
Versicherte einer Region). Die Zusammenschau altersspezifischer (auch: mit gleicher<br />
Altersstandardisierung) Leistungsdichten aus zwei Sektoren und ihr Vergleich mit der Entwicklung<br />
regionaler Angebotsdichten ermöglicht jedoch Einblicke in Dichte und Struktur<br />
regional bevölkerungsbezogener Leistungen der Krankenversorgung.<br />
Die in Abschnitt 4.6 thematisierte ökologische Analyse ließe sich auf Ebene vierstelliger Postleitzahlenbereiche<br />
grundsätzlich und ungeachtet der damit verbundenen Abgrenzungsprobleme<br />
mit den Daten der Kassenärztlichen Vereinigung und der Krankenhausdiagnosestatistik<br />
(über eine kontrollierte Datenfernabfrage) durchführen. Für dieses Gutachten<br />
standen auf Seiten der KVSA aber nicht ausreichend regionale Einheiten zur Verfügung (nur<br />
19 PLZ-Bereiche in den kreisfreien Städten Halle und Magdeburg sowie dem Salzlandkreis).<br />
Außerdem konnten während der Bearbeitungszeit dieses Gutachtens seitens des Forschungsdatenzentrums<br />
aus Kapazitätsgründen keine postleitzahlbezogenen Auswertungen der Krankenhausdiagnosestatistik<br />
über einen mehrjährigen Zeitraum erstellt werden.<br />
Den größten Erkenntnisgewinn hinsichtlich der zu untersuchenden Verlagerungspotenziale<br />
und -effekte versprechen daher Datenkörper, die Angaben zu beiden Versorgungssektoren<br />
enthalten und über dies versichertenbezogen sind, d.h. mehr als einen reinen Fallbezug aufweisen.<br />
Damit geraten die Routinedaten der gesetzlichen Krankenkassen in den Focus.<br />
5.4 Routinedaten der Gesetzlichen Krankenversicherung<br />
5.4.1 Beschreibung des Datenkörpers<br />
Die Routinedaten der GKV bilden das gesamte Leistungsgeschehen innerhalb des Leistungskatalogs<br />
ab. Für ein Projekt Verlagerungseffekte kommen primär Routinedatendaten des stationären<br />
und des ambulanten Sektors (seit 2005 bei den Kassen in guter Qualität vorliegend)<br />
sowie Arzneimittelverordnungen in Frage. Zur Beschreibung der Daten kann auf einschlägige<br />
87 Neueröffnungen oder Schließungen von Praxen sind im Rahmen einer Panel-Analyse von Bedeutung.<br />
60
Publikationen verweisen werden (Schubert et al. 2008, Swart und Ihle 2005, Swart et al.<br />
2008).<br />
Die AOK Sachsen-Anhalt hat leider nach längerem Verfahren erklärt, dass sie mit einer Nutzung<br />
ihrer Daten für einen Auftrag des ZI mit mittelbaren Konsequenzen für Honorarverhandlungen<br />
nicht einverstanden sein könne. Sie werde allerdings mit dem Institut des Bewertungsausschusses<br />
(InBA) zusammenarbeiten. Eine Datenbereitstellung ist in § 87a Absatz 6 vorgesehen.<br />
Insofern ist es nützlich, die Nutzungsmöglichkeiten der Abrechnungsdaten der GKV<br />
für die Versorgungsforschung in allgemeiner Form zu beleuchten und Desiderata für zukünftige<br />
Datenbereitstellungen zu benennen.<br />
5.4.2 Nutzungsmöglichkeiten für die kleinräumige Versorgungsforschung<br />
Auswertungen des stationären Leistungsgeschehens sind möglich auf der Ebene vierstelliger<br />
Postleitzahlbereiche, differenziert nach Krankheitsartengruppen, Haupt- und Nebendiagnosen,<br />
diagnostischen und operativen Leistungen (des OPS-Katalogs). Veränderungen in der Versichertenstruktur<br />
kann mit der Berechnung alters- und geschlechtsspezifischer wie nach Alter<br />
und Geschlecht standardisierter epidemiologischer Kennzahlen Rechnung getragen werden.<br />
Diese fallbezogene, aber auch pseudonymisiert versichertenbezogen auswertbare Datenquelle<br />
ermöglicht längere Zeitreihen der stationären Versorgung. Außerhalb der Grenzen Sachsen-<br />
Anhalts stationär versorgte Fälle von gesetzlich krankenversicherten Einwohnern Sachsen-<br />
Anhalts (‚Fallexporte’) sind enthalten.<br />
Auch nach Alters- und Geschlechtsstandardisierung ist - besonders bei planbaren Leistungen -<br />
eine deutliche regionale Variabilität stationärer Leistungsdichten festzustellen, deren Muster<br />
regional und zeitlich stabil ist (Swart et al. 2001, Swart et al 2008). Eine Analyse von Patientenwanderungen<br />
(Wohnort-Behandlungsort) ist möglich, ebenso eine Darstellung des Kooperationsmusters<br />
der Leistungserbringer.<br />
Informationen zu den vor- und nachstationär behandelten Fällen sowie zu ambulant im Krankenhaus<br />
durchgeführten Operationen liegen ebenfalls vor, allerdings bei vor- und nachstationär<br />
behandelten Fällen keine detailliierte Angaben zur Art der medizinischen Leistungen<br />
Ein direkter (versichertenbezogener, pseudonymisiert personenbezogener) Vergleich der ambulanten<br />
und stationären Inanspruchnahme ist möglich, wenn auch die Abrechnungsdaten aus<br />
dem ambulanten Sektor in vergleichbarer inhaltlicher Differenzierung bereitgestellt werden.<br />
Dadurch kann die Entwicklungen der Versorgung in beiden Sektoren für eine identische Risikopopulation<br />
in vergleichbaren Darstellungen untersucht werden. Die Struktur der Routinedaten<br />
der GKV aus dem ambulanten Sektor ähnelt den oben beschriebenen der KV. Zusätzlich<br />
erlaubt die Datenbasis auch die versichertenbezogene längsschnittliche Analyse der Inanspruchnahme.<br />
Es lässt sich dadurch z.B. untersuchen, in welcher Häufigkeit welche ambulanten<br />
Leistungen vor und nach einer stationären Behandlung erbracht wurden. Wenn es gelingt,<br />
strukturgleiche Versichertengruppen mit und ohne eine vorher festgelegte stationäre Leistung<br />
zu definieren, wird eine Analyse der in der stationär behandelten Gruppe zusätzlich nötigen<br />
ambulanten Leistungen möglich. Heterogenität und Änderungen regionaler Angebotsdichten<br />
oder Angebotsformen (MVZ) können mit Heterogenität und Änderungen regionaler Leistungsinzidenzen<br />
in Beziehung gesetzt werden.<br />
Eine zusätzliche Nutzung der Verordnungsdaten (Arzneimittelverordnungen nach Alter, Geschlecht,<br />
Morbidität, Raum und Zeit) bietet sich aus zwei Gründen an. Erstens kann sie – das<br />
61
ist allerdings zu prüfen – Hinweise auf Verlagerungseffekte dort liefern, wo sich ein überdurchschnittlicher<br />
Anstieg der Verordnungen in Verbindung mit einem Rückgang der stationären<br />
Leistungen zeigt (eingegrenzt auf Tracer). Weiter können Verordnungsdaten helfen,<br />
Patienten mit bestimmten Krankheiten/Beschwerden besser einzugrenzen und dienen damit<br />
der Kreuzvalidierung der Diagnosenangaben (Hauner et al. 2004; Schubert et al. 2005). 88<br />
Zur Abbildung des Arzneimittelverordnungsgeschehens stehen in Deutschland mehrere Datenquellen<br />
bereit. Datengrundlage aller Ansätze sind jeweils die Verordnungen zu Lasten der<br />
Gesetzlichen Krankenversicherung innerhalb eines Kalenderjahres, die in öffentlichen Apotheken<br />
eingelöst werden; nicht erfasst sind hier Verordnungen zu Lasten der privaten Krankenversicherung,<br />
in Krankenhäusern abgegebene Arzneimittel sowie Arzneimittel, die ohne<br />
Rezept privat in der Apotheke erworben werden (sog. OTC-Geschäft, „over the counter“).<br />
Im Jahre 1981 startete das Forschungsprojekt GKV-Arzneimittelindex im Wissenschaftlichen<br />
Institut der AOK (WIdO), das gemeinsam von den Spitzenverbänden der Gesetzlichen Krankenversicherung,<br />
der Ärzte- und der Apothekerschaft finanziert wurde. Ziel des GKV-<br />
Arzneimittelindex ist es, zu mehr Transparenz auf dem Arzneimittelmarkt und damit zur Sicherstellung<br />
einer therapie- und bedarfsgerechten sowie wirtschaftlichen Arzneiversorgung<br />
beizutragen. Zunächst als repräsentative Stichprobe durchgeführt, laufen seit dem Jahr 2001<br />
die jährlich knapp eine Milliarde Verordnungen zu Lasten der Gesetzlichen Krankenversicherung<br />
im ambulanten Bereich zusammen. Gleichzeitig ist seit 1980 eine Arzneimittelklassifikationsdatenbank<br />
entstanden, die inzwischen mehr als 135.000 verschiedene Arzneimittel<br />
(90.000 Fertigarzneimittel) mit den unterschiedlichsten Informationen zu diesen Produkten<br />
enthält. Durch die Zusammenführung von Rezept- und Klassifikationsdaten können Arzneimittelverbrauchsstudien<br />
nach einzelnen Marktsegmenten, nach der Facharztgruppe des verordnenden<br />
Arztes oder nach Alters- und Geschlechtsgruppen der Patienten durchgeführt werden<br />
(Nink et al. 2005)<br />
Die Forschungsergebnisse des GKV-Arzneimittelindex erscheinen in Form verschiedener<br />
Berichte wie Quartalsauswertungen mit regionalisierten Informationen, Jahresauswertungen<br />
nach Indikationsgruppen sowie speziellen Auswertungen nach Arzt- und Altersgruppen, monatlichen<br />
Preisinfos sowie einer jährlich aktualisierten maschinenlesbaren Fassung des ATC-<br />
Codes. Aktuelle Informationen zum GKV-Arzneimittelindex sind im Internet<br />
(http://wido.de/arzneimittel.html) zu finden. Neben zahlreichen Auswertungen liefert der<br />
GKV-Arzneimittelindex auch die Datengrundlage für den seit 1985 jährlich erscheinenden<br />
Arzneiverordnungs-Report.<br />
Parallel dazu gibt es auf der Grundlage des § 84 Abs. 5 SGB V ein beim GKV-Spitzenverband<br />
angesiedeltes Projekt (GAmSi - GKV-Arzneimittelschnellinformation;<br />
www.gamsi.de) zur monatlichen Schnellinformation über die Arzneimittel-Verordnungen, das<br />
die Verordnungsstrukturen in den Kassenärztlichen Vereinigungen transparent machen,<br />
Trendinformationen über Arzneimittelausgaben vermitteln und Kennzahlen für regionale<br />
Vergleichsmöglichkeiten ausgeben soll (Nink et al. 2005). Datenbasis sind die monatlichen<br />
Rezeptabrechnungen der Apothekenrechenzentren. Die Apothekenrechenzentren sind vertraglich<br />
verpflichtet, die Rezeptdaten in dem Monat zu übermitteln, der auf den Verordnungsmonat<br />
folgt. Alle Daten mit Personenbezug, also Angaben zu Versicherten, Krankenkasse, Apotheke<br />
etc. werden dabei annulliert.<br />
88 vgl. die Nutzung von Verordnungsdaten im Morbi-RSA<br />
62
Im Jahr 2004 wurde von drei wissenschaftlichen Fachgesellschaften 89 ein Memorandum zu<br />
Nutzen und Notwendigkeit Pharmako-epidemiologischer Datenbanken in Deutschland formuliert<br />
(Hasford et al. 2004). In dieser Stellungnahme wird nach dem Vorbild ausländischer Datenbanken<br />
(Andersohn und Garbe 2008) der Aufbau einer umfangreichen und kassenübergreifenden<br />
Datenbasis mit Verordnungsdaten gefordert und mit zahlreichen medizinischen, epidemiologischen,<br />
gesundheitsökonomischen und rechtlichen Fragestellungen (Arzneimittelsicherheit)<br />
begründet. Derartige Datenbanken können z.B. einen Beitrag zur Untersuchung<br />
der Arzneimittelanwendung nach Markteinführung, zur Identifizierung bislang unerkannter<br />
Arzneimittelrisiken und zur raschen Überprüfung von Risikosignalen aus dem Spontanmeldesystem<br />
leisten (vgl. auch Gothe 2008). Derzeit wird am Bremer Institut für Präventionsforschung<br />
und Sozialmedizin (BIPS) am Aufbau einer Pharmako-Datenbank auf der Grundlage<br />
von Arzneimittelverordnungsdaten von mehreren gesetzlichen Krankenkassen gearbeitet (Pigeot<br />
und Ahrens 2008). Rund acht Wochen nach Ende eines jeden Monats stehen die Analysen<br />
in Form von 23 KV-bezogenen Berichten sowie einem Überblicksband zur Verfügung.<br />
Diese Berichtsbände enthalten zentrale Kenngrößen zum aktuellen Markt sowie zu den Entwicklungstendenzen.<br />
Die Analysen werden bis auf die Ebene einzelner Präparate heruntergebrochen.<br />
Darüber hinaus werden seit Anfang 2003 den einzelnen Ärzten arztindividuelle Verordnungsinformationen<br />
zur Verfügung gestellt („GAmSi-Arzt“).<br />
Als weitere Datenquelle bieten sich die Apothekenrechenzentren direkt an. Nahezu alle der<br />
mehr als 21.000 öffentlichen Apotheken (Stand 2005) nutzen diesen Service. Anonymisiert<br />
dürfen die Verordnungsdaten neben der Abrechnung auch für andere Zwecke genutzt werden.<br />
Damit stehen seit 2003 Daten zu 99 % aller mit der GKV abgerechneten Fertigarzneimittel<br />
bereit; Praxisbedarf und Rezepturen sind nicht enthalten (Häussler und Klein 2008). Diese<br />
Routinedaten erlauben eine Arzneimittel-Berichterstattung, die Arzneimittel- und Versichertendaten<br />
inhaltlich verknüpfen kann. Diese bundesweiten Arzneimitteldaten lassen eine Differenzierung<br />
einzelner Indikationsgruppen zu. Neben Analysen bezogen auf ganz Deutschland<br />
ist auch ein regionales Monitoring von Arzneimittelverbrauch und -umsatz durchführbar, wie<br />
dies in der 2007er Ausgabe des Arzneimittel-Atlas beschrieben ist (Häussler et al. 2007).<br />
5.4.3 Aspekte der Datenqualität<br />
Vor der Nutzung von GKV-Routinedaten zur Abschätzung von Verlagerungspotenzialen und<br />
-effekten müssen Aspekte der Datenqualität unter den spezifischen Zielsetzungen des oben<br />
formulierten gesetzlichen Auftrags beleuchtet werden. Für die für unsere Fragestellung relevanten<br />
Daten der vertragsärztlichen und stationären Versorgung sowie der Verordnungsdaten<br />
gehören dazu:<br />
• Die Güte der Merkmalkodierungen und Zeitraum der Gültigkeit der verwendeten Schlüssel<br />
und Klassifikationen. Dies betrifft den Wechsel der ICD (Krankheitslisten liegen z.T.<br />
nur in der ICD 9 vor), die damit verbundene Validität von Umsteigeschlüsseln oder die<br />
Auswirkungen der EBM-Reform 2008. Die Dokumentation von medizinischen Einzelleistungen<br />
anhand des EBM ab Mitte 2008 wird damit erschwert. Auch die jährlichen Änderungen<br />
des DRG-Katalogs erschweren die Abbildung von Veränderungen des Leistungsgeschehens<br />
im Zeitablauf.<br />
• Es gibt keine vergleichbare Dokumentationstiefe (Diagnose- und Leistungsdokumentation)<br />
zwischen dem stationären und dem ambulanten Sektor. Dies betrifft z.B. die Differenzierung<br />
zwischen Haupt- und Nebendiagnosen im Krankenhaus, die in dieser Form im<br />
89 Gesellschaft für Arzeimittelanwendungsforschung und Arzneimittelepidemiologie(GAA); Deutsche Gesellschaft<br />
für Klinische Pharmakologie und Therapie (GKPharm); Arbeitsgruppe Pharmakoepidemiologie der Deutschen<br />
Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS)<br />
63
ambulanten Sektor fehlt. Auch die primären Leistungskataloge der beiden Sektoren haben<br />
keine vollständige Entsprechung (OPS bzw. EBM)<br />
• Problem der genauen Abgrenzbarkeit von Krankheiten und Risikofaktoren. Diese Problematik<br />
wurden im QSR-Projekt thematisiert (AOK Bundesverband et al. 2007), ohne dass<br />
ein vollständig befriedigendes Ergebnis bislang vorgelegt werden konnte. Wünschenswerte<br />
Weiterentwicklungen der Dokumentationsvorschriften, etwa bzgl. des Merkmals „present<br />
on admission“ stehen aus.<br />
• Die Güte der Diagnoseangaben bedarf einer besonderen Prüfung angesichts der mit der<br />
DRG-Einführung zu beobachtenden Veränderung im Kodierverhalten oder der nichttrennscharfen<br />
Unterscheidung von Dauer- und akuten Diagnosen sowie Ausschluss- oder<br />
Verdachtsdiagnosen im ambulanten Sektor.<br />
• Mögliche Unterschiede von Behandlungsprävalenz und Versorgungsaufwand bei Versicherten<br />
einer berücksichtigten Kasse im Vergleich zu denen aller GKV-Patienten einer<br />
Region.<br />
• Bei einer räumlich begrenzten Analyse des Leistungsgeschehens bleibt zu prüfen, inwieweit<br />
die für eine bestimmte Region gewonnenen Erkenntnisse auf das ganze Bundesland<br />
und Deutschland übertragen werden können. Sind diese Regionen demnach typisch für<br />
raumordnerisch ähnliche Regionen im gleichen oder einem anderen Bundesland bzw.<br />
Deutschland? Wie stellt sich die Versorgung in Regionen anderen Raumordnungstyps<br />
dar?<br />
• Die Länge des Beobachtungszeitraums: Routinedaten aus dem ambulanten Sektor liegen<br />
erst seit 2004 versichertenbezogen vor. Im diesem Jahr waren jedoch die Diagnoseangaben<br />
noch mit hohen Unsicherheiten behaftet; so wurden der Diagnosezusätze „Verdacht<br />
auf“; „gesichert’ oder „Ausschluss“ anfangs häufig noch nicht verwendet. So stehen für<br />
die Darstellung des Versorgungsgeschehens im ambulanten Sektor nur Daten ab 2005 zur<br />
Verfügung.<br />
• Weitere Aspekte der Diagnosevalidierung: a) Diagnosestellungen haben in der jeweiligen<br />
Vergütungssystematik oft eine legitimatorische Funktion (für Beratungs- und Behandlungsanlass,<br />
Begründung für weiteres ärztliches Handeln); b) Bei multimorbiden Patienten<br />
können bei konkurrierenden Diagnosen tatsächlich (evtl. auch schon seit Jahren) vorliegende<br />
Erkrankungen ungenannt bleiben, wenn nur die vergleichsweise „höherwertige“<br />
Diagnose aufgezeichnet wird; c) aus Gründen praxisinterner Abläufe können evtl. Diagnosen<br />
über mehrere Abrechnungsquartale fortgeführt werden, obwohl keine Erkrankung<br />
mehr besteht.<br />
5.4.4 Erkenntnisse für die Krankenkassen<br />
Die gesetzlichen Krankenkassen müssen angesichts der Notwendigkeit einer Anpassung der<br />
stationären Strukturen an den zukünftigen Versorgungsbedarf bei gleichzeitig sich abzeichnenden<br />
Sicherstellungsproblemen im ambulanten Sektor ein Interesse an einer Analyse und<br />
ggf. Quantifizierung von Verlagerungspotenzialen und -effekten in beide Richtungen haben,<br />
da diese unmittelbar planungsrelevant sind.<br />
Darüber hinaus bieten die Routinedaten aus den drei genannten Bereichen vielfältige Auswertungspotenziale,<br />
die den Krankenkassen allgemein und speziell der regional größten Kasse für<br />
ihre strategische Ausrichtung hilfreich sein könnten und die sich gerade erst in der sektorübergreifenden<br />
Betrachtungsweise zeigen:<br />
64
• Einweisungshäufigkeiten bzw. Behandlungsraten in Krankenhäusern wegen einzelner<br />
Krankheiten/Diagnosen 90 sind im längerfristigen Trend als Indikatoren für die Entwicklung<br />
der Häufigkeit von Morbiditätsveränderungen zu interpretieren (z.B. Alkoholmissbrauch,<br />
Subgruppenverschiebung); das gilt ebenso für den ambulanten Sektor. Mit diesen<br />
Daten lassen sich Behandlungsbedarfe darstellen und deren zukünftige Entwicklung abschätzen.<br />
• Bislang konnten im Rahmen der Krankenhausfallanalyse Patienten mit chronischen<br />
Krankheiten oder Wiederaufnahmeproblemen (‚Drehtürpatienten’) nur unzureichend analysiert<br />
werden. Die Abbildung des Versorgungsgeschehens für diese Patientengruppen<br />
wird mit sektorübergreifenden Daten deutlich verbessert.<br />
• Die Evaluation besonderer Versorgungseinrichtungen (z.B. MVZ) oder Modellvorhaben<br />
wird erleichtert bzw. erst möglich, sofern letztere darauf abzielen, die stationäre Versorgungslast<br />
zu verringern.<br />
• Die Möglichkeit der kleinräumigen Analyse des Behandlungsgeschehens aus Sicht der<br />
Versicherten wie der Leistungserbringer ist gerade für die flächenmäßig großen (strukturschwachen)<br />
Landkreise bedeutsam (TRANSAGE-Projekt).<br />
Die gesetzlichen Krankenkassen haben die Bedeutung sektorenübergreifender Datenstrukturen<br />
und Analysen erkannt. Das Wissenschaftliche Institut der AOK (WIdO), aber auch die<br />
wissenschaftlichen Institute und die Stabsstellen anderer Kassen verfügen über ambulante,<br />
stationäre und Verordnungsdaten, deren systematische und sektorübergreifende Nutzung weiter<br />
ausgebaut wird (Gerste et al. 2007).<br />
5.5 Leistungskomplexe<br />
Für die Analyse von Leistungsverlagerungen sind inhaltlich geeignet aufeinander bezogene<br />
Leistungsgruppen aus dem stationären und aus dem ambulanten Sektor notwendig. Verlagerungsfähige<br />
Leistungen müssen in beiden Sektoren nosologisch und technisch vergleichbar<br />
sein. Zum Zweck der empirischen Überprüfung müssen sie zudem vergleichbar (oder überleitbar)<br />
dokumentiert sein (ICD und/oder OPS-Ziffern).<br />
Leistungskomplexe und Tracerindikationen, die beispielhaft für eine vertiefende und sektorübergreifende<br />
Auswertung in Frage kommen, sind u.a.:<br />
• Normativ vermeidbare Krankenhausaufnahmen (Weissman 1992) oder „ambulatory care<br />
sensitive conditions“ (ACSC)<br />
• Einzelne hierarchisierte Morbiditätsgruppen (HMGs)<br />
• Indikationen aus Notfallaufnahmen, die Hinweise auf eine Versorgungsalternative im vertragsärztlichen<br />
Sektor bieten (z.B. einfache Verletzungen, Fälle mit Symptomen als<br />
Hauptdiagnose ohne weitere Konkretisierung) (erkennbar im Datensatz der GKV)<br />
• Fälle mit einer Hauptdiagnose, deren stationäre Verweildauer in den letzten Jahren stark<br />
zurückging (als Hinweis auf frühzeitige Entlassungen, die eine entsprechende intensivierte<br />
Nachbetreuung im ambulanten Sektor erfordern)<br />
• Fälle mit einer Hauptdiagnose, deren Fallzahl zurückging und/oder deren Verweildauer<br />
zunahm (als Indiz für eine Schweregradverschiebung im stationären Sektor hin zu schweren<br />
Verläufen)<br />
• Patienten mit vor- und/oder nachstationären Leistungen.<br />
Aufgrund inhaltlicher Überlegungen wird von folgenden Komplexen abgesehen:<br />
90 vor allem Diagnosen mit geringer regionaler Variabilität<br />
65
• AEP (siehe oben)<br />
• Fehlbelegungsprüfungen: dito<br />
• Ambulante Operationen: dito<br />
• Disease Management Programme: sie unterliegen wie die ambulanten Operationen einer<br />
gesonderten Vergütungsregelung und werden überdies eigenständig einer Evaluation<br />
unterzogen<br />
• Leistungen mit spezieller Vergütung (u.a. Integrierte Versorgung)<br />
Ein dem Katalog ambulant durchführbarer Operationen vergleichbarer Katalog für konservative<br />
Leistungen ist nicht bekannt. Anhaltspunkte geben könnte die Gruppe der Kurzlieger (bis<br />
max. 3 Nächte im Krankenhaus) oder der stationären Notfälle, die auch Ausdruck von Defiziten<br />
in der vertragsärztlichen Notfallversorgung sein können.<br />
Aus den hierarchisierten Morbiditätsgruppen (HMG) des Morbiditätsbezogenen Risikostrukturausgleichs<br />
könnte die folgende Liste (Tabelle 10) Hinweise auf verlagerte Leistungen geben.<br />
Alle genannten HMG zeichnen sich durch Abnahme der Fallzahl im stationären und Zunahme<br />
im ambulanten Sektor aus. Es handelt sich um eine mit diesem Kriterium rein empirisch<br />
gewonnene Zusammenstellung. Leistungen mit ähnlich gegenläufiger Entwicklung können<br />
auch in den regionalen Daten zusammengestellt werden.<br />
Tabelle 10: Aufstellung von HMG mit Abnahme der Fallzahl (und der Kosten) im stationären<br />
und Zunahme von Fällen und Kosten im ambulanten Bereich, absteigend sortiert<br />
nach Fallzahl im ambulanten Sektor<br />
HMG-Nr. Krankheitsgruppen (HMG)<br />
Chronisch obstruktive Bronchitis / Emphysem (Alter > 17 Jahre), Asthma bronchiale, Status<br />
109 asthmaticus (Alter < 18 Jahre)<br />
86 Erworbene Erkrankungen der Herzklappen und rheumatische Herzerkrankungen<br />
92 Näher bezeichnete Arrhythmien<br />
36 Ösophagitis, Reflux und andere Erkrankungen der Speiseröhre (ohne Ulkus und Blutung)<br />
105 Gefäßerkrankungen<br />
14 Andere Neubildungen<br />
71 Polyneuropathie<br />
HMG17 (Diabetes m. akut. Kompl.) > HMG 16 (Diabetes mit neurologischen oder peripheren<br />
zirkulatorischen Manifestation)<br />
56 Psychosen, psychotische und dissoziative Störungen<br />
20 Diabetes mellitus Typ I<br />
74 Epilepsie<br />
52 Alkohol- oder Drogenabhängigkeit<br />
165 Andere iatrogene Komplikationen<br />
23 Andere schwerwiegende endokrine und Stoffwechselerkrankungen<br />
HMG27 (Chronische Hepatitis) > HMG 25 (Terminale Lebererkrankungen)<br />
7 Non-Hodgkin-Lymphom, Morbus Hodgkin, chronisch lymphatische Leukämie<br />
53 Schädlicher Gebrauch von Alkohol / Drogen ohne Abhängigkeitssyndrom<br />
54 Schizophrenie<br />
49 Demenzerkrankungen<br />
37 Entzündung / Nekrose von Knochen / Gelenken / Muskeln<br />
1 HIV/AIDS<br />
48 Delir und Enzephalopathie<br />
89 Hypertensive Herz- und Nierenerkrankung oder Enzephalopathie<br />
104 Atherosklerose mit Ulkus oder Gangrän<br />
12 Andere schwerwiegende bösartige Neubildungen<br />
68<br />
(Quelle: ZI)<br />
Querschnittslähmung<br />
66
Geprüft werden muss, ob Informationen über den Schweregrad der Fälle in Ermangelung eines<br />
direkten Indikators aus anderen Variablen abgeleitet werden können (z.B. Art und Zahl<br />
der Nebendiagnosen, die sowohl in den ambulanten wie den stationären Routinedaten dokumentierte<br />
sind, allerdings mit noch nicht abschließend geprüfter Validität).<br />
Weitere a priori-festzulegende und zu analysierende Leistungskomplexe sind denkbar, z.B. als<br />
Notfallaufnahmen in den AOK-Routinedaten dokumentierte stationäre Kurzlieger ohne<br />
schwerwiegende medizinische Intervention (Operation, invasive Diagnostik) oder Krankheiten<br />
aus den DMP (Diabetes, Asthma), die per se auf eine Vermeidung der stationären Aufnahme<br />
bzw. eine Reduzierung der Verweildauer abzielen.<br />
67
6. Datenbasis – Primärdaten<br />
Auswertungen von Abrechnungsdaten (Sekundärdaten) zeigen quantitative Beziehungen zwischen<br />
Leistungen und Leistungserbringern in Raum und Zeit, bei Verfügbarkeit auf Ebene<br />
von Individualdaten auch differenziert nach Patientengruppen. Die Interpretation quantitativer<br />
Zusammenhangsmuster wird ergänzt und erleichtert durch Erhebung qualitativer Informationen<br />
über die Erfahrungen und die Handlungslogik beteiligter Akteure - niedergelassene Ärzte,<br />
Krankenhausärzte, Verwaltungsdirektoren, MVZ-Betreiber, Interessen- und Fachverbände,<br />
Patienten.<br />
6.1 Offene, semi-standardisierte, problemzentrierte Leitfadeninterviews<br />
Offene, semi-standardisierte, problemzentrierte Leitfadeninterviews sind geeignet bei Themen,<br />
bei denen soziale Normen bestehen oder detaillierte Informationen über komplexe Vorgänge<br />
(wie sektorale Verlagerungen) erfragt werden. Sie eignen sich insbesondere für die<br />
Befragung von Experten oder Konkurrenten und erscheinen geeignet, eine Einschätzung über<br />
strukturelle und organisatorische Gegebenheiten und deren Veränderungen in den Regionen<br />
zu bekommen (z.B. personelle Veränderungen, neue Geräte, neue Abteilungen oder Tageskliniken),<br />
die sich in anderen Datenquellen (z.B. Qualitätsberichten) nicht abbilden lassen.<br />
Schließlich können die befragten Akteure potenzielle oder realisierte Verlagerungen aus ihrer<br />
Sicht identifizieren.<br />
Zuerst wurde anhand von Literaturrecherche, Brainstorming-Methoden und Fachdiskussionen<br />
ein Leitfaden entwickelt. Er enthält Frageideen zur Einleitung einzelner Themenbereiche (W-<br />
Fragen). Das Gespräch wurde mit einer offenen, situationsgerechten Frage eröffnet. Danach<br />
wurde auf die forschungsrelevanten Fragen übergeleitet.<br />
Zu Beginn wurden die Interviewpartner kurz über das Forschungsprojekt aufgeklärt und ihre<br />
Einverständniserklärung für die Aufnahme des Gesprächs per Tonträger wurde eingeholt. Sie<br />
wurden darauf hingewiesen, dass ihre Aussagen nur im Rahmen dieses Projektes verwendet<br />
werden. Es wurde allerdings keine Anonymisierung vorgenommen. Die Aussagen der 15-30<br />
min. langen, persönlichen Interviews wurden ausgewertet und inhaltlich zusammengefasst.<br />
Ein weiteres qualitatives Erhebungsverfahren wären Fokusgruppen, themenzentrierte moderierte<br />
Gruppendiskussion mit 8-12 Teilnehmern.<br />
68
6.2 Inhaltliche Zusammenfassung der Primärdatenerhebung<br />
Acht Interviews wurden mit Partnern aus dem ambulanten und aus dem stationären Sektor<br />
durchgeführt. 91 Darunter waren vornehmlich Vertreter aus der ärztlichen (z.B. Chefarzt, Allgemeinarzt)<br />
und der Verwaltungsebene (z.B. Ärztlicher Leiter, Verwaltungsdirektor, Chef-<br />
Controller) von Krankenhäusern verschiedener Träger und Versorgungsstufen aus Sachsen-<br />
Anhalt. Auch wurden der Geschäftsführer der Krankenhausgesellschaft Sachsen-Anhalt und<br />
zwei niedergelassene Ärzte interviewt. 92 Einige Befragte kommentierten selbstkritisch, dass<br />
sie nur ihre eigenen Erfahrungen und Einschätzung mitteilen können und nicht über empirische<br />
Daten verfügen. Genau darin besteht jedoch die Funktion von Experteninterviews.<br />
Vertreter beider Sektoren berichteten über Leistungsverlagerungen aus dem jeweils anderen<br />
Sektor. Die Meinungen zu den Gründen und den Inhalten der Verlagerungseffekten stimmten<br />
zwischen niedergelassenen Ärzten und Mitarbeitern der Verwaltung oder angestellten Ärzte<br />
der Krankenhäuser sowie auch zwischen den Fachgruppen teilweise überein, teilweise gingen<br />
sie auseinander. Im Folgenden werden die wesentlichen Aussagen zu sektoralen Leistungsverlagerungen<br />
aufgeführt.<br />
Verlagerung vom stationären Sektor werden in den ambulanten Sektor in der Diagnostik, bei<br />
der prä- und poststationären Versorgung (z.B. Verbandswechsel, Wundmanagement, Gerinnungsmanagement,<br />
Laborkontrollen, Arzneimitteleinstellung, Therapieumstellung) sowie bei<br />
ambulanten Eingriffen gesehen. Es sind aber auch gegenläufige Leistungsverlagerungen vom<br />
ambulanten in den stationären Bereich durch die Begrenzung der vertragsärztlichen Gesamtvergütung<br />
festzustellen (z.B. keine Terminvergaben am Ende des Quartals, Patient mit vielen<br />
und kostspieligen Arzneimittelverordnungen wird an stationären Sektor weitergegeben,<br />
schlechte ambulante Notfallversorgung). Außerdem wird von Leistungsverlagerungen vom<br />
stationären Sektor in den Reha- und den Pflegesektor berichtet und von Überwälzungen von<br />
Arbeiten der Kostenträger auf die Leistungserbringer (z.B. bürokratische Vorlagen und Verwaltungsarbeit<br />
der Krankenkassen).<br />
Art und Umfang der Leistungsverlagerungen sind vom jeweiligen Fachgebiet und den regionalen<br />
Leistungsdichten und Kapazitätsauslastungen abhängig.<br />
Teilweise sind wegen vorhandener gesetzlicher Regelungen und institutioneller Faktoren aber<br />
auch keine sektoralen Leistungsverlagerungen möglich (z.B. Aufnahme des Patienten verpflichtend,<br />
Wahrung einer guten Reputation/Image, Qualitätsvorschriften, Politik des Krankenhauses).<br />
Es wird eine intersektorale Kooperationsnotwendigkeit gesehen (gegenseitige<br />
Abhängigkeit von niedergelassenen einweisenden Ärzten und aufnehmenden Krankenhäusern).<br />
Notwendige und zweckmäßige Leistungsverlagerung werden aber auch verhindert (z.B.<br />
lukrative DRG oder Patientengruppe). Bei Krankenhäusern richtet sich die Verlegung von<br />
Patienten mehr an den Kapazitäten, Kostenstrukturen und Margen der DRG-<br />
Entgeltsystematik aus, weniger an den personellen und apparativen Möglichkeiten sowie einer<br />
leitliniengerechten Behandlung. Auch kleine Krankenhäuser versuchen, trotz eingeschränkter<br />
91 Die Mehrzahl der Interviews fand bei Gelegenheit einer gemeinsamen Veranstaltung der Krankenhausgesellschaft<br />
Sachsen-Anhalt mit der Landesärztekammer auf dem Medizin-Campus der Universität Magdeburg am<br />
12.11.2009 statt.<br />
92 Die interviewten Akteure wurden mit der Strategie des theoretischen Samplings ausgewählt. Dabei steht nicht<br />
die Repräsentativität der Auswahl im Vordergrund, sondern die Interviewten wurden danach ausgewählt, ob sich<br />
durch Ihre Aussagen neue Erkenntnisse vermuten lassen. Die Interviews wurden solange durchgeführt bis eine<br />
theoretische Sättigung erreicht wurde.<br />
69
Ressourcen und Kapazitäten Patienten zu halten. Auf der anderen Seite haben aber die verlegenden<br />
Häuser das Problem, ein übernahmebereites Krankenhaus zu finden, da Krankenhäuser<br />
ihre Kapazitäten zur Realisierung eigener Behandlungen nutzen oder Behandlungskapazitäten<br />
geringer sind als der Bedarf. Folge der Verlegungsproblematik und der unklaren Definition<br />
von Behandlungspfaden (wann wird verlegt? wann ist der Arzt bzw. das Krankenhaus zur<br />
Aufnahme verpflichtet?) ist ein hoher organisatorischer Aufwand. Er führt oft zu einer verzögerten<br />
Verlegung von Patienten.<br />
Ein Leistungserbringer bemerkte, dass der ambulante Sektor teilweise Leistungen aus ärztlicher<br />
Verpflichtung übernehme, obwohl er bereits an der Kapazitätsgrenze arbeite, das Budget<br />
bereits überschritten sei oder keine Vergütung für die Leistung erfolge (z.B. lange Beratungsgespräche,<br />
Verbandwechsel, Bescheinigungen und bürokratischer Aufwand). Ingesamt hat die<br />
Koordinations-, Kooperations- und Integrationsarbeit an den Schnittstellen zugenommen. Das<br />
Ziel einer patientenorientierten, integrierten und sektorübergreifenden Versorgung ist noch<br />
nicht erreicht. Das schlechte Schnittstellenmanagement führt zu Brüchen oder Lücken in der<br />
Versorgungskette (z.B. keine organisierte anschließende Heilbehandlung und Nachsorge,<br />
Drehtürpatienten, lange Wartezeiten).<br />
Die Gründe für zunehmende sektorale Verlagerungen sahen die Interviewpartner in der Einführung<br />
der DRGs, steigenden Leistungsdichten und -umfängen in der stationären Versorgung,<br />
dem Druck der Kostenträger und des MDKs (z.B. Fehlbelegungsprüfungen) auf die<br />
Krankenhäuser, vermehrt ambulante statt stationäre Leistungen durchzuführen, im medizintechnischen<br />
Fortschritt, in der demographische Entwicklung, in der zunehmende Spezialisierung,<br />
in neuen gesetzlichen Regelungen (z.B. ambulantes Operieren § 115b SGB V), den intensivierten<br />
Kooperationsmöglichkeiten und neuen Versorgungsformen an den sektoralen<br />
Schnittstellen (z.B. MVZ) sowie in den finanzielle Anreizen der Vergütungssysteme (z.B.<br />
kostenträchtige Patienten wie chronisch, multimorbide, alte und demente Patienten, zu knapp<br />
bewertete DRGs). Vertreter der Krankenhäuser bezweifeln Leistungsverlagerung durch Verweildauerverkürzungen,<br />
da die Beschleunigung der Krankenhausaufenthalte durch interne<br />
Prozessoptimierungen und besseres Aufnahme- und Entlassungsmanagement ermöglicht wurde.<br />
Die Reduzierung der Verweildauer in Krankenhäusern sei auch schon vor der Einführung<br />
der DRGs eingetreten.<br />
Von den Interviewpartnern wurden auch Lösungsvorschläge zum Problem der sektoralen Verlagerungen<br />
formuliert. So könnten sektorübergreifende Komplexpauschale, Integrationsverträge,<br />
die Eingliederung der ambulanten Versorgung in die DRG-Systematik, die Vergütung<br />
von Spezialleistungen nach EBM oder Regionalbudgets die Ursache von Leistungsverlagerungen<br />
– getrennten Sektoren und unterschiedliche Vergütungssysteme – beheben. Insgesamt<br />
wären auch Instrumente wie eine Stärkung der gemeindeorientierte Versorgung, Disease und<br />
Case Management, die Abschaffung der doppelten Facharztschiene sowie eine verbessere<br />
intersektorale und interdisziplinäre Zusammenarbeit (z.B. übergreifende Q-Zirkel) hilfreich.<br />
6.3 Zusammenfassung der Angaben der AWMF-Mitgliedsgesellschaften zu sektoralen<br />
Verlagerungseffekten<br />
Im April 2007 richtete das Bundesministerium für Gesundheit (BMG) einen Fragenkatalog an<br />
die AWMF-Mitgliedsgesellschaften zum Thema „Erfahrungen mit der DRG-Einführung“. Es<br />
70
wurde auch eine Einschätzungen zu DRG-bedingten Verlagerungseffekten von bislang stationär<br />
erbrachten Leistungen in andere Sektoren erbeten. 93<br />
Dabei wurde von den Fachgesellschaften angegeben, dass es zu Verlagerungen insbesondere<br />
in folgenden Bereichen gekommen sei: von der stationärer Versorgung zu den ambulanten<br />
niedergelassenen Ärzten (v.a. diagnostische und prästationäre Untersuchungen), von der stationären<br />
Versorgung zu ambulanten bzw. stationären Pflegeeinrichtungen oder zur häuslichen<br />
Pflege, sowie von der stationären Versorgung zu Reha-Einrichtungen im Bereich der Nachsorge.<br />
Art und Umfang der Verlagerungen fallen in den einzelnen Fachgebieten sehr unterschiedlich<br />
aus, teilweise bestehen keine Verlagerungsmöglichkeiten.<br />
Spezialisierte niedergelassene Ärzte haben dazu beigetragen, vorher stationär erbrachte Therapien<br />
aktiv in den ambulanten Sektor zu verlagern. Genauso habe die DRG-Vergütung in<br />
einzelnen Fällen zu früheren Entlassungen als unter der Abrechnung nach tagesgleichen Pflegesätzen<br />
geführt, wodurch die ambulante Versorgung durch die niedergelassenen Ärzte etwas<br />
mehr belastet wurde. Allerdings sind bei prä- und poststationären Leistungen auch unzureichend<br />
definierte Schnittstellen (z. B. Mangel an Fachärzten im ländlichen Raum) festzustellen.<br />
Bei unterbewerteten DRGs komme es unabwendbar zu einer gewissen Verschiebung von<br />
vorher stationären Fällen in die ambulante Versorgung. Um Versorgungslücken an den sektoralen<br />
Schnittstellen zu verhindern, müsse klargestellt werden, wer in den jeweiligen Konstellationen<br />
Leistungserbringer bzw. Kostenträger (bei Reha, Pflege) ist und wie die erbrachten<br />
Leistungen zu vergüten sind.<br />
Es wurde ferner geäußert, dass es auch zunehmend zu einer ambulanten, prä- oder poststationären<br />
Versorgung durch Krankenhäuser gekommen sei. Gründe hierfür seien die Fehlbelegungsprüfung<br />
von MDK bzw. Kostenträgern, Veränderung der gesetzlichen Rahmenbedingungen<br />
(§ 115b SGB V) und ein wettbewerbsbedingter Druck zur Kostenminimierung, dem<br />
die Krankenhäuser ausgesetzt sind. Außerdem beständen an den Schnittstellen der stationären<br />
Versorgung intensivierte Kooperationsmöglichkeiten.<br />
Die DKG gab an, dass Leistungsdichte und -umfang in den Krankenhäusern stark zugenommen<br />
haben. Dadurch wurden systeminduzierte Leistungsverlagerungen aus dem stationären<br />
Sektor verhindert. Ihrer Meinung nach könne man dem stationären Sektor nicht unterstellen,<br />
er würde weniger Leistungen erbringen. Es wurde bemerkt, dass zwar immer mehr Leistungen<br />
ambulant erbracht werden. Der Grund liege dabei aber eher bei einer „Überkompensation“<br />
der „verlagerten“ Leistungen“ durch die demographische Entwicklung und den medizinischen<br />
Fortschritt (z.B. Onkologie: bessere Verträglichkeit von Zytostatika).<br />
Es wurde auch erwähnt, dass es die zunehmende Deckelung der ambulanten Versorgung zu<br />
einer Steigerung von Patientenzahlen in den Klinikambulanzen und der Notfallversorgung<br />
führe. Im Krankenhaus beständen dafür aber nicht die entsprechenden Strukturen. Es wurde<br />
dennoch eine konsequente Öffnung der Kliniken für die ambulante Versorgung gefordert.<br />
Allerdings führten die interviewten Mitgliedgesellschaften vielfach aus, dass angesichts fehlender<br />
valider sektorübergreifender Daten sowie fehlender Versorgungsforschung Verlagerungstendenzen<br />
zwar vermutet, aber nicht quantifiziert werden können. Die PKV und GKV<br />
geben an, dass es unabhängig von Art und den Umfang sektoraler Verlagerungen bis dato<br />
keine Anhaltspunkte für eine Verminderung der „Gesamtbehandlungskosten der Patienten“<br />
vorliegen.<br />
93 Die Zusammenfassung der Erhebung findet sich im Anhang A3.<br />
71
7. Modelle<br />
Die folgenden Modelle sondieren die Auswertung von regional aggregierten Daten. Im Hinblick<br />
auf das Verlagerungsproblem haben sie gemeinsam, dass Versorgungsaktivitäten des<br />
einen Sektors als Determinanten des anderen Sektors wirken (oder methodisch ausgedrückt:<br />
das abhängige Merkmal des einen Sektors muss als unabhängiges Merkmal des jeweils anderen<br />
Sektors berücksichtigt werden). Gemeinsam haben sie auch das Problem, dass die Inanspruchnahme<br />
medizinischer Leistungen in einem dynamischen Gesundheitswesen nicht mit<br />
der (wahren) zu versorgenden Morbidität (dem „Bedarf“) 94 identisch ist. Es muss mit unerkannter<br />
Über- oder Unterversorgung gerechnet werden. Die Entwicklungen dieser beiden<br />
schwer konkretisierbaren „Sektoren“ sind Determinanten des ambulanten wie des stationären<br />
Sektors und damit Störgrößen bei der Schätzung eines Verlagerungseffektes. 95<br />
7.1 Regressionsanalyse<br />
7.1.1 Spezifikationsproblem<br />
Aus der Perspektive des § 87a ist die ambulante Leistungsdichte abhängiges Merkmal, die<br />
stationäre Leistungsdichte unabhängiges Merkmal. In einer Regionalanalyse würde unter<br />
sonst konstanten Verhältnissen bei Verlagerungen exakt die Menge der Leistungen, die stationär<br />
unterbleibt, ambulant hinzutreten. 96<br />
Um diese Verlagerung zu veranschaulichen, haben wir einen Modelldatensatz kreiert. Er besteht<br />
aus 20 regionalen Einheiten („Beobachtungsträgern“). Die ambulante Leistungsinzidenz<br />
beträgt als Basis 50 Leistungen pro 1000 Versicherte, die stationäre 30 Leistungen pro 1000<br />
Versicherte. Von den 20 Regionen haben je 5 das gleiche „Leistungsniveau“ mit einer relativen<br />
Staffelung von 1 zu 1,1 zu 1,2 zu 1,3. Diese Faktoren sind multiplikative „Hebesätze“ der<br />
genannten Basiswerte der ambulanten und der stationären Leistungsinzidenzen. Es werden<br />
drei Beobachtungsjahre 2006 bis 2008 simuliert. Das Basisjahr ist 2006. Die stationären<br />
Leistungsinzidenzen im Jahr 2007 liegen in allen Regionen mit einem Faktor von 0,9 unter<br />
denen des Jahres 2006, die des Jahres 2008 mit Faktor 0,8 unter 2006. Diese proportionalen<br />
Leistungsminderungen des stationären Sektors werden in voller absoluter Höhe auf die ambulanten<br />
Leistungen des gleichen Jahres (also „verzögerungsfrei“) in den jeweiligen Regionen<br />
aufgeschlagen („verlagert“). Verglichen mit dem Umfang des „realen“ intersektoralen Leistungsumbaus<br />
ist die gewählte jährliche Größenordnung dieser Verlagerungen vermutlich<br />
deutlich.<br />
Die Abbildungen 14a-c stellen die beschriebenen Verlagerungen auf verschiedene, logisch<br />
äquivalente Weise dar. Oben ist der Anteil der ambulanten Inzidenz relativ zur definitionsgemäß<br />
konstant gehaltenen Gesamtinzidenz aufgetragen. Der verlagerte Anteil ist sowohl in die<br />
Werte der x-Achse wie in die der y-Achse eingegangen. In der Mitte ist die ambulante gegen<br />
die stationäre Inzidenz abgetragen. Man erkennt die Verlagerung nach links oben zu einem<br />
stärker ambulant ausgerichteten Leistungsmix. Auch hier ist die verlagerte Leistungsmenge<br />
auf beiden Achsen berücksichtigt. Für die untere Abbildung wurden die Differenzen der Be-<br />
94<br />
Wenn in Vergütungsverhandlungen oder bei der Festsetzung der Kassenbeiträge die erbrachten oder zu erbringenden<br />
Leistungen als „Leistungsbedarfe“ bezeichnet werden, sind wir in einem anderen Bezugssystem.<br />
95<br />
Soweit eine (weitere) Zunahme der Arztzahlen zu Änderungen der Versorgung beiträgt, soll dieser Effekt den<br />
KVen zugerechnet werden (§ 87b).<br />
96<br />
Wir vernachlässigen also zunächst den in den Sektoren unterschiedlichen Fallbezug in der Erwartung, dass<br />
sektorübergreifende Daten eine versichertenbezogene gemeinsame Betrachtung ermöglichen.<br />
72
ichtsjahre gebildet (negativ für die stationären, positiv für die ambulanten Leistungen) und<br />
gegeneinander aufgetragen. Wir haben es also mit einem Simultaneitätsproblem (einem Spezialfall<br />
der Endogenität) zu tun (Proppe 2007). Dieses Problem tritt bei der Betrachtung von<br />
Marktgleichgewichten auf. In der Tat ist es möglich, die Verlagerung medizinischer Leistungen<br />
analog zur Entwicklung von Marktanteilen konkurrierender Marken in einer Produktkategorie<br />
aufzufassen.<br />
Im Anhang 2 wird gezeigt, wie der verlagerte Anteil aus beobachtbaren Daten zurückgerechnet<br />
werden kann. Diese Berechnungen setzen jedoch sonst konstante Verhältnisse voraus, d.h.<br />
Morbiditäts- oder Leistungsentwicklungen aus anderen Gründen finden nicht statt oder sie<br />
können durch Adjustierungen für Störgrößen vollständig berücksichtigt werden.<br />
In Abbildung 15a-c sind die in Abbildung 14a-c dargestellten Modelldaten mit einem Zufallsfehler<br />
überlagert. Unabhängig voneinander werden die stationären und die ambulanten Leistungen<br />
jeweils mit einem Faktor überlagert, der in einem Wertebereich von 0,9 bis 1,1 zufällig<br />
zugelost wird. Dadurch trennen sich in der Visualisierung die Regionen, statt nur 4 (mit<br />
gleichem Leistungsniveau) werden alle 20 erkennbar. Die zur Veranschaulichung gewählte<br />
Größenordnung dieser Zufallsschwankungen liegt in der Größenordnung der Verlagerung,<br />
was im Hinblick auf immer wieder gefundene Schwankungen regionaler Leistungsinzidenzen<br />
für nicht unplausibel gehalten wird.<br />
Die Verlagerungsanteile sind gegenüber Zufallsfehlern störanfällig. In der Darstellung 15c, in<br />
die in jede Punktwolke gleich 4 voneinander unabhängige multiplikative Fehler eingehen (2<br />
Jahre, je ambulant und stationär) ist leicht erkennbar, dass mit den gewählten Relationen von<br />
Verlagerungseffekt und Fehler sogar die Richtung des Zusammenhangs falsch eingeschätzt<br />
werden kann. Statt einer Steigung von (definitionsgemäß) -1 (siehe Abb. 14c) kann durch das<br />
Hinzutreten von Fehlern in der beschriebenen Größenordnung leicht auch ein positiver Zusammenhang<br />
zwischen den stationären und ambulanten Leistungsentwicklungen zweier Jahre<br />
vorgetäuscht werden. Imperfekte Adjustierungen für Störgrößen würden zu den Zufallsfehlern<br />
hinzutreten.<br />
73
Anteil ambulant<br />
Ambulante Inzidenz<br />
Delta ambulant<br />
0,71<br />
0,7<br />
0,69<br />
0,68<br />
0,67<br />
0,66<br />
0,65<br />
0,64<br />
0,63<br />
0,62<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
0 20 40 60 80 100 120<br />
Inzidenz ambulant+stationär<br />
0 10 20 30 40 50<br />
Stationäre Inzidenz<br />
0<br />
-10 -8 -6 -4 -2 0<br />
Delta stationär<br />
9<br />
8<br />
7<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
2006<br />
2007<br />
2008<br />
2006<br />
2007<br />
2008<br />
2007-2006<br />
2008-2006<br />
Abbildung 14a-c: Modellrechnung zur Veranschaulichung von Leistungsverlagerungen<br />
stationäre Leistungsinzidenz in 2007 10 % unter 2006, in 2008 20 % unter 2006, vollständige Verlagerung nach<br />
ambulant - a) (oben) Anteil der ambulanten Inzidenz relativ zur konstanten Gesamtinzidenz b) (mitte) ambulante<br />
gegen stationäre Inzidenz und c) (unten) Differenz der ambulanten gegen Differenz der stationären Inzidenz<br />
nach einem bzw. nach zwei Jahren<br />
74
Anteil ambulant<br />
Ambulante Inzidenz<br />
Delta ambulant<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
0<br />
0 20 40 60 80 100 120<br />
Inzidenz ambulant+stationär<br />
0 10 20 30 40 50<br />
Stationäre Inzidenz<br />
0<br />
-15 -10 -5 0 5<br />
Delta stationär<br />
20<br />
15<br />
10<br />
5<br />
-5<br />
-10<br />
2006<br />
2007<br />
2008<br />
2006<br />
2007<br />
2008<br />
2007-2006<br />
2008-2006<br />
Abbildung 15a-c: gleiche Modellrechnung mit multiplikativ zugerechneten Zufallsfehlern<br />
je bis zu plus/minus 0,1 bei der stationären und der ambulanten Inzidenz, d.h. Fehler in der Größenordnung<br />
der jährlichen Verlagerung; eine von vielen möglichen Realisierungen<br />
75
Weiterführende methodische Überlegungen gehen von der „Panelstruktur“ des vorgelegten<br />
Problems aus, d.h. die „Beobachtungsträger“ werden in zeitlicher Folge wiederholt betrachtet,<br />
d.h. die einzelnen Beobachtungen sind nicht unabhängig voneinander (Alexander et al. 1999,<br />
Schröder 2007, Carriere et al. 2000, Adrian et al. 1998). Damit ist es möglich, die Fehlerstruktur<br />
in individuelle Fehler, zeitliche Fehler und „allgemeine“ Fehler zu zerlegen und sie bei der<br />
Effektschätzung auf angepasste Weise zu berücksichtigen.<br />
Damit wird das Instrumentarium der Mehrgleichungsmodelle auf das vorliegende Problem<br />
anwendbar (Schlichthorst 2007). Man schätzt dann in zwei Schritten (2SLS). Erst die sog.<br />
reduced form (jede endogene Variable als Funktion aller exogenen, auch derjenigen, die nicht<br />
in der Gleichung stehen) und nutzt diese Schätzer als Proxys für die endogenen, die das Problem<br />
verursachen. Dann schätzt man die Originalgleichungen.<br />
In Panel-Daten können zeitvariante Determinanten, vor allem Änderungen des Angebotsprofils<br />
wie Schließung oder Eröffnung einer Krankenhausabteilung oder eines MVZ 97 , aber auch<br />
andere „natürliche Experimente“, wie z.B. Änderungen der Vergütung oder Budgetierungen,<br />
berücksichtigt werden (Schöffski und Schulenburg 1997, St. Dennis et al. 2006, Fortney et al.<br />
2005).<br />
7.1.2 Adjustierung<br />
Einflussgrößen auf die Inanspruchnahme in den regionalen Einheiten können u.a. sein 98<br />
- Alter und Geschlecht der Bevölkerung (demographische Merkmale)<br />
- Merkmale der ambulanten und stationären Versorgungsstruktur (Angebotsfaktoren)<br />
- weitere sozioökonomische Größen mit bekanntem Einfluss auf die Inanspruchnahme<br />
medizinischer Leistungen, wie z.B. der Anteil der Hartz-IV-Empfänger an der Bevölkerung<br />
(soziale Faktoren).<br />
Zudem können bestehende Komorbiditätsmuster (Komorbidität) als Schätzer des (wahren)<br />
Morbiditätsniveaus in der Region herangezogen werden.<br />
In den vorliegenden Routinedaten kann der Krankheitsschweregrad u.U. über Zahl und Art<br />
der Nebendiagnosen abgebildet werden. Als Determinanten der Inanspruchnahme auf Angebotsebene<br />
kommen in Frage die Zahl der Vertragsärzte pro 10.000 Einwohner (insgesamt<br />
oder nach Fachgruppe) oder anderer ambulanter Leistungserbringer sowie die Entfernung<br />
zum nächstgelegenen Krankenhaus oder geeigneten Fachabteilung in Frage. Als sozioökonomische<br />
Einflussgrößen sind Indikatoren der Wirtschaftskraft und der Sozialstruktur denkbar<br />
(z.B. Arbeitslosenquote, Zahl der Hartz-IV-Empfänger).<br />
Regionale Analysen können mit standardisierten Raten durchgeführt werden. Das Verhältnis<br />
der beobachteten zur erwarteten Leistungsdichte, die standardisierte Leistungsinzidenz,<br />
SMRit = Oit / Eit<br />
gibt an, in welchem Ausmaß die beobachtete Leistungsdichte jeder Region die nach den berücksichtigten<br />
Determinanten erwartete Leistungsdichte über- oder unterschreitet (SMR > 1<br />
bzw. SMR
Es ist jedoch für bevölkerungsbezogene Vergleiche günstiger und technisch einfacher, nicht<br />
mit standardisierten Raten zu arbeiten, sondern jeweils die ganze in Raum und Zeit vorhandene<br />
Information (z.B. zum Bevölkerungsaufbau und zu altersspezifischen Leistungsinzidenzen)<br />
zu berücksichtigen. In einem geeigneten Modell werden dann die Einflüsse demographischer<br />
Unterschiede und weiterer Störgrößen explizit modelliert, und die zeitlichen und räumlichen<br />
Leistungsniveaus damit um diese Einflüsse „bereinigt“.<br />
Für die formale Darstellung fassen wir die Einflussgrößen (auch als Determinanten bezeichnet)<br />
in Vektoren zusammen: Einen Vektor Z1 für die demographischen Merkmale (Altersgruppen,<br />
Geschlecht), einen Vektor Z2 für Angebotsfaktoren (Ärzte- und Bettendichten), einen<br />
Vektor Z3 für das Komorbiditätsmuster und einen Vektor Z4 für weitere bekannte Determinanten<br />
der Morbidität. Die Annahme gleicher Morbidität in den Regionen kann in Ermangelung<br />
direkter Morbiditäts- oder Bedarfsindikatoren hilfsweise über Mortalitätsraten aus<br />
der amtlichen Todesursachenstatistik überprüft werden. Unterschiedliche Produktivität der<br />
regionalen Leistungserbringer kann hierbei berücksichtigt werden (z.B. Leistungen pro Arzt).<br />
Die für eine Region i in einem bestimmten Jahr t erwartete (sektorspezifische) Leistungsdichte<br />
Eit hängt neben diesen Faktoren noch von unbeobachtbaren Faktoren ab. Die gegebene Datenstruktur<br />
(i = 1,…,n Regionen über t = 1,...,j Jahre) ermöglicht es, bei diesen unbeobachtbaren<br />
Faktoren zwischen regionalspezifischen (über die Zeit konstanten) unbeobachtbaren Faktoren<br />
(ui) und zeitabhängigen unbeobachtbaren Faktoren (eit) zu unterscheiden. Unter zusätzlicher<br />
Berücksichtigung der Zeit t lässt sich damit folgende Schätzgleichung spezifizieren:<br />
E = α + α Z1 + α Z 2 + α Z3 + α Z 4 + α t + u + e .<br />
it 0 1 it 2 it 3 it 4 it 5 i it<br />
Auswirkungen unbeobachtet gebliebener weiterer Determinanten, z.B. die Entfernung zum<br />
Haus- oder Facharzt, gehen in die Varianz der Eit bzw. der SMRs ein.<br />
7.2 Zeitreihenanalyse<br />
Ergänzend zur Regressionsanalyse können Zeitreihenanalysen Trends (gleitende Mittelwerte)<br />
und punktuelle Ereignisse (Schocks) berücksichtigen, um die Vermutung eines gegenläufigen<br />
Zusammenhangs zwischen stationären und ambulanten Leistungen in den Regionen (Beobachtungseinheiten)<br />
zu prüfen.<br />
77
Leistungsdichte<br />
Abbildung 16: Zeitlich punktuelle Leistungsverlagerung (Schock)<br />
Bei einer Schockanalyse werden die Ereignisse in der regionalen Versorgungsstruktur, die das<br />
Marktgleichgewicht zwischen der ambulanten und stationären Leistungserstellung stören<br />
könnten, identifiziert 99 und mit den entsprechenden Daten vor und nach dem Schock in Beziehung<br />
gesetzt. Falls regionale Leistungen nicht signifikant auf ein Schockereignis reagieren,<br />
ist es wahrscheinlich, dass diese nicht Teil desselben Marktes sind, d.h. keine sektoralen Verlagerungen<br />
in sachlicher oder regionaler Hinsicht stattfinden. Im einfachsten Fall findet sich<br />
ein punktueller, im Sektorvergleich voll kompensierter Leistungsübergang vom stationären in<br />
den ambulanten Sektor (Abbildung 16).<br />
Ereignisse, aus denen man über die Art und das Ausmaß von regionalen, sektoralen Verlagerungseffekten<br />
der beiden Sektoren Erkenntnisse gewinnen kann, beinhalten beispielsweise:<br />
- Markteintritt (z.B. Öffnung eines Krankenhauses, MVZ, Fachabteilung, Arztpraxis; Erhöhung<br />
der Bettenanzahl),<br />
- Marktaustritt (z.B. Schließung eines Krankenhauses, MVZ, Fachabteilung, Arztpraxis)<br />
- Fusionen zwischen Krankenhäusern,<br />
- Zusammenschluss von ambulanten Leistungserbringern (z.B. Gemeinschaftspraxis)<br />
- Kooperationsvereinbarungen zwischen den verschiedenen Leistungserbringern,<br />
- Veränderung der personellen oder apparativen Marktstrukturen in den jeweiligen Sektoren<br />
(z.B. Chefarztwechsel, Großgeräteanschaffung),<br />
- Veränderung der rechtlichen und institutionellen Rahmenbedingungen.<br />
Bei der Schockanalyse treten Probleme bei der Identifikation des Schocks auf. Vorteilhaft<br />
wäre es, alle zeitvariablen Determinanten im Versorgungsmarkt ökonometrisch modellieren<br />
zu können (z.B. Kostentrends, Morbiditätseffekt, technologischer Wandel). 100 Ein Schock<br />
würde als Dummy Variable (logische Variable) modelliert, die den Wert 0 vor dem Schock<br />
und den Wert 1 nach dem Schock einnimmt.<br />
Bei Daten auf der versichertenbezogenen Ebene sind auch Modelle möglich, die die Zeit bis<br />
zur Inanspruchnahme einer Leistung und ihre Determinanten modellieren (Überlebenszeitmodelle,<br />
Cox-Modelle).<br />
99 z.B. inden Landeskrankenhausplänen und/oder den Qualitätsberichten der regionalen Krankenhäuser<br />
100 Siehe dazu Bishop und Baldauf (2006)<br />
Schock<br />
Zeit<br />
stationär<br />
ambulant<br />
Verlagerungseffekt<br />
78
7.3 Hauptkomponentenanalyse<br />
Das gesuchte Verlagerungspotenzial kann als Verdrängung eines Gutes durch ein anderes in<br />
einem Markt aufgefasst werden. Der Gesamtmarkt kann dabei schrumpfen oder wachsen. Ein<br />
solcher Effekt lässt sich aus ökonomischer Sicht mit einer Hauptkomponentenanalyse quantifizieren.<br />
Ia<br />
Leistungsdichte<br />
ambulant<br />
Abbildung 17: Hauptkomponentenanalyse der regionalen Einheiten<br />
7.4 Verlagerung der Produktionsfront<br />
Der ambulant-stationäre Leistungsmix kann als „Produktion“ von zwei „Outputs“ aufgefasst<br />
werden. Gehörige Adjustierung vorausgesetzt, kann eine Region mit geringer ambulanter und<br />
stationärer Leistungsdichte hinsichtlich dieser Produktion als weniger „effizient“ angesehen<br />
werden als eine Region, die mit vergleichbaren Inputs mehr ambulante und/ oder stationäre<br />
Leistungen erarbeitet. Diese Überlegung eröffnet die Möglichkeit, das Verfahren der Effizienzfrontalanalyse<br />
(Data Envelopment Analysis, DEA) 101 auch im Kontext der Verlagerungsproblematik<br />
einzusetzen.<br />
101 Z.B. Bates et al. 2006, Werblow et al. 2010<br />
Is<br />
Leistungsdichte stationär<br />
79
Ia<br />
B<br />
t1<br />
A<br />
Abbildung 18: Verlagerung von Leistungsinzidenz aus dem stationären in den ambulanten<br />
Sektor, mehrere Regionen, Data Envelopment Analyse mit zwei Outputs<br />
In Abbildung 18 sind die Regionen zweidimensional nach der stationären und der ambulanten<br />
Leistungsdichte (Leistungen pro 1000 Einwohner) geordnet. Die umhüllende Linie beschreibt<br />
die Produktionsfront im Berichtszeitraum t0. Verglichen mit Region A finden sich Regionen<br />
mit gleicher stationärer Leistungsdichte, aber mehr und weniger ambulanter Leistungsdichte.<br />
Ebenso gibt es Regionen mit gleicher ambulanter Leistungsdichte, aber unterschiedlichen<br />
stationären Leistungsdichten. Bekannte Determinanten der Leistungsdichte sollten bereits<br />
berücksichtigt sein (Alters- und Geschlechtsstruktur, Leistungserbringer pro 1000 Einwohner).<br />
Wenn sich die Regionen im folgenden Berichtszeitraum in der Tendenz nach links oben, zu<br />
mehr ambulanten Leistungen bewegen, stehen wir grundsätzlich vor dem gleichen Problem<br />
wie schon beim Regressionsansatz. Wir können bei jeder Region prüfen, ob sich das Verhältnis<br />
von ambulanten Leistungen zu stationären Leistungen über die Zeit zugunsten der ambulanten<br />
Leistungen verschiebt. Wir können nun zusätzlich die Umhüllende als Bezugsgröße<br />
des Systems heranziehen. Der horizontale und der vertikale Abstand der Region B von der<br />
Umhüllenden geben einen Anhaltspunkt, welches „Potenzial“ für weitere ambulante und stationäre<br />
Leistungen in dieser Region besteht.<br />
Ändert sich die absolute Position der Region B in der zweiten Periode nach links oben, die<br />
Umhüllende bleibt aber von t0 nach t1 gleich, wird das ambulante Potenzial der Region kleiner,<br />
das stationäre wird größer. Wir können von einem Verlagerungseffekt sprechen, für den<br />
allerdings nur die kleinere der beiden Änderungen (ambulante Zunahme vs. stationäre Abnahme)<br />
zählen kann.<br />
Ändert sich dagegen die absolute Position von Region B in der zweiten Periode nicht, die<br />
Umhüllende verlagert sich aber von t0 nach t1 wie eingezeichnet, fällt die Region B im Hin-<br />
t0<br />
Is<br />
80
lick auf das Potenzial der ambulanten Leistungserbringung relativ zurück (der vertikale Abstand<br />
vergrößert sich stärker als der horizontale).<br />
Ändern sich sowohl die absolute Position von B als auch die Position der Umhüllenden, ergibt<br />
sich eine relative Änderung des relativen ambulanten Potenzials der Region B.<br />
Die absolute Position der Region B ist von einem zweidimensionalen Konfidenzintervall umgeben<br />
(das je nach ambulanter und stationärer Fallzahl vertikal und horizontal unterschiedlich<br />
breit sein kann). Insofern ist es möglich, nur Positionsänderungen zu berücksichtigen, die eine<br />
bestimmte Größe und Erwartungswahrscheinlichkeit überschreiten.<br />
Auf diese Weise erscheint es möglich, für jede Region festzustellen, ob sie sich relativ zum<br />
allgemeinen Trend nach links oben bewegt hat und wenn ja, in welchem Ausmaß. Der allgemeine<br />
Trend (Morbidität, Technologie) wird mit der Verlagerung der Umhüllenden dargestellt.<br />
Für Vergütungszwecke scheint die hier betrachtete Position relativ zur Systemgrenze<br />
(und ihren Änderungen) als konservativ. Allerdings gehen methodenbedingt nur „extreme“<br />
Regionen in die Definition der Datenumhüllenden ein. Deswegen ist die Schätzung relativ<br />
empfindlich gegenüber Ausreißern. Ausreißer lassen sich in nachvollziehbarer Weise ausschließen.<br />
7.5 Dynamisches Prozess Modell<br />
7.5.1 State-Transition-Diagramm des Gesundheitssystems<br />
Oben waren schon Gründe angeführt, wie Verlagerung zwischen dem stationären und dem<br />
ambulanten Sektor von Entwicklungen in anderen Bereichen des Gesundheitswesens beeinflusst<br />
werden können und in andere Sektoren reichen. Eine Analyse von Leistungsverlagerungen,<br />
die sich an den medizinischen, institutionellen und strukturellen Überschneidungs- und<br />
Grenzbreichen abspielen, muss alle angrenzenden Sektoren mit einbeziehen (cross-system<br />
substitution). Eine isolierte Darstellung einzelner Schnittstellen würde in andere Sektoren<br />
fortwirkende Verlagerungs- bzw. Substitutionsprozesse, die wiederum den ambulanten oder<br />
stationären Sektor beeinflussen können, vernachlässigen.<br />
Die folgende Abbildung 19 gibt einen Überblick über die Komplexität möglicher Bezüge in<br />
einem Ausschnitt des Gesundheitswesens. Die sich entwickelnde Dynamik der Leistungsinanspruchnahme,<br />
die Wechsel bzw. Verlagerungen zwischen den Sektoren und die entstehenden<br />
Gleichgewichte verlangen Messungen der Wahrscheinlichkeiten der Leistungsinanspruchnahme<br />
in den verschiedenen Sektoren (und Krankheitsstadien) und die Bestimmung von Übergangswahrscheinlichkeiten<br />
zwischen den Teileinheiten des Systems. Diese Messungen<br />
können dann in einem geeigneten Modell zusammengefasst werden, das auf Konsistenz und<br />
prognostische Kraft zu überprüfen ist. 102<br />
102 z.B. MacDonal et al. 1974, Anderson 1976, Homer und Hirsch 2006, Weinstein 2006, Brailsford 2008<br />
81
Abbildung 19: Sektoren des Gesundheitswesens und multiple Übergängen<br />
(Quelle: eigene Darstellung)<br />
82
7.5.2 State-Transition-Diagramm des ambulanten und stationären Sektors<br />
Für unsere Fragestellung beginnen wir mit einem sehr einfachen Modell des Übergangs zwischen<br />
dem ambulanten und dem stationären Sektor. Dazu werden folgende Inputs benötigt:<br />
- der Marktanteil des ambulanten Sektors<br />
- der Marktanteil des stationären Sektors<br />
- die Übergangswahrscheinlichkeiten zwischen den Sektoren in beide Richtungen je<br />
Zeiteinheit<br />
Der Marktanteil ist der prozentuale Anteil des ambulanten oder stationären Sektors am gesamten<br />
Marktvolumen des relevanten Marktes zu einem bestimmten Zeitpunkt:<br />
Leistungsvolumen ⋅100<br />
Mark tan teil =<br />
Marktvolumen<br />
Der relevante Markt kann der Markt für ein bestimmtes Produkt (z.B. Katarakt-Operationen),<br />
für eine bestimmte Produktart oder Produktgattung (z.B. ambulante Operationen) bzw. eine<br />
(Dienst)Leistung (z.B. Leistungen und Prozeduren für eine bestimmte Diagnose/Krankheit/Patientengruppe)<br />
sein. Der Marktanteil kann auf Menge oder Werte bezogen<br />
sein. Eine wichtige Vorraussetzung ist die Substituierbarkeit der Produkte bzw. Leistungen<br />
innerhalb des Marktes.<br />
Die folgende Abbildung quantifiziert modellhaft Übergänge zwischen dem ambulanten und<br />
dem stationären Sektor für Leistungen, die Patienten sowohl aus dem ambulanten als auch aus<br />
dem stationären Sektor bekommen können.<br />
0,88 0,12<br />
0,85<br />
Ambulanter<br />
Sektor<br />
0,15<br />
Stationärer<br />
Sektor<br />
Abbildung 20: Einfaches Modell des Übergangs zwischen dem ambulanten und dem<br />
stationären Sektor (State-Transition-Diagramm)<br />
- Kreise sind die Zustände/Sektoren, in denen sich der Patient befinden kann<br />
- Pfeile: Wahrscheinlichkeiten für einen Wechsel des Patienten (Verlagerung) zwischen den<br />
Sektoren<br />
- Zirkuläre Pfeile: Wahrscheinlichkeiten eines „Wechsels“ von einem Sektor zum gleichen<br />
Sektor (keine Verlagerung)<br />
- Marktanteilsveränderungen<br />
83
7.5.3 Beispiel – bekannte Übergangswahrscheinlichkeiten<br />
Quantifiziert wird ein Markt mit zwei Sektoren, zwischen denen Übergänge stattfinden.<br />
a) Ambulanter Markt: 25 % Marktanteil in Jahr t1; 88% „keine Verlagerung“, 12% Verlagerung<br />
in den stationären Sektor (t0 zu t1)<br />
b) Stationärer Markt: 75 % Marktanteil in Jahr t1; 85% „keine Verlagerung“, 15% Verlagerung<br />
in den ambulanten Sektor (t0 zu t1)<br />
Annahme: Trend bleibt konstant über die Jahre t = 2, 3…<br />
Damit ergibt sich die folgende Übergangsmatrix P:<br />
Von Sektor<br />
ambulant<br />
stationär<br />
In Sektor<br />
ambulant stationär<br />
Abbildung 21: Übergangsmatrix zwischen dem ambulanten und dem stationären Sektor<br />
88 % der Patienten, die im Moment im ambulanten Sektor Leistung x in Anspruch nehmen<br />
(Anteil 25 %), machen dies auch weiterhin. Von den 75 % der Patienten, die im Moment im<br />
stationären Sektor Leistung x in Anspruch nehmen, wechseln 15 % in den ambulanten Sektor.<br />
Mit den genannten Marktanteilen (ambulant 1 = 0,25, stationär 2 = 0,75) ergibt sich<br />
s1: Systemzustand in der ersten Periode t (hier Jahre)<br />
Summe der Elemente vertikal ist immer 1 (s t)<br />
s t = s t-1 (P) = s t-2 (P) = ....= s 1 (P) t-1<br />
s 2 = s 1 (P)<br />
= [0,25; 0,75] 0,88 0,12<br />
0,15 0,85<br />
0,88 0,12<br />
0,15 0,85<br />
= [(0,25) (0,88) + (0,75) (0,15); (0,25) (0,12) + (0,75) (0,85)]<br />
= [0,3325; 0,6675]<br />
Somit sind im zweiten Jahr 33,25% Patienten, die Leistung x in Anspruch nehmen, im ambulanten<br />
Sektor. Der Anteil des stationären Sektors sinkt entsprechend von 75 % auf 66,75 %.<br />
Obwohl zu jedem Zeitpunkt die Übergangswahrscheinlichkeit vom stationären in den ambulanten<br />
Sektor größer ist als umgekehrt (0,15 gegen 0,12), läuft in diesem aufeinander bezogenen<br />
System der stationäre Sektor nicht „leer“. Die folgende Abbildung zeigt die Kinetik. Nach<br />
etwa 15 Zeiteinheiten hat sich ein neues stabiles Marktgleichgewicht eingestellt. Es ist daher<br />
sinnvoll, jährliche Änderungen daraufhin zu prüfen, ob sie als Elemente eines länger laufenden<br />
regelhaften Entwicklungsprozesses aufgefasst werden können. Es ist nicht notwendig, zur<br />
84
Erklärung eines solchen Prozesse andauernd aktive Determinanten der Veränderung zu unterstellen.<br />
Im Extremfall kann am Anfang eine punktuelle Veränderung gestanden haben (z.B.<br />
Einführung neuer Vergütungsform im stationären Sektor).<br />
Abbildung 22: Zwei-Komponenten-Modell, Ausbildung eines neuen Gleichgewichts<br />
Im neuen Systemgleichgewicht (steady-state) finden weiter Wechsel oder Verlagerungen zwischen<br />
den Sektoren statt, aber sie gleichen sich aus. Das Gleichgewicht ist erreicht, wenn s t-1<br />
gleich s t-1 gleich s t ist: s t = s t-1 (= [x 1 + x 2])<br />
[x 1 + x 2 ] = [x 1 + x 2 ] 0,88 0,12<br />
0,15 0,85<br />
x 1 + x 2 = 1<br />
x 1 = 0,88 x 1 + 0,15 x 2<br />
x 2 = 0,12 x 1 + 0,85 x 2<br />
x 1 + x 2 = 1<br />
x 1 = 0,5556<br />
x 2 = 0,4444<br />
0 1<br />
1 0<br />
Der Marktanteil des ambulanten Sektors über einen langen Zeitraum ist also bei den oben<br />
gewählten konstanten Übergangswahrscheinlichkeiten 55,56 % statt initial 25 %.<br />
Darüber hinaus sind Veränderungen der „Transition Matrix“ über die Zeit denkbar, entweder<br />
durch externe Determinanten oder durch internes Feedback. So könnte die „Auslastung“ des<br />
stationären Sektors gleichermaßen die Wahrscheinlichkeit einer Zuweisung wie die Wahrscheinlichkeit<br />
einer Rücküberweisung beeinflussen.<br />
85
Unter Umständen kann aus laufenden Veränderungen auf eine stabile Übergangsmatrix zurückgeschlossen<br />
werden (siehe Anhang).<br />
7.5.4 Beispiel – weitere Zustände<br />
Es werden zwei weitere Bereiche im Versorgungsprozess berücksichtigt, die zu einer Veränderung<br />
der Marktanteile führen. Einige Patienten werden sich in einem Zustand „unbehandelt“<br />
befinden. Diese Patienten sind zwar für eine Leistungsinanspruchnahme disponiert, sie<br />
haben sie aber bisher noch nicht in Anspruch genommen (z.B. wegen langer Wartezeiten,<br />
schlechter geographische Erreichbarkeit, keiner Symptomempfindung, Rezidiv noch nicht<br />
aufgetreten). Unter den Status „unbehandelt“ fallen auch Patienten die die Behandlung abbrechen<br />
oder eine schlechte Compliance aufweisen.<br />
Ein anderes Stadium, in dem ein Patient während oder nach der Inanspruchnahme der Leistung<br />
gelangen kann, ist das Stadium „behandelt und ausgeschieden“. Der Patient gilt als erfolgreich<br />
behandelt und auskuriert, wenn er dieselbe Leistung im Versorgungsprozess nicht<br />
mehr in Anspruch nehmen wird. Ein Patient kann auch durch Tod aus dem Versorgungsprozess<br />
„ausscheiden“. Die Patienten, die erfolgreich „behandelt“ wurden oder verfrüht aus dem<br />
Versorgungsprozess „ausscheiden“, befinden sich in einem „absorbierenden Zustand“ (d.h.<br />
einem Stadium, das nicht mehr verlassen wird, wenn es einmal erreicht wird). Die anderen<br />
Patienten können in den nächsten Zeitperioden weiterhin zwischen den Sektoren und Stadien<br />
wechseln (Abbildung 23).<br />
Verteilung auf die verschiedene Stadien im Zeitpunkt t1:<br />
Ambulanter Sektor 1 = 20%<br />
Stationärer Sektor 2 = 30%<br />
Unbehandelt 3 = 30%<br />
Behandelt und ausgeschieden 4 = 20%<br />
P = 0,4 0,2 0,1 0,3<br />
0,3 0,3 0,1 0,3<br />
0,4 0,2 0,3 0,1<br />
0 0 0 1<br />
s 1 = [0,2; 0,3; 0,3; 0,2]<br />
s 2 = s 1 P<br />
86
0,40 0,30<br />
0,30<br />
0,40<br />
Ambulanter<br />
Sektor<br />
unbehandelt<br />
0,10<br />
Abbildung 23: Komplexes Modell des Übergangs zwischen dem ambulanten und dem<br />
stationären Sektor (State-Transition-Diagramm)<br />
Falls eine bestimmte Leistung in mehreren Sektoren erbracht werden kann (Reha, Pflege<br />
usw.), werden weitere Sektoren im Modell berücksichtigt.<br />
Dynamische Prozess-Modelle haben den Vorteil, komplexe Entscheidungsprozesse vereinfachter<br />
Form abzubilden, verschiedene Szenarien durchzurechnen („what-if“ Fragen) und<br />
sensitive Parameter zu identifizieren. Zudem können sie Veränderungen im System über die<br />
Zeit aufzeigen.<br />
7.5.5 Dynamisches Simulationsmodell<br />
0,30<br />
0,10<br />
Die Verallgemeinerung der in den vorhergehenden Beispielen skizzierten Systembetrachtung<br />
führt zu einem Systemmodell mit mehreren kommunizierenden Kompartiments und modellierbaren<br />
Übergangswahrscheinlichkeiten. Damit lassen sich auch (stabilisierende) Rückkopplungsmechanismen<br />
oder Nebenschlüsse berücksichtigen, wie sie in einem komplexen adaptiven<br />
System zu erwarten sind (Axelrod und Cohen 1999).<br />
Für den Aufbau eines solchen Modells wird der gesamte Versorgungsablauf eines medizinischen<br />
Problems in einzelne Schritte zerlegt, die sich im Fall von Verlagerungseffekten primär<br />
an den Sektorgrenzen orientieren (ambulant-stationär, Reha, Pflege, Leistungen der Angehörigen).<br />
Eine Auflösung intrasektoraler Schritte ist möglich, wenn nötig (z.B. Hausarzt-<br />
Sekundärfacharzt). Externe Einflüsse, z.B. aus dem sozialen Umfeld (Entfernungen, Leis-<br />
0,20<br />
0,20<br />
0,10<br />
0,30<br />
Stationärer<br />
Sektor<br />
0,30<br />
behandelt &<br />
ausgeschieden<br />
1<br />
87
tungserbringer-Dichten) oder aus der Entwicklung des Leistungsrechts, können berücksichtigt<br />
werden. Verschiedenen Perspektiven können eingenommen werden (z.B. Kostenträger, gesamtgesellschaftliche<br />
Perspektive).<br />
Die Struktur des Modells wird unter Berücksichtigung des vorhandenen Wissens über Strukturen<br />
und Funktionen des Gesundheitswesens im Hinblick auf das erkenntnisleitende Interesse<br />
spezifiziert. Mit Hilfe bekannter oder plausibler Eckwerte wird es kalibriert. Auswirkungen<br />
von Änderungen einzelner Variablen und Parameter (z.B. Modellierungszeitraum) werden in<br />
Sensitivitätsanalysen überprüft (Homer und Hirsch 2006, Taylor et al. 2005).<br />
Selbststeuerungsmöglichkeiten werden berücksichtigt: Der Übergang aus einem Kompartiment<br />
kann abhängig sein vom Zustand anderer Kompartiments, z.B. kann die Einweisungswahrscheinlichkeit<br />
ins Krankenhaus abnehmen und die Rücküberweisungswahrscheinlichkeit<br />
in den ambulanten Sektor zunehmen, wenn die Auslastung im stationären Sektor zunimmt<br />
oder eine bestimmte Höhe erreicht.<br />
Vielfalt in ähnlichen Strukturen lässt sich durch Array-Bildung berücksichtigen. So können<br />
mehrere regionale Teilsysteme mit gleicher Struktur durch Array-Bildung hintereinander gestellt<br />
und sekundär zusammengefasst werden. Innerhalb eines Arrays können gleiche Parameter<br />
für alle Elemente, aber auch je spezifische Parameter eingesetzt werden. Als Arrays können<br />
auch Alters- und Geschlechtsgruppen, Leistungsbereiche (ICD, OPS) oder Leistungserbringer-Gruppen<br />
gestaffelt werden.<br />
Die folgende Abbildung 24 stellt einen Versuch mit der Software STELLA (isee systems,<br />
inc.) dar. Weitere Komplexität lässt sich durch Mikrosimulation individueller Patientenverläufe<br />
in Form von Monte-Carlo-Simulationen abbilden.<br />
Mit zunehmender Bedeutung von Modellbildungen im Gesundheitswesen ist zu rechnen. So<br />
ist z.B. die systematische Bewertung neuer Verfahren, Prozeduren, Organisationsstrukturen<br />
oder medizinischer Innovationen im Rahmen des Health Technology Assesment (G-BA, IQ-<br />
WiG) nicht auf der Basis vorhandener klinischer Studien allein möglich, sondern setzt letztlich<br />
Hochrechnungen in einem (entscheidungsanalytischen) Systemmodell voraus.<br />
Bei einer Verwendung des Modells im Rahmen einer Szenarioanalyse können auch Hypothesen<br />
über zukünftige Entwicklungen des Marktes und der Gesundheitspolitik vorweg genommen<br />
werden (z.B. Prävalenz, Mengen-/ Indikationsausweitung, Substituierbarkeit, Bevölkerungsentwicklungen).<br />
Best-/ Worst-Szenarios können simuliert werden, um den Entscheidungsprozess<br />
zu unterstützen. Wie jede ökonomische Evaluation baut auch ein solches Modell<br />
auf Annahmen, Schätzungen und Projektionen auf, die sich nicht immer mit letzter Sicherheit<br />
Evaluierung lassen (insbesondere auch unter dem Aspekt der schnellen Änderung der<br />
Rahmenbedingungen im Gesundheitswesen). Als Datenquellen des Modells können klinische<br />
Studien, populationsbezogenen Daten, Daten einzelner Kostenträger oder Leistungserbringer,<br />
Meta-Analysen, medizinische Datenbanken, Expertenbefragungen oder Delphi-Panels dienen<br />
(Schöffski und von der Schulenburg 2008).<br />
88
Abbildung 24: Entwurf eines Systemmodells mit modellierbaren Übergangswahrscheinlichkeiten<br />
und Feedback-Mechanismus<br />
(Quelle: eigene Darstellung)<br />
89
8. Diskussion<br />
Die vorliegende Ausarbeitung soll zur Umsetzung des gesetzlichen Auftrags nach § 87a Absatz<br />
4 Nr. 3 SGB V beitragen, bei Vereinbarung der Morbiditätsbedingten Gesamtvergütung<br />
Leistungsverlagerungen zwischen dem stationären und dem ambulanten Sektor zu berücksichtigen.<br />
Rechtlich hat ein Versicherter nur dann Anspruch auf eine Krankenhausbehandlung, wenn<br />
„das Behandlungsziel nicht durch teilstationäre, vor- und nachstationäre oder ambulante Behandlung<br />
einschließlich häuslicher Krankenpflege erreicht werden kann“ (§ 39 SGB V).<br />
„Verlagerungen“ aus dem stationären in den ambulanten Sektor könnten dann im Umkehrschluss<br />
nur Fälle und Leistungen betreffen, die eigentlich nicht ins Krankenhaus gehören<br />
(„Fehlbelegung“). Solche Fehlbelegungen sind Gegenstand von Prüfungen des Medizinischen<br />
Dienstes der Krankenversicherung und führen zur Kürzung von „unberechtigten“ Krankenhausrechnungen.<br />
Eine solche rein formale Betrachtungsweise wird jedoch der Versorgungswirklichkeit in einem<br />
komplexen adaptiven Gesundheitswesen nicht gerecht. Schon der Vergleich mit Gesundheitssystemen<br />
anderer Länder ähnlicher Entwicklungsstufe zeigt, dass Deutschland gemessen<br />
an der Zahl der Betten pro 1000 Einwohner, an der durchschnittlichen Verweildauer und an<br />
der Zahl der Krankenhausaufenthalte pro 1000 Einwohner einen vergleichsweise umfangreich<br />
ausgebauten und genutzten stationären Sektor hat. Man darf daher von erheblichen Verlagerungspotenzialen<br />
aus dem stationären in den ambulanten Sektor ausgehen, soweit nicht ein<br />
Teil der stationär durchgeführten Interventionen sogar vermeidbar ist.<br />
Zur Mobilisierung verlagerungsfähiger („disponibler“) Leistungen können mehrere Faktoren<br />
beitragen. Erstens können die Krankenhäuser die Entwicklung ihrer Fallzahlen und ihres<br />
Leistungsmixes beeinflussen (Case-Mix-Optimierung). Das wird innerhalb der sog. leistungsbezogenen<br />
Vergütung (DRGs) sogar erwartet. Partielle Spezialisierungen, Standardisierung,<br />
beschleunigte Prozesse, Kapazitätsmanagement und die Möglichkeiten, ambulante Leistungen<br />
am Krankenhaus zu erbringen, tragen zu einem Leistungsumbau des stationären Sektors bei.<br />
Die Anreize des DRG-Systems sind dabei vor allem darauf gerichtet, Leistungen vor einem<br />
Krankenhausaufenthalt vorbereitend ambulant erbringen zu lassen und eine frühe Entlassung<br />
der Patienten zu erreichen mit der Folge, dass die noch nötigen Leistungen wie Verbandwechsel<br />
und Kontrolluntersuchungen ambulant erbracht werden. In Analogie zur Terminologie der<br />
Fehlbelegung bezeichnen wir diese Art der Verlagerung als „sekundäre Verlagerung“. Eine<br />
„primäre Verlagerung“ wäre es dagegen, wenn das Krankenhaus einen Fall nicht mehr aufnimmt.<br />
Ein solches Verhalten entspricht zwar nicht der primären Anreizkonfiguration einer<br />
fallbezogenen Vergütung. Es könnte aber vorkommen, wenn ein bestimmter Falltyp nicht<br />
mehr in das Leistungsportfolio eines spezialisierten Krankenhauses passt oder die mit dem<br />
Falltyp verbundene DRG keinen positiven Deckungsbeitrag (mehr) erwarten lässt.<br />
Zweitens können ambulante Leistungserbringer durch intensivierte Betreuung Fälle im ambulanten<br />
Sektor halten. Auch das ist aus Sicht des Versorgungssystems grundsätzlich erwünscht,<br />
z.B. ist die Vermeidung von akuten Krankenhauseinweisungen Ziel des DMP Asthma. Außerdem<br />
kann der medizinische Fortschritt es möglich machen, Leistungen ambulant zu<br />
erbringen, für die der Patient früher stationär aufgenommen worden wäre. Dies entspricht<br />
einer Verlagerung der ambulant-stationären Schnittstelle selbst mit Folgeänderungen für den<br />
Leistungszugang und möglicherweise auch der Leistungsqualität. Eine stationär-ambulante<br />
Verlagerung hat z.B. in der Katarakt-Chirurgie in großem Umfang stattgefunden. Auch ande-<br />
90
e operative Eingriffe werden wie gezeigt zunehmend ambulant erbracht. Veränderungen der<br />
Vergütungsregelungen für den Katalog ambulanter Operationen (AOP) haben dazu beigetragen.<br />
Da die letztgenannten Leistungen bereits speziell geregelt sind, sind sie nicht mehr Teil<br />
der Verlagerung nach § 87a Absatz 4 Nr. 3 SGB V ist.<br />
Drittens kann der Patient mit seinen Präferenzen für oder gegen einen stationären Aufenthalt<br />
die Modalität der Leistungserbringung beeinflussen.<br />
Mit dem zu operationalisierenden Verlagerungseffekt hat der Gesetzgeber den Vertragsärzten<br />
einen Kompensationsanspruch für verlagerte Leistungen eingeräumt. Zu einer korrespondierenden<br />
Reduktion des stationären Budgets kommt es dagegen nicht. Damit wird auch das Risiko<br />
der sektoralen Leistungsverlagerungen auf die Krankenkassen übertragen. Auf den ersten<br />
Blick sieht dies nach einer Regelung zu Lasten der Beitragszahler aus. Dazu ist jedoch zu<br />
bedenken, dass primäre Verlagerungen (Halten von Fällen im ambulanten Sektor) im stationären<br />
Sektor nicht zu einer Vergütung führen. Das ermöglicht einen Kapazitätsabbau, schafft<br />
allerdings auch Platz für andere, möglicherweise höher bewertete stationäre Fälle. Und Rationalisierungsgewinne<br />
im stationären Sektor, die durch sekundäre Verlagerungen entstehen<br />
(Externalisierungen), können mit der nächsten Kalkulationsstichprobe zur Neubewertung der<br />
DRG-Bewertungsrelationen aus dem stationären Sektor (wenn auch verzögert) abgeschöpft<br />
werden. Dennoch wird für die Krankenkassen die Beeinflussung der Versorgung i.S. von<br />
Schnittstellenmanagement, qualitäts- und kostenoptimierten Versorgungsketten und einer<br />
personenzentrierten ganzheitlichen Betreuung der Versicherten gewichtiger.<br />
Die Schnittstelle zwischen dem ambulanten und dem stationären Sektor trennt der Natur der<br />
Sache nach zwei weitgehend disjunkte („überschneidungsfreie“) Leistungsmärkte. Sie ist im<br />
deutschen Gesundheitswesen institutionell, leistungsrechtlich und vergütungssystematisch<br />
hoch reguliert. Das Leistungsgeschehen an dieser Schnittstelle wird deswegen typischerweise<br />
nicht durch das wettbewerbliche Wirken freier Marktkräfte bestimmt. Die Leistungsverlagerung<br />
nach § 87 Absatz 4 Nr. 3 SGB V bezieht sich jedoch auf einen Bereich möglicher Leistungsüberschneidungen.<br />
103 Er scheint sich im Sinn einer „Sektorkonvergenz“ sogar zu vergrößern.<br />
Daher fassen wir dieses Verlagerungsproblem seiner Grundstruktur nach als Verlagerung<br />
eines Marktgleichgewichts auf.<br />
Damit besteht erstens die Notwendigkeit einer Abgrenzung des relevanten Produktes „verlagerungsfähiger<br />
Leistungen“ und dessen Marktes. Zweitens erscheint es möglich, ökonometrische<br />
Verfahren zur Quantifizierung von Marktgleichgewichten und ihren Verlagerungen in<br />
Zeit und Raum auf dieses Problem anzuwenden.<br />
Die Abgrenzung eines verlagerungsrelevanten Marktes muss mindestens zwei Dimensionen<br />
berücksichtigen: sachlich und regional. Die sachliche Marktabgrenzung definiert Leistungen,<br />
die untereinander in einer stationär-ambulanten Konkurrenz stehen. Sie kann dabei gestützt<br />
auf empirische Daten fragen, welche Leistungen in beiden Sektoren erbracht werden. Leistungen,<br />
die bevorzugt bei „tagesstationären“ Fälle zu finden sind, dürften aus empirischer<br />
Sicht zu denen gehören, die sowohl von niedergelassenen Ärzten als auch vom Krankenhaus<br />
erbracht werden können. Man kann aber nicht alle Leistungsmengen, die sich bloß zufällig<br />
divergent entwickeln (d.h. stationär ab- und ambulant zunehmen), theorielos als Verlagerungspotenziale<br />
oder -effekte ansehen. Vielmehr wird sie „normative“ fachliche Vorstellungen<br />
und „evidenzbasierte“ Studien einbeziehen, welche Leistungen für welche Patienten beim<br />
103 Bei AOP-Leistungen ist eine wettbewerbliche Ausrichtung gegeben („gleicher Preis für gleiche Leistungen“).<br />
Wettbewerblich steuerbar sind auch einige medizinische Dienstleistungen wie Labor, Radiologie und Pathologie,<br />
die ein Krankenhaus „outsourcen“ kann.<br />
91
Stand der medizinischen Erkenntnisse und dem erreichten Organisationsgrad der Versorgung<br />
mindestens zum Teil ambulant statt stationär erbracht werden können oder sollten. In den im<br />
Rahmen des Projekts geführten Akteursinterviews wurden als verlagerte Leistungen u. a.<br />
Wundmanagement und Gerinnungsmanagement genannt.<br />
Wir schlagen vor, die inhaltliche Marktabgrenzung zunächst auf vorhandene Listen zu stützen,<br />
die bereits für andere Zwecke (vor allem zur Bewertung und Verbesserung der Versorgungsqualität)<br />
normativ „vermeidbare Krankenhausaufenthalte“ definieren oder Leistungen<br />
aufführen, die durch eine gute Versorgung im ambulanten Sektor gehalten werden können.<br />
Eine an deutsche Verhältnisse angepasste Liste verlagerungssensitiver Indikationen oder Leistungskomplexe<br />
sollte von den Vertragspartnern verabschiedet, ihre schrittweise Ausschöpfung<br />
in der empirischen Versorgung beobachtet und quantifiziert werden. Als Ausgangspunkt<br />
kann die Liste von Caminal et al. (2004) dienen.<br />
Unterstützend lassen sich Entwicklungen der Arzneiverordnungen hinzuziehen, ähnlich wie<br />
bei der Abgrenzung der Krankheiten, die im Morbi-RSA berücksichtigt werden. Listenindikationen,<br />
bei denen die Kassen ein erhöhtes Interesse haben, sie aus der vollstationären Behandlung<br />
in den ambulanten Bereich zu verlagern, eignen sich auch für kassenindividuelle Struktur-<br />
oder Integrationsverträge.<br />
Eine regionale Marktabgrenzung ist erforderlich, weil gesundheitliche Dienstleistungen typischerweise<br />
regional nachgefragt und in Zusammenarbeit regionaler Leistungserbringer realisiert<br />
werden. Die Schließung einer Krankenhausabteilung oder die Niederlassung eines Spezialisten<br />
haben eine regional begrenzte Auswirkung auf das Gleichgewicht von stationären und<br />
ambulanten Leistungen. Eine falsch gewählte regionale Marktabgrenzung würde solche Effekte<br />
übersehen oder verdünnen. Als kleinste räumliche Einheiten stehen aus Datenschutzgründen<br />
vierstellige Postleitzahl-Regionen in GKV-Routinedaten und anderen Datenquellen<br />
zur Verfügung. Verlagerungsrelevante regionale Gesundheitsmärkte müssen also aus solchen<br />
Einheiten zusammengestellt werden. Sie sind für die meisten Versorgungsleistungen unterschiedlich<br />
groß. Eine funktionelle Bestimmung regionaler Gesundheitsmärkte hat wegen der<br />
besseren Berücksichtigung von substitutiven Wanderungsbewegungen Vorteile vor einer geopolitischen<br />
Abgrenzung („Kreisgrenzen“).<br />
Es kann auch sinnvoll sein, bestimmte Patientengruppen für die diskutierte Marktabgrenzung<br />
zu berücksichtigen. So kann z.B. eine bessere medizinische und pflegerische Betreuung in<br />
Alten- und Pflegeheimen stationäre Einweisungen verkürzen oder vermeiden helfen, ohne<br />
dass dieses Substitutionspotenzial bei den meist multimorbiden Patienten leicht auf wohldefinierte<br />
Diagnosen eingegrenzt werden kann. Es gibt weitere Probleme bei der Abgrenzung von<br />
ambulanten und stationären Leistungen. Weder der Ort der Leistungserbringung noch der<br />
Leistungserbringer sind notwendig unterschiedlich. 104 Für Zwecke des § 85a SGB V ist eine<br />
ambulante Leistung dadurch gekennzeichnet, dass sie aus dem ambulanten Budget vergütet<br />
wird.<br />
Auch können Leistungen nicht nur vom stationären in den ambulanten Sektor verlagert werden,<br />
sondern auch in andere Bereiche oder indirekt über andere Bereiche, z.B. den Rehabilitationssektor,<br />
die Pflege, die Angehörigen und arztergänzende Dienste. Bei bereits gegebener<br />
Kapazitätsauslastung und ausgeschöpftem Rationalisierungspotenzial in den ambulanten Pra-<br />
104 Der Logik der morbiditätsbezogenen Vergütung folgend könnte der Vertragsarzt-Sektor auch kompensiert<br />
werden, wenn stationäre Wartelisten über das bisherige Ausmaß zunehmen und niedergelassene Ärzte deswegen<br />
Patienten länger oder intensiver betreuen als bei einer zeitgerechten stationären Maßnahme. Von Verlagerung<br />
würde man aber nur sprechen, wenn eine substituierbare Leistung vorher im stationären Sektor erbracht wurde.<br />
92
xen kann eine verlagerte Menge stationärer Leistungen dazu führen, andere bisher erbrachte<br />
Leistungen zeitlich zu verschieben oder sie ihrerseits zu verlagern. Es kann also zu Verdrängungseffekten<br />
(oder Posteriorisierungen) kommen. Insofern ist letztlich nicht nur das Leistungsgeschehen<br />
an der stationär-ambulanten Schnittstelle in den Blick zu nehmen, sondern<br />
auch weitere Substitutionspotenziale sind zu berücksichtigen. Das setzt Fall- und Fallkosteninformationen<br />
über den ganzen sektorenübergreifenden Patientenverlauf voraus. Die Krankenkassen<br />
verfügen darüber (ausgenommen Kosten bei betreuenden Angehörigen und beim<br />
Patienten selbst). Der ambulante Sektor kann verlagerungsbedingte Änderungen im<br />
Leistungsmix und eventuelle Schweregrad-Zunahmen seiner Leistungen (mit oder ohne<br />
Posteriorisierungen) durch Bewertungsstichproben nach § 87 Abs. 2 SGB V plausibel machen.<br />
Als methodischer Zugang zur Quantifizierung von Marktgleichgewichten und ihren Änderungen<br />
bieten sich vor allem Mehrgleichungsmodelle (2SLS) an. Damit lassen sich auch regionale<br />
Unterschiede bekannter oder vermuteter Leistungsdeterminanten und ihre Änderungen berücksichtigen.<br />
Zu diesen Determinanten gehört auch der Einfluss der Aktivitäten des einen<br />
Sektors auf den jeweils anderen. Die ursprünglich vorgesehene illustrative Auswertung von<br />
Daten aus beiden Sektoren in Sachsen Anhalt konnte nicht durchgeführt werden. Die AOK<br />
Sachsen-Anhalt zog ihr signalisiertes Einverständnis zur Nutzung ihrer Regionaldaten zurück<br />
(erklärte aber ihre Bereitschaft, sie nach § 87a Absatz 6 SGB V dem Bewertungsausschuss<br />
und seinem Institut zur Verfügung zu stellen). Die Lieferung mehrjähriger stationärer Diagnosedaten<br />
aus dem Forschungsdatenzentrum (FDZ) verzögerte sich. Weitere Modelle sollten mit<br />
den zu erwartenden empirischen Daten geprüft werden: Hauptkomponentenanalysen, Zeitreihenanalysen<br />
und Data Envelopment Analysen.<br />
Mit diesen Daten sind dann nicht nur Analysen regionaler Einheiten (sog. ökologische Analysen),<br />
sondern auch Analysen auf Versichertenebene möglich. Auch die letztgenannten Analysen<br />
müssen intraregionale und interregionale Einflüsse in zweckmäßiger Abgrenzung berücksichtigen<br />
und daher als sog. Mehrebenen-Analysen angelegt sein.<br />
Komplexität und Dynamik von Prozessen, die mehrere Sektoren einbeziehen und die stabilisierenden<br />
Rückkopplungen unterliegen, können letztlich nur mit Hilfe eines dynamischen<br />
Prozessmodells abgebildet werden. Es muss unter Berücksichtigung des vorhandenen Wissens<br />
im Hinblick auf das erkenntnisleitende Interesse weiter strukturiert und mit Hilfe bekannter<br />
oder plausibler Eckwerte kalibriert werden. Mit zunehmender Bedeutung von Modellbildungen<br />
im Gesundheitswesen ist nicht zuletzt wegen der zunehmenden Notwendigkeit<br />
von Kosten-Effektivitäts- und Kosten-Nutzen-Analysen zu rechnen.<br />
Bei den ambulanten Operationen (AOP), die in beiden Sektoren erbracht werden können, hat<br />
der Gesetzgeber statt einer kompensatorischen eine wettbewerbliche Lösung durch weitgehende<br />
Vereinheitlichung der Rahmenbedingungen möglich gemacht. Dazu gehören „gleicher<br />
Preis für gleiche Leistung“, aber noch keine Angleichung im Bereich der Investitionsfinanzierung<br />
und bei der Zulassung zu innovativen Leistungen.<br />
Auch Komplexpauschalen für sektorenübergreifende Leistungen würden das Problem sektoraler<br />
Verlagerungen anders lösen, da hier Leistungen eines Patienten über mindestens zwei<br />
Institutionen hinweg zu einer Abrechnungseinheit zusammengefasst werden. Solche Pauschalen<br />
gibt es in der Integrationsversorgung nach § 140aff SGB V. In der Sprache der DRGs entspricht<br />
dies einer „Fallzusammenführung“ über die Sektorgrenze. Das ökonomische Interesse<br />
an einer verbesserten Koordination und Integration von Behandlungsprozessen über die Sektoren<br />
hinweg würde auf die Leistungserbringer übergehen. Eine transparente Risikoteilung an<br />
93
der Schnittstelle könnte auf Basis einer betriebswirtschaftlich fundierten Kalkulation vereinbart<br />
werden. Dadurch wären Leistungsverlagerungen unter Effizienz- und Qualitätsaspekten<br />
möglich und durch Teilung der Pauschale selbststeuernd abgegolten.<br />
Eine „kleine“ Variante unterhalb der Komplexpausschale könnte darin bestehen, den kompensatorischen,<br />
d.h. retrospektiv kalkulierten Ansatz des § 87a prospektiv umzuwandeln in<br />
Transfer- oder Übernahmepauschalen für entlassene Krankenhauspatienten. 105 Diese Pauschalen<br />
könnte nach der Bewertungsrelation der zugehörigen DRG und/ oder nach dem noch offenen<br />
Abstand zur oberen Grenzverweildauer differenziert werden. 106 Wundmanagement und<br />
Gerinnungsmanagement sind naheliegende Inhalte. 107<br />
Alle genannten Alternativen würde die Kosten- und Qualitätstransparenz in der Versorgung<br />
erhöhen. Denn an der Sektorschnittstelle zu beobachten ist zunächst nur die Zahl der Leistungen,<br />
nicht aber die Qualität ihrer Durchführung und ihrer Resultate. Zur Qualitätstransparenz<br />
wird die sektorenübergreifende Umsetzung der Qualitätssicherung und Darstellung der Qualität<br />
nach § 137a SGB V beitragen, für die das AQUA-Institut ein Methodenpapier angekündigt<br />
hat.<br />
Sektorenübergreifende Behandlungsleitlinien oder Zweitmeinungsprogramme könnten zu<br />
einer besser gezielten Inanspruchnahme beitragen. Nach ausländischen Erfahrungen ist auch<br />
eine Fallsteuerung durch die Kassen denkbar. So geben amerikanische Krankenkassen z.B.<br />
durch höhere Kostenübernahme bei ambulanten als bei stationären Leistungen einen Anreiz<br />
für ambulante Inanspruchnahme.<br />
Ein besonderes Problem im Komplex der Verlagerungen sind sektorübergreifend (vertikal)<br />
integrierte Leistungserbringer, hier vor allem ein MVZ in Trägerschaft eines Krankenhauses.<br />
Das MVZ trägt durch Übernahme der verlagerten Leistung zur Rationalisierung des Träger-<br />
Krankenhauses bei, das seinen betrieblichen Rationalisierungseffekt (Externalisierung) per<br />
MVZ noch einmal bezahlt bekommt. Auf diese Weise wird außerdem das Vergütungsvolumen<br />
für die übrigen ambulanten Leistungserbringer reduziert und damit der ambulante Wettbewerb<br />
verzerrt. Bei einem vertikal integrierten Leistungserbringer wären also eine Ausgliederung<br />
von Leistungen, die im Zusammenhang mit dem stationären Fall stehen, aus dem ambulanten<br />
Budget oder eine Komplexpauschale zu erwägen.<br />
Leistungsverlagerungen zwischen den Sektoren gehen nicht zwangsläufig mit einer Ausgabensenkung<br />
aus der Perspektive der Krankenversicherung oder aus gesamtgesellschaftlicher<br />
Perspektive einher. Hier bleiben große Aufgaben für die Versorgungsforschung: Messung von<br />
Patientenpräferenzen und -zufriedenheit, Wirksamkeit, Qualität und Kosten bei der Erstellung<br />
„gleicher Leistungen“ („same disease-studies“) in den verschiedenen Versorgungsformen und<br />
–ebenen.<br />
105 Michael Monka hat diesen Aspekt in einem anderen Zusammenhang vorgeschlagen.<br />
106 Eine solche Pauschale auf klarer Rechtsgrundlage würde keine unzulässige Zusammenarbeit zwischen Vertragsärzten<br />
und anderen Leistungserbringern im Sinne von § 128 SGB V sein.<br />
107 Auch die Notwendigkeit, vom Krankenhaus angesetzte Medikamente an die Möglichkeiten des ambulanten<br />
Sektors anzupassen, macht dort vermeidbare Arbeit. Dieses Problem lässt sich durch regionale Positivlisten<br />
lösen, deren Logik mit kassenspezifischen Rabattverträgen nach § 130a Absatz 8 SGB V in Konflikt kommt.<br />
94
9. Literatur<br />
Adrian M, Ferguson B, Dini C (1998): Is community-based treatment an add-on or a substitution<br />
for hospital treatment of alcoholism? Some evidence from Canada. Medical Care 36:<br />
1419-1429<br />
Agency for Healthcare Research and Quality: Prevention Quality Indicators, Healthcare Cost<br />
and Utilization Project (HCUP), http://www.qualityindicators.ahrq.gov/pqi_overview.htm<br />
(Stand: 16.12.2009)<br />
Agency for Healthcare Research and Quality: Preventable Hospitalization – A window into<br />
primary and preventive care. Healthcare Cost and Utilization Project (HCUP),<br />
http://www.ahrq.gov/data/hcup/factbk5/ (Stand: 16.12.2009)<br />
Alexander JA, Lee SD, Griffith JR, Mick SS, Lin X, Banaszak-Holl J (1999): Do market-level<br />
hospital and physician resources affect small area variation in hospital use? Medical Care<br />
Research and Review 56 (1): 94-117<br />
Andersohn F, Garbe E (2008): Pharmakoepidemiologische Forschung mit Routinedaten des<br />
Gesundheitswesens. Bundesgesundheitsblatt-Gesundheitsforschung-Gesundheitsschutz 51:<br />
1135-1144<br />
Anderson GA (1976): A Social Systems Model of Hospital Utilization. Health Services Research<br />
11: 271-287<br />
Anderson GM (1996): Common conditions considered sensitive to ambulatory care. in Goel<br />
V, Williams JI, Anderson GM, Blackstien-Hirsch P, Fooks C, Naylor CD (Hrsg), Patterns<br />
of Health Care in Ontario. The ICES practice atlas, Ottawa: Canadian Medical Association,<br />
104-110<br />
Ansari Z, Laditka J, Laditka S (2006): Access of health care and hospitalization for ambulatory<br />
care sensitive conditions. Medical Care Research Review 63: 719-741<br />
AOK-Bundesverband, Forschungs- und Entwicklungsinstitut für das Sozial- und Gesundheitswesen<br />
Sachsen-Anhalt (FEISA), HELIOS-Kliniken, Wissenschaftliches Institut der<br />
AOK (WIdO) (2007): Qualitätssicherung der stationären Versorgung mit Routinedaten<br />
(QSR) –Abschlussbericht. Bonn: WIdO<br />
Axelrod R, Cohen MD (1999): Harnessing complexity – Organizational implications of a scientific<br />
frontier. New York, London, Toronto, Sydney, Singapore: The Free Press<br />
Bates LJ, Mukherjee K, Santerre RE (2006): Market structure and technical efficiency in the<br />
hospital services industry: A DEA approach. Medical Care Research and Review: 499-<br />
524<br />
Béland F (1988): Conceptualizing the utilization for ambulatory medical care as a process.<br />
Medical Care 26: 115-123<br />
Berk AA, Chalmers TC (1981): Cost and efficiency of the substitution of ambulatory for inpatient<br />
care. NEJM 304: 393-397<br />
Billings J, Hasselblad V (1989): Use of small area analysis to assess the performance of the<br />
outpatient delivery system in New York City. New York Health Systems Agency, New<br />
York<br />
Billings J, Zeitel L, Lukomnik J, Carey TS, Blank AE, Newman L (1993): Impact of socioeconomic<br />
status on hospital use in New York City. Health Affairs 12: 163-175<br />
Billings J, Anderson GM, Newman LS (1996): Recent findings on preventable hospitalizations.<br />
Health Affairs 15: 239-249<br />
Bindman AB, Grumbach K, Osmond D, Komaromy M, Vranizan K, Lurie N, Billing JD,<br />
Stewart A (1995): Preventable hospitalizations and access to health care. JAMA 274: 305-<br />
311<br />
95
Bindman AB, Chattopadhyay A, Osmond DH, Huen W, Bacchetti P (2005): The impact of<br />
medicaid managed care on hospitalizations for ambulatory care sensitive conditions.<br />
Health Services Research 40: 19-38<br />
Bishop S, Baldauf M (2006): Theoretische Grundlagen und praktische Anwendung wettbewerbsökonomischer<br />
Methoden in Bezug auf die Abgrenzung des relevanten Marktes und<br />
Fragen zur praktischen Anwendbarkeit es Herfindahl-Hirschman Indexes zur Ermittlung<br />
des Konzentrationsgrades, RBB Economics: 1-153<br />
Blackstone E, Fuhr J (1992): An antitrust analysis of non-profit hospital mergers. Review of<br />
Industrial Organization 8: 473-490<br />
Bluestein J, Hanson K, Shea S (1995): Preventable hospitalizations and socioeconomic status.<br />
Health Affairs 17: 177-189<br />
Bölt U (2010): Statistische Krankenhausdaten: Grund- und Kostendaten der Krankenhäuser<br />
2007. In: Klauber J, Geraedts M, Friedrich J (Hrsg.): Krankenhaus-Report 2010, Schwerpunkt:<br />
Krankenhausversorgung in der Krise? Stuttgart: Schattauer, 319-351<br />
Brailsford SC (2008): System Dynamics: What is in for health care simulation modelers. Proceedings<br />
of the 2008 Winter Simulation Conference. Mason SJ, Hill RR, Mönch L, Rose<br />
O, Jefferson T, Fowler JW (eds)<br />
Brown AD, Goldacre MJ, Hicks N, Rourke JT, Murtry RY, Brown JD, Anderson GM (2007):<br />
Hospitalization for ambulatory care-sensitive conditions – a method for comparative access<br />
and quality studies using routinely collected statistics. Canadian Journal of Public<br />
Health, 92: 155-159<br />
Bundesministerium für Gesundheit (2007): Fragenkatalog zur DRG-Einführung an Mitgliedgesellschaften<br />
des Arbeitsgemeinschaft der Wissenschaftlichen Medizinischen Fachgesellschaften<br />
e.V. http://www.uni-duesseldorf.de/awmf/drg/bmg-umfr.htm (Aktualisiert:<br />
22.11.2007)<br />
Campbell SE, Campbell MK, Grimshaw JM, Walker AE (2001): A systematic review of discharge<br />
coding accuracy. Journal of Public Health Medicine 23: 205-211<br />
Caminal J, Mudet X, Ponsa J, Sanchez E, Casanova C (2001): Hospitalizations due to ambulatory<br />
care sensitive conditions - selection of diagnostic codes for Spain. Gaceta Sanitaria<br />
15: 128-141<br />
Caminal J, Starfield B, Sanchez E (2004): The role of primary care in preventing ambulatory<br />
care sensitive conditions. European Journal of Public Health 14: 246-51<br />
Carriere KC, Roos LL, Douglas CD (2000): Across time and space: variations in hospital use<br />
during Canadian health reform. Health Services Research 35: 467-487<br />
Carter GM, Ginsburg PB (1985): The Medicare case mix index increase - Medical Practice<br />
Changes, Aging, and DRG Creep. RAND – UCLA Center for Health Care Financing Policy<br />
Research, R-3292-HCFA, L.A.: Rand Corporation: 1-84<br />
Carey K (1994): Cost allocation patterns between hospital inpatient and outpatient departments.<br />
Health Services Research 29: 275-292<br />
Cave DG (1995): Small-area variations in the treatment of prevalent medical conditions: A<br />
comparison of three cities in the Northeast. J Ambulatory Care Management 18: 42-57<br />
Centre for Epidemiology and Research, NSW Department of Health: ICD codes - ambulatory<br />
care sensitive hospitalisations, http://www.health.nsw.gov.au/publichealth/chorep/toc/<br />
app_icd_acs.asp (Stand: 16.12.2009)<br />
Coast J (2000): Conceptual and practical difficulties with the economic evaluation of health<br />
services developments. Journal of Health Service Research Policy 5.1 (2000): 42-48<br />
Cohen JW (1989): Medicaid policy and the substitution of hospital outpatient care for physician<br />
care. Health Services Research 24: 33-66<br />
Connor AM, Llewellyn-Thomas HA, Flood AB (2004): Modifying unwarranted variations in<br />
health care: shared decision making using patient decision aids. Health Affairs: 63-72<br />
96
Coulter A (1998): Managing demand at the interface between primary and secondary care.<br />
BMJ 316: 1974-1976<br />
Correa-Velez I, Ansari Z, Sundararajan V, Brown K, Gifford SM (2007): A six-year descriptive<br />
analysis of hospitalisations for ambulatory care sensitive conditions among people<br />
born in refugee-source countries. Population Health Metrics 5: 1-8<br />
Crump BJ, Panton R, Drummond MF, Marchment M, Hawkes RA (1995): Transferring the<br />
costs of expensive treatments from secondary to primary care. BMJ 310: 509-512<br />
Culler SD, Parchman ML, Przybylski M (1998): Factors related to potentially preventable<br />
hospitalizations among the elderly. Medical Care 36: 804-817<br />
Culyer AJ, Cullis JG (2007): Hospital Waiting Lists and the Supply and Demand of Inpatient<br />
Care. Social Policy & Administration 9: 13-25<br />
Curtis S, Congdon P, Almog M, Ellermann R (2009): County variation in use of inpatient and<br />
ambulatory psychiatric care in New York State 1999-2001: Need and supply influences in<br />
a structural model. Health & Place 15: 568-577<br />
Davis K, Russell L (1972): The substitution of hospital outpatient care for inpatient care. The<br />
Review of Economics and Statistics 54:109-120<br />
Deb P., Holmes AM (1998): Substitution of physicians and other providers in outpatient mental<br />
health care. Health Economics 7: 347-361<br />
Deister A, Roick C, Zeichner D, Ziegler B (2005): Kein Anreiz zur Fallzahlausweitung - Ein<br />
Modellprojekt aus Schleswig-Holstein, das ein regionales Psychiatriebudget einführt,<br />
zeigt bereits in der Halbzeitbilanz die gewünschten Steuerungseffekte. Deutsches Ärzteblatt<br />
102: A2533-A2534<br />
Diehr P, Yanez D, Ash A, Hornbrook M, Lin D Y (1999): Methods for analyzing health care<br />
utilization and costs. Annu Rev Public Health 20: 125–44<br />
Eiff von W, Middendorf C, Klemann A (2004): Gewinner oder Verlierer? Auswirkungen der<br />
DRG-Einführung auf die Rehabilitation, Krankenhaus Umschau 10: 840-844<br />
Eiff von W, Klemann A, Middendorf C (2005): REDIA-Studie - Analyse der Auswirkungen<br />
der DRG-Einführung auf die medizinische Rehabilitation. In: Eiff von W, Prinz A, Senninger<br />
N, Steinmeyer HD (Hrsg.): Münsteraner Schriften zu Medizinökonomie, Gesundheitsmanagement<br />
und Medizinrecht, Band 3, Berlin: LIT Verlag<br />
Eiff W, Klemann A., Meyer N (2008): REDIA-Studie II - Auswirkungen der DRG-<br />
Einführung auf die medizinische Rehabilitation, Münsteraner Schriften zu Medizinökonomie,<br />
Gesundheitsmanagement und Medizinrecht, Band 4, Berlin: Lit Verlag<br />
Ellis RP, McInnes KD, Stephenson EH (1994): Inpatient and oupatient health care demand in<br />
Cairo, Egypt. Economics of Health Care Services 3: 183-200<br />
Falik M, Needleman J, Wells BL, Korb J (2001): Ambulatory care sensitive hospitalisations<br />
and emergency visits - experiences of Medicaid patients using federally qualified health<br />
centers. Medical Care 39: 551-61<br />
Faulkner A, Mills N, Bainton D, Baxter K, Kinnersley P, Peters TJ, Sharp D (2003): A systematic<br />
review of the effect of primary care-based service innovations on quality and patterns<br />
of referral to specialist secondary care. British Journal of General Practice 53: 878-<br />
884<br />
Fisher ES, Welch HG, Wennberg JE (1992): Prioritizing Oregon's hospital resources. An example<br />
based on variations in discretionary medical utilization. JAMA 267: 1925-31<br />
Fleming ST (1995): Primary care, avoidable hospitalization, and outcome of care - A literature<br />
review and methodological approach. Medical Care Research & Review 52: 88-108<br />
Fortney JC, Steffick DE, Burgess JE, Maciejewski ML, Petersen LA (2005): Are primary care<br />
services a substitutes or complement for specialty and inpatient services? Health Services<br />
Research 40: 1422-1442<br />
Folland S, Stano M (1990): Small area variations: a critical review of propositions, methods,<br />
and evidence. Medical Care Review 47:419-465<br />
97
Foster (2005): Foster’s case notes – Trends in day surgery rates. BMJ 331: 803<br />
Freiberg L (1979): Substitution of outpatient care for inpatient care – Problems and experience.<br />
Journal of Health Politics, Policy and Law 3: 479-496<br />
Friedrich J, Beivers A (2009): Patientenwege ins Krankenhaus: Räumliche Mobilität bei Elektiv-<br />
und Notfallleistungen am Beispiel von Hüftendoprothesen. In: Klauber J, Robra B.-P,<br />
Schellschmidt H. (Hrsg.): Krankenhaus-Report 2008/2009 – Schwerpunkt: Versorgungszentren.<br />
Stuttgart: Schattauer-Verlag, 155-181<br />
Garnick DW, Luft HS, Robinson JC, Tetreault J (1987): Appropriate Measures of Hospital<br />
Market Area. Health Services Research 22: 69-89<br />
Gerste B, Günster C, Heller G, Hilfer S (2007): Sektorenübergreifende Leistungsanalysen –<br />
Inanspruchnahme von Gesundheitsleistungen durch Patienten mit koronarer Herzkrankheit<br />
oder Herzinsuffizienz. Bonn: Wissenschaftliches Institut der AOK (WIdO)<br />
Ginsburg PB, Koretz DM (1983): Bed availability and hospital utilization: Estimates of the<br />
“Roemer Effect”. Health Care Financing Review 5: 87-92<br />
Giuffrida A, Gravelle H, Roland M (1999): Measuring quality of care with routine data:<br />
Avoiding confusion between performance indicators and health outcomes. British Medical<br />
Journal 319 (7202): 94-98<br />
Godber E, Robinson R, Steiner A (1997): Economic evaluation and the shifting balance towards<br />
primary care: Definitions, evidence and methodological issues. Health Economics<br />
6: 275-294<br />
Gold M (1984): The demand for hospital outpatient services. Health Services Research 19:<br />
383-412<br />
Goldman W, McCulloch J, Sturm R (1998): Costs and use of mental health services before<br />
and after managed care. Health Affairs 17: 40-52<br />
Goldstein JM, Horgan CM (1988): Inpatient and outpatient psychiatric services: Substitutes or<br />
complements? Hospital and Community Psychiatry 39: 632-636<br />
Gothe H (2008): Pharmakoepidemiologie. Nutzung der Arzneimittelverordnungsdaten. Bundesgesundheitsblatt-Gesundheitsforschung-Gesundheitsschutz<br />
51: 1145-1154<br />
Griffiths P, Harris R, Richardson G, Hallett N, Heard S, Wilson-Barnett J (2001): Substitution<br />
of a nursing-led inpatient unit for acute services: randomized controlled trial of outcomes<br />
and cost of nursing-led intermediate care. Age and Aging 30: 483-488<br />
Groenewegen P (1991): Substitution of primary care and specialist care: A regional analysis<br />
in Denmark, Social Science Medicine 33: 471-476<br />
Günster C (2008): Komponentenzerlegung und Warenkorbänderungen. In: Klauber J, Robra<br />
B.-P, Schellschmidt H. (Hrsg.): Krankenhaus-Report 2007 – Schwerpunkt: Krankenhausvergütung<br />
– Ende der Konvergenzphase? Stuttgart: Schattauer-Verlag, 185-194<br />
Güssow J (2007): Vergütung Integrierter Versorgungsstrukturen im Gesundheitswesen. Wiesbaden:<br />
Gabler Edition Wissenschaft<br />
Häussler B, Höer A, Hempel E, Storz P (2007): Arzneimittel-Atlas 2007. Der Arzneimittelverbrauch<br />
in der GKV. München: Urban & Vogel<br />
Häussler B, Klein S (2008): Monitoring von Arzneimittelverbrauch und –umsatz: Analysen<br />
mit Daten der Apothekenrechenzentren als Beitrag zur Versorgungsforschung. In: Kurth<br />
B-M (Hrsg.): Monitoring der gesundheitlichen Versorgung in Deutschland: Konzepte, Anforderungen,<br />
Datenquellen. Köln: Deutscher Ärzte-Verlag, 41-47<br />
Harris JK, Froehlich F, Gonvers J-J, Wietlisbach V, Burnand B, Vader JP (2007): The appropriateness<br />
of coloscopy: a multi-center, international, observational study. Int J Quality<br />
Health Care 19: 150-157<br />
Hasford J, Schubert I, Garbe E, Dietlein G, Glaeske G (2004): Memorandum zu Nutzen und<br />
Notwendigkeit pharmakoepidemiologischer Datenbanken in Deutschland. St. Augustin:<br />
Asgard<br />
98
Hauner H. Köster I, Schubert I (2007): Trends in der Prävalenz und ambulanten Versorgung<br />
von Menschen mit Diabetes mellitus. Dtsch Ärztebl 104: A 2799–2805<br />
Health Surveillance and Evaluation Section, Department of Human Services: Victorian ambulatory<br />
care sensitive conditions study<br />
http://www.health.vic.gov.au/healthstatus/acsc/index.htm (Stand: 16.12.2009)<br />
Held M, Stackelberg v JM (2004): Ambulantes Operieren im Krankenhaus. Der Chirurg<br />
BDC. 43: M156-M161<br />
Henderson JW (2009): Health Economics & Policy. Mason (Ohio): South-Western Cengage<br />
Learning<br />
Henke KD, Reimers L (2006): Zum Einfluss von Demographie und medizinisch-technischem<br />
Fortschritt auf die Gesundheitsausgaben. TU Berlin, Diskussionspapiere<br />
Henke KD (2008): Kosten und Nutzen von Innovationen aus Sicht der Versicherten, in: Bührlen<br />
B, Kickbusch I (Hrsg): Innovationssystem Gesundheit: Ziele und Nutzen von Gesundheitsinnovationen.<br />
Stuttgart, 71-84<br />
Hensen P, Beissert S, Bruckner-Truderman L, Luger TA, Roeder N, Müller ML (2007): Introduction<br />
of diagnosis-related groups in Germany: evaluation of impact on in-patient care<br />
in a dermatological setting. European Journal of Public Health 18: 85-91<br />
Ho V, Hamilton B (2000): Hospital mergers and acquisitions: does market consolidation harm<br />
patients? Journal of Health Economics 19: 767-791<br />
Homer JB, Hirsch GB (2006): System Dynamics Modeling for Public Health: Background<br />
and Opportunities. Am J Public Health 96: 452-458<br />
Hornbrook MC, Hurtado AV, Johnson RE (1985): Health care episodes: definition, measurement<br />
and use. Med Care Rev 42: 163-218<br />
Hossain M, Laditka J (2009): Using hospitalization for ambulatory care sensitive conditions<br />
to measure access to primary health care: an application of spatial structural equation<br />
modeling. International Journal of Health Geographics 8: 51, DOI: 10.1186/1476-072X-8-<br />
51 (online)<br />
Izumida N., Urushi H, Nakanishi S (1999): An empirical study of the physician-induced demand<br />
hypothesis – The cost function approach to medical expenditure of the elderly in Japan.<br />
Review of Population and Social Policy 8: 11-25<br />
Jacobs P, Rapoport J (2004): The Economics of Health and Medical Care. Mississauga: Jones<br />
and Bartlett Publishers<br />
John J, Potthoff P (1987): Cost containment in a statutory health insurance scheme by substitution<br />
of outpatient for inpatient care? The case of the Bavarian Contract. Health Policy 8:<br />
153-69<br />
Josephson GW, Karcz A (1997): The impact of physician economic incentives on admission<br />
rates of patients with Ambulatory Sensitive Conditions – An analysis comparing two<br />
managed care structures and indemnity insurance. The American Journal of Managed Care<br />
3: 49-56<br />
Kerek-Bodden H, Heuer J, Brenner G, Koch H, Lang A (2005): Morbiditäts- und Inanspruchnahmeanalysen<br />
mit personenbezogenen Abrechnungsdaten aus Arztpraxen. In: Swart E,<br />
Ihle P (Hg.), Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse:<br />
Grundlagen, Methoden und Perspektiven. Bern: Huber, 35-55<br />
Klauber J, Geraedts M, Friedrich J (Hrsg.) (2010): Krankenhaus-Report 2010. Schwerpunkt:<br />
Krankenhausversorgung in der Krise? Stuttgart: Schattauer<br />
Koch K, Gehrmann U, Sawicki PT (2007): Primärärztliche Versorgung in Deutschland im<br />
internationalen Vergleich. Deutsches Ärzteblatt 38: A2584-A2591<br />
Kolisek FR, McGrath MS, Jessup NM,Monesmith EA, Mont MA (2009): Comparison of outpatient<br />
versus inpatient total knee arthroplasty. Clin Orthop Relat Res 467: 1438-1442<br />
Kozak JL, Hall MJ, Owings MF (2001): Trends in avoidable hospitalizations 1980-1998.<br />
Health Affairs 20: 225-232<br />
99
Kraft M (2007): Innovationsprozesse in der Medizintechnik. Einsparpotenzial innovativer<br />
Medizintechnik im Gesundheitswesen: TU Berlin, Fachgebiet Medizintechnik, Zentrum<br />
für Gesundheitstechnologie, 5-25<br />
Kudo M, Misumi J, Shimaoka A (1999): Effect of distance and population size on patient<br />
trips in a prefecture of Japan – application of a transportation distribution model to the<br />
demand for and supply of health services. Environ Health Prev Med. 4: 13-23<br />
Kuge A (2003): DRG – Was ändert sich für die Rehabilitation? Führen & Wirtschaften im<br />
Krankenhaus 20: 277-280<br />
Lang S, Gruhn P, Lang H, Groß S (2002): Diagnosis Related Groups – ein Überblick aus ökonomischer<br />
Perspektive. Arbeitspapier des Instituts für Notfallmedizin und Medizinmanagement,<br />
Klinikum der Universität München, 1-32<br />
Leslie DL, Rosenheck R (1999): Shifting to outpatient care? Mental health care use and cost<br />
under private insurance, American Journal of Psychiatry 156: 1250-1257<br />
Lin HC, Xirasagar S, Kao S (2004): Association of hospital ownership with patient transfers<br />
to outpatient care under a prospective payment system in Taiwan. Health Policy 69: 11-19<br />
Lin CC, Li TC, Lu N, Shi L (2000): Patient and hospital factors associated with hospital admissions<br />
for ambulatory care sensitive conditions. Taiwan Journal of Medicine 5: 1-15<br />
Lindrooth RC, Sasso ATL, Bazoli GJ (2003): The effect of urban hospital closure on markets.<br />
Journal of Health Economics 22: 691-712<br />
Long, MJ (2002): An explanatory model of medical practice variation: a physician resource<br />
demand perspective, Journal of Evaluation in Clinical Practice 8: 167-174<br />
Lüngen M (2007): Ambulante Behandlung im Krankenhaus – Zugang, Finanzierung, Umsetzung.<br />
In: Schulz-Nieswandt F, Kuntz L (Hrsg.): Gesundheitsökonomie: Politik und Mangement<br />
Band 3. Berlin: LIT Verlag<br />
Lüngen M, Rath T (2010) Ambulante Öffnung der Krankenhäuser: Welchen Anteil können<br />
Krankenhäuser in der onkologischen Versorgung abdecken? In: Klauber J, Geraedts M,<br />
Friedrich J (Hrsg.): Krankenhaus-Report 2010, Schwerpunkt: Krankenhausversorgung in<br />
der Krise? Stuttgart: Schattauer, 167-179<br />
MacDonald AG, Cudderford GC, Beale EML (1974): Balance of care: some mathematical<br />
models of the National Health Service. Br Med Bull 30: 262-270<br />
Mackenbach J P, Bouvier-Colle M H, Jougla E (1990): “Avoidable" mortality and health services:<br />
a review of aggregate data studies. Journal of Epidemiology and Community Health<br />
44: 106-111<br />
Magan P, Otero A, Alberquilla A, Ribera M (2008): Geographic variations in avoidable hospitalizations<br />
in the elderly, in a health system with universal coverage. BMC Health Services<br />
Research 8: 42, DOI: 10.1186/1472-6963-8-42 (online)<br />
Makuc DM, Haglund B, Ingram DD, Kleinman JC, Feldman JJ (1991): The use of health service<br />
areas for measuring provider availability. The Journal of Rural Health 7: 347-356<br />
Manitoba Centre for Health Policy and Evaluation: Ambulatory Care Sensitive (ACS) conditions,<br />
http://mchp-appserv.cpe.umanitoba.ca/viewConcept.php?conceptID=1023 (Stand:<br />
16.12.2009)<br />
Manuella A, Gerguson B, Christiane D (1998): Is community-based treatment an add-on or a<br />
substitute for hospital treatment of alcoholism?: Some evidence from Canada. Medical<br />
Care 36: 1419-1429<br />
McCall N, Harlow J, Dayhoff D (2001): Rates of hospitalization for ambulatory care sensitive<br />
conditions in the medicare choice population. Health Care Financing Review 22: 127-145<br />
McPake B, Normand C (2008): Health economics – An international perspective. 2 nd Edition,<br />
New York: Routledge<br />
Miller P, Craig N, Scott A, Walker A, Hanlon P (1999): Measuring progress towards a primary<br />
care-led NHS. British Journal of General Practice 49: 541-545<br />
100
Mustard CA, Kozyrskyj AL, Barer ML, Sheps S (1998): Emergency department use as a<br />
component of total ambulatory care: a population perspective, Canadian Medical Association<br />
158: 49-55<br />
NHS Institute for Innovation and Improvement (2007): Directory of Ambulatory Emergency<br />
Care for Adults, http://www.institute.nhs.uk/option,com_joomcart/Itemid,26/main_page,<br />
document_product_info/products_id.181.htm (Stand: 16.12.2009)<br />
Niemann J (2006): Ausgaben für Krankenhausbehandlungen steigen weiter. Die Ersatzkasse,<br />
2: 65-68<br />
Nink K, Schröder H, Schubert I (2005): Arzneimittel. In: Swart E, Ihle P (Hrsg.): Routinedaten<br />
im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden<br />
und Perspektiven. Bern: Huber, 99-122<br />
OECD (2003): Health at a glance - OECD Indicators 2003. Paris: 1-143<br />
OECD (2005): Health at a glance - OECD Indicators 2005. Paris: 1-175<br />
OECD (2007): Health at a glance - OECD Indicators 2007. Paris: 1-198<br />
Ohmann C (Hrsg.) (2000): Operationshäufigkeiten in Deutschland. Baden-Baden: Nomos-<br />
Verlagsgesellschaft (Bd. 129 der Schriftenreihe des Bundesministeriums für Gesundheit)<br />
Okunade AA, Murthy VNR (2008): Are physician and non-physician providers of outpatient<br />
mental healthcare substitutes or complements? A conceptual clarification. Health Care<br />
Management Science 11: 393-398<br />
O’Sullivan MJ, Volicer B (1996): Preventable hospitalizations – A tool for planning and marketing<br />
ambulatory health care services. Journal Ambulatory Care Management 19: 84-95<br />
Page A, Ambrose S, Glover J, Hetzel D (2007): Atlas of avoidable hospitalisations in Australia:<br />
ambulatory care-sensitive conditions, Adelaide: Public Health Information Development<br />
Unit, 1-76<br />
Pappas G, Hadden WC, Kozak LJ, Fisher GF (1997): Potentially avoidable hospitalizations –<br />
inequalities in rates between US socioeconomic groups. American Journal of Public<br />
Health 87: 811-816<br />
Parchman ML, Culler S (1994): Primary care physicians and avoidable hospitalizations. Journal<br />
of Family Practice 19: 123-128<br />
Pezzin LE, Fleishman JA (2003): Is outpatient care associated with lower use of inpatient and<br />
emergency care? An analysis of persons with HIV disease. Acad Emerg Med 10 (11):<br />
1228-1238<br />
Phelps CE (1995): Welfare loss form variations: further considerations. Journal of Health<br />
Economics 14; 253-260<br />
Phelps CE, Parente ST (1990): Priority setting in medical technology and medical practice<br />
assessment. Medical Care 28: 703-723<br />
Phelps CE, Mooney C (1993): Variations in medical practice Use: Causes and consequences.<br />
In: Arnauld RJ, Rich RF, White WD (ed.): Competitive approaches to health care reform.<br />
Washington D.C.: The Urban Institute Press, 139-178<br />
Phelps CE. Mooney C (1992): Correction and update on “priority setting in medical technology<br />
assessment”. Medical Care 30: 744-751<br />
Phelps C (2000): Information Diffusion and Best Practice Adoption, In: Culyer AJ, Newhouse<br />
JP (ed.): Handbook of Health Economics Volume 1A, Amsterdam: Elsevier, 223-264<br />
Phibbs CS, Robinson JC (1993): A variable-radius measure of local hospital market structure.<br />
Health Services Research 28: 313-324<br />
Pigeot I, Ahrens W (2008): Establishment of a pharmacoepidemiological database in Germany:<br />
Methodological potential, scientific value and practical limitations. Pharmacoepidemiology<br />
and Drug Safety 17: 215-223<br />
Porter M (1998): The Competitive Advantage of Nations, New York: The Free Press<br />
Proppe D (2007): Endogenität und Instrumentenschätzer. In: Alber S et al. (Hrsg): Methodik<br />
der empirischen Forschung. Wiesbaden: Gabler, 231-44<br />
101
Purdy S, Griffin T, Salisbury C, Sharp D (2009): Ambulatory care sensitive conditions: terminology<br />
and disease coding need to be more specific to aid policy makers and clinicians.<br />
Public Health 123: 169-173<br />
Reid FDA, Cook DG, Majeed A (1999): Explaining variation in hospital admission rates between<br />
general practices: Cross sectional study. British Medical Journal 319 (7202): 98-<br />
103<br />
Reimers L (2009): Wie kommen Innovationen in den Gesundheitsmarkt? GGW 1: 22-30<br />
Ricketts TC, Randolph R, Howard HA, Pathman D, Carey T (1997): Do ambulatory sensitive<br />
condition admission rates identify access problems in rural and urban areas? Chapel Hill:<br />
Cecil G. Sheps Center of Health Services Research: 1-29<br />
Rizza P, Bianco A, Pavia M, Angelillo IF (2007): Preventable hospitalization and access to<br />
primary health care in an area of Southern Italy. BMC Health Services Research 7: 1-8<br />
(open access)<br />
Roberts E, Mays N (1998): Can primary care and community-based models of emergency<br />
care substitute for the hospital accident and emergency (A&E) department? Health Policy<br />
44: 191-214<br />
Robinson JC, Luft HS (1985): The impact of hospital market structure on patient volume,<br />
average length of stay, and the cost of care. Journal of Health Economics 4: 333-356<br />
Rochell B, Roeder N (2001): DRG-basierte Entgeltsysteme in Europa, in: Arnold M, Litsch<br />
M, Schellschmidt H (Hrsg.): Krankenhausreport 2000, Stuttgart: Schattauer, 55-86<br />
Rochell B, Sokoll M, Wenzk A, Casser U, Reuhl T, Burrichter H, Raskop AM, Ryll A, Loskamp<br />
N, Köhler A (2009): Auswirkungen auf den vertragsärztlichen Sektor. In: Rau F,<br />
Roeder N, Hensen P (Hrsg.): Auswirkungen der DRG-Einführung in Deutschland: Standortbestimmungen<br />
und Perspektiven. Stuttgart: Kohlhammer, 216-227<br />
Rohrer JE (1990): Supply-induced demand for hospital care. Health Services Management<br />
Research 3: 41-48<br />
Rohrer JE (1993): Small area analysis – descriptive epidemiology in health services research.<br />
Clinical Performance and Quality Health Care 1: 35-42<br />
Roick C, Heinrich S, Deister A, Zeichner D, Birker T, Heider D, Schomerus G, Angermeyer<br />
MC, König HH (2008): Das Regionale Psychiatriebudget: Kosten und Effekte eines neuen<br />
sektorübergreifenden Finanzierungsmodells für die psychiatrische Versorgung. Psychiat<br />
Prax 35:279-285<br />
Roos NP, Roos LL, Henteleff (1977): Elective surgical rates – do high rates mean lower standards?<br />
Tonsillectomy and adenoidectomy in Manitoba. New England Journal of Medicine<br />
297: 360-365<br />
Roos NP, Roos LL (1981): High and low surgical rates - Risk factors for area residents. AJPH<br />
71: 591-600<br />
Roos NP, Forget E, Walld R, MacWilliam L (2004): Does universal comprehensive insurance<br />
encourage unnecessary use? Evidence from Manitoba says ‘no’. Canadian Medical Association<br />
Journal 170: 209-214<br />
Roos LL, Walld R, Uhanova J, Bond R (2005): Physician visits, hospitalizations, and socioeconomic<br />
status: ambulatory care sensitive conditions in a Canadian setting. Health Services<br />
Research 40: 1167-1185<br />
Rosenblum RW, Miree LF, Tolpin HG. (1989): Changing times, changing theories: the effects<br />
of HMOs on hospital usage and ambulatory care. J Ambul Care Manage 12: 69-75<br />
Rosenheck R, Banks S, Pandiani J (2000): Does closing inpatient beds in one public mental<br />
health system result in increased use of hospital services in other systems? Mental Health<br />
Services Research 2: 183-189<br />
Royston GHD, Hurst JW, Lister EG, Stewart PA (1992): Modelling the use of health services<br />
by populations of small areas to inform the allocation of central resources to larger regions.<br />
Socioecon Plann Sci 26: 169-180<br />
102
Rubenstein EB (1994): Costs and benefits of outpatient therapy. Support Care Cancer 2: 307-<br />
311<br />
Rutstein DG, Berenberg W, Chalmers TC, Child CG, Fishman AP, Perrin EB (1976): Measuring<br />
the quality of medical care – a clinical method. New England Journal of Medicine<br />
294: 582-588<br />
Saha S, Solotaroff R, Oster A, Bindman A (2007): Are preventable hospitalizations sensitive<br />
to changes in acces to primary care? The case of the Oregon Health Plan. Medical Care<br />
45: 712-719<br />
Sangha O, Schneeweiss S, Wildner M, Cook EF, Brennan TA, Witte J, Liang MH (2002):<br />
Metric properties of the appropriateness evaluation protocol and predictors of inappropriate<br />
hospital use in Germany: an approach using longitudinal patient data. International J<br />
for Quality in Health Care 14: 483-492<br />
Schaeffer, D (2000): Bruchstellen in der Versorgung chronisch kranker alter Menschen. Die<br />
Entlassung aus dem Krankenhaus. In: Seidl E, Stanková M, Walter I (Hrsg.): Autonomie<br />
im Alter. Wien, München, Bern: Wilhelm Maudrich, 11-35<br />
Schlichthorst M (2007): Mehrgleichungsmodelle: Schätzmethoden und Anwendungsperspektiven.<br />
In: Alber S et al. (Hrsg.): Methodik der empirischen Forschung. Wiesbaden: Gabler,<br />
215-30<br />
Schneeweiss S, Sangha O, Siebert H, Hübner M, Fuhrmann J, Wildner M, Witte J (2000):<br />
Reproduzierbarkeit eines deutschsprachigen Instruments zur Erfassung der Notwendigkeit<br />
von stationären Behandlungen in der Chirurgie. Sozial- und Präventivmedizin 45: 258-266<br />
Schoffer O, Rolland S, Philipp G (2006): Faktische Anonymisierung der Diagnosedaten der<br />
Krankenhauspatienten. Wiesbaden: Statistische Ämter des Bundes und der Länder<br />
Schöffski O, Schulenburg JMvd (1997): Unintended effects of a cost-containment policy:<br />
Results of a natural experiment in Germany. Soc Sci Med 45: 1537-1539<br />
Schöffski O, Schulenburg JMvd (2008): Gesundheitsökonomische Evaluationen, Berlin:<br />
Springer<br />
Schreiber S, Zielinski T (1997): The meaning of ambulatory care sensitive admissions – urban<br />
and rural perspectives, Journal of Rural Health 13: 276-284<br />
Schubert I, Ihle P, Köster I (2005): Verwendung von GKV-Diagnosen in der Sekundärdatenforschung.<br />
In: Swart E, Ihle P (Hrsg.): Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse:<br />
Grundlagen, Methoden und Perspektiven. Bern: Huber, 235-242<br />
Schubert I, Köster I, Küpper-Nybelen J, Ihle P (2008): Versorgungsforschung mit GKV-<br />
Routinedaten. Nutzungsmöglichkeiten versichertenbezogener Krankenkassendaten für<br />
Fragestellungen der Versorgungsforschung. Bundesgesundheitsblatt-Gesundheits-forschung-Gesundheitsschutz<br />
51: 1095-1105<br />
Schumpelick V, Stumpf M, Schwab R (2004): Leistenhernienchirurgie als ambulante und<br />
kurzzeitstationäre Chirurgie – Möglichkeiten und Grenzen. Chirurg 75: 65-67<br />
Schröder A (2007): Prinzipien der Panelanalyse. In: Alber S et al. (Hrsg): Methodik der empirischen<br />
Forschung. Wiesbaden: Gabler, 261-276<br />
Schwappach DLB, Strasmann TJ (2006): Ambulantes Operieren – Praxis oder Krankenhaus?<br />
Eine empirische Analyse von Bevölkerungspräferenzen für die Wahl des Behandlungssettings.<br />
Der Chirurg 77: 166-172<br />
Scott, A (1996): Primary and secondary care? What can economics contribute to evaluation at<br />
the interface? Journal of Public Health Medicine, 18: 19-26<br />
Sens B, Wenzlaff P, Pommer G, Hardt H (2009): DRG-induzierte Veränderungen und ihre<br />
Auswirkungen auf die Organisationen, Professionals, Patienten und Qualität. Hannover:<br />
Zentrum für Qualität und Management im Gesundheitswesen, 1-109<br />
Singer JD, Willett, JB (2003): Applied longitudinal data analysis: Modeling Change and event<br />
occurrence. Oxford: Oxford University Press<br />
103
Smith HE, Pryce A, Carlisle L, Jones MJ, Scarpello J, Pantin C (1997): Appropriateness of<br />
acute medical admissions and length of stay. Journal of the Royal College of Physicians of<br />
London 31: 527-532<br />
Smith SM, Allwright SM, O'Dowd T (2007): Effectiveness of shared care across the interface<br />
between primary and specialty care in chronic disease management. Cochrane Database<br />
Syst. Rev. 3<br />
Smith SM, Allwright SM, O'Dowd T (2008): Does sharing care across the primary-specialty<br />
interface improve outcomes in chronic disease? A systematic review. American Journal of<br />
Managed Care 14: 213-224<br />
Solberg LI, Peterson KE, Ellis RW, Romness K, Rohrenbach E, Thell T, Smith A, Routier A,<br />
Stillmank MW, Zak S (1990): The Minnesota Project – A focused approach to ambulatory<br />
quality assessment. Inquiry 27: 359-367<br />
Srijariya W, Riewpaiboon A, Chaikledkaew U (2008): System Dynamic Modeling: An alternative<br />
method for budgeting. Value in Health 11 Suppl 1: S115-123<br />
Statistics Canada: Hospitalization rate for ambulatory care sensitive conditions,<br />
http://www.statcan.gc.ca/pub/82-401-x/2002000/considerations/pc/4064257-eng.htm<br />
(Stand: 16.12.2009)<br />
St Dennis C, Hendryx M, Hendriksen AL, Setter SM, Singer B (2006): Postdischarge treatment<br />
costs following closure of a state gerontopsychiatric ward: Comparison of two levels<br />
of community care. Prim Care Companion J Clin Psychiatry 8: 279-284<br />
Sachverständigenrat zur Begutachtung der Entwicklung im Gesundheitswesen (2007): Kooperation<br />
und Verantwortung. Voraussetzungen einer zielorientierten Gesundheitsversorgung<br />
(Sondergutachten). Baden-Baden: Nomos-Verlag<br />
Swart E (2005): Kleinräumige Versorgungsforschung mit GKV-Routinedaten. In: Swart E,<br />
Ihle P (Hrsg.): Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse:<br />
Grundlagen, Methoden und Perspektiven. Bern: Huber Verlag, 243-252<br />
Swart E, Deh U, Robra B-P (2008): Die Nutzung der GKV-Daten für die kleinräumige Analyse<br />
und Steuerung der stationären Versorgung. Bundesgesundheitsblatt-Gesundheitsforschung-Gesundheitsschutz<br />
51: 1183-1192<br />
Swart E, Ihle P (Hrsg.) (2005): Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse:<br />
Grundlagen, Methoden und Perspektiven. Bern: Huber Verlag<br />
Swart E, Robra B-P unter Mitarbeit von Felder S, Schmitt H, Deh S, Deh U (2001): Transparenz<br />
im stationären Sektor – AOK-Fallanalysen in Sachsen-Anhalt. Frankfurt/M.: pmi-<br />
Verlagsgruppe<br />
Swart E, Schwarz C, Robra B-P (2007): Die stationäre Versorgung in AOK Sachsen-Anhalt –<br />
Routine- und Spezialberichterstattungen. Magdeburg: Institut für Sozialmedizin und Gesundheitsökonomie<br />
The Commonwealth Fund: Hospitalizations for Ambulatory Care Sensitive Conditions,<br />
http://www.commonwealthfund.org/Content/Performance-Snapshots/Overuse-of-Health-<br />
Care-Services/Hospitalizations-for-Ambulatory-Care--8211-Sensitive-Conditions.aspx<br />
(Stand: 16.12.2009)<br />
Thomas RK (2003): Health Services Planning. 2nd Edition. New York: Kluwer Academic/<br />
Plenum Publishers<br />
Vitikainen K, Linna M, Street A (2009): Substituting inpatient for outpatient care – what is<br />
the impact on hospital costs and efficiency? European Journal of Health Economics, DOI<br />
10.1007/s10198-009-0211-0 (online)<br />
Walker JD, Teare GF, Hogan DB, Lewis S, Maxwell CJ (2009): Indentifying potentially<br />
avoidable hospital admissions from Canadian long-term care facilities. Medical Care 47:<br />
250-254<br />
Weinstein MC (2006): Recent developments in decision-analytic modelling for economic<br />
evaluation. Pharmacoeconomics 24: 1043-1053<br />
104
Welsh F (1995): Accounting for the transition from inpatient to outpatient surgery. Physician<br />
Executive 21: 1-6<br />
Weissman JS, Gatsonis C, Epstein AM (1992): Rates of avoidable hospitalization by insurance<br />
status in Massachusetts and Maryland. J Amer Med Assoc 268: 2388-2394<br />
Wennberg JE, Bunker JP, Barnes B (1980): The need for assessing the outcome of common<br />
medical practices. Annu Rev Public Health 1: 277-295<br />
Wennberg JE, Barnes BA, Zubkoff M (1982): Professional uncertainty and the problem of<br />
supplier-induced demand, Social Science Medicine 16: 811-824<br />
Wennberg JE, Freeman JL, Culp WJ (1987): Are hospital services rationed in New Haven or<br />
over-utilised in Boston? Lancet 1(8543): 1185-1189<br />
Wennberg JE, Freeman JL, Shelton RM, Bubolz TA (1989): Hospital use and mortality<br />
among Medicare beneficiaries in Boston and New Haven. N Engl J Med. 321: 1168-1173<br />
Wennberg JE, Gittelsohn A (1973): Small area variations in health care delivery. Science 182:<br />
1102-1107<br />
Wennberg JE (2002): Unwarranted variations in healthcare delivery: implications for academic<br />
medical centres. BMJ 325: 961-964<br />
Wennberg JE, Fisher ES, Therese AS, Sharp MS (2004): Use of Medicare claims data to<br />
monitor provider-specific performance among patients with severe chronic illness. Health<br />
Affairs: 5-18<br />
Wennberg JE, Fisher ES, Goodman DC, Skinner JS (2008): Tracking the care of patients with<br />
severe chronic illness: The Dartmouth Atlas of Health Care. The Dartmouth Institute for<br />
Health Policy and Clinical Practice, Dartmouth Medical School, Lebanon, New Hampshire<br />
(www.dartmouthatlas.org)<br />
Werblow A, Karmann A, Robra B-P (2010): Effizienz, Wettbewerb und regionale Unterschiede<br />
in der stationären Versorgung. In: Klauber J, Geraedts M, Friedrich J (Hrsg.):<br />
Krankenhaus-Report 2010, Schwerpunkt: Krankenhausversorgung in der Krise? Stuttgart:<br />
Schattauer, 41-70<br />
White C, Seagreave S (2005): What happens when hospital-based skilled nursing facilities<br />
close? A propensity score analysis. Health Services Research 40: 1883-1897<br />
Wickizer TM, Wheeler JRC, Feldstein PJ (1991): Have hospital inpatient cost containment<br />
programs contributed to the growth in outpatient expenditures? Analysis of the substitution<br />
effect associated with Hospital Utilization Review. Medical Care 29: 442-451<br />
Zeiler N, Münzel H (2008): Ambulante Leistungen in und an Krankenhäusern. Grundlagen<br />
und praktische Umsetzung, Stuttgart: Kohlhammer<br />
Zweifel P (1985): Technology in ambulatory medical care: cost increasing or cost saving?<br />
Social Science Medicine 21: 1139-1151<br />
105
10. Anhänge<br />
A1. Rahmenbedingungen und Determinanten auf der Leistungsanbieter- und Leistungsnachfragerseite<br />
im Gesundheitswesen<br />
106
A2. Einfacher Regressionsansatz<br />
A2.1 Herleitung<br />
Die folgende Darstellung leitet die Schätzung eines „Verlagerungseffekts“ ab aus beobachtbaren<br />
Größen, nämlich aus den ambulanten und den stationären Leistungsinzidenzen und ihrem<br />
Verhältnis. Die Darlegung geht zunächst von einer einzelnen Region aus und verallgemeinert<br />
anschließend auf einen Regressionsansatz von mehreren Regionen. Das Problem der gleichzeitigen<br />
Berücksichtigung von Größen auf Seiten der abhängigen Variable und der unabhängigen<br />
Variable bleibt in diesem Ansatz ungelöst.<br />
A2.1.1 Eine Region, Ausgangsjahr<br />
Gegeben sei eine Region mit einer Leistungsdichte I (wie Inzidenz). Diese Leistungsinzidenz<br />
ist als Leistungsmenge pro 1000 Versicherte definiert. Die Inzidenzen stationärer und ambulanter<br />
Leistungen seien Is und Ia.<br />
Damit ist im Ausgangsjahr 0<br />
Igesamt0 = I0s + I0a<br />
(1)<br />
Der Quotient der Leistungsinzidenzen ist<br />
q<br />
I<br />
0a<br />
0 =<br />
I0s<br />
108 (2a)<br />
oder<br />
I0a = q0I0s (2b)<br />
Eingesetzt in (1) ergibt sich<br />
Igesamt0 = I0s + q0 ⋅ I0s = I 0s ⋅ (1 + q 0)<br />
(3)<br />
A2.1.2 Eine Region, Folgejahr, Verlagerung konstant (additiv)<br />
Im Folgejahr 1 sei im einfachsten Fall die Leistungsinzidenz insgesamt gleich geblieben. Änderungen<br />
der Population unter Risiko nach Alter und Geschlecht und weitere bekannte Störgrößen<br />
(z.B. Abnahme der Leistungserbringer) sind durch Standardisierung zu berücksichtigen.<br />
Dafür sind am besten nicht nur zwei, sondern mehrere querschnittliche Messungen (Paneldaten)<br />
oder sogar indvividuell-längsschnittliche Datenreihen verfügbar.<br />
Igesamt0 = Igesamt1<br />
(4)<br />
108 q0 1 > ist nicht notwendig, Bedingung für eine Verlagerung ist dagegen q1 q0<br />
> .<br />
107
Es wurde jedoch ein Betrag c der stationären Inzidenz in den ambulanten Sektor verlagert, so<br />
dass<br />
Igesamt1 = I1s + I 1a = (I0s − c) + (q0 ⋅ I0s + c)<br />
(5)<br />
Das ergibt im Folgejahr einen neuen Quotienten der Leistungsinzidenzen<br />
q<br />
1<br />
I1a q0 ⋅ I0s + c<br />
= =<br />
I I − c<br />
1s 0s<br />
Nach Umformung ist c demnach<br />
c = I<br />
0s<br />
q − q<br />
1+ q<br />
1 0<br />
1<br />
Bei Kenntnis von I0s, q0 und q1, die alle empirisch vorliegen, lässt sich c also berechnen.<br />
+c<br />
-c<br />
Abbildung A2.1: Verlagerung einer absoluten Leistungsmenge c aus dem stationären in den<br />
ambulanten Sektor, eine Region; q=tanα<br />
A2.1.3 Eine Region, Folgejahr, Verlagerung proportional (multiplikativ)<br />
Bei insgesamt gleich gebliebener Leistungsinzidenz sei im Folgejahr die stationäre Leistungsinzidenz<br />
um einen bestimmten Anteil v < 1 reduziert auf I 0s ⋅ (1 − v) . Das Komplement<br />
I = I ⋅ v wurde damit nach ambulant verlagert, so dass jetzt<br />
v 0s<br />
I1a<br />
I0a<br />
Ia<br />
I1s<br />
I0s<br />
Is<br />
(6)<br />
(7)<br />
108
Igesamt1 = I1s + I1a = I 0s ⋅ (1 − v) + (q0 ⋅ I0s + I0s ⋅ v)<br />
(8a)<br />
oder<br />
Igesamt1 = I 0s ⋅ (1 − v) + I 0s ⋅ (q0 + v)<br />
(8b)<br />
q1 ist jetzt<br />
q<br />
1<br />
I1a I 0s ⋅ (q0 + v) q0 + v<br />
= = =<br />
I I ⋅ (1 − v) 1− v<br />
1s 0s<br />
Aufgelöst nach v ergibt sich<br />
q − q<br />
v =<br />
1+ q<br />
+I0s v<br />
1 0<br />
1<br />
I1a<br />
I0a<br />
Ia<br />
I1s<br />
-I0s v<br />
I0s<br />
Abbildung A2.2: Verlagerung einer Leistungsinzidenz I0s ⋅ v aus dem stationären in den ambulanten<br />
Sektor, eine Region; q=tanα<br />
Bei einer proportionalen Inzidenzverlagerung reicht also die Kenntnis von q0 und q1, um den<br />
Anteil v berechnen zu können. Für die Bestimmung der nach ambulant verlagerten Leistungsinzidenz<br />
Iv ist die Kenntnis von I0s nötig (siehe Formel 8a). Iv hat wie I0s die Dimension Leistungen<br />
pro 1000 Versicherte.<br />
Ein „gemischter Verlagerungseffekt“, d.h. eine additive in Verbindung mit einer proportionalen<br />
Verlagerung, lässt sich auf der Basis nur einer Region durch Kombination der Gleichungen<br />
5 und 8a zwar formulieren, aber nicht lösen, weil zwei unbekannte Parameter (c und v)<br />
Is<br />
(9)<br />
(10)<br />
109
aus nur einer Gleichung zu schätzen wären. Für dieses Problem braucht man also mehr Freiheitsgrade<br />
(mehr Regionen und/oder längere stabile Trends) und rekursive Gleichungen.<br />
A2.1.4 Unvollständige Verlagerung<br />
Es kann sein, dass die Reduktion im stationären Sektor und der Aufwuchs im ambulanten<br />
Sektor quantitativ nicht gleich sind, dass also die Annahme konstanter Gesamtinzidenzen<br />
(Gleichung 4) oder I0s − I1s = I1a − I0a<br />
verletzt wird. Im Extremfall könnte die stationäre<br />
Inzidenz sinken, während die ambulante Inzidenz konstant bleibt, d.h. stationäre Leistungen<br />
fallen kompensationslos aus (in Abbildung 4 wandern die Regionen horizontal nach links).<br />
Auch in diesem Fall wird q1 > q0 sein. Wir bezeichnen die durch unvollständige Verlagerung<br />
s<br />
erreichte ambulante Inzidenz im Jahr 1 als I1a<br />
(Abbildung 3). Der nach links gerichtete Pfeil<br />
soll generell die Parameter des Modells mit unvollständiger Verlagerung kennzeichnen.<br />
s<br />
Wenn (I0s − I 1s) > (I1a − I 0a ) , ist also nur ein Teil der im stationären Sektor ausgefallenen<br />
Leistungen nach ambulant verlagert worden, und zwar (bezogen auf I 1a ) der Anteil p
Wenn stationäre Leistungen ganz ausfallen und keine Verlagerung im ambulanten Sektor an-<br />
s s<br />
s<br />
kommt, ist I1a = I0a<br />
oder I1a − I0a = 0.<br />
Kleiner kann I1a<br />
nicht werden, solange überhaupt<br />
von einer Verlagerung stationärer Leistungen in den ambulanten Sektor ausgegangen wird<br />
(zur Berücksichtigung von zusätzlichen säkularen Trends siehe weiter unten). Randbedingung<br />
für p ist also<br />
1 p<br />
I<br />
I<br />
0a ≥ ≥ (15)<br />
1a<br />
Die (unvollständig) in den ambulanten Bereich verlagerte Inzidenz beträgt (siehe Gleichung<br />
12)<br />
s<br />
(16a)<br />
I = p ⋅ (q ⋅ I + I ⋅ v) − I<br />
v 0 0s 0s 0a<br />
oder wegen Gleichung 2b<br />
s<br />
I = p ⋅ (I + v ⋅ I ) − I<br />
v 0a 0s 0a<br />
s<br />
I1a<br />
I1a<br />
I0a<br />
Ia<br />
(16b)<br />
Abbildung A2.3: Unvollständige Verlagerung einer anteiligen Leistungsinzidenz v aus dem<br />
stationären in den ambulanten Sektor, eine Region; q=tanα<br />
(I − I ) < (I − I ) , kann natürlich nur (I0s I 1s)<br />
Wenn 0s 1s 1a 0a<br />
spricht dem Modell mit Erhaltung der Gesamtinzidenz.<br />
I1s<br />
-I0s v<br />
I0s<br />
Is<br />
− als verlagert gelten. Das ent-<br />
111
A2.1.5 Mehrere Regionen<br />
Bei Übergang auf mehrere Regionen i unterscheiden sich die regionalen Inzidenzen I0ai und<br />
I0si je nach dem regionalen Morbiditätsniveau, der Inanspruchnahme-Neigung der Bevölkerung,<br />
der Erreichbarkeit und Dichte der Leistungserbringer und auch rein zufällig. Das Verhältnis<br />
von ambulanter zu stationärer Inzidenz q0 lässt sich durch die Steigung einer Regressionsgeraden<br />
kennzeichnen. In die Schätzung dieser Geraden gehen die Regionen (invers varianz-)gewichtet<br />
ein (Abbildung 4).<br />
I 0a<br />
Ia<br />
α0<br />
I 0s<br />
t0<br />
Abbildung A2.4: Leistungsinzidenzen im stationären im ambulanten Sektor, mehrere Regionen,<br />
Ausgangsjahr t0; q0=tanα0; Mittelwerte I 0s und I 0a<br />
Im Folgejahr t1 können sich ambulante wie stationäre Leistungsinzidenzen ändern. Sie werden<br />
dies rein zufällig tun, durch die Entwicklung der Morbidität, durch Änderungen in der Inanspruchnahme-Neigung<br />
der Bevölkerung oder durch Änderungen der Dichte und Erreichbarkeit<br />
der Leistungserbringer.<br />
Bei rein zufälligen Schwankungen wird sich die im Ausgangsjahr gefundene Regressionsgerade<br />
nicht wesentlich ändern. Bei Änderungen der Morbidität, die sich in einer allgemeinen<br />
Erhöhung (Absenkung) der ambulanten und der stationären Leistungsinzidenzen im bisherigen<br />
Verhältnis niederschlagen, wandert die Schar der Regionen entlang der im Ausgangsjahr<br />
gefundenen Regressionsgeraden mit entsprechender Verlagerung der Mittelwerte der stationären<br />
und der ambulanten Leistungsinzidenzen nach rechts und oben (links und unten) (Morbiditätseffekt).<br />
Is<br />
112
Eine „neue“ Regressionsgerade ergibt sich nur, wenn sich zusätzlich das Verhältnis von ambulanten<br />
zu stationären Leistungen über die Regionen hinweg ändert. Ein solcher Verlagerungseffekt<br />
in Richtung auf den ambulanten Sektor wird durch eine Regressionsgerade im<br />
Folgejahr erkennbar, deren Steigung größer ist als die der Geraden des Ausgangsjahres (Abbildung<br />
5, gleich mit unvollständiger Verlagerung dargestellt).<br />
Abbildung A2.5: Verlagerung einer Leistungsinzidenz aus dem stationären in den ambulanten<br />
s<br />
Sektor, mehrere Regionen, Folgejahr t1 mit unvollständiger Verlagerung I1a < I1a<br />
; q=tanα;<br />
quer überstrichen: Mittelwerte<br />
Im Fall vollständiger anteiliger Verlagerung ist die verlagerte Leistungsinzidenz<br />
q − q<br />
Iv = I0s ⋅ v = I0s<br />
⋅<br />
1+ q<br />
1 0<br />
1<br />
Dabei ist q0 die Steigung der Regressionsgeraden zum Zeitpunkt t0 und q1 die Steigung zum<br />
Zeitpunkt t1.<br />
Im Fall unvollständiger anteiliger Verlagerung ist jetzt (analog Gleichung 11)<br />
s<br />
I<br />
p =<br />
I<br />
1a<br />
1a<br />
s<br />
I1a<br />
I<br />
0a<br />
Ia<br />
I 1s<br />
und die verlagerte Leistungsinzidenz ist (analog Gleichung 16b in Verbindung mit Gleichung<br />
14 und Gleichung 18)<br />
s<br />
s<br />
q − p ⋅ q<br />
I = p ⋅ ( I + v ⋅ I ) − I = p ⋅ ( I + ⋅ I ) − I<br />
t1<br />
1 0<br />
v 0a 0s 0a 0a<br />
p + q1<br />
0s 0a<br />
I 0s<br />
t0<br />
Is<br />
(17)<br />
(18)<br />
s (19a)<br />
113
oder<br />
s<br />
s<br />
q − p ⋅ q<br />
Iv = I 0a ⋅ (p − 1) + I0s ⋅ p ⋅<br />
p + q<br />
1 0<br />
s (19b)<br />
1<br />
Dabei ist q0 die Steigung der Regressionsgeraden zum Zeitpunkt t0 und 1<br />
qs die Steigung zum<br />
Zeitpunkt t1. Formel 20b geht für p=1 (d.h. vollständige Verlagerung) wie notwendig in Formel<br />
17 über.<br />
114
A3. Primäre Datenerhebung<br />
A3.1 Fragenkatalog<br />
• Welche Veränderungen der Versorgungsstrukturen im ambulanten/stationären Bereich<br />
konnten Sie in den letzten Jahren festzustellen?<br />
• Sind irgendwelche Trends zu erkennen?<br />
• Kam es in den letzten Jahren vermehrt zu strukturellen Veränderungen in Ihrer Region?<br />
(Öffnungen/Schließungen von Praxen, bestimmter Fachbereiche/Abteilungen/ Krankenhäusern<br />
und neuer Betriebsformen wie MVZ?)<br />
• Welche stationären Leistungen wurden in den letzten Jahren durch den ambulanten Sektor<br />
substituiert? Und umgekehrt?<br />
• Habe Sie in den letzten Jahren Verlagerungseffekte wahrgenommen? In Ihrem Fachbereich?<br />
Bei einzelnen Indikations-/Krankheitsgruppen oder Therapiebereichen?<br />
• Welche Leistungserbringer konkurrieren mit Ihnen um dieselben Fälle/Leistungen?<br />
• Wie groß ist Ihrer Meinung nach die Stärke und Richtung der Verlagerungseffekte?<br />
Ambulant zu stationär? Oder stationär zu ambulant? Verschiebung in ganz andere Bereiche<br />
(z.B. Reha, Pflege)?<br />
• Können Sie Leistungskomplexe definieren, die in den letzten Jahren teilweise oder<br />
komplett aus der stationären Versorgung in den ambulanten Sektor ausgegliedert wurden?<br />
• Welche Ursachen gibt es für Verlagerungseffekte zwischen den Sektoren?<br />
• Wie schätzen Sie den Einfluss der folgenden Faktoren auf das Potential von Verlagerungseffekten<br />
ein? (Skala: kein, gering, mittel, stark, sehr stark)<br />
- Medizinisch-technischer Fortschritt<br />
- Vergütungsformen und –anreize im ambulanten oder stationären Bereich Budgetbegrenzung,<br />
Abrechenbarkeit von Leistungen im DRG-/EBM-System, Kapazitätsauslastung,<br />
…)<br />
- neue Betriebs- und Versorgungsformen u. a. DMP, IV-Verträge, MVZ<br />
- Spezialisierung- und Zentrenbildung<br />
- Leistungsdichte bzw. Versorgungsmängel (Krankenhaus-/Ärzteanzahl)<br />
- Demographie- und Morbiditätseffekt<br />
• Ist in dem ambulanten/stationären Sektor ein erwarteter höherer Leistungsbedarf je Diagnose<br />
und Verlagerung eingetreten, der zusätzliche Leistungen begründet bzw. ein höheres<br />
Verordnungsvolumen gerechtfertigt?<br />
• Werden die jeweiligen Sektoren (ambulant oder stationär) nach Ihrer Meinung angemessen<br />
refinanziert?<br />
• Gibt es Gründe für Anpassungen in der Erstattung bzw. müssen Leistungen aus unterschiedlichen<br />
Gründen angepasst werden?<br />
• Können Sie Patienten-/Leistungsverlagerungen ermitteln, die Sie ohne zusätzliches Honorar<br />
erbringen?<br />
115
A3.2 Experteninterviews<br />
Univ.-Prof. Dr. med. Thomas Lichte<br />
(Facharzt für Allgemeinmedizin, Palliativmedizin Psychotherapie Rettungsmedizin, Institute/Lehrstuhl<br />
für Allgemeinmedizin der Universitäten Magdeburg und Halle Universitäts-<br />
Klinikum)<br />
Herr Prof. Dr. med. Markus Herrmann MPH , M.A.<br />
(Institut für Allgemeinmedizin der Universitäten Magdeburg und Halle Universitäts-<br />
Klinikum)<br />
Herr Dr. med. Schäg<br />
(Chef-Controller, Universitätsklinikum Magdeburg)<br />
Interviewer: Prof. Dr. med. Robra, D. Thomas<br />
Dauer: 53 min.<br />
DRG-System:<br />
- frühere Entlassungen und Verweildauerverkürzung (blutiger Patient) durch DRG-System<br />
- Mehrleistungen durch Nachsorgebehandlung, Wundkontrolle, Hausbesuche, Laborkontrollen<br />
usw.<br />
- aber untere Grenzverweilung als Kostendämpfungsinstrument (durch Krankenkassen und<br />
MDK forciert), keine Abgeltung bei längerer Verlagerung<br />
- Problem: teilweise lange Verlagerung notwendig, keine strukturellen Vorrichtungen und<br />
Angebote in amb. Versorgung (Nachsorge, Anschlussheilbehandlung)<br />
- DRG haben zu Leistungsverdichtungen, Prozessoptimierung, bessere Planung<br />
Zusätzliche Leistungen<br />
die nicht in Vergütungssystem abgebildet werden:<br />
- Arzneimitteleinstellung (Wechsel stationär - ambulant, nach Klinik Umstellung notwendig,<br />
meistens mit Generika möglich, oft aber kein Generika vorhanden, sehr aufwendig;<br />
Beratung zu Rabattverträgen kompliziert und aufwendig, da intransparent)<br />
- Koordinations-, Kooperations-, - und Integrationsarbeit (keine Darstellung im EBM für<br />
Kontakte, im KH: Personal für Fallmanagement, Case Mgt. notwendig…)<br />
- Schnittstellenmangement mit anderen Leistungssektoren und weiteren Gesundheitsdienstleistungsbereichen<br />
(Physiotherapie usw.)<br />
- Schweinegrippeimpfung (Aufbereitung von Impfstoffen, Bürokratie usw.)<br />
- Erstellung von Listen Logistische Arbeit<br />
- Verlagerung von Verwaltungsarbeit von Krankenkassen: Praxispauschale, Anfragen, Kontrollbürokratie<br />
(in diesem Bereich Wachstum am stärksten, Grund liegt teilweise in Problematik<br />
der sektorale Trennung, IV benötigt auch eigene, getrennte Bürokratie)<br />
Ursachen für verhinderte potentielle Verlagerungen:<br />
- Koordinationsproblematik (Fehlbelegungen im KH, da kein Wissen über vorhandenen<br />
Strukturen)<br />
- Fehlanreize durch sektorale Trennung: Verteilungsarithmetik, Anreiz kostenträchtige<br />
Leistungen zu Verschieben, Abschottung der Sektoren (Distanz/ Lücke wird größer, Zunahme<br />
der Patienten die in diese Lücke fallen, Trennung wird insgesamt teuerer)<br />
- Intransparenz der Vergütungssysteme<br />
116
- gedeckelte Budgetierung im niedergelassenen Bereich (könnten prinzipiell Vor- und<br />
Nachsorge teilweise übernehmen aber keine Abgeltung im EBM)<br />
- Ambulanzen (unterfinanziert, fixe Pauschale)<br />
- Regionale Struktur: Nachsorge durch Hausarzt, da Operateur zu weit entfernt (Q-Problem)<br />
Bereiche mit Verlagerungen und Verlagerungspotentialen:<br />
- Onkologie<br />
- Chronische, multimorbide und alte Patienten<br />
- Wundversorgung<br />
- Gerinnungsmedizin (Med.-technischer Fortschritt!)<br />
- Pharmakologie: AM-Einstellung<br />
- Herzkatheter<br />
- Röntgenpraxis (keine Investition von KH-Seite)<br />
- Palliativmedizin (SAPV Verlagerung aus amb.)<br />
- Psychosomatik: Akute Suchtentwicklung, Entwöhnung, ambulante Reha<br />
- Amb. Operieren<br />
- Anästhesie<br />
- Amb. Notfallpraxis am Krankenhaus<br />
- Ambulanzen/Spezialarztpraxen (Schmerztherapie, Infusionen, Injektionen) – Problem:<br />
Allgemeinärzte qualifiziert aber kein Abrechnung mgl.)<br />
Lösungsvorschläge:<br />
- Pauschale für Hausärzte, weitere Spezialleistungen nach EBM<br />
- Einschreibungsgebühr (kein Pendeln zw. den Hausärzten)<br />
- Komplexpauschalen (Problem: Rosinenpicken in jeweiligen Sektoren)<br />
- DMP (10min. Betreuungspauschalen)<br />
- MVZ im niedergelassenen Bereich in strukturschwachen Regionen (Jobsharing, Verhinderung<br />
von Einweisungen, Qualität erhöhen, ökonomische Einsparungen)<br />
- Q-Zirkel zw. ambulant und stationär<br />
- MVZ am Krankenhaus mit niedergelassenen Ärzten oder unechte Belegung, Belegärzte,<br />
keine Fachabteilung notwendig für KH<br />
- Keine doppelte Facharztschiene<br />
Dr. Gösta Heelemann<br />
(Geschäftsführer, Krankenhausgesellschaft Sachsen-Anhalt)<br />
Interviewer: Prof. Dr. med. Robra, D. Thomas<br />
Dauer: 20 min.<br />
Einstellung zu § 87a SGB V<br />
• Spitzenverband der Krankenhäuser haben diesem Paragraph schon von Anfang an widersprochen<br />
• Paragraph ergibt keinen Sinn - keine Quantifizierung mit Daten möglich<br />
• komprimierter Kompromiss, der nicht zu Ende gedacht ist<br />
• außerdem unfair, da man nicht weiß, welche Leistungen überhaupt im ambulanten Sektor<br />
landen<br />
• Probleme der unterschiedlichen Vergütungssysteme: Nur Optimierung innerhalb des Systems,<br />
Schnittstellenproblematik und Schnittschärfen haben zugenommen<br />
117
• Ist die Finanzierbarkeit der GKV (Bundesverfassungsgericht) oder der Erhalt der Freiberuflichkeit<br />
der Ärzte höchstes Gut (FDP Forderung vor dem Wahlkampf)<br />
Lösungsvorschlag:<br />
• Prozeduren der DRG müssten aufgeschlüsselt werden, um Leistungen herauszusuchen, die<br />
ambulant erbracht werden können (hohe Komplexität des DRG-Systematik und vorgegebene<br />
Wege bei ihrer Weiterentwicklung)<br />
• sektorübergreifende Pauschalen oder Mitintegration des ambulanten Bereich in DRG-<br />
Prozess und Vergütung (Integrationsvertrag)<br />
Frau Dr. G. Kudela<br />
(Niedergelassene Allgemeinärztin und Ärztekammer Sachsen-Anhalt)<br />
Interviewer: Prof. Dr. med. Robra, D. Thomas<br />
Dauer: 10 min.<br />
- Starke Verlagerungen durch Verweildauerverkürzungen bemerkbar<br />
- Bsp.: Wundversorgung, Schlaganfallpatienten, multimorbide Alte (Leistungsfähigkeit der<br />
Geriatrieabteilungen zu gering)<br />
Herr Dr. med. Dr. phil. Moritz Heepe<br />
(Ärztlicher Direktor Alexianer, Fachkrankenhaus für Psychiatrie und Psychotherapie, St. Joseph-Krankenhaus<br />
Dessau-Roßlau)<br />
Interviewer: Prof. Dr. med. Robra, D. Thomas<br />
Dauer: 10 min.<br />
• schwer Verlagerungen an einzelnen abgrenzbare Leistungen zu nennen, aber Verlagerungen<br />
in den ambulanten Bereich bemerkbar; Enthospitalisierungsstrategie in der Psychiatrie<br />
allerdings gewollt<br />
• Verlagerung ambulant-stationär immer auch abh. von regionaler Dichte niedergelassener<br />
Ärzte<br />
• besonderes Problem Drehtüreffekt – Drehtürpatienten haben Verlagerungspotential; beide<br />
Sektoren könnten ein gemeinsames Interesse haben, die Drehtürgeschwindigkeit zu verlangsamen<br />
• Demenzkranke mit Verhaltensstörungen tauchen nicht auf in der Versorgung der Gerontopsychiatrie;<br />
der Grund liegt nicht bei einer leistungsfähige Heimlandschaft.<br />
Dr. med. Jost Achenbach, Pfeiffersche Stiftungen<br />
(Chefarzt, Klinik für Pneumologie, Allergologie, Schlaf- und Beatmungsmedizin und Thorakale<br />
Onkologie; Lungenklinik Lostau gGmbH)<br />
Interviewer: Prof. Dr. med. Robra, D. Thomas<br />
Dauer: 20 min.<br />
118
Ökonomische Anreizstrukturen vs. Qualität:<br />
- Verlagerungen zwischen den Sektoren hat stark zugenommen, auch stark in den ambulanten<br />
Bereich hinein (ökonomischer Druck der Krankenhäuser durch DRG)<br />
- Grund: Problematik der sektoralen Vergütungssysteme und getrennte Strukturen<br />
- Auch gezielte Verhinderung von Verlagerung in andere Versorgungsbereiche, da gewisse<br />
Krankheiten, DRGs und Patientengruppen lukrativ<br />
- teilweise schon negative Effekte auf Qualität: Arzt/Krankenhaus hat nicht mehr die notwendige<br />
Kompetenz (Stichwort: Mindestmengen)<br />
Leistungsbereiche:<br />
- Bronchial-Biopsien (rein technisch ambulant durchführbar, aber relativ hohes Pneumothoraxrisiko,<br />
aus diesem Grund benötigt dieser Eingriff Überwachung über die Narkoseüberwachung<br />
hinaus, bei Notfall schneller Eingriff notwendig;<br />
- Verlagerungspotenzial letztendlich auch abh. vom Sicherheitsstandard des Krankenhauses<br />
Verlagerungen durch MDK:<br />
- Untere Grenzverweildauer im DRG-System hat interessanten Verlauf genommen. Sie war<br />
prinzipiell dafür gedacht, zu frühe („blutige“) Entlassungen zu verhindern.<br />
- Verlagerung wird nicht allein aus der DRG-Vergütungslogik heraus entwickelt, sondern<br />
darüber hinaus auch aktiv gestaltet durch Prozess wie MDK-Prüfung. Inzwischen kürzt<br />
der MDK die Tage über der Verweildaueruntergrenze und argumentiert, dass die Fälle<br />
dann auch gleich hätten ambulant durchgeführt werden können.<br />
- MDK-Prüfungen sind ein gezieltes Eingreifen zur strategischen Fallsteuerung mit dem<br />
Ziel, Fälle in den amb. Bereich zu verschieben. Die Regeln des MDK sind allerdings nicht<br />
klar. Der Arzt beim MDK gibt nur kurze sozialmedizinische Stellungnahmen; Gutachten<br />
von 2-3 Zeilen sind keine Seltenheit (fachärztliche Kompetenz muss angemahnt werden)<br />
- Möglichkeit vorher und begleitend in Vergütungsvereinbarung mit einzubringen da es<br />
eine gestaltete Verlagerung ist (Effekte der Strategieänderung von MDK evaluierbar)<br />
Verlagerung abhängig von regionaler Versorgungsdichte:<br />
- Anreisewege für spezialisierte Versorgung sind u.U. sehr lang (z.B. „ambulante“ Chemotherapie);<br />
es ist dann nicht möglich am selben Tag anzureisen, zu behandeln und eine<br />
Rückreise zuzumuten (diese Problematik ist bei Kassen begründbar und durchsetzbar)<br />
- Die Zuweisung zur Ermächtigungsambulanz ist teilweise dysfunktional; Ermächtigung<br />
gilt für auf Zuweisungen durch gleichnamigen Facharzt; der allerdings ist ausgelastet und<br />
praktiziert für den Patienten weiter weg als die Ermächtigungsambulanz; um sie in Anspruch<br />
nehmen zu können, werden aus Prinzip zwei Fachärzte in Anspruch genommen<br />
- Sektorgrenzen werden schwieriger für Patienten, schlechte qualitative Versorgung<br />
- Spezialisierung führt zu Anstieg der Schnittstellenproblematik (Schwerpunktsetzung aber<br />
auch notwendig)<br />
Lösungsvorschlag:<br />
- gleiche Vergütungssysteme (Pauschalen) in beiden Sektoren, Sektor sollte keine Rolle<br />
spielen für Erbringung einer bestimmten Leistung (ambulant oder stationär). In welchem<br />
Sektor Leistung erbracht wird, sollte sich nach Qualitätskriterien richten, nicht nach der<br />
abstrakten Intention, Fälle in den ambulanten Bereich zu schieben.<br />
Priv. Doz. Dr. med. Felix M. Böcker<br />
(Saale-Unstrut Klinikum-Naumburg, Psychatrie)<br />
119
Interviewer: Prof. Dr. med. Robra, D. Thomas<br />
Dauer: 15 min.<br />
Vergütungsanreize entscheidend für Verlagerung<br />
- Es sind viele Verlagerungen feststellbar<br />
- In Psychotherapie sind Verlagerungen abhängig vom Vergütungssystem<br />
- Verlagerungsproblematik wäre nicht vorhanden wenn Vergütung stimmen würde<br />
- Verlagerung ambulant – stationär wegen schlechter Vergütung in niedergelassenem Bereich<br />
(40 Euro für 2 Kontakte, 3 x kann er nicht abrechnen, wenn nicht durch zusätzliche<br />
Leistungen wie Arzneimittelverschreibung kompensiert wird)<br />
- Verlagerung auch abhängig von regionaler Belastung, Auslastung und Anzahl der niedergelassenen<br />
Ärzte; z.B.: niedergelassene Ärzte können bei Krisen keine akuten Termine<br />
vergeben, sondern nur solche mit langen Wartezeiten, akuter Behandlungsbedarf muss also<br />
per Sektoreinweisung stationär durchgeführt werden (obwohl teilweises im ambulanten<br />
Bereich Behandlung möglich gewesen wäre).<br />
- Krankenkassen müssten die Tageskliniken mehr forcieren, da sie Leistungen abpuffern<br />
können, wird aber teilweise zweckentfremdet<br />
- MDK-Prüfung sind eigentlich nicht die Ursache für die Probleme; manche Fälle enden<br />
vor dem Sozialgericht<br />
Lösungsbeispiele:<br />
- Regionalbudgets geben gute Anreize: Bsp. Prof. Arno Deister, Psychiatrie im Kreis Itzehoe,<br />
mittlerweile positiv evaluiert, Ziel war, stationäre psychiatrische Leistungen umzuschichten<br />
in tagesklinische, gute Ergebnisse, da Patienten in gewohnter Umgebung, stationäre<br />
Behandlung wird dadurch nicht überflüssig<br />
- gemeindeorientiert Versorgung; Bsp. Modellprojekt Universitätsklinikum Eppendorf , PD<br />
Dr. M. Lambert: Vermeidung von Krankenhausaufnahmen durch Besuch von Personal in<br />
gewohnter Umgebung (assertive community treatment, ACT); aber die Behandlung zu<br />
Hause verlangt hohen Personalaufwand oft 1-2 mal am Tag, gelegentlich im Team, lange<br />
Wegestrecken/-zeiten; dagegen ist die Visite auf Station weniger aufwändig (ca. 15-20 Patienten<br />
pro Std. „am Fließband“) und bietet eine 24h Betreuung, letztendlich Erfolg und<br />
Durchführbarkeit abhängig von sozialer/ familiärer Situation des Patienten (soziale Unterstützung/<br />
Einbindung daheim, möglich z.B. bei großen Migrationsfamilien)<br />
Dr. med. Andreas Eckmann<br />
(Facharzt für Anästhesiologie, Notfallmedizin, Ärztliches Qualitätsmangement, Management-<br />
und Servicegesellschaft für soziale Einrichtungen mbH, Controller im Verbund der Diakonissenkrankenhäuser<br />
Sachsen und Sachsen-Anhalt und stv. Geschäftsführer für den medizinischen<br />
Part, Diakonissenkrankenhaus Dessau)<br />
Interviewer: D. Thomas<br />
Dauer: 10 min.<br />
• Versorgung ambulant hat qualitativ abgenommen in den letzten Jahren, daher Verlagerung<br />
auch ambulant in stationär feststellbar (potentielle vermeidbare stationäre Fälle), z.B. Anstieg<br />
der Notfallpatienten wegen keiner/schlechter oder zu geringer ambulanter Versorgung<br />
(z.B. lange Wartezeiten) oder wegen langen Wartezeiten, geschlossenen niedergelassenen<br />
Praxen, starken Budgetierung im ambulanten Bereich<br />
120
• Verweildauerverkürzung hat in Deutschland schon vor DRG-Einführung begonnen (an<br />
Kurvenverlauf erkennbar)<br />
• Zu starke Verweildauerverkürzung und Verlagerung nicht möglich da sonst Risiko der<br />
Qualitätsproblematik für Krankenhaus und Probleme mit niedergelassenem Bereich (in<br />
gewisser Weise auch auf diesen angewiesen)<br />
• Keine pauschale generelle Verlagerung quantifizierbar, unterschiedlich je nach Bereich.<br />
• Verlagerung vor allem in Endoprothetik, Orthopädie dort aber insbesondere in Reha-<br />
Bereich. Dieser wurde aber auch von 4 auf 3 Wochen gekürzt, somit dadurch auch wiederum<br />
indirekte Verlagerung in den ambulanten Bereich.<br />
Herr Voigt (Leiter Allgemeine Verwaltung)<br />
Herr Dr. med. Müller (Ärztlicher Leiter, Chefarzt der Abteilung Psychosomatische Medizin<br />
und Psychotherapie)<br />
AWO Fachkrankenhaus Jerichow (Klinik für Psychiatrie, Psychotherapie, Neurologie und<br />
Psychosomatische Medizin)<br />
Interviewer: D. Thomas<br />
Dauer: 10 min.<br />
Verlagerung ambulant – stationär:<br />
• eher feststellbar, da niedergelassene Ärzte an Kapazitätsgrenzen stoßen<br />
• ambulante Ärzte können hochpreisige Arzneimittel wegen Richtlinien und Budgetierungen<br />
nicht mehr verschreiben, stationärer Bereich noch mehr Möglichkeiten<br />
• elektive, planbare Leistungen weisen bis zu halbes Jahr Wartezeiten auf, im ambulanten<br />
sowie im stationären Bereich<br />
• müssen Fälle aufnehmen, können nicht abweisen<br />
• Abschiebung von Fällen in ambulanten Bereich wegen Wahrung eines guten Verhältnissen<br />
mit niedergelassenen Ärzten nicht möglich<br />
Verlagerungen zwischen Krankenhäusern<br />
• Verlagerungen in AWO Krankenhaus aus anderen Krankenhäusern (die mit DRG abrechnen)<br />
feststellbar<br />
Leistungsbereiche mit bestimmtem Verlagerungspotential<br />
• demente, multimorbide Kranke<br />
• Schizophrenie<br />
121
A4. AWMF: DRG-Einführung und Verlagerungen in andere Sektoren<br />
Auswertung des Fragenkatalogs vom BMG an AWMF-Mitgliedgesellschaften zu den<br />
Erfahrungen mit der DRG-Einführung, April 2007<br />
(Quelle: AWMF online, http://www.uni-duesseldorf.de/awmf/drg/bmg-umfr.htm, aktualisiert 22.11.2007. Dort<br />
sind auch die Antworten der einzelnen Fachgesellschaften zu finden.)<br />
Inwieweit hat die DRG-Einführung zu einer Verlagerung von bislang stationär erbrachten<br />
Leistungen in andere Sektoren geführt?<br />
a) Ambulante, prä- und poststationäre Versorgung durch Krankenhäuser.<br />
b) Ambulante Versorgung durch niedergelassene Ärzte.<br />
c) Rehabilitationsleistungen.<br />
d) Pflegedienstleistungen (z. B. häusliche Krankenpflege, Pflege in Pflegeeinrichtungen).<br />
Bitte beschreiben Sie Art und Umfang der Leistungsverlagerung möglichst genau und legen<br />
Sie auch dar, auf welchen Anhaltspunkten oder Daten Ihre Aussagen beruhen.<br />
Zusammenfassung: Aussagefähige Daten zur Frage sektoraler Verlagerungen liegen bislang<br />
nicht vor. Eindeutig ist, dass parallel zur DRG-Einführung die Zahl ambulanter Operationen,<br />
die von Krankenhäusern durchgeführt werden, deutlich zugenommen hat. Inwieweit dies<br />
durch die DRG-Einführung oder andere Einflussfaktoren bedingt ist, bleibt unklar. Mangels<br />
belastbarer Daten werden vielfach insbesondere Vermutungen hinsichtlich einer Verlagerung<br />
von z. B. Voruntersuchungen auf niedergelassene Ärzte, von Pflegeleistungen auf gesonderte<br />
ambulante oder stationäre Pflegeeinrichtungen oder auf Rehabilitationseinrichtungen angestellt.<br />
GKV und PKV führen aus, dass sich angesichts noch fehlender aussagekräftiger Daten, die<br />
über einen Versorgungssektor hinausgehen, diese Fragen derzeit noch nicht beantworten ließen.<br />
Eine isolierte Betrachtung der Auswirkungen des Entgeltsystems sei „aufgrund der Gesamtentwicklungen<br />
der letzten Jahre“ nicht möglich. Anhaltspunkte für eine Verminderung<br />
der „Gesamtbehandlungskosten der Patienten“ lägen nicht vor.<br />
Die DKG verweist zur Beantwortung auf die auch an den Schnittstellen der stationären Versorgung<br />
intensivierten Kooperationsmöglichkeiten. „Da die Leistungsdichte in der stationären<br />
Versorgung und der Leistungsumfang in den Krankenhäusern unzweifelhaft stark zugenommen<br />
hat, ist es irreführend, systeminduzierte Leistungsverlagerungen aus dem stationären<br />
Sektor heraus zu unterstellen, da hiermit suggeriert wird, dass die Krankenhäuser weniger<br />
Leistungen erbringen würden.“ Zwar würden bestimmte Leistungen verstärkt ambulant erbracht,<br />
im Gegenzug komme es aber zu einer „Überkompensation der „verlagerten“ Leistungen“<br />
durch die demographische Entwicklung und den medizinischen Fortschritt. Der VKD<br />
weist darauf hin, dass es zwar sicher eine Verlagerung von Leistungen gegeben habe, dass<br />
diese jedoch nicht ausschließlich auf die DRG-Einführung zurückzuführen sei. Zu fordern sei<br />
für die Krankenhäuser eine „Behandlungsfreiheit nach Einweisung“. Der VUD führt aus, dass<br />
aufgrund fehlender Daten die Frage „weitgehend offen ist [...], inwieweit die Verweildauerverkürzung<br />
mit einer Leistungsverlagerung einhergeht oder alleine durch Leistungsverdichtung<br />
zu erklären ist“. Der massive Fallzahlanstieg beim ambulanten Operieren zeige, dass die<br />
Ein-Tages-DRGs Verlagerungsanreize setzten. Ergänzend weist der VUD darauf hin, dass<br />
zwischen den Krankenhäusern „massive Verschiebungen bei den Fallzahlen zugunsten der<br />
Maximalversorger zu beobachten“ seien.<br />
Im Hinblick auf die deutlichen Fallzahlsteigerungen beim ambulanten Operieren vermutet die<br />
BÄK, dass „das DRG-System als ergänzender Trigger gewirkt“ habe. Problematisch sei, „dass<br />
122
Patienten, bei denen in der Akutklinik keine zwingende Behandlungsnotwendigkeit mehr besteht,<br />
bei denen aber gleichzeitig keine Rehabilitationsfähigkeit zum aktuellen Zeitpunkt gegeben<br />
ist, teilweise zwischenzeitlich zur Überbrückung der Zeit nach Hause entlassen wurden.“<br />
Der DPR führt aus, dass insbesondere „Krankenhäuser, die direkte Einrichtungen angeschlossen<br />
oder Kooperationen eingegangen sind, [...] Leistungen in ambulante oder stationäre Pflegeeinrichtungen<br />
massiv ausgelagert“ hätten. Ermöglicht durch den „medizinischen Fortschritt<br />
(z. B. Onkologie, Verträglichkeit von Zytostatika verbessert) [... sei] eine Verschi bung in den<br />
ambulanten Bereich sehr wohl erkennbar. Allerdings lassen sich bei der Notfallversorgung<br />
Tendenzen erkennen, die sich mehr an Kliniken orientieren. Die Auswirkungen auf die Versorgungsqualität<br />
durch die Strukturveränderungen bleiben derzeit noch offen.“ Für Patienten<br />
in den Rehabilitationseinrichtungen sei angesichts der „demographischen Entwicklung sowie<br />
der deutlichen Verweildauerreduktion“ ein höherer Pflegebedarf erkennbar. Dies sei aber in<br />
den verschiedenen Bereichen sehr spezifisch und unterschiedlich zu sehen.<br />
Der vzbv verweist auf in Einzelfällen zu machende Beobachtungen, „dass bestimmte Voruntersuchungen<br />
auf den ambulanten Arzt oder notwendige Nachsorge auf Reha-Einrichtungen<br />
abgeschoben werden, um die Kosten für die eigene Einrichtung zu minimieren.“ Auch die<br />
DVfR weist darauf hin, dass viele Patienten nicht mehr stationär aufgenommen, sondern ambulant<br />
von den Krankenhäusern betreut würden. Angesicht vermehrter Komplexbehan lungen<br />
(z. B. in der Geriatrie, Neurologie) würden die „Kostenträger die erfolgte Behandlung als ausreichend<br />
einstufen und eine weitergehende Rehabilitation ablehnen. Eine Behandlung im Akutkrankenhaus<br />
kann aber oftmals eine anschließende Rehabilitation nicht ersetzen, da hier<br />
andere Therapieziele verfolgt werden.“ Hinsichtlich der Frage der Verlagerung von Leistungen<br />
vom Krankenhaus in die Rehabilitation gelte: „Rehabilitationseinrichtungen stellen fest,<br />
dass sie aufgrund der frühzeitigen Entlassung zunehmend Methoden der Krankenbehandlung<br />
ausführen müssen, die üblicherweise nicht Aufgabe und Gegenstand der medizinischen Rehabilitation<br />
sind. Sie sind zwar fachlich in der Lage, diese Leistungen auszuführen, der damit<br />
verbundene Aufwand ist jedoch nicht Gegenstand der Vergütung der Rehabilitationsleistung.“<br />
Befürchtet wird zudem, dass „durch sehr frühzeitige Entlassungen schwerstpflegebedürftiger<br />
Patienten in Pflegeeinrichtungen oder in die ambulante Pflege ein Mehraufwand entsteht, da<br />
die nachfolgenden Stellen und auch Angehörige sehr genau über die häufig äußerst aufwändige<br />
Pflege informiert werden müssen.“ Auch wird befürchtet, dass in Verbindung mit der „insgesamt<br />
unzureichenden medizinisch-pflegerischen Versorgung von Heimpatienten [...] (bei<br />
frühen Verlegungen aus dem Krankenhaus noch häufiger) die Patienten auch aus relativ geringem<br />
Anlass über den Notarzt in das Krankenhaus (wieder)eingewiesen werden [...] (Drehtüreffekt)“.<br />
Zusammenfassend berichten die Medizinischen Fachgesellschaften überwiegend von Verlagerungstendenzen.<br />
Art und Umfang stellen sich in den einzelnen Fachgebieten jedoch sehr<br />
unterschiedlich dar, z. T. beständen auch keine Verlagerungsmöglichkeiten. Mehrheilich wird<br />
insbesondere von einer deutlichen Zunahme ambulanter Eingriffe sowie prästationärer Leistungen<br />
durch Krankenhäuser berichtet. Als Gründe hierfür werden neben dem Katalog nach §<br />
115b SGB V, den MDK-Fehlbelegungsprüfungen und der medizinischen und medizinschtechnischen<br />
Entwicklung auch die DRG-Einführung genannt. Auf niedergelasseneÄrzte<br />
scheint teilweise eine Verlagerung der Diagnostik sowie der poststationären Versorgung zu<br />
erfolgen, jedoch gibt es auch Hinweise auf durch die Begrenzung der vertragsärztlichen Gesamtvergütungen<br />
bedingte Leistungsverlagerungen aus dem niedergelassenen Bereich. Für<br />
Rehabilitationseinrichtungen wird von einer früheren Verlegung und für die Pflege von einer<br />
zugenommenen und zunehmenden Inanspruchnahme häuslicher Krankenpflege und Pflege in<br />
123
Pflegeeinrichtungen berichtet. Beide Entwicklungen verlaufen jedoch wiederum nicht einheitlich<br />
für alle Fachgebiete. Abschließend ist festzuhalten, dass auch die Fachgesellschaften auf<br />
den Mangel valider Daten zum Thema Leistungsverlagerungen hinweisen, so dass alternativ<br />
subjektive Einschätzungen angestellt werden müssen.<br />
Stichpunkte aus den Stellungnahmen der einzelnen Fachgesellschaften sind:<br />
- „Valide Daten zu Leistungsverlagerungen liegen aufgrund weitgehend fehlender Versorgungsforschung<br />
nicht vor, so dass über Einflüsse größtenteils gemutmaßt bzw. an bei den<br />
Kostenträgern vorliegenden Abrechnungsdaten abgeschätzt werden muss.“<br />
Ambulante, prä- und poststationäre Versorgung durch Krankenhäuser:<br />
- „Eine ambulante, prä- oder poststationäre Versorgung durch Krankenhäuser wird im Zuge<br />
der Fehlbelegungsprüfung zunehmend von MDK bzw. Kostenträgern verlangt [...]“.<br />
- „Der Druck von Kassenseite, alle ambulant zu erbringenden Leistungen auch ambulant<br />
durchzuführen, wächst jedoch stetig, oft zu Lasten der Patienten. Zunehmend müssen präoperative<br />
Tage ausgebucht oder als vorstationär abgerechnet werden.“<br />
- „Die DRG-Einführung hat in unserem Fachgebiet zu einer Verlagerung von bisher stationär<br />
erbrachten Leistungen in den Bereich ambulante und prä- und poststationäre Versorgung<br />
durch die Krankenhäuser geführt.“<br />
- „Die ambulante prä- und poststationäre Versorgung durch Krankenhäuser hat in [Fachgebiet]<br />
deutlich zugenommen.“<br />
- „Krankenhäuser verzeichnen steigende Zahlen bei ambulanten Operationen nach § 115b<br />
SGB V (s. z. B. Krankenhausreport 2006, WIdO). Dabei ist zu beachten, dass es sich nicht<br />
ausschließlich um verlagerte Leistungen von bisher stationären Leistungen handelt.“<br />
- „Die zunehmende Deckelung der ambulanten Versorgung führt zu immer größeren Patientenzahlen,<br />
die in den Klinikambulanzen vorgestellt werden ohne, dass dafür die Strukturen<br />
bestehen. Es muss daher eine konsequente Öffnung der Kliniken für ambulante<br />
Leistungen erfolgen.“<br />
- „Es ist also eine ganz erhebliche Verlagerung in den ambulanten Bereich zu verzeichnen,<br />
was teilweise durchaus sinnvoll ist, teilweise aber extrem problematisch.“ (Gründe: § 115b,<br />
MDK-Fehlbelegungsprüfungen).<br />
- „Hat in allen Bereichen des Krankenhauses deutlich zugenommen, mehr – naturgemäß –bei<br />
chirurgischen Fächern. Führt jedoch zu erheblichen Irritationen zwischen Kliniken und Niedergelassenen,<br />
auch durch Interaktionen der KV.“<br />
- „Reine ambulante Versorgung (außer Notfallversorgung) im Krankenhaus bricht zunehmend<br />
weg, da niedergelassene Ärzte die im Krankenhaus vorhandenen Kassenzulassungen durch<br />
die Kassenärztlichen Vereinigungen erhalten, die gleichzeitig dem Krankenhaus entzogen<br />
werden. So müssen Sprechstunden in Krankenhäusern geschlossen werden.“<br />
Ambulante Versorgung durch niedergelassene Ärzte:<br />
- „Zweifellos führt die Verweildauerverkürzung zu einer zunehmenden ambulanten Inanspruchnahme<br />
niedergelassener Ärzte und von Pflegediensten.“<br />
- „Verstärkte ambulante prä- und poststationäre Versorgung ist eingetreten. Da jedoch die<br />
niedergelassenen Ärzte budgetiert sind, werden häufig die vorgeschlagenen Untersuchungen<br />
ambulant nicht durchgeführt, so dass hier eine Verschlechterung erfolgt.“<br />
- „Teilweise Verlagerung der Diagnostik in ambulante Versorgung, poststationär in Rehabilitationseinrichtungen.“<br />
- „Die wünschenswerte Verlagerung geeigneter prä- und poststationärer Leistungen zu wohnortnah<br />
niedergelassenen Ärzten (z. B. im ländlichen Raum) krankt an den unzureichend definierten<br />
Schnittstellen.“<br />
- „[...] wird vieles neuerdings ambulant durch niedergelassene Kollegen erbracht, ohne dass<br />
hierdurch auch nur die bisherige Behandlungsqualität erhalten geblieben wäre, vielmehr ist<br />
deutlich zu verzeichnen, dass vermehrt Patienten mit Komplikationen nach vorangegangener<br />
124
ambulanter Behandlung bzw. Patienten mit Problemen auf Grund einer verzögerten fachspezifischen<br />
Therapie zur Behandlung vorgestellt werden.“<br />
- „Gerade in [Fachgebiet] mit den sehr teuren Medikamenten hat sicher ein Trend stattgefunden,<br />
Patienten wann immer es geht ambulant und nicht mehr stationär zu behandeln. Allerdings<br />
ist dies kein unmittelbarer Ausdruck des DRG-Systems, sondern hat mit Verschiebungen<br />
innerhalb der Sektoren im Gesundheitswesen zu tun. Wiederum muss hier betont werden,<br />
dass ohne eine begleitende Versorgungsforschung Fragen wie sie hier gestellt werden nicht<br />
ausreichend gut beantwortet werden können.“<br />
- „Eine Verlagerung von stationär erbrachten Leistungen in den ambulanten Sektor innerhalb<br />
[Fachgebiet] wurde vor allem durch den medizinisch-fachlichen Fortschritt erzielt. Darüber<br />
hinaus sind es auch die spezialisierten niedergelassenen Ärzte, die vorher stationäre Therapien<br />
in den ambulanten Sektor verlagert haben. Zwangsläufig hat auch eine Verschiebung von stationär<br />
in ambulant durch knapp oder schlecht bewertete DRGs stattgefunden [...].“<br />
- „In Einzelfällen kommt es zu früheren Entlassungen als unter der Abrechung nach tagesgleichen<br />
Pflegesätzen, hierdurch wird die ambulante Versorgung durch niedergelassene<br />
Ärzte gering mehr gefordert.“<br />
Rehabilitationsleistungen:<br />
- „Bezüglich Rehabilitationsleistungen wird kein Änderungsbedarf gesehen.“<br />
- Bei Rehabilitations- und Pflegedienstleistungen „hat es außer einem etwas gebesserten Entlassungsmanagement<br />
sicher keine weitere Verlagerung gegeben.“<br />
- „Fachabhängig besteht die Gefahr, dass ambulanter und Reha-Sektor mehr Aufgaben ohne<br />
einen höheren Budgetanteil erhalten.“<br />
- „Hier hat das DRG-System über die Vergütung als Pauschale eine zügige Verlagerung stationärer<br />
Patienten zu Rehabilitationseinrichtungen bewirkt.“<br />
- „Frühere Überführung in Rehabilitationseinrichtungen.“<br />
- „Durch optimiertes Entlassungsmanagement können einige Krankenhäuser möglicherweise<br />
eine frühere Verlegung in die Rehabilitation erzielen. [...] Problematisch sind allerdings Fälle,<br />
bei denen zwar keine akutmedizinische Behandlungsnotwendigkeit mehr besteht, aber eine<br />
Rehabilitationsfähigkeit noch nicht gegeben ist. Eine zwischenzeitliche Entlassung nach Hause<br />
oder in eine Kurzzeitpflege würde das medizinisch sinnvolle Konzept einer möglichst frühzeitig<br />
einsetzenden und kontinuierlichen Rehabilitation konterkarieren und ist bei einem Teil<br />
der Patienten auch gar nicht möglich. Es müssen Lösungen gefunden werden, die klarstellen,<br />
wer in den jeweiligen Konstellationen Kostenträger ist und wie die erbrachten Leistungen zu<br />
vergüten sind. Analog entstehen Versorgungslücken an der Schnittstelle zur Pflege.“<br />
Pflegedienstleistungen:<br />
- „Aus unserer Sicht kommt insbesondere eine Verlagerung nach dem stationären Aufenthalt<br />
in häusliche Krankenpflege, Pflegeeinrichtungen und hin zum einweisenden Arzt zum Tragen.“<br />
- „Die häusliche Kinderkrankenpflege ist bei einer frühen Entlassung in Einzelfällen auch<br />
mehr involviert, hierbei handelt es sich aber um seltene Situationen, weil meistens die Eltern<br />
mit der häuslichen Pflege nicht überfordert sind.“<br />
- „Pflegedienstleistungen werden verstärkt in Anspruch genommen.“<br />
- „Hier hat das DRG-System über die Vergütung als Pauschale eine zügige Verlagerung stationärer<br />
Patienten zu Pflegeeinrichtungen bewirkt.“<br />
- „Zugenommene und zunehmende Inanspruchnahme häuslicher Krankenpflege und Pflege in<br />
Pflegeeinrichtungen.“<br />
125
A5. Auswertungen des Scientific Use Files der Krankenhausdiagnosestatistik<br />
In Tabelle A5.1 sind Krankenhausfallhäufigkeiten nach dem Wohnort des Patienten aufgeführt.<br />
Die Krankenhausdiagnosestatistik umfasst alle in Deutschland vollstationär versorgten<br />
Krankenhausfälle incl. der Behandlungsfälle von Privatversicherten des Jahres 2003. Die Statistik<br />
ist eine reine Fallstatistik; Verlegungen und Wiederaufnahmen innerhalb eines Jahres<br />
werden separat gezählt. Als Standardpopulation für die Berechung direkt alters- und geschlechtsstandardisierter<br />
Raten für die Deutschlandbevölkerung von 2003 herangezogen. Die<br />
Raten für die 24 Landkreise und kreisfreien Städte Sachsen-Anhalt (vor der Gebietsreform<br />
2007) sind im Einzelnen aufgeführt, die Verteilungsparameter beziehen sich dagegen auf die<br />
Gesamtheit aller regionalen Einheiten (449 Landkreise und kreisfreie Städte).<br />
A5.1: Rohe und direkt standardisierte Krankenhausfallhäufigkeit insgesamt (pro 10.000<br />
Einwohner) nach Landkreisen und kreisfreien Städten, 2003<br />
Landkreis Einwohner KH-Fälle Rate roh Rate stand.<br />
Dessau, kreisfreie Stadt 78.380 19.757 2.521 2.357<br />
LK Anhalt-Zerbst 74.803 17.760 2.374 2.324<br />
LK Bernburg 67.352 16.957 2.518 2.420<br />
LK Bitterfeld 102.702 26.160 2.547 2.480<br />
LK Köthen 67.949 15.748 2.318 2.257<br />
LK Wittenberg 125.906 27.707 2.201 2.173<br />
Halle (Saale), kreisfreie Stadt 240.119 52.968 2.206 2.179<br />
Burgenlandkreis 137.581 33.150 2.409 2.318<br />
LK Mansfelder Land 103.261 26.516 2.568 2.472<br />
LK Merseburg-Querfurt 130.547 28.258 2.165 2.103<br />
Saalkreis 80.981 14.877 1.837 1.905<br />
LK Sangerhausen 65.232 16.391 2.513 2.418<br />
LK Weißenfels 75.591 18.885 2.498 2.392<br />
Magdeburg, kreisfreie Stadt 227.535 47.318 2.080 2.011<br />
LK Aschersleben-Staßfurt 98.484 26.019 2.642 2.573<br />
Bördekreis 77.372 17.906 2.314 2.318<br />
LK Halberstadt 77.134 19.535 2.533 2.487<br />
LK Jerichower Land 97.733 22.119 2.263 2.261<br />
Ohrekreis 116.593 24.478 2.099 2.165<br />
LK Stendal 135.647 29.492 2.174 2.195<br />
LK Quedlinburg 75.714 20.166 2.663 2.559<br />
LK Schönebeck 74.256 21.705 2.923 2.826<br />
LK Wernigerode 93.793 23.054 2.458 2.386<br />
Altmarkkreis Salzwedel 98.276 24.333 2.476 2.509<br />
Sachsen-Anhalt 2.522.941 599.411 2.376 2.329<br />
Deutschland 82.531.671 17.265.211 2.092 2.092<br />
Minimum 1.439 1.485<br />
Maximum 2.990 2.890<br />
10%-Perzentil 1.784 1.815<br />
unteres Quartil 1.911 1.939<br />
Median 2.085 2.098<br />
oberes Quartil 2.314 2.295<br />
90%-Perzentil 2.491 2.427<br />
Extremalquotient 2,08 1,95<br />
Quotient 90%-Perzentil./10%-Perzentil 1,40 1,34<br />
126
(Quelle: Krankenhausdiagnosestatistik, Scientific-use-file 2003; Standard: Deutschlandbevölkerung 2003)<br />
Aus der Tabelle A5.1 ist erkennbar, dass mit Ausnahme der Stadt Magdeburg und des die<br />
Stadt Halle/Saale umgebenden Saalkreises die standardisierte Krankenhausinanspruchnahme<br />
2003 deutlich über dem Durchschnittswert von Deutschland lag, sechzehn Landkreise liegen<br />
über dem oberen Quartil, davon wiederum sieben sogar jenseits des 90%-Perzentils. Die<br />
Streuung innerhalb des Landes ist dabei etwas weniger stark ausgeprägt als in Deutschland<br />
insgesamt, der Extremalquotient liegt bei 1,48, der Quotient aus dem 80%- und dem 10%-<br />
Perzentil sogar nur bei 1,22.<br />
Deutschlandlandweit betrachtet finden sich Regionen weit unterdurchschnittlicher Inanspruchnahme<br />
in Baden-Württemberg, großen Teilen Hessens, Niedersachsens und Schleswig-<br />
Holsteins. In den neuen Bundesländern sind unterdurchschnittliche Inanspruchnahmen vor<br />
allem in Sachsen zu beobachten (vgl. Abbildung A5.1).<br />
Dieser Befund ändert sich nicht wesentlich, wenn man die wichtigsten Krankheitsartengruppen<br />
der ICD 10 betrachtet (Tabelle A5.2). Auch hier weisen fast alle Landkreise und kreisfreien<br />
Städte aus Sachsen-Anhalt eine (alters- und geschlechtsstandardisiert) überdurchschnittliche<br />
Inanspruchnahme auf. Lediglich bei den Krankheiten des Muskel-Skelett-System<br />
wird der Bundesdurchschnitt um 3,2 % unterschritten.<br />
Die folgende Tabelle A5.3 und die anschließende Karte (Abbildung A5.2) für eine der dort<br />
aufgeführten Diagnosen (Asthma bronchiale, J45) zeigen indirekt standardisierte Krankenhaushäufigkeiten<br />
für einzelne Hauptdiagnosen, beispielhaft für Krankheiten aus der Weissman-Liste<br />
der ‚avoidable hospitalizations’. Hier wurde die indirekte Standardisierung wegen<br />
zum Teil geringer Fallzahlen in einzelnen Altersgruppen gewählt.<br />
Tiefergehende Auswertungen mit dem Scientic Use file sind nicht möglich und angesichts der<br />
fehlenden Aktualität der Daten (vor der DRG-Einführung) auch für dieses Projekt wenig<br />
sinnvoll.<br />
127
Abbildung A5.1: Direkt standardisierte Krankenhaushäufigkeit nach Landkreisen und<br />
kreisfreien Städten, 2003<br />
128
Tabelle A5.2: Direkt standardisierte Krankenhausfallhäufigkeit für die häufigsten<br />
Krankheitsartengruppen (pro 10.000 Einwohner) nach Landkreisen und kreisfreien<br />
Städten, 2003<br />
Landkreis<br />
Neubildungen<br />
Krhn. Ernährung,<br />
Stoffwechsel<br />
Psych.<br />
Krankheiten<br />
Krhn. Kreislaufsystem<br />
Krhn. Atmungssystem<br />
Dessau 316,7 66,4 168,6 333,9 153,9<br />
LK Anhalt-Zerbst 289,8 75,3 124,9 368,7 141,3<br />
LK Bernburg 322,5 77,4 133,3 419,4 166,0<br />
LK Bitterfeld 320,2 72,1 96,5 466,2 240,7<br />
LK Köthen 265,0 62,2 120,7 360,7 116,7<br />
LK Wittenberg 218,5 83,1 135,9 318,8 138,2<br />
Halle 316,7 86,0 158,8 307,1 150,3<br />
Burgenlandkreis 239,0 93,1 119,4 422,5 181,6<br />
LK Mansfelder Land 271,1 83,3 111,0 374,4 210,5<br />
LK Merseburg-Querfurt 256,2 105,9 111,6 365,9 120,6<br />
Saalkreis 257,2 77,3 79,4 274,3 126,6<br />
LK Sangerhausen 277,9 111,0 111,0 387,4 171,7<br />
LK Weißenfels 317,6 165,5 102,3 403,7 161,6<br />
Magdeburg 270,0 59,2 122,9 299,8 124,1<br />
LK Aschersleben-Staßfurt 277,1 64,8 126,2 411,8 223,3<br />
Bördekreis 289,8 57,0 99,7 352,3 219,6<br />
LK Halberstadt 324,8 60,5 124,6 386,9 213,8<br />
LK Jerichower Land 237,8 80,2 102,4 322,2 167,2<br />
Ohrekreis 282,2 58,7 97,3 331,9 162,1<br />
LK Stendal 260,3 71,6 139,0 347,2 148,0<br />
LK Quedlinburg 396,7 70,1 199,5 327,5 182,0<br />
LK Schönebeck 284,3 67,1 105,4 512,3 239,3<br />
LK Wernigerode 237,4 70,3 145,0 409,3 190,2<br />
Altmarkkreis Salzwedel 264,8 69,3 144,5 402,0 170,8<br />
Sachsen-Anhalt 283,3 80,0 126,9 367,4 168,8<br />
Deutschland 232,6 58,8 120,1 332,3 133,3<br />
Minimum 159,9 25,7 57,9 194,4 86,7<br />
Maximum 412,0 165,5 279,3 546,6 240,7<br />
10%-Perzentil 186,8 45,5 86,0 269,7 106,7<br />
unteres Quartil 202,7 50,4 97,6 294,6 117,6<br />
Median 228,4 58,5 112,8 328,3 133,1<br />
oberes Quartil 259,1 65,9 133,0 371,0 151,8<br />
90%-Perzentil 291,8 77,6 156,6 410,7 171,3<br />
Extremalquotient 2,58 6,44 4,82 2,81 2,78<br />
Quotient 90%/10%-Perz. 1,56 1,71 1,82 1,52 1,61<br />
(Quelle: Krankenhausdiagnosestatistik, Scientific-use-file 2003)<br />
129
Tabelle A5.2: Direkt standardisierte Krankenhausfallhäufigkeit für die häufigsten<br />
Krankheitsartengruppen (pro 10.000 Einwohner) nach Landkreisen und kreisfreien<br />
Städten, 2003 (Forts.)<br />
Landkreis<br />
Krhn. Verdauungssystem<br />
Krhn. Muskel-Skelett-<br />
System<br />
Krhn. Urogenitalsystem<br />
Symptome<br />
Verletzungen<br />
u. Vergiftungen<br />
Dessau 265,3 161,1 160,7 58,8 197,4<br />
LK Anhalt-Zerbst 248,1 171,6 150,0 87,6 223,2<br />
LK Bernburg 241,3 158,5 168,2 74,2 195,8<br />
LK Bitterfeld 270,0 127,0 156,9 45,0 237,8<br />
LK Köthen 265,8 151,1 177,7 68,9 221,0<br />
LK Wittenberg 192,9 156,7 157,1 92,1 216,7<br />
Halle 216,0 127,7 135,6 69,5 207,8<br />
Burgenlandkreis 235,3 157,7 117,2 49,3 226,9<br />
LK Mansfelder Land 234,4 175,2 177,0 67,2 246,7<br />
LK Merseburg-Querfurt 211,2 135,1 129,0 47,1 215,4<br />
Saalkreis 200,3 134,8 119,0 57,4 204,2<br />
LK Sangerhausen 269,4 190,0 159,4 71,2 208,1<br />
LK Weißenfels 273,8 125,1 128,9 28,8 222,7<br />
Magdeburg 212,1 142,2 145,1 48,2 197,4<br />
LK Aschersleben-Staßfurt 250,2 180,8 178,4 99,7 250,1<br />
Bördekreis 248,2 172,8 159,4 62,8 218,7<br />
LK Halberstadt 247,6 152,4 165,6 48,3 238,4<br />
LK Jerichower Land 254,3 195,7 142,7 75,2 262,2<br />
Ohrekreis 206,5 162,5 130,9 63,0 215,8<br />
LK Stendal 218,8 185,8 140,4 87,0 206,0<br />
LK Quedlinburg 258,2 161,5 157,4 90,1 259,0<br />
LK Schönebeck 281,5 193,4 156,8 122,8 322,4<br />
LK Wernigerode 221,4 178,2 141,0 53,4 208,5<br />
Altmarkkreis Salzwedel 238,3 179,0 160,7 114,5 197,4<br />
Sachsen-Anhalt 236,2 163,0 149,5 68,7 227,0<br />
Deutschland 216,0 168,4 129,1 65,0 207,7<br />
Minimum 142,3 80,3 83,6 23,9 141,8<br />
Maximum 312,7 268,7 205,0 169,6 322,4<br />
10%-Perzentil 183,5 128,1 108,2 45,2 174,8<br />
unteres Quartil 196,4 144,7 117,6 54,3 191,6<br />
Median 214,8 170,9 130,0 64,6 210,6<br />
oberes Quartil 236,4 195,7 144,4 75,2 233,0<br />
90%-Perzentil 253,7 214,8 160,0 90,8 252,5<br />
Extremalquotient 2,20 3,35 2,45 7,11 2,27<br />
Quotient 90%/10%-Perz. 1,38 1,68 1,48 2,01 1,44<br />
(Quelle: Krankenhausdiagnosestatistik, Scientific-use-file 2003)<br />
130
Tabelle A5.3: Indirekt standardisierte Krankenhausfallhäufigkeit (Durchschnitt Deutschland<br />
2003: 100) für Diagnosen aus der Liste der „avoidable hospitalizations“ (Weissman<br />
et al. 1992) nach Landkreisen und kreisfreien Städten, 2003<br />
Landkreis<br />
Akute Appendizitis<br />
(K35)<br />
Asthma<br />
bronchiale<br />
(J45)<br />
Cellulite<br />
(L03)<br />
Herzinsuffizienz<br />
(I50)<br />
Nicht insulinpfl.Diabetes<br />
(E11)<br />
Dessau 135 152 132 99 135<br />
LK Anhalt-Zerbst 136 81 100 142 167<br />
LK Bernburg 142 159 162 99 199<br />
LK Bitterfeld 84 145 120 161 171<br />
LK Köthen 157 101 60 103 192<br />
LK Wittenberg 87 94 146 90 154<br />
Halle 85 222 81 105 138<br />
Burgenlandkreis 156 306 81 97 270<br />
LK Mansfelder Land 99 225 122 209 171<br />
LK Merseburg-Querfurt 107 111 121 122 221<br />
Saalkreis 85 146 73 111 142<br />
LK Sangerhausen 112 180 135 117 363<br />
LK Weißenfels 248 141 68 120 573<br />
Magdeburg 79 96 64 137 101<br />
LK Aschersleben-Staßfurt 123 254 75 172 122<br />
Bördekreis 146 181 101 108 143<br />
LK Halberstadt 87 190 108 218 93<br />
LK Jerichower Land 178 104 108 99 209<br />
Ohrekreis 95 101 181 148 107<br />
LK Stendal 89 111 169 97 155<br />
LK Quedlinburg 144 155 21 113 82<br />
LK Schönebeck 109 102 105 247 146<br />
LK Wernigerode 75 170 100 183 156<br />
Altmarkkreis Salzwedel 90 103 193 143 163<br />
Minimum 55 33 21 53 21<br />
Maximum 248 1.207 372 247 573<br />
SAR < 50 0 24 11 0 19<br />
50 ≤ SAR < 75 33 81 94 58 92<br />
75 ≤ SAR < 100 200 144 133 163 131<br />
100 ≤ SAR < 125 134 99 99 132 89<br />
125 ≤ SAR < 150 58 48 67 63 50<br />
150 ≤ SAR < 200 22 44 35 30 48<br />
SAR >= 200 2 9 10 3 20<br />
missing 0 0 0 0 0<br />
10%-Perzentil 78 59 63 72 59<br />
unteres Quartil 86 76 76 85 75<br />
Median 98 96 96 101 96<br />
oberes Quartil 117 121 125 121 126<br />
90%-Perzentil 134 154 150 141 171<br />
Extremalquotient 4,48 36,97 18,10 4,64 27,50<br />
Quotient 90%/10%-Perz. 1,73 2,63 2,37 1,96 2,90<br />
SAR: (indirect) standardized admission rate; Quelle: Krankenhausdiagnosestatistik, Scientific-use-file 2003<br />
131
Tabelle A5.3: Indirekt standardisierte Krankenhausfallhäufigkeit (Durchschnitt Deutschland<br />
2003: 100) für Diagnosen aus der Liste der „avoidable hospitalizations“ (Weissman<br />
et al. 1992) nach Landkreisen und kreisfreien Städten, 2003 (Forts.)<br />
Landkreis<br />
Gangrän<br />
(R57)<br />
Hypertonie<br />
(I10-I14,<br />
I67)<br />
Pneumonie<br />
(J15/16, J18)<br />
Pyelonephriti<br />
(N10, N11)<br />
Ulkus (K25-<br />
K27)<br />
Dessau 28 141 94 156 154<br />
LK Anhalt-Zerbst 63 171 107 97 125<br />
LK Bernburg 45 209 79 123 134<br />
LK Bitterfeld 60 248 106 116 180<br />
LK Köthen 105 146 117 121 115<br />
LK Wittenberg 127 155 105 127 105<br />
Halle 97 107 104 99 105<br />
Burgenlandkreis 60 191 105 273 144<br />
LK Mansfelder Land 101 168 100 168 151<br />
LK Merseburg-Querfurt 96 161 67 108 109<br />
Saalkreis 67 89 87 69 112<br />
LK Sangerhausen 72 203 132 149 134<br />
LK Weißenfels 130 202 105 132 119<br />
Magdeburg 34 124 95 103 92<br />
LK Aschersleben-Staßfurt 136 139 172 136 122<br />
Bördekreis 192 163 214 173 134<br />
LK Halberstadt 72 112 155 202 111<br />
LK Jerichower Land 176 205 146 125 108<br />
Ohrekreis 68 185 157 112 111<br />
LK Stendal 118 140 86 151 131<br />
LK Quedlinburg 50 132 106 43 180<br />
LK Schönebeck 92 238 231 189 162<br />
LK Wernigerode 49 215 162 87 109<br />
Altmarkkreis Salzwedel 69 111 106 142 162<br />
Minimum 8 30 49 21 47<br />
Maximum 620 273 240 354 193<br />
SAR < 50 51 12 1 21 2<br />
50 ≤ SAR < 75 98 77 48 94 50<br />
75 ≤ SAR < 100 97 137 158 110 156<br />
100 ≤ SAR < 125 76 95 153 106 149<br />
125 ≤ SAR < 150 51 61 61 59 70<br />
150 ≤ SAR < 200 49 41 22 41 22<br />
SAR >= 200 26 26 6 18 0<br />
missing 1 0 0 0 0<br />
10%-Perzentil 49 64 74 60 73<br />
unteres Quartil 67 80 86 75 86<br />
Median 93 100 103 100 103<br />
oberes Quartil 128 129 118 126 119<br />
90%-Perzentil 177 168 139 160 135<br />
Extremalquotient 77,94 9,18 4,87 17,22 4,06<br />
Quotient 90%/10%-Perz. 3,64 2,63 1,88 2,68 1,84<br />
SAR: (indirect) standardized admission rate; Quelle: Krankenhausdiagnosestatistik, Scientific-use-file 2003<br />
132
Tabelle A5.3: Indirekt standardisierte Krankenhausfallhäufigkeit (Durchschnitt Deutschland<br />
2003: 100) für Diagnosen aus der Liste der avoidable hospitalizations (Weissman et<br />
al. 1992) nach Landkreisen und kreisfreien Städten, 2003 (Forts.)<br />
Landkreis<br />
schwere<br />
HNO-Infekt.<br />
(H66, J02,<br />
J03, J06, J31)<br />
Tuberkulose<br />
(A15-A19)<br />
COPD (J20,<br />
J41-J44,<br />
J47)<br />
Angina<br />
pectoris<br />
(I20, I24)<br />
Urogenitale<br />
Infektionen<br />
(N39)<br />
Dessau 205 132 109 58 115<br />
LK Anhalt-Zerbst 168 166 124 64 71<br />
LK Bernburg 175 78 185 101 72<br />
LK Bitterfeld 407 197 180 117 106<br />
LK Köthen 131 65 118 43 71<br />
LK Wittenberg 181 141 97 66 67<br />
Halle 154 163 122 64 103<br />
Burgenlandkreis 241 70 129 67 75<br />
LK Mansfelder Land 414 117 193 73 91<br />
LK Merseburg-Querfurt 190 108 98 49 96<br />
Saalkreis 116 124 110 49 82<br />
LK Sangerhausen 178 94 190 81 128<br />
LK Weißenfels 295 207 93 88 72<br />
Magdeburg 135 205 102 80 80<br />
LK Aschersleben-Staßfurt 364 171 181 108 123<br />
Bördekreis 221 255 129 105 75<br />
LK Halberstadt 273 104 153 134 119<br />
LK Jerichower Land 383 220 117 87 77<br />
Ohrekreis 248 148 93 79 80<br />
LK Stendal 218 140 112 156 91<br />
LK Quedlinburg 275 104 125 38 90<br />
LK Schönebeck 378 366 152 154 77<br />
LK Wernigerode 257 94 122 94 99<br />
Altmarkkreis Salzwedel 224 240 151 206 204<br />
Minimum 24 13 46 38 46<br />
Maximum 414 898 199 227 204<br />
SAR < 50 18 61 1 18 2<br />
50 ≤ SAR < 75 88 109 65 87 55<br />
75 ≤ SAR < 100 126 94 162 134 180<br />
100 ≤ SAR < 125 86 78 122 114 139<br />
125 ≤ SAR < 150 49 47 65 47 48<br />
150 ≤ SAR < 200 44 36 34 41 24<br />
SAR >= 200 38 22 0 8 1<br />
missing 0 2 0 0 0<br />
10%-Perzentil 61 44 71 61 73<br />
unteres Quartil 76 64 82 76 85<br />
Median 98 89 99 96 98<br />
oberes Quartil 134 123 123 120 117<br />
90%-Perzentil 191 162 145 154 136<br />
Extremalquotient 17,04 67,24 4,30 6,01 4,43<br />
Quotient 90%/10%-Perz. 3,13 3,68 2,06 2,52 1,87<br />
SAR: (indirect) standardized admission rate; Quelle: Krankenhausdiagnosestatistik, Scientific-use-file 2003<br />
133
Tabelle A.5.3: Indirekt standardisierte Krankenhausfallhäufigkeit (Durchschnitt<br />
Deutschland 2003: 100) für Diagnosen aus der Liste der avoidable hospitalizations<br />
(Weissman et al. 1992) nach Landkreisen und kreisfreien Städten, 2003 (Forts.)<br />
Landkreis Hypoglykämie<br />
(E16)<br />
Gastroenteritis<br />
(K52)<br />
Eisenmangel<br />
(D50)<br />
Sympt. d.<br />
Ernährung<br />
(R63)<br />
Salpingitis<br />
(N70)<br />
Dessau 318 93 128 113 151<br />
LK Anhalt-Zerbst 344 134 123 211 149<br />
LK Bernburg 68 106 210 266 417<br />
LK Bitterfeld 145 241 96 112 117<br />
LK Köthen 14 84 82 316 172<br />
LK Wittenberg 146 46 153 340 129<br />
Halle 76 134 106 122 142<br />
Burgenlandkreis 72 84 78 110 107<br />
LK Mansfelder Land 79 92 149 250 163<br />
LK Merseburg-Querfurt 88 77 162 95 114<br />
Saalkreis 82 112 81 34 100<br />
LK Sangerhausen 29 120 122 165 144<br />
LK Weißenfels 48 39 132 43 286<br />
Magdeburg 91 73 77 144 109<br />
LK Aschersleben-Staßfurt 222 98 83 143 122<br />
Bördekreis 90 67 84 197 119<br />
LK Halberstadt 159 160 114 115 143<br />
LK Jerichower Land 111 88 77 241 94<br />
Ohrekreis 110 55 73 174 117<br />
LK Stendal 135 58 151 132 168<br />
LK Quedlinburg 481 76 91 127 127<br />
LK Schönebeck 211 166 141 229 158<br />
LK Wernigerode 58 85 117 162 196<br />
Altmarkkreis Salzwedel 187 133 154 301 182<br />
Minimum 8 27 35 8 24<br />
Maximum 481 325 277 340 417<br />
SAR < 50 57 34 10 37 23<br />
50 ≤ SAR < 75 67 86 77 88 86<br />
75 ≤ SAR < 100 127 103 146 105 129<br />
100 ≤ SAR < 125 73 88 124 85 92<br />
125 ≤ SAR < 150 51 63 54 54 51<br />
150 ≤ SAR < 200 51 47 33 52 45<br />
SAR >= 200 22 28 5 27 23<br />
missing 1 0 0 1 0<br />
10%-Perzentil 46 54 65 51 59<br />
unteres Quartil 69 72 78 73 76<br />
Median 95 100 99 98 97<br />
oberes Quartil 129 135 121 133 128<br />
90%-Perzentil 165 174 144 181 169<br />
Extremalquotient 59,43 12,04 7,97 43,50 17,11<br />
Quotient 90%/10%-Perz. 3,57 3,24 2,23 3,52 2,88<br />
SAR: (indirect) standardized admission rate; Quelle: Krankenhausdiagnosestatistik, Scientific-use-file 2003<br />
134
Abbildung A5.2: Indirekt standardisierte Krankenhaushäufigkeit nach Landkreisen<br />
und kreisfreien Städten, 2003, Entlassungsdiagnose Asthma bronchiale (J45)<br />
135
A6. Auswertungen der Krankenhausdiagnosestatistik auf der Basis vierstelliger Postleitzahlbereiche,<br />
Berichtsjahr 2007<br />
In der folgenden Tabelle sind für die Diagnosen der Weissman-Liste Verteilungsparameter<br />
der indirekt standardisierten Krankenhaushäufigkeit für die 95 vierstelligen Postleitzahlbereichen<br />
aufgeführt, die komplett in Sachsen-Anhalt liegen. Aufgrund der teilweise geringen<br />
Fallzahlen weisen die Minima und Maxima vereinzelt extreme Werte auf. Damit ist auch der<br />
Extremalquotient als Quotient aus Maximum und Minimum nur bedingt aussagefähig. Eine<br />
besseren Eindruck von der kleinräumigen Streuung der Krankenhaushäufigkeit erhält man<br />
durch den Quotienten des 90%- und des 10%-Perzentils, bei dem die jeweils 5 Regionen mit<br />
den niedrigsten und höchsten standardisierten Raten unberücksichtigt bleiben. Die Streuung<br />
innerhalb von Sachsen-Anhalt bewegt sich dann üblicherweise um den Faktor zwei bis vier.<br />
Tendenziell nimmt die Streuung mit abnehmender Fallzahl zu. Ausgenommen aus der Berechnung<br />
der indirekt standardisierten Krankenhaushäufigkeit wurden Diagnosen mit einer<br />
Fallzahl landesweit unter 100.<br />
Abbildung A6.1 verdeutlicht gleichzeitig beispielhaft, dass die Visualisierung der Inanspruchnahme<br />
keine ausgeprägten größeren Regionen über- und unterdurchschnittlicher Krankenhaushäufigkeit<br />
erkennen lässt. Dies gilt auch für die anderen hier nicht graphisch dargestellten<br />
Diagnosen aus der Weissman-Liste.<br />
Tabelle A6.1: Indirekt standardisierte Krankenhausfallhäufigkeit (Durchschnitt Sachsen-<br />
Anhalt 2007: 100) für Diagnosen aus der Liste der avoidable hospitalizations (Weissman<br />
et al. 1992) nach vierstelligen Postleitzahlbereichen, 2007<br />
Verteilungsparameter<br />
der SAR<br />
Epilepsie<br />
(G40, G41)<br />
schwere<br />
HNO-Infekt.<br />
(H66, J02,<br />
J03, J06, J31)<br />
Urogenitale<br />
Infektionen<br />
(N39)<br />
Asthma<br />
bronchiale<br />
(J45)<br />
COPD (J20,<br />
J41-J44,<br />
J47)<br />
Fälle Sachsen-Anhalt ges. 5.076 4.113 3.818 903 9.775<br />
Minimum 32,7 28,5 34,2 31,1 32,9<br />
Maximum 207,6 239,7 236,0 241,6 228,1<br />
SAR < 50 4 8 4 5 4<br />
50 ≤ SAR < 75 18 20 16 18 19<br />
75 ≤ SAR < 100 30 26 38 13 27<br />
100 ≤ SAR < 125 26 16 18 16 20<br />
125 ≤ SAR < 150 11 12 9 11 12<br />
SAR >= 150 6 13 10 17 13<br />
Missing 0 0 0 15 0<br />
10%-Perzentil 62 53 62 62 63<br />
unteres Quartil 81 69 78 70 76<br />
Median 98 94 92 109 97<br />
oberes Quartil 116 125 110 145 129<br />
90%-Perzentil 139 171 151 188 156<br />
Extremalquotient 6,35 8,41 6,90 7,76 6,93<br />
Quotient 90%/10%-Perz. 2,24 3,23 2,45 3,01 2,48<br />
SAR: (indirect) standardized admission rate; Quelle: Krankenhausdiagnosestatistik 2007, kontrollierte Datenfernabfrage<br />
136
Tabelle A6.1: Indirekt standardisierte Krankenhausfallhäufigkeit (Durchschnitt Sachsen-<br />
Anhalt 2007: 100) für Diagnosen aus der Liste der avoidable hospitalizations (Weissman<br />
et al. 1992) nach vierstelligen Postleitzahlbereichen, 2007 (Forts.)<br />
Verteilungsparameter der<br />
SAR<br />
Cellulite<br />
(L03)<br />
Gastroenteritis<br />
(K52)<br />
Pneumonie<br />
(J15/16, J18)<br />
Tuberkulose<br />
(A15-A19)<br />
Ulkus (K25-<br />
K27)<br />
Fälle Sachsen-Anhalt ges. 1.368 3.690 9.027 291 3.128<br />
Minimum 40,8 27,0 43,3 25,9 43,1<br />
Maximum 254,6 336,2 286,5 835,3 159,1<br />
SAR < 50 6 9 1 1 1<br />
50 ≤ SAR < 75 27 22 20 2 13<br />
75 ≤ SAR < 100 22 24 31 5 37<br />
100 ≤ SAR < 125 12 15 24 9 23<br />
125 ≤ SAR < 150 12 7 9 5 15<br />
SAR >= 150 13 18 10 24 6<br />
Missing 3 0 0 49 0<br />
10%-Perzentil 53 52 68 83 67<br />
unteres Quartil 64 69 78 110 88<br />
Median 93 92 95 151 99<br />
oberes Quartil 129 129 117 188 120<br />
90%-Perzentil 161 189 151 327 138<br />
Extremalquotient 6,25 12,44 6,62 32,30 3,69<br />
Quotient 90%/10%-Perz. 3,02 3,66 2,23 3,92 2,06<br />
SAR: (indirect) standardized admission rate; Quelle: Krankenhausdiagnosestatistik 2007, kontrollierte Datenfernabfrage<br />
Tabelle A6.1: Indirekt standardisierte Krankenhausfallhäufigkeit (Durchschnitt Sachsen-<br />
Anhalt 2007: 100) für Diagnosen aus der Liste der avoidable hospitalizations (Weissman<br />
et al. 1992) nach vierstelligen Postleitzahlbereichen, 2007 (Forts.)<br />
Verteilungsparameter der<br />
SAR<br />
Angina pectoris<br />
(I20, I24)<br />
Nicht insulinpfl.Diabetes<br />
(E11)<br />
Hypertonie Herzinsuffizienz<br />
Eisenmangel<br />
Fälle Sachsen-Anhalt ges. 10.660 8.588 12.381 13.846 1.134<br />
Minimum 28,6 54,5 50,3 53,6 37,2<br />
Maximum 221,2 268,1 258,4 210,1 328,7<br />
SAR < 50 7 0 0 0 2<br />
50 ≤ SAR < 75 14 12 16 11 14<br />
75 ≤ SAR < 100 28 36 37 36 22<br />
100 ≤ SAR < 125 24 24 24 28 18<br />
125 ≤ SAR < 150 15 16 7 11 14<br />
SAR >= 150 7 7 11 9 20<br />
Missing 0 0 0 0 5<br />
10%-Perzentil 56 69 69 75 68<br />
unteres Quartil 80 85 81 84 83<br />
Median 99 99 98 101 107<br />
oberes Quartil 122 123 117 119 145<br />
90%-Perzentil 145 146 163 144 166<br />
Extremalquotient 7,74 4,92 5,14 3,92 8,84<br />
Quotient 90%/10%-Perz. 2,61 2,10 2,36 1,93 2,43<br />
SAR: (indirect) standardized admission rate; Quelle: Krankenhausdiagnosestatistik 2007, kontrollierte Datenfernabfrage<br />
137
Tabelle A6.1: Indirekt standardisierte Krankenhausfallhäufigkeit (Durchschnitt Sachsen-<br />
Anhalt 2007: 100) für Diagnosen aus der Liste der avoidable hospitalizations (Weissman<br />
et al. 1992) nach vierstelligen Postleitzahlbereichen, 2007 (Forts.)<br />
Verteilungsparameter der<br />
SAR<br />
Gangrene Volumenmangel <br />
Pyelonephritis<br />
Symptome<br />
Ernährung<br />
Salpingitis<br />
Fälle Sachsen-Anhalt ges. 186 1.663 1.045 789 615<br />
Minimum 49,2 19,5 43,4 27,0 37,4<br />
Maximum 516,2 533,5 323,6 476,9 347,3<br />
SAR < 50 1 20 2 11 3<br />
50 ≤ SAR < 75 1 18 14 10 12<br />
75 ≤ SAR < 100 6 14 17 12 19<br />
100 ≤ SAR < 125 4 9 15 12 14<br />
125 ≤ SAR < 150 3 9 14 12 13<br />
SAR >= 150 20 19 22 19 14<br />
Missing 60 6 11 19 20<br />
10%-Perzentil 82 39 60 44 58<br />
unteres Quartil 104 52 84 71 82<br />
Median 169 78 117 110 105<br />
oberes Quartil 293 140 151 147 136<br />
90%-Perzentil 358 218 216 229 174<br />
Extremalquotient 10,50 27,40 7,45 17,66 9,28<br />
Quotient 90%/10%-Perz. 4,37 5,56 3,60 5,22 2,99<br />
SAR: (indirect) standardized admission rate; Quelle: Krankenhausdiagnosestatistik 2007, kontrollierte Datenfernabfrage<br />
138
Abbildung A6.1: Indirekt standardisierte Krankenhaushäufigkeit nach vierstelligen<br />
Postleitzahlbereichen, 2007, Hauptdiagnose: Epilepsie (G40 und G41)<br />
139
A7. Auswertungen der Abrechnungsdaten der KV Sachsen-Anhalt, Berichtszeitraum<br />
2006 bis 2008<br />
Die folgenden Seiten stellen das ambulante Leistungsgeschehen in den beiden kreisfreien<br />
Städten Magdeburg und Halle sowie dem zwischen diesen beiden Städten gelegenen zentralen<br />
Salzlandkreis knapp und deskriptiv dar. Am Ende sind für einige der hierarchisierte Morbiditätsgruppen<br />
(HMG) beispielhaft indirekt standardisierte ambulanten Behandlungshäufigkeiten<br />
(patientenbezogen) aufgeführt, wobei bei quartalsweiser Abrechnung vorab festgelegt werden<br />
muss, bei welcher Anzahl von Quartalsscheinen im Jahr mit der entsprechenden – gesicherten<br />
- Diagnose (ein, zwei, drei oder vier) das Vorliegen einer Erkrankung festgestellt werden<br />
soll. Wir haben zwischen zwei und drei Quartalen pro Jahr differenziert, was einen Unterscheid<br />
von etwa 25 Prozent in der Zahl der betroffenen Patienten ausmacht.<br />
Tabelle A7.1: Scheinhäufigkeit (pro 10.000 Einwohner, über vier Quartale kumuliert) von<br />
Einwohnern der kreisfreien Städte Magdeburg und Halle sowie des Salzlandkreises<br />
nach Altersgruppe und Geschlecht, 2006 bis 2008<br />
Altersgruppe/<br />
Geschlecht<br />
2006<br />
2007<br />
2008<br />
Veränd. 2007<br />
vs. 2006 (%)<br />
Veränd. 2008<br />
vs. 2007 (%)<br />
bis unter 3 Jahre 6.284 6.357 6.380 1,2 0,4<br />
3 bis 5 Jahre 5.731 6.149 6.062 7,3 -1,4<br />
6 bis 9 Jahre 5.152 5.020 5.009 -2,6 -0,2<br />
10 bis 14 Jahre 3.481 4.454 4.606 28,0 3,4<br />
15 bis 19 Jahre 4.749 4.830 4.812 1,7 -0,4<br />
20 bis 24 Jahre 4.328 4.271 4.419 -1,3 3,5<br />
25 bis 29 Jahre 4.714 4.468 4.578 -5,2 2,5<br />
30 bis 34 Jahre 3.798 4.585 4.861 20,7 6,0<br />
35 bis 39 Jahre 4.208 4.426 4.531 5,2 2,4<br />
40 bis 44 Jahre 4.775 4.848 5.037 1,5 3,9<br />
45 bis 49 Jahre 5.509 5.739 6.053 4,2 5,5<br />
50 bis 54 Jahre 6.286 6.485 6.970 3,2 7,5<br />
55 bis 59 Jahre 8.619 7.995 8.600 -7,2 7,6<br />
60 bis 64 Jahre 7.069 8.675 9.183 22,7 5,9<br />
65 bis 74 Jahre 11.546 11.275 12.079 -2,3 7,1<br />
75 J. und älter 11.818 11.856 12.508 0,3 5,5<br />
Männer 5.161 5.430 5.744 5,2 5,8<br />
Frauen 8.039 8.328 8.810 3,6 5,8<br />
gesamt 6.653 6.931 7.332 4,2 5,8<br />
© Kassenärztliche Vereinigung Sachsen-Anhalt 2006 bis 2008<br />
Tabelle A7.2: Scheinhäufigkeit nach Art des Scheins von Einwohnern der kreisfreien<br />
Städte Magdeburg und Halle sowie des Salzlandkreises, 2006 bis 2008<br />
Scheinart<br />
2006<br />
2007<br />
2008<br />
Veränd. 2007<br />
vs. 2006 (%)<br />
Veränd. 2008<br />
vs. 2007 (%)<br />
Ambulante OP 79.466 92.051 15,8<br />
Labor 234.474 265.224 386.117 13,1 45,6<br />
Notfall 147.975 155.063 156.738 4,8 1,1<br />
Original 2.150.386 2.176.572 2.264.872 1,2 4,1<br />
stationär (Belegbett) 2.673 2.680 2.356 0,3 -12,1<br />
Überweisung 2.105.926 2.102.588 2.127.000 -0,2 1,2<br />
Vertreter 132.608 134.973 134.748 1,8 -0,2<br />
gesamt 4.774.042 4.916.566 5.163.882 3,0 5,0<br />
140
© Kassenärztliche Vereinigung Sachsen-Anhalt 2006 bis 2008<br />
Tabelle A7.3: Scheinhäufigkeit nach Facharztrichtung von Einwohnern der kreisfreien<br />
Städte Magdeburg und Halle sowie des Salzlandkreises, 2006 bis 2008<br />
Veränd. 2007 Veränd. 2008<br />
Scheinart<br />
2006 2007 2008 vs. 2006 (%) vs. 2007 (%)<br />
Allgemeinarzt 1.460.671 1.449.930 1.428.369 -0,7 -1,5<br />
Augenarzt (incl. Ermächt. 317.033 317.795 324.603 0,2 2,1<br />
Chirurg (incl. Ermächt.) 103.062 107.719 107.214 4,5 -0,5<br />
Frauenarzt (incl. Ermächt.) 469.990 464.860 431.939 -1,1 -7,1<br />
HNO-Arzt (incl. Ermächt.) 200.823 202.030 204.431 0,6 1,2<br />
Hautarzt (incl. Ermächtigung) 225.220 226.672 229.791 0,6 1,4<br />
Internist (incl. Ermächtigung) 612.239 661.660 687.850 8,1 4,0<br />
Kinderarzt (incl. Ermächt.) 238.313 245.050 239.072 2,8 -2,4<br />
Orthopäde(incl. Ermächt.) 207.717 206.521 210.955 -0,6 2,1<br />
Radiologe (incl. Ermächt.) 162.182 170.465 236.771 5,1 38,9<br />
Urologe (incl. Ermächtigung) 126.087 135.150 135.611 7,2 0,3<br />
Laborarzt 232.791 261.979 406.642 12,5 55,2<br />
Rest 417.914 466.735 520.634 11,7 11,5<br />
gesamt 4.774.042 4.916.566 5.163.882 3,0 5,0<br />
© Kassenärztliche Vereinigung Sachsen-Anhalt 2006 bis 2008<br />
141
Tabelle A7.4: Abrechnungszahlen der KVSA: HMG 109 (Bronchitis)<br />
mindestens in zwei Quartalen dokumentiert mindestens in drei Quartalen dokumentiert<br />
PLZ Region Einw.<br />
2006<br />
Einw.<br />
2007<br />
Einw.<br />
2008<br />
2006 2007 2008 2006 2007 2008<br />
Pat. SMR Pat. SMR Pat. SMR Pat. SMR Pat. SMR Pat. SMR<br />
0610 Halle 15.407 15.892 15.796 580 88,44 604 89,23 646 88,80 308 83,19 322 84,98 342 82,74<br />
0611 Halle 88.698 89.755 89.212 4.283 104,84 4.545 104,26 4.859 104,56 2447 101,97 2.751 105,37 2.931 103,60<br />
0612 Halle 98.756 95.327 94.733 5.326 110,64 5.556 109,01 5.877 108,66 3.039 104,38 3.345 104,59 3.624 105,32<br />
0613 Halle 38.367 37.398 37.172 2.051 107,42 2.162 107,43 2.271 106,49 1.286 110,67 1.377 109,71 1.484 109,56<br />
0640 Bernburg 37.124 39.813 16.743 1.898 94,74 1.980 94,61 2.058 93,39 1.217 100,21 1.301 99,81 1.380 98,88<br />
0642 Bernburg 25.255 22.195 45.867 982 87,73 1.040 89,56 1.076 88,34 613 90,61 661 91,69 724 94,07<br />
0644 Aschersl 6.955 31.432 2.250 1.681 105,41 1.727 103,06 1.793 98,62 1.060 109,11 1.119 106,62 1.162 100,23<br />
0645 Aschersl. 36.712 7.661 8.281 325 84,18 329 83,33 362 125,25 215 92,80 214 87,87 228 125,00<br />
0646 Aschersl. 15.966 13.885 34.085 708 100,70 721 101,23 789 105,65 468 111,31 476 108,61 545 116,19<br />
3910 Magdeburg 48.398 51.160 51.230 2.327 97,21 2.444 95,74 2.635 96,59 1.394 95,90 1.437 92,83 1.637 97,68<br />
3911 Magdeburg 88.441 89.977 90.100 4.424 103,25 4.721 101,01 5.019 100,63 2.678 103,62 2.860 98,84 3.159 100,87<br />
3912 Magdeburg 71.578 71.635 71.733 3.632 103,32 3.819 100,80 4.028 99,74 2.325 108,95 2.468 104,44 2.600 101,84<br />
3913 Magdeburg 18.258 17.054 17.077 813 100,57 860 106,66 877 101,38 496 106,32 531 111,47 569 109,14<br />
3921 Schönebeck 34.288 33.290 32.867 1.587 92,80 1.663 93,08 1.712 90,83 960 91,93 1.081 96,46 1.115 92,69<br />
3922 Schönebeck 9.220 9.014 8.902 352 82,72 393 87,55 416 87,44 220 87,52 233 85,35 242 82,00<br />
3924 Schönebeck 32.566 31.313 30.719 1.074 67,28 1.153 69,45 1.202 68,96 642 66,32 696 67,13 741 66,79<br />
3941 Staßfurt 21.149 20.294 19.940 1.070 103,63 1.255 117,96 1.360 121,42 623 99,71 729 110,27 793 111,80<br />
3943 Staßfurt 17.842 17.363 14.265 792 91,90 849 93,80 891 112,12 466 89,75 514 91,57 518 103,28<br />
3944 Staßfurt 15.758 14.900 18.830 753 99,33 823 106,10 1.009 96,01 402 88,38 497 103,67 583 87,99<br />
gesamt 717.569 709.358 704.328 34.658 36.644 38.880 20.859 22.612 24.377<br />
Min. 67,28 69,45 68,96 66,32 67,13 66,79<br />
10%-Perzentil 83,89 86,71 88,16 86,65 85,28 82,59<br />
Max. 110,64 117,96 125,25 111,31 111,47 125<br />
90%-Perzentil 105,81 107,75 113,98 109,42 109,82 112,68<br />
Max/Min 1,64 1,70 1,82 1,68 1,66 1,87<br />
90%/10%-Perzentil 1,26 1,24 1,29 1,26 1,29 1,36<br />
Grundlage: Abrechnungsfälle, bei denen Diagnosen mit J43, J44, J45, J46, J98.2 /.3 (ICD 10) dokumentiert waren; diese Fälle wurden über die pseudonymisierte Patienten-ID<br />
aggregiert; Durchschnitt (SMR = 100): Inanspruchnahme aller Patienten mit Wohnsitz im Salzlandkreis oder den kreisfreien Städten Halle oder Magdeburg; © Kassenärztliche<br />
Vereinigung Sachsen-Anhalt 2006 bis 2008<br />
142
Tabelle A7.5: Abrechnungszahlen der KVSA: HMG 074 (Epilepsie)<br />
mindestens in zwei Quartalen dokumentiert mindestens in drei Quartalen dokumentiert<br />
PLZ Region Einw.<br />
2006<br />
Einw.<br />
2007<br />
Einw.<br />
2008<br />
2006 2007 2008 2006 2007 2008<br />
Pat. SMR Pat. SMR Pat. SMR Pat. SMR Pat. SMR Pat. SMR<br />
0610 Halle 15.407 15.892 15.796 104 79,94 119 85,16 110 75,63 88 80,46 101 86,61 96 77,50<br />
0611 Halle 88.698 89.755 89.212 757 98,61 773 93,59 816 94,16 619 95,74 649 93,30 694 93,55<br />
0612 Halle 98.756 95.327 94.733 1047 119,33 1106 121,67 1148 119,44 905 122,07 937 121,86 1001 121,30<br />
0613 Halle 38.367 37.398 37.172 424 122,91 447 125,25 477 126,24 359 123,46 381 125,96 410 126,26<br />
0640 Bernburg 37.124 39.813 16.743 462 125,99 475 124,69 536 133,98 396 127,95 414 128,23 452 131,51<br />
0642 Bernburg 25.255 22.195 45.867 216 104,47 244 114,29 258 115,45 172 98,52 207 114,25 221 114,95<br />
0644 Aschersl 6.955 31.432 2.250 338 117,13 324 107,54 340 104,12 298 122,25 283 110,73 299 106,52<br />
0645 Aschersl. 36.712 7.661 8.281 38 52,76 38 51,77 48 90,15 36 59,26 33 53,03 40 87,43<br />
0646 Aschersl. 15.966 13.885 34.085 225 170,35 235 176,99 229 165,25 185 165,92 204 181,14 214 179,33<br />
3910 Magdeburg 48.398 51.160 51.230 354 82,58 387 81,49 409 81,46 288 79,60 309 77,38 344 80,19<br />
3911 Magdeburg 88.441 89.977 90.100 717 91,25 764 89,67 810 89,60 609 91,73 650 90,20 694 89,45<br />
3912 Magdeburg 71.578 71.635 71.733 642 100,09 687 100,55 727 100,08 549 101,29 586 101,39 616 98,79<br />
3913 Magdeburg 18.258 17.054 17.077 144 89,35 143 90,01 143 85,21 119 87,78 116 86,47 121 83,93<br />
3921 Schönebeck 34.288 33.290 32.867 251 81,50 270 84,43 287 85,28 217 83,37 221 81,48 246 85,04<br />
3922 Schönebeck 9.220 9.014 8.902 49 59,81 50 58,30 50 55,62 39 56,45 38 52,25 45 58,15<br />
3924 Schönebeck 32.566 31.313 30.719 167 57,02 180 59,64 191 60,33 128 51,72 145 56,59 152 55,79<br />
3941 Staßfurt 21.149 20.294 19.940 180 95,06 197 101,45 217 106,80 151 94,36 169 102,63 183 104,71<br />
3943 Staßfurt 17.842 17.363 14.265 117 73,20 120 72,04 124 85,14 97 71,89 105 74,32 104 83,03<br />
3944 Staßfurt 15.758 14.900 18.830 144 102,36 154 108,21 157 81,84 127 106,96 129 106,83 142 86,08<br />
gesamt 717.569 709.358 704.328 6.376 6713 7.077 5.382 5.677 6.074<br />
Min. 52,76 51,77 55,62 51,72 52,25 55,79<br />
10%-Perzentil 59,25 59,37 72,57 58,70 55,88 73,63<br />
Max. 170,35 176,99 165,25 165,92 181,14 179,33<br />
90%-Perzentil 123,53 124,80 127,79 124,36 126,41 127,31<br />
Max/Min 3,23 3,42 2,97 3,21 3,47 3,21<br />
90%/10%-Perzentil 2,08 2,10 1,76 2,12 2,26 1,73<br />
Grundlage: Abrechnungsfälle, bei denen Diagnosen mit G40/G41 (ICD 10) dokumentiert waren; diese Fälle wurden über die pseudonymisierte Patienten-ID aggregiert; Durchschnitt<br />
(SMR = 100): Inanspruchnahme aller Patienten mit Wohnsitz im Salzlandkreis oder den kreisfreien Städten Halle oder Magdeburg; © Kassenärztliche Vereinigung Sachsen-Anhalt<br />
2006 bis 2008<br />
143
Tabelle A7.6: Abrechnungszahlen der KVSA: HMG 052 (Suchterkrankungen)<br />
mindestens in zwei Quartalen dokumentiert mindestens in drei Quartalen dokumentiert<br />
PLZ Region Einw.<br />
2006<br />
Einw.<br />
2007<br />
Einw.<br />
2008<br />
2006 2007 2008 2006 2007 2008<br />
Pat. SMR Pat. SMR Pat. SMR Pat. SMR Pat. SMR Pat. SMR<br />
0610 Halle 15.407 15.892 15.796 101 80,07 111 79,11 129 84,70 79 88,74 83 83,09 99 89,44<br />
0611 Halle 88.698 89.755 89.212 720 96,81 799 96,10 805 89,32 525 98,91 612 101,48 620 92,87<br />
0612 Halle 98.756 95.327 94.733 809 91,10 819 87,30 918 89,88 578 89,95 567 81,60 673 87,25<br />
0613 Halle 38.367 37.398 37.172 432 125,83 422 116,57 445 113,21 316 127,64 334 124,88 348 117,46<br />
0640 Bernburg 37.124 39.813 16.743 344 92,85 402 101,03 450 104,28 262 98,24 301 103,11 344 106,33<br />
0642 Bernburg 25.255 22.195 45.867 125 59,15 148 65,12 162 65,88 85 55,97 110 66,09 121 65,62<br />
0644 Aschersl 6.955 31.432 2.250 448 154,45 480 153,03 530 151,54 329 157,17 358 155,24 410 155,95<br />
0645 Aschersl. 36.712 7.661 8.281 71 96,52 85 108,46 98 166,14 50 94,94 51 89,20 67 151,75<br />
0646 Aschersl. 15.966 13.885 34.085 107 78,74 109 76,95 134 86,98 71 72,81 78 75,25 96 83,12<br />
3910 Magdeburg 48.398 51.160 51.230 427 102,93 483 102,37 525 101,94 311 104,08 337 98,27 376 98,47<br />
3911 Magdeburg 88.441 89.977 90.100 775 98,09 843 95,74 923 95,98 548 96,25 635 98,21 700 97,12<br />
3912 Magdeburg 71.578 71.635 71.733 798 122,13 872 123,09 966 124,64 572 121,17 630 120,59 695 119,23<br />
3913 Magdeburg 18.258 17.054 17.077 383 230,96 396 231,37 398 213,65 291 247,94 303 243,86 304 220,37<br />
3921 Schönebeck 34.288 33.290 32.867 211 67,87 245 73,66 253 70,11 151 67,18 184 75,10 195 71,76<br />
3922 Schönebeck 9.220 9.014 8.902 70 82,66 67 72,43 73 72,81 37 61,30 47 69,98 51 68,26<br />
3924 Schönebeck 32.566 31.313 30.719 131 43,94 142 44,61 142 41,17 86 40,10 91 39,00 105 40,55<br />
3941 Staßfurt 21.149 20.294 19.940 219 113,62 248 121,03 303 136,78 147 105,70 173 114,91 219 131,57<br />
3943 Staßfurt 17.842 17.363 14.265 104 63,74 119 67,39 131 82,43 75 64,07 87 67,36 102 85,73<br />
3944 Staßfurt 15.758 14.900 18.830 123 86,79 146 98,44 155 74,75 90 88,57 104 95,84 121 77,86<br />
gesamt 717.569 709.358 704.328 6.398 6.936 7.540 4603 5.085 5.646<br />
Min. 43,94 44,61 41,17 40,10 39,00 40,55<br />
10%-Perzentil 62,82 66,94 69,26 60,23 67,11 67,73<br />
Max. 230,96 231,37 213,65 247,94 243,86 220,37<br />
90%-Perzentil 131,55 129,08 154,46 133,55 130,95 152,59<br />
Max/Min 5,26 5,19 5,19 6,18 6,25 5,43<br />
90%/10%-Perzentil 2,09 1,93 2,23 2,22 1,95 2,25<br />
Grundlage: Abrechnungsfälle, bei denen Diagnosen mit F10.2; F11.2 usw. bis F19.2 (ICD 10) dokumentiert waren; diese Fälle wurden über die pseudonymisierte Patienten-ID<br />
aggregiert; Durchschnitt (SMR = 100): Inanspruchnahme aller Patienten mit Wohnsitz im Salzlandkreis oder den kreisfreien Städten Halle oder Magdeburg; © Kassenärztliche<br />
Vereinigung Sachsen-Anhalt 2006 bis 2008<br />
144
Tabelle A7.7: Abrechnungszahlen der KVSA: HMG 052a (Alkoholabhängigkeit)<br />
mindestens in zwei Quartalen dokumentiert mindestens in drei Quartalen dokumentiert<br />
PLZ Region Einw.<br />
2006<br />
Einw.<br />
2007<br />
Einw.<br />
2008<br />
2006 2007 2008 2006 2007 2008<br />
Pat. SMR Pat. SMR Pat. SMR Pat. SMR Pat. SMR Pat. SMR<br />
0610 Halle 15.407 15.892 15.796 74 87,22 70 77,53 85 87,84 56 93,37 51 79,26 66 93,69<br />
0611 Halle 88.698 89.755 89.212 479 94,10 525 93,63 535 89,14 341 93,59 400 98,04 398 89,18<br />
0612 Halle 98.756 95.327 94.733 603 97,28 615 94,69 648 92,80 417 92,67 420 86,90 476 89,71<br />
0613 Halle 38.367 37.398 37.172 311 130,68 299 117,80 324 119,01 221 128,30 232 123,25 249 120,56<br />
0640 Bernburg 37.124 39.813 16.743 255 97,41 300 107,38 343 114,57 197 104,28 221 107,42 256 113,49<br />
0642 Bernburg 25.255 22.195 45.867 89 58,66 112 69,06 118 68,13 59 54,03 80 67,08 88 67,40<br />
0644 Aschersl 6.955 31.432 2.250 277 134,38 296 133,80 298 122,29 210 140,80 224 137,21 233 126,54<br />
0645 Aschersl. 36.712 7.661 8.281 44 84,05 46 82,69 48 115,72 30 79,89 27 66,24 35 112,22<br />
0646 Aschersl. 15.966 13.885 34.085 82 84,09 82 81,16 81 74,47 54 77,07 58 78,07 61 74,39<br />
3910 Magdeburg 48.398 51.160 51.230 278 96,76 322 102,62 347 102,67 210 101,13 229 100,12 258 102,58<br />
3911 Magdeburg 88.441 89.977 90.100 608 109,49 645 105,85 707 107,73 438 109,18 503 111,95 544 110,04<br />
3912 Magdeburg 71.578 71.635 71.733 586 127,48 627 127,38 706 132,97 436 130,93 470 128,92 526 130,96<br />
3913 Magdeburg 18.258 17.054 17.077 208 179,90 208 172,97 213 165,40 156 190,19 161 183,64 164 170,54<br />
3921 Schönebeck 34.288 33.290 32.867 171 77,37 188 80,18 192 76,44 125 77,99 142 81,87 147 77,31<br />
3922 Schönebeck 9.220 9.014 8.902 50 82,19 54 81,63 56 79,04 26 59,85 37 76,67 39 73,52<br />
3924 Schönebeck 32.566 31.313 30.719 110 51,44 121 53,28 122 50,17 74 48,01 76 45,47 89 48,51<br />
3941 Staßfurt 21.149 20.294 19.940 106 77,09 118 81,33 144 92,96 75 75,41 83 77,55 107 91,47<br />
3943 Staßfurt 17.842 17.363 14.265 66 56,61 86 68,48 88 78,79 45 53,73 58 62,88 68 80,99<br />
3944 Staßfurt 15.758 14.900 18.830 93 92,02 99 94,03 110 75,71 69 95,05 71 91,75 84 76,76<br />
gesamt 717.569 709.358 704.328 4.490 4.813 5.165 3.239 3.543 3.888<br />
Min. 51,44 53,28 50,17 48,01 45,47 48,51<br />
10%-Perzentil 58,25 68,94 73,20 53,97 65,57 72,30<br />
Max. 179,9 172,97 165,4 190,19 183,64 170,54<br />
90%-Perzentil 131,42 128,66 124,43 132,90 130,58 127,42<br />
Max/Min 3,50 3,25 3,30 3,96 4,04 3,52<br />
90%/10%-Perzentil 2,26 1,87 1,70 2,46 1,99 1,76<br />
Grundlage: Abrechnungsfälle, bei denen Diagnosen mit F10.2 (ICD 10) dokumentiert waren; diese Fälle wurden über die pseudonymisierte Patienten-ID aggregiert; Durchschnitt<br />
(SMR = 100): Inanspruchnahme aller Patienten mit Wohnsitz im Salzlandkreis oder den kreisfreien Städten Halle oder Magdeburg: © Kassenärztliche Vereinigung Sachsen-<br />
Anhalt 2006 bis 2008<br />
145
A8. Verlagerungspotenziale im internationalen Vergleich (OECD-Länder)<br />
Akutbetten pro 1000 Einwohner, 2000 Anzahl an amb. Operationen pro 1000 Einwohner, 2000<br />
Anzahl an Katarakt-Operationen pro 100000 Patienten, 1997 und 2004<br />
146
Gesundheitsausgaben pro Kopf, 2001 (USD PPP) Kurativ-Rehabilitative Gesundheitsausgaben<br />
(%- Anteile) nach Produktionsart, 2005<br />
Gesundheitsausgaben (%-Anteile) differenziert nach Sektoren, 2001<br />
147
A9. Veränderung der Bettenanzahl nach Fachabteilung von 1993 bis 2003<br />
(Quelle: Statistisches Bundesamt)<br />
148
A10. Diagnosedaten der Krankenhäuser ab 2000<br />
(Eckdaten der vollstationären Patienten und Patientinnen). Gliederungsmerkmale: Jahre,<br />
Region, ICD10<br />
Die Tabelle bezieht<br />
sich auf:<br />
ICD10: Alle Diagnosen/Behandlungsanlässe<br />
Region: Deutschland<br />
Jahr 2008 2007 2006 2005 2004 2003 2002 2001<br />
Absolute Fallzahl<br />
(Behandlungsort der<br />
Patienten/-innen)<br />
insgesamt 17.937.101 17.568.576 17.142.476 17.033.775 17.233.624 17.313.222 17.363.164 17.259.596<br />
männlich 8.392.426 8.188.483 7.995.913 7.923.621 7.968.271 7.907.222 7.899.881 7.813.749<br />
weiblich 9.544.617 9.379.967 9.146.276 9.110.081 9.265.287 9.405.898 9.462.283 9.445.553<br />
Kurzlieger (1 bis 3<br />
Tage) 6.279.504 5.944.592 5.631.308 5.401.207 5.406.254 5.262.823 5.072.670 4.896.539<br />
Stundenfälle 504.116 493.400 493.861 506.891 606.418 687.725 730.578 740.280<br />
Sterbefälle 400.943 395.169 389.339 392.715 384.805 404.526 399.519 391.408<br />
Durchschnittliche<br />
Verweildauer (in Tagen)<br />
8,1 8,3 8,4 8,6 8,6 9 9,3 9,4<br />
Die folgenden Fallzahlen<br />
wurden ohne Patienten/-innen<br />
mit<br />
ausl./unbekanntem<br />
Wohnsitz, Alter, Geschlecht<br />
ermittelt.<br />
Absolute Fallzah<br />
l insgesamt 17.869.372 17.497.527 17.078.512 16.970.819 17.159.213 17.244.171 17.295.914 17.183.495<br />
männlich 8.354.296 8.149.525 7.960.327 7.889.241 7.929.456 7.871.052 7.864.861 7.774.416<br />
weiblich 9.515.076 9.348.002 9.118.185 9.081.578 9.229.757 9.373.119 9.431.053 9.409.079<br />
Altersspezifische Fallzahl<br />
je 100.000 Einwohner<br />
unter 15 Jahren 16.052 15.810 15.427 15.284 14.678 11.386 11.381 11.559<br />
15 bis unter 45 Jahre 12.891 12.634 12.361 12.348 12.783 13.512 13.836 13.969<br />
45 bis unter 65 Jahre 19.544 19.339 19.319 19.498 20.319 21.372 21.735 21.802<br />
65 Jahre und älter 45.685 44.817 43.722 43.774 44.355 45.418 45.445 45.095<br />
Altersstandardisierte<br />
Fallzahl je 100.000<br />
Einwohner<br />
insgesamt 20.291 20.003 19.651 19.629 19.962 20.030 20.213 20.230<br />
männlich 18.263 17.990 17.753 17.744 17.992 17.859 18.051 18.066<br />
weiblich 21.883 21.589 21.144 21.122 21.549 21.821 22.015 22.057<br />
(Quelle: Statistisches Bundesamt IS-GBE)<br />
149
A11. Häufigste OPS bei vollstationären Fällen (2008)<br />
Die 50 häufigsten Operationen der vollstationären Patientinnen und Patienten in Krankenhäusern<br />
(Jahr 2008, Art der Operation)<br />
Rang Anzahl<br />
Anteil an<br />
allen<br />
Operationen<br />
(%)<br />
Alle Operationen 13.677.709 100<br />
Summe der 50 häufigsten Operationen 6.858.495 50,1<br />
5-812 Arthroskopische Operation am Gelenkknorpel und an Menisken 1 285.601 2,1<br />
5-469 Andere Operationen am Darm<br />
5-758 Rekonstruktion weiblicher Geschlechtorgane nach Ruptur, post<br />
2 278.827 2<br />
partum (Dammriss)<br />
5-893 Chirurgische Wundtoilette (Wunddebridement) und Entfernung<br />
3 241.622 1,8<br />
von erkranktem Gewebe an Haut und Unterhaut 4 233.626 1,7<br />
5-032 Zugang zur Lendenwirbelsäule, zum Os sacrum & Os coccygis 5 228.448 1,7<br />
5-820 Implantation einer Endoprothese am Hüftgelenk 6 209.487 1,5<br />
5-513 Endoskopische Operationen an den Gallengängen 7 208.912 1,5<br />
5-511 Cholezystektomie 8 190.023 1,4<br />
5-530 Verschluss einer Hernia inguinalis 9 179.971 1,3<br />
5-787 Entfernung von Osteosynthesematerial 10 168.343 1,2<br />
5-749 Andere Sectio caesarea<br />
5-794 Offene Reposition einer Mehrfragment-Fraktur im Gelenkbereich<br />
11 167.555 1,2<br />
eines langen Röhrenknochens mit Osteosynthese 12 157.872 1,2<br />
5-811 Arthroskopische Operation an der Synovialis 13 156.928 1,1<br />
5-810 Arthroskopische Gelenkrevision 14 156.772 1,1<br />
5-822 Implantation einer Endoprothese am Kniegelenk<br />
5-790 Geschlossene Reposition einer Fraktur oder Epiphysenlösung<br />
15 154.722 1,1<br />
mit Osteosynthese 16 153.815 1,1<br />
5-831 Exzision von erkranktem Bandscheibengewebe 17 148.332 1,1<br />
5-385 Unterbindung, Exzision und Stripping von Varizen 18 147.574 1,1<br />
5-215 Operationen an der unteren Nasenmuschel (Concha nasalis) 19 139.618 1<br />
5-800 Offene chirurgische Revision eines Gelenkes 20 133.253 1<br />
5-144 Extrakapsuläre Extraktion der Linse (ECCE)<br />
5-452 Lokale Exzision/ Destruktion von erkranktem Gewebe des Dick-<br />
21 131.114 1<br />
darms 22 131.035 1<br />
5-683 Uterusexstirpation (Hysterektomie) 23 130.884 1<br />
5-892 Andere Inzision an Haut und Unterhaut 24 130.830 1<br />
5-470 Appendektomie 25 129.848 0,9<br />
5-839 Andere Operationen an der Wirbelsäule 26 119.340 0,9<br />
5-738 Episiotomie und Naht<br />
5-573 Transurethrale Inzision, Exzision, Destruktion und Resektion von<br />
27 118.882 0,9<br />
(erkranktem) Gewebe der Harnblase 28 115.724 0,8<br />
5-788 Operation an Metatarsale und Phalangen des Fußes 29 114.596 0,8<br />
5-399 Andere Operationen an Blutgefäßen<br />
5-895 Radikale und ausgedehnte Exzision von erkranktem Gewebe an<br />
30 114.154 0,8<br />
Haut und Unterhaut<br />
5-793 Offene Reposition einer einfachen Fraktur im Gelenkbereich<br />
31 113.651 0,8<br />
eines langen Röhrenknochens 32 110.767 0,8<br />
5-900 Einfache Wiederherstellung der Oberflächenkontinuität an Haut 33 110.609 0,8<br />
5-916 Temporäre Weichteildeckung<br />
(Quelle: Statistisches Bundesamt)<br />
34 105.133 0,8<br />
150
A12. Veränderung der häufigsten OPS bei vollstationären Fällen<br />
350.000<br />
300.000<br />
250.000<br />
200.000<br />
150.000<br />
100.000<br />
50.000<br />
0<br />
(Quelle: Statistisches Bundesamt)<br />
Veränderung der häufigsten OPS bei vollstationären Fällen<br />
2005 2006 2007 2008<br />
5-812 Arthroskopische Operation am<br />
Gelenkknorpel und an Menisken<br />
5-469 Andere Operationen am Darm<br />
5-758 Rekonstruktion weiblicher<br />
Geschlechtorgane nach Ruptur, post partum<br />
(Dammriss)<br />
5-893 Chirurgische Wundtoilette<br />
(Wunddebridement) und Entfernung von<br />
erkranktem Gewebe an Haut und Unterhaut<br />
5-032 Zugang zur Lendenwirbelsäule, zum Os<br />
sacrum & Os coccygis<br />
5-820 Implantation einer Endoprothese am<br />
Hüftgelenk<br />
5-513 Endoskopische Operationen an den<br />
Gallengängen<br />
5-511 Cholezystektomie<br />
5-530 Verschluss einer Hernia inguinalis<br />
5-787 Entfernung von Osteosynthesematerial<br />
151
A13. Empirische Methoden zur Marktabgrenzung<br />
(Quelle: Bishop et al. 2006)<br />
152
A14. Sektorübergänge - unbekannte Übergangswahrscheinlichkeiten<br />
Stationärer Markt:<br />
- 30 % Marktanteil in bestimmtem Leistungssektor in Jahr t1<br />
- 20% Marktanteil in bestimmtem Leistungssektor in Jahr t2<br />
- Wahrscheinlichkeiten für einen Wechsel des Patienten (Verlagerung) zwischen den Sektoren<br />
unbekannt<br />
Ambulanter Markt:<br />
- 70 % Marktanteil in bestimmtem Leistungssektor in Jahr t1<br />
- 80% Marktanteil in bestimmtem Leistungssektor in Jahr t2<br />
- Wahrscheinlichkeiten für einen Wechsel des Patienten (Verlagerung) zwischen den Sektoren<br />
unbekannt<br />
p 1 1 - p 1<br />
1 - p 2 p 2<br />
[0,2; 0,8] = [0,3; 0,7] p 1 1 - p 1<br />
1 - p 2 p 2<br />
0,2 = 0,3 p 1 + 0,7 (1 – p 2)<br />
0,8 = 0,3 (1 - p 1) + 0,7 p 2<br />
-0,5 = 0,3 p 1 + 0,7 p 2<br />
0,5 = - 0,3 p 1 + 0,7 p 2<br />
Die numerischen Werten für p 1 und p 2 können nur durch Bedingungen gefunden werden.<br />
Eine naheliegende Bedingung ist z.B., dass die die diagonalen Werte der Transition Matrix so<br />
groß wie möglich sein sollen (d.h. die Verlagerungen zwischen den Sektoren soll so klein wie<br />
möglich sein). Es gibt viele Transition Matrices, die zu den jeweiligen Marktanteilen passen.<br />
Max p 1 + p 2<br />
0,5 = - 0,3 p 1 + 0,7 p 2<br />
0
Über mehrere Zeitperioden schaut die Transition Matrix anders aus!<br />
2/3 1/3<br />
0 1<br />
[0,15;0,85] = [0,2;0,8] p1 1 - p 1<br />
1 - p 2 p 2<br />
0,15 = 0,2p1 + 0,8(1-p2)<br />
-0,65 = 0,2p1 – 0,8p2<br />
Max. p1 + p2<br />
-0,65 = 0,2p1 – 0,8p2<br />
0
= [0,15p1 + 0,85(1-p2), 0,15(1-p1) + 0,85p2] - im Gegensatz zu den beobachteten Marktanteile<br />
in der Periode von [0,13;0,87]<br />
Periode Berechnung Beobachtung<br />
1 0,3p1 + 0,7(1-p2) 0,2<br />
0,3(1-p1) + 0,7p2 0,8<br />
2 0,2p1 + 0,8(1-p2) 0,15<br />
0,2(1-p1) + 0,8p2 0,85<br />
3 0,15p1 + 0,85(1-p2) 0,13<br />
0,15(1-p1) + 0,85p2 0,87<br />
Es wäre ideal, wenn Werte für p1 und p2 ausgewählt würde, so dass jeder der berechneten<br />
genau den beobachteten Marktanteilen gleicht, d.h. wähle p1 und p2 so dass<br />
0,3p1 + 0,7(1-p2) = 0,2<br />
0,3(1-p1) + 0,7p2 = 0,8<br />
0,2p1 + 0,8(1-p2) = 0,15<br />
0,2(1-p1) + 0,8p2 = 0,85<br />
0,15p1 + 0,85(1-p2) = 0,13<br />
0,15(1-p1) + 0,85p2 = 0,87<br />
Lineare Programmierung:<br />
Max. p1 + p2<br />
0,3p1 + 0,7(1-p2) = 0,2<br />
0,3(1-p1) + 0,7p2 = 0,8<br />
0,2p1 + 0,8(1-p2) = 0,15<br />
0,2(1-p1) + 0,8p2 = 0,85<br />
0,15p1 + 0,85(1-p2) = 0,13<br />
0,15(1-p1) + 0,85p2 = 0,87<br />
0
[0,3p1 – 0,7p2 + 0,5] 2 + [-0,3p1 + 0,7p2 – 0,5] 2 + [0,2p1 – 0,8p2 + 0,65] 2 + [-0,2p1 + 0,8p2 –<br />
0,65] 2 + [0,15p1 – 0,85p2 + 0,72] 2 + [-0,15p1 + 0,85p2 – 0,72] 2<br />
Min.<br />
2[0.3p1 - 0.7p2 + 0.5] 2 + 2[0.2p1 - 0.8p2 + 0.65] 2 + 2[0.15p1 - 0.85p2 + 0.72] 2<br />
Konstante Bedingungen können ignoriert werden, da sie die Werte von p1 und p2 nicht beeinflussen<br />
sondern lediglich die Werte der Zielfunktion. Diese Gleichung wird somit vereinfacht,<br />
indem der konstante Faktor 2, der mit allen drei Begriffen in Verbindung steht, vernachlässigt<br />
wird.<br />
Min.<br />
0.1525[p1] 2 + 1.8525[p2] 2 - 0.995p1p2 + 0.776p1 - 2.964p2 0