Advertisement

Analyse von Versorgernetzwerken und räumlichen Versorgungsunterschieden bei Patienten mit Depressionen in Deutschland

  • Clarissa GerberEmail author
  • Marie-Luise Rosenbusch
  • Michael Erhart
Open Access
Leitthema
  • 248 Downloads

Zusammenfassung

Hintergrund

Die Bedeutung einer frühzeitigen und bedarfsgerechten Behandlung für Menschen mit Depressionen wurde bereits vielfach nachgewiesen. Die Vernetzung und das Ineinandergreifen aller daran beteiligten Akteure im Gesundheitswesen sind eine der Voraussetzungen effektiver und effizienter Behandlungen von Depressionen.

Fragestellung

Ziel der Arbeit ist die Identifizierung virtueller Netzwerke von Ärzten und Therapeuten, die Patienten mit einer Depression behandeln. Es soll zudem grafisch aufgezeigt werden, welche Facharztgruppen an der Behandlung von Depressionen beteiligt sind und ob regionale Unterschiede bei der Versorgung bestehen.

Methode

Als Datengrundlage für die Netzwerkanalysen wurden die Abrechnungsdaten von 18- bis 79-jährigen Depressionspatienten aller vertragsärztlichen Praxen von Ärzten und Psychotherapeuten in Deutschland aus dem Jahr 2016 analysiert. Die Netzwerkanalysen wurden unter Rückgriff auf Methoden der mathematischen Graphentheorie durchgeführt. Alle Analysen wurden auf Ebene der 17 Kassenärztlichen Vereinigungen (KVen) getrennt durchgeführt.

Ergebnisse

Die Analysen ermöglichen die Identifikation virtueller Behandlernetzwerke, die unter klinischen und versorgungstheoretischen Gesichtspunkten sinnvoll interpretierbar sind. Regionale Unterschiede der Versorgungsstrukturen können auf KV-Ebene dargestellt werden. In Schleswig-Holstein ist eine flächendeckende Vernetzung der Leistungserbringer erkennbar, während in Rheinland-Pfalz vier voneinander abgegrenzte Bereiche sichtbar sind.

Zudem konnten die Vernetzung der Versorger verschiedener Fachgruppen sowie abgerechnete Behandlungskosten grafisch dargestellt werden. Die Analysen zeigen die Bedeutung der Hausärzte, Psychiater und Neurologen bei der Behandlung der Patienten mit Depressionen.

Diskussion

Mithilfe von Netzwerkanalysen können in Zukunft Unterschiede in den Versorgerkooperationen sichtbar gemacht werden. Dies schafft Möglichkeiten für eine verbesserte Kooperation und Koordination zwischen unterschiedlichen Behandlern.

Schlüsselwörter

Netzwerkanalyse Behandlernetzwerke Graphentheorie Routinedatenanalyse Vernetzung 

A social network analysis regarding geographic variation for patients with depression in Germany

Abstract

Background

Worldwide there is an acute requirement for an early and needs-based treatment for patients with depression. The successful treatment of depression requires the collaborative care of all healthcare providers.

Aim

The aim of this work was to identify virtual networks of physicians treating patients with depression in Germany. We identified specialists who are involved in the care of patients with depression, including geographic variations.

Methods

The analyses were based on claims data of physician practices and psychotherapists in Germany. The data of 18- to 79-year-old patients with depression during 2016 were analysed. Methods and algorithms related to the network analysis were taken from mathematical graph theory. In addition, analyses were stratified by geographical areas (17 associations of statutory health insurance physicians).

Results

The analyses presented an opportunity to generate maps illustrating patient sharing networks within the 17 associations. The analyses demonstrated that general practitioners, psychiatrists and neurologists play a major role in the treatment of patients with depression. It was also shown that different cooperation and cost structures varied by geographical area. Complete-coverage networking of all physicians was shown in Schleswig-Holstein. By contrast Rhineland-Palatinate had four distinct areas.

Conclusion

In the future, differences in healthcare processes and cooperation between physicians might become more visible through network analyses. This would create opportunities for cooperation and coordination between different practitioners of higher quality.

Keywords

Network analysis Patient sharing networks Graph theory Analysis of claims data Collaborative care 

Hintergrund

Weltweit waren im Jahr 2015 ca. 300 Mio. Menschen von einer Depression betroffen. Damit zählt die Diagnose „Depression“ nach Angaben der Studie „Global Burden of Disease“ zu den weltweit häufigsten psychischen Erkrankungen [1, 2].

Nicht nur die Depression alleine betrachtet stellt eine enorme Krankheitslast dar. Oftmals gehen mit einer Depression auch andere Erkrankungen und frühzeitige Sterblichkeit einher. Erwachsene mit Depressionen haben beispielsweise eine 1,55-fach erhöhte Chance, an Adipositas zu leiden [3]. Das Risiko für das frühzeitige Versterben aufgrund von kardiovaskulären Erkrankungen oder Krebserkrankungen bei einer diagnostizierten Depression ist ebenfalls erhöht [4]. Pro Jahr beziffert die Weltgesundheitsorganisation (WHO) zudem 800.000 suizidale Todesfälle, die eng mit einer Depression in Zusammenhang standen [1].

Diese Zahlen spiegeln neben der enormen individuellen Beeinträchtigung der Betroffenen auch die ökonomische Belastung des Gesundheitswesens durch die Erkrankung an einer Depression wider. Im Jahr 2015 lagen die Krankheitskosten für die Behandlung von Depressionen in Deutschland bei rund 8,7 Mrd. € [5]. Für die Behandlung von Depressionen wurden demnach 2,6 % der gesamten Krankheitskostenausgaben aus dem Jahr 2015 aufgewendet, was bedeutet, dass sich die Zahlen innerhalb der vorangegangenen 12 Jahre mehr als verdoppelt haben (vgl. im Jahr 2002: 3,9 Mrd. €, 1,8 % an den gesamten Krankheitskosten; [6]). Das statistische Bundesamt berichtet weiterhin, dass im Jahr 2015 ca. 263.000 Patienten mit Depressionen vollstationär im Krankenhaus behandelt wurden [7].

Depressionen sind nicht nur mit individuellem Leiden und hohem Versorgungsaufwand, sondern auch mit hohen gesellschaftlichen Belastungen verbunden. Auch wenn bis heute kein hinreichender Beleg für eine steigende Prävalenz psychischer Störungen besteht, belegen die Zahlen verschiedener Kostenträger eine steigende Inanspruchnahme von Behandlungen. Gründe hierfür können beispielsweise eine bessere Diagnostik, eine zunehmende Bereitschaft für eine Behandlung (Entstigmatisierung) oder auch die zunehmende Kenntnis von Betroffenen über Behandlungsmöglichkeiten sein [8].

Der Bedarf an einer frühzeitigen, bedarfsgerechten Behandlung von Depressionen ist hoch, denn wird die Depression als Erkrankung bzw. als psychische Störung rechtzeitig erkannt, ist diese grundsätzlich gut behandelbar, sodass Leiden verkürzt und Rückfälle verhindert werden können [9]. Die zeitnahe Behandlung setzt das Vorhandensein von adäquaten Versorgungsstrukturen und Angeboten voraus. Neben dem Vorhandensein ausreichender Versorgungskapazitäten ist jedoch auch ein gut abgestimmtes Zusammenspiel verschiedener Fachärzte und Therapeuten unerlässlich, um eine kontinuierliche, qualitätsvolle und gut abgestimmte bedarfsgerechte Versorgung zu ermöglichen.

Die Vernetzung und das Ineinandergreifen der beteiligten Akteure im Gesundheitswesen sind eine der Voraussetzungen einer zielführenden Behandlung von Depressionen. Doch wie sehen die Kooperationen bzw. die Muster der „gemeinsamen Arbeit mit dem Patienten“ bei einer Behandlung von Depression genau aus? Gibt es im praktischen Arztalltag überhaupt Netzwerke, in denen Ärzte verschiedener Fachgruppen bei der Versorgung von Depressionspatienten in Verbindung stehen?

Ziel der Arbeit soll sein, mögliche Netzwerke von Ärzten zu identifizieren, die Patienten mit einer Depression behandeln und zudem aufzuzeigen, welche Facharztgruppen an der Behandlung beteiligt sind. Dabei sollen auch regionale Unterschiede beleuchtet werden.

Methoden

Die methodische Ausarbeitung der vorliegenden Publikation erfüllt alle Kriterien der „Standardisierten Berichtsroutine für Sekundärdatenanalysen“ (STROSA, Version 2; [10]).

Beschreibung der Datengrundlage

Datengrundlage der vorliegenden Arbeit sind die ambulanten vertragsärztlichen Abrechnungsdaten der Kassenärztlichen Vereinigungen (KVen) nach § 295 des fünften Sozialgesetzbuchs (SGB V). Es handelt sich bei den analysierten Versorgungsdaten um anonymisierte Routinedaten von rund 70 Mio. gesetzlich versicherten Patienten. Stationäre Versorgungsdaten konnten nicht berücksichtigt werden.

„Die Internationale statistische Klassifikation der Krankheiten und verwandter Gesundheitsprobleme (ICD) ist der internationale Standard zur Erfassung, Berichterstattung und Gruppierung von Zuständen und Faktoren, die die Gesundheit beeinflussen“ [11]. Unter Berücksichtigung dieses Klassifikationsschemas wurden ausschließlich Daten von 18- bis 79-jährigen Patienten berücksichtigt, bei denen im Jahr 2016 mindestens eine gesicherte Depression nach den Kodes F32, F33 oder F34.1 (ICD-10-GM [German Modification]) diagnostiziert wurde. Für weiterführende Analysen wurde zwischen schweren (F32.2, F33.2, F32.3, F33.3), mittelschweren (F32.1, F33.1), leichten (F32.0, F33.0, F34.1) und sonstigen Depressionen (alle anderen Kodes F32 und F33) differenziert (nach [12]).

Es wurden nur Ärzte und Therapeuten unabhängig von ihrer Fachgruppe in die Netzwerkanalyse eingeschlossen, welche im Jahr 2016 mindestens zehn Depressionspatienten mit anderen Versorgern gemeinsam behandelt haben. Dabei spielte der Behandlungsgrund keine Rolle. Allerdings wurden diejenigen Patienten ausgeschlossen, die zwar die vorgegebenen Kriterien erfüllten, jedoch ausschließlich bei Ärzten in Behandlung waren, die weniger als zehn Patienten gemeinsam mit anderen Ärzten behandelten. Zusammenfassend finden sich in den Daten nur 18- bis 79-jährige Depressionspatienten wieder, bei denen mindestens ein behandelnder Arzt mindestens zehn Patienten gemeinsam mit einem anderen Versorger behandelte. Ausgeschlossen wurden Versorger, die ausschließlich in Laborgemeinschaften tätig waren.

Die Studienpopulation umfasste insgesamt 8.485.061 Patienten. Nach der beschriebenen methodischen Bereinigung der Abrechnungsdaten konnte für die Netzwerkanalysen auf eine finale Datenbasis von insgesamt 3.667.722 Depressionspatienten und insgesamt 61.979 Ärzten zurückgegriffen werden. Innerhalb dieser selektierten Studienpopulation ist in allen KVen der prozentuale Anteil der weiblichen Patienten mit 68 % größer als der männliche Patientenanteil (32 %). Innerhalb von sechs gebildeten Altersgruppen (< 30 Jahre, 30 bis < 40 J., 40 bis < 50 J., 50 bis < 60 J., 60 bis < 70 J., 70 bis < 80 J.) sind mit einem Anteil von 25 % bis zu 30 % die meisten Patienten zwischen 50 und 59 Jahre alt. Die zweitgrößte Anzahl von Patienten mit Depressionen ist in der Altersgruppe der 60- bis 69-Jährigen zu finden (18–25 %). Mit Anteilen von 5–10 % sind junge Patienten zwischen 18 und 29 Jahren die kleinste Gruppe Erkrankter in allen KVen.

Da die Analysen getrennt nach KVen durchgeführt wurden, war es erforderlich, die Daten der Ärzte und Patienten einzelnen KVen zuzuweisen. Grundsätzlich können Ärzte in mehreren KVen, in unterschiedlichen Praxen und in verschiedenen Facharztgruppen tätig sein. Patienten können in einem Jahr in mehreren KVen behandelt werden, wenn sie z. B. den Wohnort wechseln. Jedem Patienten wurde für die nachfolgenden Analysen jene KV zugewiesen, in welcher er im letzten Quartal des Jahres 2016 behandelt wurde (innerhalb der Abrechnungsdaten). Die Zuordnung der Facharztgruppe und der KV zu einem Arzt erfolgte über die größte Anzahl behandelter Patienten pro Facharztgruppe bzw. KV. Final beinhalten die Daten einer KV zum einen alle Ärzte, denen die jeweilige KV zugeordnet wurde, zum anderen alle Ärzte anderer KVen, mit denen sie mindestens zehn gemeinsame Patienten behandeln.

Für jeden Arzt gehen die Anzahl behandelter Patienten und deren Leistungsbedarf in die Analysen ein. Der Leistungsbedarf beinhaltet abrechnungsfähige Kosten für ärztliche Leistungen für in Euro bewertete EBM‐Ziffern. Der als Verzeichnis geltende Einheitliche Bewertungsmaßstab (EBM) bestimmt die Abrechnung vertragsärztlicher ambulanter Leistungen und Leistungen der Psychotherapeuten zulasten der gesetzlichen Krankenversicherung. Zusätzlich wurden für jeden Versorger zum einen die Anzahl behandelter Patienten und zum anderen die Summe des Leistungsbedarfs aller Behandlungsfälle, in denen eine Depressionsdiagnose kodiert wurde, berechnet. Negativer Leistungsbedarf, der z. B. durch Zuzahlungen entsteht, wurde vor der Summierung auf null gesetzt. Leistungen aus Notfallbehandlungen nach Kapitel 1.2 des EBM wurden ausgenommen, um den Blick auf die Regelversorgung zu wahren.

Netzwerkanalysen unter Einsatz graphentheoretischer Methoden

Die Netzwerkanalysen wurden unter Anwendung von Methoden der Graphentheorie und mithilfe des Paketes „igraph“ der Statistiksoftware R (Version 3.3.3, The R Foundation for Statistical Computing) durchgeführt. Die mathematische Graphentheorie ermöglicht die abstrakte Darstellung von Beziehungen zwischen Objekten. Sie operiert mit Elementen, die auch als Knoten und Kanten bezeichnet werden. Zwei Knoten sind entweder durch eine Kante verbunden oder nicht. Dies ist die einzige Grundbeziehung [13]. Das heißt im übertragenen Sinne, dass zwei Ärzte entweder durch gemeinsame Patienten miteinander verbunden sind oder nicht. Anhand dieser Grundbeziehung könnten Gruppen von Ärzten identifiziert werden, die miteinander in Beziehung stehen.

Für jede KV wird dabei ein Graph erstellt, der aus diesen sogenannten Knoten und Kanten besteht. Knoten werden dabei grafisch als Kreise dargestellt. Wenn zwischen Kreisen Verbindungen bestehen, werden sie durch die Kanten (in Form von Linien) verbunden. In allen nachfolgend vorgestellten Graphen sind die Ärzte symbolisch durch Knoten dargestellt. Behandeln zwei Ärzte gemeinsame Patienten, so sind die Knoten, die diese Ärzte repräsentieren, durch eine Kante verbunden. Den Kanten wird ein Gewicht zugewiesen, das der Anzahl der gemeinsam behandelten Patienten entspricht.

Um Versorgernetzwerke in einem Graphen zu identifizieren, gibt es verschiedene Algorithmen. Jede Fragestellung erfordert eine differente Vorgehensweise [14]. Netzwerke werden in einem Graphen gefunden, indem der Algorithmus innerhalb dieses Graphen Wege durchläuft. Der Algorithmus geht von Knoten zu Knoten, wenn eine Verbindung zwischen diesen Knoten besteht. Diese Wege können zufällig bestimmt werden, indem der Algorithmus nach dem Zufallsprinzip Knoten auswählt und von diesen aus den Graphen durchläuft. Ein Algorithmus, der Graphen nach dem Zufallsprinzip durchsucht, ist der Algorithmus „cluster_walktrap“ [15]. Er sucht in dem Graphen nach Gruppen dicht vernetzter Knoten, die auch Cluster genannt werden. Die Cluster werden unter der Annahme gebildet, dass Knoten, die durch kurze zufällige Wege verbunden sind, zu einem Cluster gehören. Hohe Kantengewichte, also eine hohe Anzahl an gemeinsamen Patienten, erhöhen die Wahrscheinlichkeit, dass Kanten für einen zufälligen Weg ausgewählt werden und Ärzte, die viele gemeinsame Patienten behandeln, einem Cluster zugewiesen werden. Von Stillfried et al. [16] haben sich in ihrer Arbeit mit Auswertungen zu Versorgernetzwerken auf Basis vertragsärztlicher Abrechnungsdaten der Kassenärztlichen Vereinigungen ebenfalls des Algorithmus „cluster_walktrap“ bedient und sind zu zufriedenstellenden Ergebnissen gekommen.

Jeder Arzt wird durch den Algorithmus einem Cluster zugewiesen. Ein Cluster symbolisiert ein Versorgernetzwerk und wird daher im Folgenden ausschließlich mit diesem Begriff benannt. Da ein Arzt im Netzwerk mindestens mit einem anderen Arzt durch mindestens zehn gemeinsame Patienten verbunden ist, besteht das kleinste Versorgernetzwerk aus zwei Ärzten. Der verwendete Algorithmus bildet Versorgernetzwerke unterschiedlicher Größe, die bis zu mehrere hundert Ärzte enthalten können.

Die grafische Darstellung der Graphen ermöglicht die Erkennung realer Beziehungsmuster und Versorgungsstrukturen. Hier ist die Wahl des Algorithmus entscheidend für die Anordnung der Knoten und die Länge der Kanten in den erstellten Grafiken [14]. Für die Darstellung der Netzwerke in dieser Arbeit wurde der Algorithmus von Kamada und Kawai herangezogen [17]. Dieser Algorithmus ordnet die Knoten in einem Graphen in Abhängigkeit von den Kantengewichten an. Originär stellt der Algorithmus hohe Kantengewichte durch große Abstände zwischen den verbundenen Knoten dar. Um eine intuitive Interpretation der Graphen zu ermöglichen, wurden die Kantengewichte invers genutzt. Dies bewirkt, dass die Knoten so angeordnet werden, dass Knoten, die durch ein hohes Kantengewicht, also durch viele gemeinsame Patienten, verbunden sind, dicht beieinander liegen.

Anmerkung: Der nachfolgend gebrauchte Begriff „Netzwerke“ bezieht sich ausschließlich auf die in dieser Studie identifizierten „virtuellen“ Netzwerke. Virtuelle Netzwerke entstehen durch die patientenseitige Inanspruchnahme ärztlicher Leistungen auch unabhängig von einer gezielten und beabsichtigten Kooperation. Sie könnten zwar auch real existierenden Versorgernetzwerken entsprechen, aus Datenschutzgründen kann dies jedoch nicht festgestellt werden. Real existierende Versorgernetzwerke beschreiben an dieser Stelle Netzwerke, in denen Ärzte bewusst Kooperationsstrukturen mit anderen Versorgern aufgebaut haben. Beispielhaft sind die von der Kassenärztlichen Bundesvereinigung (KBV) anerkannten „Praxisnetze“ zu benennen [18]. Der Begriff Ärzte schließt auch Psychotherapeuten ein.

Ergebnisse

In den meisten KVen ist die Mehrheit der Depressionspatienten in den mittelschweren Schweregrad eingestuft (31–45 %). Beispielsweise sind in der KV Sachsen 45 % der Patienten als Patienten mit mittelschwerer Depression klassifiziert, weitere 25 % als Patienten mit einer sonstigen Depression, 16 % als Patienten mit einer schweren und die übrigen 14 % als Patienten mit einer leichten Depression. In der finalen Datenbasis ist der Anteil der Patienten mit schweren Depressionen in Sachsen (16 %) am geringsten und in Westfalen-Lippe (27 %) am höchsten. Insgesamt werden zwischen 58 % (KV Sachsen) und 72 % (KV Schleswig-Holstein und KV Bremen) der Patienten einer KV mit einer schweren Depression in einem der hier identifizierten Netzwerke behandelt. Mit abnehmendem Schweregrad bzw. mit abnehmender Differenzierung des Schweregrades sinkt auch der Anteil der Patienten, die in einem Netzwerk behandelt werden. Folglich wird bei mittelschweren Depressionen durchschnittlich knapp über die Hälfte der Erkrankten im Netzwerk behandelt (43 % KV Baden-Württemberg bis 61 % Schleswig-Holstein). Die Behandlung im Netzwerk bei sonstigen Depressionen erfolgt im Mittel nur noch bei etwa jedem dritten Patienten (19 % KV Sachsen bis 41 % Schleswig-Holstein, prozentualer Anteil der Patienten im Netzwerk bei leichten Depressionen: 27 % KV Sachsen bis 46 % KV Schleswig-Holstein und KV Niedersachsen).

Die Anzahl der Ärzte und damit verbunden der Netzwerke pro KV ist abhängig von der Größe der KV-Bereiche und der Bevölkerungsdichte. Im Wesentlichen entsprechen die Grenzen der KV-Bereiche denen der Bundesländer. Nur Nordrhein-Westfalen ist in die KV-Bereiche Nordrhein und Westfalen-Lippe unterteilt. Deutschlandweit konnten insgesamt 14.945 Versorgernetzwerke identifiziert werden. Im Rahmen der vorliegenden Arbeit ist es nicht möglich, auf alle Besonderheiten der Netzwerke innerhalb aller 17 KVen einzugehen, sodass im Nachfolgenden exemplarisch die Ergebnisse der KV Rheinland-Pfalz und KV Schleswig-Holstein näher erläutert werden.

Die Abbildungen der Netzwerkanalysen sind wie folgt zu interpretieren: Jeder Knoten, der hier als Kreis zu erkennen ist, symbolisiert einen Arzt. Die vielen, einzelnen Verbindungen (Kanten) zwischen den Knoten versinnbildlichen gemeinsame Patienten, welche die Ärzte beiderseits behandeln. Eine Verbindung entsteht nur, wenn beide Ärzte mindestens zehn gemeinsame Patienten versorgen. Aufgrund der patientenseitigen Inanspruchnahme von ärztlichen Leistungen entstehen so Verbindungen zwischen den Ärzten, die es möglich machen, Versorgernetzwerke zu identifizieren. Liegen Knoten dicht beieinander bzw. sind die Kanten zwischen Knoten kurz, versorgen diese Ärzte viele gemeinsame Patienten. Knoten liegen umso dichter beieinander, je mehr gemeinsame Patienten versorgt werden. Eine lange Kante zwischen zwei Knoten bedeutet folglich, dass Ärzte wenige gemeinsame Patienten versorgen.

Um in Abb. 1 und 2 Versorgernetzwerke optisch besser trennen zu können, wurden sie in den Grafiken jeweils farbig markiert. Das heißt, jedem Netzwerk wurde eine Farbe zugeordnet. Da im Falle der KV Rheinland-Pfalz 751 Versorgernetzwerke identifiziert werden konnten, musste die Legende für die Abb. 1 und 2 hier auf 35 Farben beschränkt werden. Die Größe der Knoten gibt in Abb. 1 Hinweis auf die Anzahl der gemeinsam versorgten Patienten und in Abb. 2 auf die Höhe der abgerechneten Behandlungskosten für eine Erkrankung bzw. Störung. Je höher die Anzahl der gemeinsam versorgten Patienten bzw. je kostspieliger die Behandlung pro Patienten, desto größer ist auch der Knoten.
Abb. 1

Versorgernetzwerke in Rheinland-Pfalz, Knotengröße nach Anzahl Patienten. aDa hier 751 Versorgernetzwerke identifiziert werden konnten, musste die Legende auf 35 Farbabstufungen beschränkt werden

Abb. 2

Versorgernetzwerke in Rheinland-Pfalz, Knotengröße nach Leistungsbedarf je Patienten in Euro. aDa hier 751 Versorgernetzwerke identifiziert werden konnten, musste die Legende auf 35 Farbabstufungen beschränkt werden

In Abb. 1 sind alle Depressionsversorger, die der KV Rheinland-Pfalz zugeordnet werden, und Ärzte anderer KVen, die mit diesen Ärzten durch gemeinsame Patienten verbunden sind, dargestellt. Die Knotengrößen wurden nach der Anzahl der Patienten gewichtet, sodass einem größeren Knoten höhere Patientenanzahlen entsprechen. Insgesamt konnten in Rheinland-Pfalz 751 Netzwerke gefunden werden. Durchschnittlich befinden sich in Rheinland-Pfalz 4,2 Ärzte in einem Netzwerk. Damit liegt Rheinland-Pfalz im KV-Vergleich in der Mitte (Mittelwert 4,2 Ärzte je Cluster). Um die Behandlungskosten in Rheinland-Pfalz innerhalb der Versorgung von Depressionen sichtbar zu machen, wurden die Knotengrößen in der Abb. 2 nach dem Leistungsbedarf je Patienten in Euro gewichtet.

In einem weiterführenden Schritt wurden die an der Versorgung beteiligten Facharztgruppen näher betrachtet (Abb. 3 und 4), sodass sowohl Kooperationsstrukturen als auch Behandlungskosten bei bestimmten Facharztgruppen identifiziert werden konnten. In Abb. 3 ist gut zu erkennen, welche Fachärzte in die Versorgung von Patienten mit Depressionen involviert sind. Die hohe Anzahl der Hausärzte (2191), Fachärzte für innere Medizin (159), Neurologen (49), Psychiater (70), nichtärztlichen Psychotherapeuten (97) oder auch der Fachärzte für Nervenheilkunde (59) zeigt deren Bedeutung bei der Behandlung depressiver Patienten1. Parallel dazu zeigt die Abb. 4, dass auch in eben diesen Fachgruppen der größte Leistungsbedarf pro Depressionspatient abgerechnet wird. Vor allem die Behandlung bei nichtärztlichen Psychotherapeuten ist im Vergleich zu jener bei anderen Fachgruppen mit einem höheren Leistungsbedarf assoziiert. Mit großem Abstand weisen Fachärzte der inneren Medizin den höchsten Leistungsbedarf pro Depressionspatient auf. Nähere Untersuchungen weisen darauf hin, dass dies vor allem Behandlungskosten sind, die im Zusammenhang mit Dialysebehandlungen entstehen. Depressionen können hierbei als Folge der Grunderkrankung vermutet werden.
Abb. 3

Versorgernetzwerke nach Fachgruppen in Rheinland-Pfalz, Knotengröße nach Anzahl Patienten

Abb. 4

Versorgernetzwerke nach Fachgruppen in Rheinland-Pfalz, Knotengröße nach Leistungsbedarf je Patienten in Euro

Als ein Beispiel für eine flächendeckende Vernetzung innerhalb einer KV ist Schleswig-Holstein anzuführen. Insgesamt wurden dort 586 Netzwerke gefunden (Abb. 5). Die Gesamtanzahl der Knoten und Kanten beträgt 2467 Knoten bzw. 4026 Kanten. Durchschnittlich befinden sich in Schleswig-Holstein 4,21 Ärzte in einem Netzwerk.
Abb. 5

Versorgernetzwerke nach Fachgruppen in Schleswig-Holstein, Knotengröße nach Anzahl Patienten

Die Ausweitung der Analysen auf die Betrachtung der unterschiedlichen Schweregrade einer Depressionserkrankung kann Hinweise auf eine ungleiche Versorgung in Abhängigkeit von der Belastung der Erkrankung geben. In Abb. 6 sind links die Kanten nach gemeinsamen Patienten mit einer schweren Depression und rechts nach gemeinsamen Patienten mit einer leichten Depression eingefärbt. Beide Analysen weisen unabhängig von ihrem ausgewiesenen Schweregrade eine ausgeprägte Vernetzung der Versorger auf. Im Mittel werden 11,1 Patienten mit einer schweren Depression in einem Netzwerk behandelt. Bei leichten Depressionen sind es 6,7 Patienten. Sowohl bei einer schweren als auch bei einer leichten Erkrankung liegen die Maximalpatientenanzahlen bei über 300, sodass der Mittelwert anscheinend in dieser Analyse stark durch hohe Ausreißer beeinflusst wird. Eine ergänzende Betrachtung des Medians wird daher als sinnvoll erachtet. Dieser liegt in den Netzwerkanalysen für Schleswig-Holstein bei 6 gemeinsam behandelten Patienten mit schweren und bei 2 gemeinsam behandelten Patienten bei leichten Depressionen.
Abb. 6

Versorgernetzwerke in Schleswig-Holstein, Knotengröße nach Anzahl der Patienten, links: schwere Depressionen (Kanten rot); rechts: leichte Depressionen (Kanten grün)

Diskussion

Mit Einführung des Gesundheitsmodernisierungsgesetzes im Jahr 2004 wurden zahlreiche Versuche unternommen, die strikte Trennung von ambulanter, teilstationärer und stationärer Versorgung aufzulösen. Vielmehr sollten durch die integrierte Versorgung Strukturen für eine individuelle und bedürfnisangepasste Behandlung geschaffen werden, die sektorenübergreifend und multiprofessionell ausgerichtet sind. Um einen fachlichen Austausch zwischen verschiedenen Behandlern zu fördern, steht in der integrierten Versorgung die Vernetzung der Versorger – mit den Zielen Qualitätssteigerung und Kostenoptimierung – im Vordergrund [19]. Allerdings können die Depressionen zu den sogenannten ambulant-sensitiven Krankheiten gezählt werden, d. h. Krankheiten mit vermeid- bzw. verringerbarer stationärer Versorgung [20]. Eine gut abgestimmte und vertikal im ambulanten Sektor integrierte Versorgung von Depressionen könnte für die Vermeidung bzw. Verringerung stationärer Depressionsfälle ein wichtiger Faktor sein. Um eine Fehl- und Unterversorgung von an Depression erkrankten Patienten gar nicht erst entstehen zu lassen, ist es umso wichtiger, dass Ärzte verschiedener Fachgruppen kooperieren und die Versorgung des Patienten schon in einem frühzeitigen Stadium sicherstellen.

Bereits von Stillfried et al. [16] haben in ihrer Arbeit mithilfe graphentheoretischer Ansätze und der Abrechnungsdaten ambulanter Behandlungen Versorgernetzwerke innerhalb einer Stadt jeweils in den alten und neuen Bundesländern identifiziert und im Nachfolgenden miteinander verglichen. Ihr Ergebnis brachte hervor, dass 20 % aller Patienten zu mindestens vier oder mehr Versorgernetzwerken Kontakt haben. Auch regionale Unterschiede konnten innerhalb beider Städte konstatiert werden. Wurden in der Stadt in den neuen Bundesländern 20 Versorgernetzwerke gefunden, waren dies in der Stadt in den alten Bundesländern 22 Versorgernetzwerke. Diese Analyse schließt alle Patienten unabhängig des Behandlungsgrundes beim Arzt ein. International publizierte Fachliteratur zum Thema Versorgernetzwerke lässt sich vor allem im angloamerikanischen Raum finden. Barnett et al. untersuchten z. B. Versorgernetzwerke innerhalb von amerikanischen Krankenhäusern [21]. Ihre Studie zeigte, dass mit einer guten Vernetzung eine intensivere Versorgung, aber auch höhere Kosten einhergehen. Netzwerkanalysen, die gezielt auf die Versorgung von Depressionen abzielen, liegen bis heute im deutschsprachigen Raum nicht vor.

Die vorliegenden Analysen zeigen erstmalig, wie es möglich ist, bei der Versorgung von Depressionen anhand von Abrechnungsdaten Versorgernetzwerke zu identifizieren und regionale Unterschiede ausfindig zu machen. In der KV Rheinland-Pfalz sind vier größere Zentren von Versorgernetzwerken zu erkennen, die fast getrennt voneinander fungieren (Abb. 14). Möglicherweise sind hier noch alte Strukturen der KV Rheinland-Pfalz zu erkennen – erst im Jahr 2004 wurde eine Fusion der KVen Trier, Koblenz, Pfalz und Rheinhessen zu einer Groß-KV Rheinland-Pfalz angeordnet und zum 01.01.2005 vollzogen [22]. Dem Algorithmus scheint es demnach möglich, real existierende Trennungen zu verdeutlichen. Aus datenschutzrechtlichen Gründen ist es an dieser Stelle nicht erlaubt, reale Zuordnungen der Versorgernetzwerke vorzunehmen. Innerhalb der vier Bereiche in der KV Rheinland-Pfalz sind ebenfalls strukturelle Unterschiede zu erkennen. So finden sich beispielsweise nur in zwei (oben und unten) der vier Bereiche deutlich sichtbare Knoten, die Fachärzten der inneren Medizin zuzuordnen sind und auf hohe Behandlungskosten schließen lassen (Abb. 4). In dem linken und rechten Bereich erfolgen dafür mehr Abrechnungen aus dem Bereich der nichtärztlichen Psychotherapie. Hier könnten anhand von Abgleichungen geografischer und regionaler Strukturmerkmale und Besonderheiten Versuche einer Zuordnung vorgenommen werden.

Mithilfe der Abbildung von Facharztgruppen, die an der Versorgung von Depressionen beteiligt sind, können zum einen Kooperationsstrukturen abgelesen und zum anderen Fragen beantwortet werden, inwieweit sich die Versorgung von Depressionspatienten auf bestimmte Fachärzte konzentriert und welche Facharztgruppe eine primäre Rolle bei der Versorgung von Depressionen einnimmt. Mit der differenzierten Betrachtung der Patienten nach Schweregrad der Depressionsdiagnose können die Analysen Anhaltspunkte für eine Unter- oder Fehlversorgung geben.

Sind in einer KV Behandler von Patienten mit einer schweren Depression stärker vernetzt als solche von Patienten mit einer leichten Depression, kann dies einerseits als logische Konsequenz der Intensität von Behandlungs- und Therapiemaßnahmen interpretiert werden, andererseits könnte die Hypothese einer Fehlversorgung aufgestellt werden. Im Fallbeispiel der KV Schleswig-Holstein konnte kein Unterschied zwischen den Versorgernetzwerken, die Patienten mit schwerer, und Netzwerken, die Patienten mit leichter Depression behandeln, abgeleitet werden, da unabhängig vom Schweregrad eine gut ausgeprägte Vernetzung vorliegt.

Den Analysen liegen Abrechnungsdaten nahezu aller Versicherten der Gesetzlichen Krankenversicherung (GKV) zugrunde. Aufgrund dessen kann davon ausgegangen werden, dass hier ein umfangreiches Bild der Netzwerkstrukturen innerhalb der einzelnen KVen abgebildet wurde. Für eine bessere Trennschärfe innerhalb der Versorgernetzwerke war es nötig, eine Mindestanzahl gemeinsam behandelter Patienten festzulegen. Die Grenze wurde bei zehn gemeinsamen Patienten gesetzt. Im Graphen wären sonst womöglich einzelne große Versorgernetzwerke entstanden, die keine sinnvolle Interpretation zugelassen hätten. Auch Landon et al. untersuchten Netzwerkstrukturen mit einer Mindestanzahl von zehn gemeinsamen Patienten [23]. Trotz dieser Selektion von Patienten und weiterer notwendiger Ausschlusskriterien (siehe Methodenteil) zeigte sich die Datenbasis sehr stabil. Systematische Ausschlüsse konnten weder innerhalb der Alters- und Geschlechtsstrukturen noch innerhalb der vier Schweregradabstufungen als Folge beobachtet werden. Einzig eine Verschiebung der Verteilung innerhalb der Schweregrade konnte dahin gehend ermittelt werden, dass sich nach Selektierung auf der einen Seite der Anteil der Patienten mit schwerer Depression um bis zu knapp 9 %-Punkte erhöhte und sich auf der anderen Seite die Anteile der Patienten mit leichter Depression um bis zu 5 %-Punkte und bei sonstiger Depression um bis zu 17 %-Punkte senkte. Bei einer schweren Depression ist im Vergleich zu einer leichten oder nicht weiter differenzierten Depression von einer vielschichtigen Versorgung der Betroffenen auszugehen. Demnach folgen berichtete Verschiebungen der Patientenverteilung einer gewissen Versorgungslogik und können somit nicht als Limitierung der Datenbasis gewertet werden.

Limitationen sind vor allem in der grafischen Darstellung zu berücksichtigen. Die mithilfe des Kamada-Kawai-Algorithmus erstellten Abbildungen sind darauf ausgerichtet, lediglich Muster abzubilden. So sind beispielsweise Fehlinterpretationen an Stellen möglich, wo eine zweidimensionale Abbildung an ihre Grenzen kommt. Knoten und Kanten können nicht in voller Gänze zweidimensional abgebildet werden, sodass Strukturen versteckt und Vernetzungen unerkannt bleiben können. Des Weiteren weist der verwendete „cluster_walktrap“-Algorithmus in Einzelfällen Ärzte keinem Versorgernetzwerk zu, obwohl diese mit anderen Ärzten durch zehn gemeinsame Patienten verbunden sind. Größenabgleiche zu real existierenden, von der KBV anerkannten Praxisnetzen zeigen jedoch, dass der Algorithmus trotz dieser Einzelfälle plausible Versorgernetzwerke bildet. Es bleibt zu prüfen, inwieweit andere Algorithmen im Vergleich zum berücksichtigten Algorithmus differente Netzwerkbildungen hervorbringen können.

Mit der beschriebenen Methode, vor allem durch die Setzung des Kriteriums von zehn gemeinsamen Patienten zwischen den Ärzten, können kleine Versorgernetzwerke nicht abgebildet werden. Denkbar wäre ein neuer Ansatz, der nicht über die Identifikation gemeinsam versorgter Patienten verläuft, sondern nur von Versorgern ausgeht, die Psychotherapien oder andere Therapien abrechnen, die für Behandlung psychiatrischer und neurologischer Störungen essenziell sind. So könnten auch Versorger berücksichtigt werden, die nur einen kleinen Patientenstamm versorgen, aber dennoch innerhalb bestimmter Kooperationsstrukturen tätig sind. Auch eine kleinräumigere Analyseeinheit könnte Versorgernetzwerke noch detaillierter beschreiben. Die durchgeführten Analysen bilden Versorgernetzwerke auf Basis einzelner Ärzte ab. Ein Versorgernetzwerk kann auch aus einer Praxisgemeinschaft oder einem medizinischen Versorgungszentrum (MVZ) bestehen, in dem mehrere Ärzte zusammenarbeiten. Eine Betrachtung auf Ebene der Praxen wurde nicht vorgenommen. Es wird nicht unterschieden, ob ein Versorgernetzwerk eine Organisationseinheit (Praxis) bildet oder einzelne Ärzte dieses Netzwerks unabhängig voneinander arbeiten. Die Bildung von Versorgernetzwerken auf Basis einzelner Praxen, die gemeinsame Patienten behandeln, würde zu weiteren Erkenntnissen führen. Diese stellen ergänzende Ansätze für weiterführende Studien dar.

Ausblick

Gesundheitspolitische Bemühungen für eine wachsende Vernetzung der Ärzte gibt es seit dem GKV-Versorgungsstrukturgesetz aus dem Jahr 2012 und der zeitgleichen Verankerung im Fünften Sozialgesetzbuch, in dem die Anerkennung von Praxisnetzen gefördert wird. Die Kassenärztliche Bundesvereinigung entwickelt seitdem Richtlinien für die Anerkennung von Praxisnetzen. Bis zum Jahr 2017 konnte die KBV 69 anerkannte Praxisnetze verzeichnen. Netzwerke von unterschiedlichen Versorgern, das heißt nicht nur auf Haus- und Fachärzte begrenzt, können die Qualität und Effizienz in der medizinischen Versorgung von Patienten mit Depressionen oder anderen psychischen Störungen verbessern. In Zukunft wird es also wichtig sein, Strukturen zu schaffen, um Vernetzung in allen KVen zu stärken. Fachlicher Austausch und effektiveres Ausnutzen vorhandener Ressourcen machen es möglich, gezielter und gerechter den Bedürfnissen der Patienten mit Depressionen gerecht zu werden.

Fußnoten

  1. 1.

    Die Anzahl der Fachärzte bezieht sich auf Ärzte aus Rheinland-Pfalz. Fachärzte aus anderen KVen, mit denen diese Ärzte gemeinsame Patienten behandeln, dürfen hier aus Datenschutzgründen nicht aufgeführt werden (insgesamt 3 % für alle Arztgruppen).

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

C. Gerber, M.-L. Rosenbusch und M. Erhart haben als Angestellte des Zentralinstituts für die kassenärztliche Versorgung in Deutschland (Zi) diese Publikation verfasst. Das Zi ist eine Stiftung des bürgerlichen Rechts, die von 17 Kassenärztlichen Vereinigungen (KVen) finanziert wird. Satzungsgemäß unterstützt die Forschung des Zi die KVen bei der Wahrnehmung ihres gesetzlichen Sicherstellungsauftrages. Bei keinem der Autoren besteht ein Interessenskonflikt durch anderweitige Beraterhonorare oder Beschäftigungsverhältnisse.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.

Literatur

  1. 1.
    WHO (2017) Depression and other common mental disorders: global health estimates. World Health Organization, Geneva (Licence: CC BY-NC-SA 3.0 IGO)Google Scholar
  2. 2.
    Vos T, Allen C, Arora M et al (2016) Global, regional, and national incidence, prevalence, and years lived with disability for 310 diseases and injuries, 1990–2015: a systematic analysis for the Global Burden of Disease Study 2015. Lancet 388:1545–1602CrossRefGoogle Scholar
  3. 3.
    Joukamaa M, Heliövaara M, Knekt P, Aromaa A, Raitasalo R, Lehtinen V (2001) Mental disorders and cause-specific mortality. Br J Psychiatry 179:498–502CrossRefGoogle Scholar
  4. 4.
    Luppino FS, De Wit LM, Bouvy PF et al (2010) Overweight, obesity, and depression: a systematic review and meta-analysis of longitudinal studies. Arch Gen Psychiatry 67:220–229CrossRefGoogle Scholar
  5. 5.
    Statistisches Bundesamt (2017) Krankheitskosten 2015. Thematische Recherche: Zahlen & Fakten – Gesellschaft & Staat – Gesundheit – Krankheitskosten – Fachserie 12 Reihe 7.2.1 – Dokumentart: Tabelle. www.destatis.de. Zugegriffen: 31. Juli 2018Google Scholar
  6. 6.
    Statistisches Bundesamt (2017) Krankheitskosten 2002, 2004, 2006, 2008 – Ausgabe 2015. Thematische Recherche: Zahlen & Fakten – Gesellschaft & Staat – Gesundheit – Krankheitskosten – Fachserie 12 Reihe 7.2 – Dokumentart: Tabelle. www.destatis.de. Zugegriffen: 31. Juli 2018Google Scholar
  7. 7.
    Statistisches Bundesamt (2017) Krankenhausaufenthalte wegen Depressionen, vollstationär behandelte Personen. Thematische Recherche: Im Fokus – Immer mehr Kinder und Jugendliche leiden an Depressionen. www.destatis.de. Zugegriffen: 31. Juli 2018Google Scholar
  8. 8.
    Richter D, Berger K (2013) Nehmen psychische Störungen zu? Psychiatr Prax 40:176–182CrossRefGoogle Scholar
  9. 9.
    Wittchen H‑U, Jacobi F, Klose M, Ryl L (2010) Depressive Erkrankungen. Gesundheitsberichterstattung des Bundes Heft 51. Robert Koch-Institut, BerlinGoogle Scholar
  10. 10.
    Swart E, Gothe H, Hoffmann F, March S, Schmitt J (2017) Standardisierte Berichtsroutine für Sekundärdatenanalysen (STROSA) – ein konsentierter Berichtsstandard für Deutschland. Gesundheitswesen 79:P-VI-D-47Google Scholar
  11. 11.
    Jakob R (2018) ICD-11-Anpassung der ICD an das 21. Jahrhundert. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz.  https://doi.org/10.1007/s00103-018-2755-6 Google Scholar
  12. 12.
    Erhart M, von Stillfried D (2012) Analyse regionaler Unterschiede in der Prävalenz und Versorgung depressiver Störungen auf Basis vertragsärztlicher Abrechnungsdaten – Teil 1 Prävalenz Bd. 1. Zentralinstitut für die Kassenärztliche Versorgung, Berlin (versorgungsatlas.de)Google Scholar
  13. 13.
    Läuchli P (1991) Grundlagen der Graphentheorie. In: Algorithmische Graphentheorie. Springer, Heidelberg, Berlin, New YorkCrossRefGoogle Scholar
  14. 14.
    Turau V, Weyer C (2015) Algorithmische Graphentheorie. Walter de Gruyter, BerlinCrossRefGoogle Scholar
  15. 15.
    Pons P, Latapy M (2005) Computing communities in large networks using random walks. International symposium on computer and information sciences. Springer, Heidelberg, Berlin, New York, S 284–293Google Scholar
  16. 16.
    von Stillfried D, Ermakova T, Ng F, Czihal T (2017) Virtuelle Behandlernetzwerke. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 60:1356–1371CrossRefGoogle Scholar
  17. 17.
    Kamada T, Kawai S (1989) An algorithm for drawing general undirected graphs. Inf Process Lett 31:7–15CrossRefGoogle Scholar
  18. 18.
    Kassenärztliche Bundesvereinigung (2017) Verbreitung von Praxisnetzen. Thematische Recherche: Kooperationen – Optionen & Kooperationsformen – Praxisnetze. http://www.kbv.de/html/18491. Zugegriffen: 31. Juli 2018Google Scholar
  19. 19.
    Jäger M, Rössler W (2012) Psychiatrische Versorgungsepidemiologie. Nervenarzt 83:389–402CrossRefGoogle Scholar
  20. 20.
    Sundmacher L, Schüttig W, Faisst C (2015) Ein konsentierter deutscher Katalog ambulant-sensitiver Diagnosen. Zentralinstitut für die kassenärztliche Versorgung in Deutschland (Zi), Versorgungsatlas-Bericht, (15/18). https://www.versorgungsatlas.de/fileadmin/ziva_docs/69/VA-69-ASK-Diagnosekatalog-final.pdf. Zugegriffen: 31. Juli 2018Google Scholar
  21. 21.
    Barnett ML, Christakis NA, O’malley AJ, Onnela J‑P, Keating NL, Landon BEJMC (2012) Physician patient-sharing networks and the cost and intensity of care in US hospitals. Med Care 50:152CrossRefGoogle Scholar
  22. 22.
    Korzilius H, Maus J (2004) POLITIK-Kassenärztliche Vereinigungen-Neuanfang oder Anfang vom Ende? Dtsch Arztebl A 101:981–982Google Scholar
  23. 23.
    Landon BE, Keating NL, Barnett ML et al (2012) Variation in patient-sharing networks of physicians across the United States. JAMA 308:265–273Google Scholar

Copyright information

© The Author(s) 2018

Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz (http://creativecommons.org/licenses/by/4.0/deed.de) veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.

Authors and Affiliations

  • Clarissa Gerber
    • 1
    Email author
  • Marie-Luise Rosenbusch
    • 1
  • Michael Erhart
    • 1
  1. 1.Zentralinstitut für die kassenärztliche Versorgung in DeutschlandBerlinDeutschland

Personalised recommendations