Skip to main content

Schilddrüsenveränderungen: Ein Vergleich ambulanter Abrechnungsdaten mit Daten einer populationsbasierten Studie

Prevalence of thyroid abnormality: a comparison of ambulatory claims data with data from a population-based study

Zusammenfassung

Hintergrund

Kassenärztliche Abrechnungsdiagnosen werden u. a. zur Qualitätssicherung und für Schätzungen von Prävalenz und Ressourcenverbrauch genutzt. Untersuchungen zur Validität zeigten erhebliche Limitationen. Bisher gibt es in Deutschland keine populationsbasierten Daten zur Übereinstimmung von ambulanten Abrechnungsdiagnosen mit klinischen Primärdaten von Schilddrüsenveränderungen.

Ziel der Arbeit

Untersucht wurde die Übereinstimmung kassenärztlicher Abrechnungsdaten für die ICD-Diagnosen Schilddrüsenknoten, Struma, Hyperthyreose, Hypothyreose und Thyreoiditis mit Untersuchungsdaten und Angaben aus dem Interview der populationsbasierten Kohortenstudie der Study of Health in Pomerania (SHIP).

Material und Methoden

Abrechnungsdaten der Kassenärztlichen Vereinigung Mecklenburg-Vorpommerns wurden auf individueller Ebene für den Zeitraum 2002–2016 mit Daten der SHIP gelinkt. Die Übereinstimmung wurde mittels Sensitivität, Spezifität sowie positiv und negativ prädiktiven Wertes (PPW, NPW) untersucht. Alle Angaben wurden gewichtet, um die Bevölkerungsrepräsentativität zu gewährleisten.

Ergebnisse

In die Analyse wurden Daten von 5746 Probanden (46 % Männer, durchschnittliches Alter 55 Jahre, SD [Standardabweichung] ± 15, Min.: 20 Jahre, Max.: 93 Jahre) eingeschlossen. Auf Basis der Untersuchungsdaten hatten 63 % der Probanden eine Schilddrüsenveränderung (3451/5511, fehlende Werte n = 235), auf Basis der Abrechnungsdaten waren es 25 % (1421/5746). Die Sensitivität betrug abhängig von der untersuchten Schilddrüsenveränderung 12–36 %, die Spezifität 84–98 %, der PPW lag am höchsten bei Schilddrüsenknoten (75 %) und Hypothyreose (70 %); der NPW lag zwischen 63 % und 94 %.

Diskussion

Schilddrüsenveränderungen sind in der Bevölkerung sehr häufig und oft nicht diagnostiziert. Kassenärztliche Abrechnungsdaten haben eine geringe Sensitivität, um klinisch relevante Schilddrüsenveränderungen abzubilden.

Abstract

Background

Billing diagnoses are used for quality assurance, estimates of prevalence and resource allocation. Validity studies showed relevant limitations. In Germany, there are no population-based data on the agreement of outpatient billing diagnoses with clinical data of thyroid disorders.

Objectives

The study investigated the agreement of ICD-diagnosed thyroid nodules, goitre, hyperthyroidism, hypothyroidism and thyroiditis with clinical and self-reported data from the population-based cohort study called the Study of Health in Pomerania (SHIP).

Materials and methods

Billing data from the Association of Statutory Health Insurance Physicians Mecklenburg-Vorpommern were linked on an individual level for the period from 2002–2016 with data from SHIP. The agreement was evaluated using sensitivity, specificity and positive and negative predictive value (PPW, NPW). Data were weighted to ensure population representativeness.

Results

The data of 5746 participants were analysed (46% male, average age 55 years, SD [standard deviation] ± 15, min: 20 years, max: 93 years). Based on clinical data, 63% (3451/5511, missing values n = 235) and based on billing data 25% (1421/5746) of the participants had thyroid disorders. The sensitivity was 12–36%, the specificity was 84–98%, the PPW was highest for thyroid nodules (75%) and hypothyroidism (70%) and the NPW was between 63 and 94%, depending on the investigated thyroid disorder.

Conclusions

Thyroid disorders are common and often undiagnosed. Billing data have a low sensitivity to identify clinically relevant thyroid disorders.

This is a preview of subscription content, access via your institution.

Abb. 1

Literatur

  1. 1.

    Erler A, Beyer M, Muth C, Gerlach FM, Brennecke R (2009) Garbage in – Garbage out? Validität von Abrechnungsdiagnosen in hausärztlichen Praxen. Gesundheitswesen 71:823–831. https://doi.org/10.1055/s-0029-1214399

    Article  CAS  PubMed  Google Scholar 

  2. 2.

    Angelow A, Reber KC, Schmidt CO, Baumeister SE, Chenot J‑F (2018) Untersuchung der Prävalenz kardiologischer Risikofaktoren in der Allgemeinbevölkerung: Ein Vergleich ambulanter ärztlicher Abrechnungsdaten mit Daten einer populationsbasierten Studie. Gesundheitswesen. https://doi.org/10.1055/a-0588-4736

    Article  PubMed  Google Scholar 

  3. 3.

    Drösler N (2014) Gutachten im Auftrag der Kassenärztlichen Bundesvereinigung – Evaluation der Kodierqualität von vertragsärztlichen Diagnosen. https://www.kbv.de/media/sp/2014_11_18_Gutachten_Kodierqualitaet.pdf. Zugegriffen: 15. Jan. 2019

    Google Scholar 

  4. 4.

    Schmidt CO, Reber K, Baumeister SE, Schminke U, Völzke H, Chenot J‑F (2015) Die Integration von Primär- und Sekundärdaten in der Study of Health in Pomerania und die Beschreibung von klinischen Endpunkten am Beispiel Schlaganfall. Gesundheitswesen 77:e20–e25. https://doi.org/10.1055/s-0034-1395648

    Article  CAS  PubMed  Google Scholar 

  5. 5.

    Münch C, Gottschall M, Hübsch G et al (2016) Qualität der hausärztlichen Diagnose-dokumentation in Patientenakten – Eine Analyse am Beispiel von Schilddrüsenerkrankungen. Z Evid Fortbild Qual Gesundhwes 115/116:56–62. https://doi.org/10.1016/j.zefq.2016.03.016

    Article  Google Scholar 

  6. 6.

    IGES Institut GmbH (2012) Bewertung der Kodierqualität von vertragsärztlichen Diagnosen. https://www.gkv-spitzenverband.de/media/dokumente/krankenversicherung_1/aerztliche_versorgung/verguetung_und_leistungen/klassifikationsverfahren/9_Endbericht_Kodierqualitaet_Hauptstudie_2012_12-19.pdf. Zugegriffen: 23. Nov. 2018

    Google Scholar 

  7. 7.

    Schwabe U, Paffrath D, Ludwig W‑D, Klauber J (2017) Arzneiverordnungs-Report 2017. Springer, Berlin, Heidelberg

    Book  Google Scholar 

  8. 8.

    Meisinger C, Ittermann T, Wallaschofski H et al (2012) Geographic variations in the frequency of thyroid disorders and thyroid peroxidase antibodies in persons without former thyroid disease within Germany. Eur J Endocrinol 167:363–371. https://doi.org/10.1530/EJE-12-0111

    Article  CAS  PubMed  Google Scholar 

  9. 9.

    Völzke H, Alte D, Schmidt CO et al (2011) Cohort profile: The study of health in Pomerania. Int J Epidemiol 40:294–307. https://doi.org/10.1093/ije/dyp394

    Article  PubMed  Google Scholar 

  10. 10.

    Khattak RM, Ittermann T, Nauck M, Below H, Völzke H (2016) Monitoring the prevalence of thyroid disorders in the adult population of Northeast Germany. Popul Health Metr 14:39. https://doi.org/10.1186/s12963-016-0111-3

    Article  PubMed  PubMed Central  Google Scholar 

  11. 11.

    Ittermann T, Khattak RM, Nauck M, Cordova CM, Völzke H (2015) Shift of the TSH reference range with improved iodine supply in Northeast Germany. Eur J Endocrinol 172:261–267. https://doi.org/10.1530/EJE-14-0898

    Article  CAS  PubMed  Google Scholar 

  12. 12.

    Gutekunst R, Becker W, Hehrmann R, Olbricht T, Pfannenstiel P (1988) Ultraschalldiagnostik der Schilddrüse. Dtsch Med Wochenschr 113:1109–1112. https://doi.org/10.1055/s-2008-1067777

    Article  CAS  PubMed  Google Scholar 

  13. 13.

    Reiners C, Wegscheider K, Schicha H et al (2004) Prevalence of thyroid disorders in the working population of Germany: Ultrasonography screening in 96,278 unselected employees. Thyroid 14:926–932. https://doi.org/10.1089/thy.2004.14.926

    Article  PubMed  Google Scholar 

  14. 14.

    Blank W, Braun B (2007) Sonography of the thyroid—Part 1. Ultraschall Med 28:554–568. https://doi.org/10.1055/s-2007-963722 (quiz 570–574)

    Article  CAS  PubMed  Google Scholar 

  15. 15.

    Knudsen N, Jorgensen T, Rasmussen S, Christiansen E, Perrild H (1999) The prevalence of thyroid dysfunction in a population with borderline iodine deficiency. Clin Endocrinol 51:361–367. https://doi.org/10.1046/j.1365-2265.1999.00816.x

    Article  CAS  Google Scholar 

  16. 16.

    Sundararajan V, Henderson T, Perry C, Muggivan A, Quan H, Ghali WA (2004) New ICD-10 version of the Charlson comorbidity index predicted in-hospital mortality. J Clin Epidemiol 57:1288–1294. https://doi.org/10.1016/j.jclinepi.2004.03.012

    Article  PubMed  Google Scholar 

  17. 17.

    Gharib H, Papini E, Garber JR et al (2016) American Assocition of Clinical Endocrinologists, American College of Endocrinology, and Associazione Medici Endocrinologi medical guidelines for clinical practice for the diagnosis and management of thyroid nodules—2016 update. Endocr Pract 22:622–639. https://doi.org/10.4158/EP161208.GL

    Article  PubMed  Google Scholar 

  18. 18.

    Rios A, Torregrosa B, Rodríguez JM et al (2016) Ultrasonographic risk factors of malignancy in thyroid nodules. Langenbecks Arch Surg 401:839–849. https://doi.org/10.1007/s00423-016-1451-y

    Article  CAS  PubMed  Google Scholar 

  19. 19.

    Robert Koch-Institut (2017) Krebs in Deutschland für 2013/2014, 11. Aufl. RKI, Berlin

    Google Scholar 

  20. 20.

    Hummers-Pradier E, Simmenroth-Nayda A, Scheidt-Nave C et al (2003) Versorgungsforschung mit hausärztlichen Routinedaten: Sind Behandlungsdatenträger-(BDT-)Exporte geeignet? Gesundheitswesen 65:109–114

    Article  CAS  PubMed  Google Scholar 

  21. 21.

    Giersiepen K, Pohlabeln H, Egidi G, Pigeot I (2007) Die ICD-Kodierqualität für Diagnosen in der ambulanten Versorgung. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 50:1028–1038. https://doi.org/10.1007/s00103-007-0297-4

    Article  CAS  PubMed  Google Scholar 

  22. 22.

    Trautner C, Dong Y, Ryll A (2005) Verlässlichkeit von Diagnosen niedergelassener Ärzte in Niedersachsen. Gesundh Sozialpolit 1/2:36–43

    Google Scholar 

  23. 23.

    Hegedüs L, Bonnema SJ, Bennedbaek FN (2003) Management of simple nodular goiter: Current status and future perspectives. Endocr Rev 24:102–132. https://doi.org/10.1210/er.2002-0016

    Article  PubMed  Google Scholar 

  24. 24.

    Schübel J, Voigt K, Bründel K‑H et al (2016) Erhöhter TSH-Wert in der Hausarztpraxis. https://www.degam.de/files/Inhalte/Leitlinien-Inhalte/Dokumente/DEGAM-S2-Leitlinien/053-046_Erhoehter%20TSH-Wert%20in%20der%20Hausarztpraxis/Dokumente%20Homepage_11_2016/053-046l_erhoehterTSHWert_170317.pdf. Zugegriffen: 16. Jan. 2019

    Google Scholar 

Download references

Förderung

Die Studie wurde gefördert vom Zentralinstitut für die kassenärztliche Versorgung (Zi) in der Bundesrepublik Deutschland. SHIP ist Bestandteil des Forschungsnetzwerkes Community Medicine der Universitätsmedizin Greifswald, das durch das Land Mecklenburg-Vorpommern unterstützt wird.

Author information

Affiliations

Authors

Corresponding author

Correspondence to Simone Kiel M.Sc..

Ethics declarations

Interessenkonflikt

S. Kiel, T. Ittermann, H. Völzke, J.-F. Chenot und A. Angelow geben an, dass kein Interessenkonflikt besteht.

Für die Nutzung der zur Verfügung stehenden SHIP-Daten und Abrechnungsdaten lag ein positives Ethikvotum und das Einverständnis der Teilnehmer vor. Das Linkage zwischen Primär- und Abrechnungsdaten wurde durch die Datenschutzbeauftragten der beteiligten Einrichtungen genehmigt. Die Datenhaltung erfolgt nach den mit dem Landesdatenschutzbeauftragten abgestimmten „Rahmenkonzept Datenschutz und IT-Sicherheit für das Institut für Community Medicine der Universitätsmedizin Greifswald“.

Additional information

Studienregistrierung

Versorgungsforschung Deutschland (Projektkennung: VfD_17_003880).

Rights and permissions

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Kiel, S., Ittermann, T., Völzke, H. et al. Schilddrüsenveränderungen: Ein Vergleich ambulanter Abrechnungsdaten mit Daten einer populationsbasierten Studie. Bundesgesundheitsbl 62, 1004–1012 (2019). https://doi.org/10.1007/s00103-019-02983-1

Download citation

Schlüsselwörter

  • Abrechnungsdiagnosen
  • Validierung
  • Prävalenz von Schilddrüsenveränderungen
  • Primärdaten
  • Kodierqualität

Keywords

  • Billing diagnosis
  • Validation
  • Prevalence of thyroid disorders
  • Primary data
  • Coding quality