Advertisement

Analyse der Behandlungsqualität mittels ICD‑11

Differenzierte Kodierung von Behandlungsfehlern
  • Saskia E. DröslerEmail author
  • Nenad F. I. Kostanjsek
Leitthema
  • 349 Downloads

Zusammenfassung

Die Identifikation von Behandlungsfehlern, den sogenannten „unerwünschten“ bzw. „kritischen Ereignissen“ ist für die Erhebung und Weiterentwicklung der Behandlungsqualität entscheidend. Mit der neuen internationalen statistischen Klassifikation der Krankheiten und verwandter Gesundheitsprobleme – der ICD-11 – lassen sich u. a. Informationen im Kontext Behandlungsqualität bzw. Patientensicherheit strukturiert erfassen. Das Dokumentationskonzept beruht dabei auf der Mehrfachkodierung der drei Dimensionen eines kritischen Ereignisses: Schaden, Ursache und Modus. So wird eine äußerst differenzierte Erhebung des Ereignisses mit seinen Auslösern und Auswirkungen möglich. Die Überprüfung dieses Konzepts anhand von 45 klinischen Fallbeschreibungen in einer Feldstudie zeigt gute Übereinstimmungen der verwendeten Kodes zwischen den dokumentierenden Studienteilnehmern.

Da sich mit der ICD-11 auch Beinahe-Schäden und deren Kontextfaktoren detailliert verschlüsseln lassen, ist ihr Einsatz zur strukturierten Dokumentation in Fehlermeldesystemen (Datenbanken zur anonymen Meldung von Behandlungsfehlern) denkbar. So könnten die Fehlermeldungen systematischerer erhoben und damit besser für Qualitätsverbesserungen genutzt werden.

Bei der Qualitätsmessung ist es wichtig, den Zeitpunkt der Diagnose zu berücksichtigen. Das Merkmal „bei Aufnahme ins Krankenhaus vorhanden“ („present on admission“, POA), zur Qualifizierung einer Diagnose hat daher eine wesentliche Bedeutung und wird international häufig verwendet. Bisher ist es in Deutschland nicht durchgehend verfügbar. Die ICD-11 beinhaltet den entsprechenden Kode.

Schlüsselwörter

ICD-11 WHO Qualitätsindikator Patientensicherheit Fehlermeldesysteme 

Quality of care analyses using ICD 11

Detailed capture of treatment events

Abstract

The identification of treatment errors, the so-called “undesirable” or “critical incidents”, is crucial for improving and developing the quality of care. The new International Statistical Classification of Diseases and Related Health Problems—ICD-11—supports a structured data collection in the context of the quality of care and patient safety. Documentation conceptually relies on the multiple coding of the three dimensions of a critical incident: harm, cause, and mode. In this way, it is possible to capture the event in great detail, including the reasons for it and the effects it has. An evaluation of this concept in a field trial using 45 clinical case studies showed good concordance in coding across the documented participants.

As the ICD-11 permits the detailed capture of near misses and their context, it could be used for structured documentation in incident reporting systems (databanks for the anonymous reporting of treatment errors). In this way, the error reports can be gathered in a more systematic way, so that they can be used for better quality improvement.

In quality assessment, it is important to consider the time of diagnosis. Thus, the feature present on admission (POA) is a diagnosis qualifier that is of substantial importance for quality assessment and is widely used internationally. Up to now, it has not been permanently available in Germany. ICD-11 includes the relevant code.

Keywords

International Classification of Diseases World Health Organization Quality indicator Patient safety Incident reporting systems 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

S.E. Drösler und N.F.I. Kostanjsek geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Iezzoni LI, Daley J, Heeren T et al (1994) Using administrative data to screen hospitals for high complication rates. Inquiry 31(1):40–55PubMedGoogle Scholar
  2. 2.
    Agency for Healthcare Research and Quality (2018) Get to know the AHRQ quality indicators. http://www.qualityindicators.ahrq.gov/. Zugegriffen: 20. Febr. 2018
  3. 3.
    Zhan C, Miller MR (2003) Administrative data based patient safety research. A critical review. Qual Saf Health Care 12(90002):58ii–63.  https://doi.org/10.1136/qhc.12.suppl_2.ii58 CrossRefGoogle Scholar
  4. 4.
    Carinci F, van Gool K, Mainz J et al (2015) Towards actionable international comparisons of health system performance. Expert revision of the OECD framework and quality indicators. Int J Qual Health Care 27(2):137–146.  https://doi.org/10.1093/intqhc/mzv004 PubMedCrossRefGoogle Scholar
  5. 5.
    Medicare (2017) Hospital Compare Measures and current data collection periods on Hospital Compare. https://www.medicare.gov/hospitalcompare/Data/Data-Updated.html. Zugegriffen: 19. Dez. 2017
  6. 6.
    Nimptsch U, Peschke D, Mansky T (2016) Der Einfluss von Qualitätsmessung, Transparenz und Peer Reviews auf die Krankenhaussterblichkeit – Retrospektive Vorher-Nachher-Studie mit 63 Kliniken. Z Evid Fortbild Qual Gesundhwes 115–116:10–23.  https://doi.org/10.1016/j.zefq.2016.05.007 CrossRefPubMedGoogle Scholar
  7. 7.
    OECD (2017) Health at a glance 2017. OECD, Paris  https://doi.org/10.1787/health_glance-2017-en CrossRefGoogle Scholar
  8. 8.
    Kostuj T, Smektala R (2010) Qualitätssicherung mithilfe von Routinedaten. Ist Ergebnisqualität ab jetzt messbar? Unfallchirurg 113(12):1047–8–1050–2.  https://doi.org/10.1007/s00113-010-1875-8 CrossRefGoogle Scholar
  9. 9.
    Hanisch E, Weigel TF, Buia A, Bruch H‑P (2016) Die Validität von Routinedaten zur Qualitätssicherung. Eine qualitative systematische Übersichtsarbeit. Chirurg 87(1):56–61.  https://doi.org/10.1007/s00104-015-0012-1 CrossRefPubMedGoogle Scholar
  10. 10.
    Leicht H (2017) GKV-Routinedaten helfen bei der Qualitätssicherung. Uro News 21(9):43–49.  https://doi.org/10.1007/s00092-017-1592-5 CrossRefGoogle Scholar
  11. 11.
    Neubauer S, Zeidler J, Schilling T et al (2016) ignung und Anwendung von GKV-Routinedaten zur Überprüfung von Versorgungsleitlinien am Beispiel der Indikation Linksherzinsuffizienz. Gesundheitswesen 78(S 01):e135–e144.  https://doi.org/10.1055/s-0042-100727 CrossRefPubMedGoogle Scholar
  12. 12.
    Maass C, Schleiz W, Weyermann M, Drösler SE (2011) Krankenhaus-Routinedaten zur externen Qualitätssicherung? Vergleich von Qualitätsindikatoren anhand der Daten der gesetzlichen externen Qualitätssicherung (BQS) und Routinedaten. Dtsch Med Wochenschr 136(9):409–414.  https://doi.org/10.1055/s-0031-1274523 CrossRefPubMedGoogle Scholar
  13. 13.
    Theisen S, Drabik A, Lüngen M, Stock S (2011) Qualitätssicherung in deutschen Krankenhäusern. „Einrichtungsübergreifende Qualitätssicherung“ im Vergleich zur „Qualitätsmessung aus Routinedaten“. Ein direkter Vergleich am Beispiel „Dekubitus“. Gesundheitswesen 73(12):803–809.  https://doi.org/10.1055/s-0030-1262865 CrossRefPubMedGoogle Scholar
  14. 14.
    Jüttner B, Stenger K, Heller G, Krause A, Günster C, Scheinichen D (2012) Anästhesiologische Ergebnisqualität aus Routinedaten. Beispiele der Appendektomie und der Dickdarmresektion. Anaesthesist 61(5):444–451.  https://doi.org/10.1007/s00101-012-2020-6 CrossRefPubMedGoogle Scholar
  15. 15.
    Drösler SE, Romano PS, Sundararajan V et al (2014) How many diagnosis fields are needed to capture safety events in administrative data? Findings and recommendations from the WHO ICD-11 Topic Advisory Group on Quality and Safety. Int J Qual Health Care 26(1):16–25.  https://doi.org/10.1093/intqhc/mzt090 CrossRefPubMedGoogle Scholar
  16. 16.
    Forster AJ, Bernard B, Drösler SE et al (2017) A World Health Organization field trial assessing a proposed ICD-11 framework for classifying patient safety events. Int J Qual Health Care 29(4):548–556.  https://doi.org/10.1093/intqhc/mzx070 CrossRefPubMedGoogle Scholar
  17. 17.
    Ghali WA, Pincus HA, Southern DA et al (2013) ICD-11 for quality and safety. Overview of the WHO Quality and Safety Topic Advisory Group. Int J Qual Health Care 25(6):621–625.  https://doi.org/10.1093/intqhc/mzt074 CrossRefPubMedGoogle Scholar
  18. 18.
    Southern DA, Pincus HA, Romano PS et al (2016) Enhanced capture of healthcare-related harms and injuries in the 11th revision of the International Classification of Diseases (ICD-11). Int J Qual Health Care 28(1):136–142.  https://doi.org/10.1093/intqhc/mzv099 CrossRefPubMedGoogle Scholar
  19. 19.
    Sundararajan V, Romano PS, Quan H et al (2015) Capturing diagnosis-timing in ICD-coded hospital data. Recommendations from the WHO ICD-11 topic advisory group on quality and safety. Int J Qual Health Care 27(4):328–333.  https://doi.org/10.1093/intqhc/mzv037 CrossRefPubMedPubMedCentralGoogle Scholar
  20. 20.
    WHO (2009) The conceptual framework for the international classification for patient safety (v.1.1)—final technical report and technical annexes. http://www.who.int/patientsafety/implementation/taxonomy/icps_download/en/. Zugegriffen: 20. Febr. 2018Google Scholar
  21. 21.
    Clancy CM (2010) Common formats allow uniform collection and reporting of patient safety data by patient safety organizations. Am J Med Qual 25(1):73–75.  https://doi.org/10.1177/1062860609352438 CrossRefPubMedGoogle Scholar
  22. 22.
    Elkin PL, Johnson HC, Callahan MR, Classen DC (2016) Improving patient safety reporting with the common formats. Common data representation for patient safety organizations. J Biomed Inform 64:116–121.  https://doi.org/10.1016/j.jbi.2016.09.020 CrossRefPubMedGoogle Scholar
  23. 23.
    Kostanjsek N, Rubinelli S, Escorpizo R et al (2011) Assessing the impact of health conditions using the ICF. Disabil Rehabil 33(15–16):1475–1482.  https://doi.org/10.3109/09638288.2010.527032 CrossRefPubMedGoogle Scholar
  24. 24.
    Glance LG, Osler TM, Mukamel DB, Dick AW (2008) Impact of the present-on-admission indicator on hospital quality measurement. Experience with the Agency for Healthcare Research and Quality (AHRQ) inpatient quality indicators. Med Care 46(2):112–119.  https://doi.org/10.1097/MLR.0b013e318158aed6 CrossRefPubMedGoogle Scholar
  25. 25.
    Needleman J, Buerhaus PI, Vanderboom C, Harris M (2013) Using present-on-admission coding to improve exclusion rules for quality metrics. The case of failure-to-rescue. Med Care 51(8):722–730.  https://doi.org/10.1097/MLR.0b013e31829808de CrossRefPubMedGoogle Scholar
  26. 26.
    Winters BD, Bharmal A, Wilson RF et al (2016) Validity of the Agency for Health Care Research and Quality patient safety indicators and the Centers for Medicare and Medicaid hospital-acquired conditions. A systematic review and meta-analysis. Med Care 54(12):1105–1111.  https://doi.org/10.1097/MLR.0000000000000550 CrossRefPubMedGoogle Scholar
  27. 27.
    Initiative Qualitätsmedizin (2018) POA—present on admission. https://www.initiative-qualitaetsmedizin.de/fachkreise/weiterentwicklung/. Zugegriffen: 20. Febr. 2018
  28. 28.
    Institut für Qualitätssicherung und Transparenz im Gesundheitswesen (2017) QS-Basisspezifikation für Leistungserbringer 2018. Datensatz Dekubitusprophylaxe DEK (Spezifikation 2018 V04)Google Scholar
  29. 29.
    Pham JC, Girard T, Pronovost PJ (2013) What to do with healthcare incident reporting systems. J Public Health Res 2(3):e27.  https://doi.org/10.4081/jphr.2013.e27 CrossRefPubMedPubMedCentralGoogle Scholar
  30. 30.
    Gemeinsamer Bundesausschuss (2016) Beschluss über eine Bestimmung von Anforderungen an einrichtungsübergreifende Fehlermeldesysteme. GBA üFMS-B. BAnz AT 04.07.2016 B3Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Kompetenzzentrum Routinedaten im GesundheitswesenHochschule NiederrheinKrefeldDeutschland
  2. 2.Weltgesundheitsorganisation (WHO)GenfSchweiz

Personalised recommendations