Zusammenfassung
Hintergrund
Durch eine stetige Verbesserung in der Behandlung überleben immer mehr Schwer- und Schwerstverletzte. Die Komplexität der Verletzungsmuster dieser Patient*innen bedingt, dass diese nur schwer in Routinedaten abbildbar sind.
Ziel der Arbeit
Das Ziel der Auswertung war es, International Statistical Classification of Diseases and Related Health Problems (ICD-10)-Diagnosen, welche eine Assoziation mit einem Injury Severity Score (ISS) ≥ 16 aufweisen und somit zur Operationalisierung von Schwerverletzten in Routinedaten genutzt werden könnten, zu identifizieren.
Material und Methoden
Es wurden die kodierten vierstelligen ICD-10-S-Diagnosen und der errechnete ISS von Traumapatienten des Bundeswehrzentralkrankenhauses Koblenz (BwZKrhs) und des Universitätsklinikums Düsseldorf (UKD) mittels statistischer Assoziationsmaße (Phi und Cramers V), linearer Regressionen sowie Methoden des Machine Learning (wie beispielsweise Random Forrest) analysiert.
Ergebnisse
Es konnten S‑Diagnosen zu Gesichts‑, Kopf‑, Thorax- und Beckenverletzungen, die mit einem ISS ≥ 16 assoziiert waren, identifiziert werden. Manche S‑Diagnosen zeigten nur in einem der beiden Datensätze eine Assoziation mit einem ISS ≥ 16. Ebenso fanden sich assoziierte Gesichts‑, Kopf‑, Thorax- und Beckenverletzungen in der Subgruppenanalyse der 18- bis 55-Jährigen.
Diskussion
Die aktuellen Auswertungen zeigen, dass es möglich ist, ICD-10-S-Diagnosen, welche eine signifikante Assoziation zu einem ISS ≥ 16 aufweisen, zu identifizieren. Gemäß dem Jahresbericht des TR-DGU® sind insbesondere in den Regionen Kopf und Thorax häufig Verletzungen mit einem Abbreviated Injury Scale Wert von ≥ 3 (AIS ≥ 3) zu finden.
Graphic abstract
Abstract
Background
Due to continuous improvements in treatment, more and more severely and seriously injured patients are surviving. The complexity of the injury patterns of these patients means that they are difficult to map in routine data.
Aim of the work
The aim of the data exploration was to identify ICD 10 diagnoses that show an association with an injury severity score (ISS) ≥ 16 and could therefore be used to operationalize severely injured patients in routine data.
Material and methods
The coded four-digit ICD 10 S diagnoses and the calculated ISS of trauma patients from the Armed Forces Central Hospital Koblenz (BwZKrhs) and the University Hospital Düsseldorf (UKD) were analyzed using statistical association measures (phi and Cramer’s V), linear regressions and machine learning methods (e.g., random forest).
Results
The S diagnoses of facial, head, thoracic and pelvic injuries, associated with an ISS ≥ 16 were identified. Some S diagnoses showed an association with an ISS ≥ 16 in only 1 of the 2 datasets. Likewise, facial, head, thoracic and pelvic injuries were found in the subgroup of 18–55-year-old patients.
Discussion
The current evaluations show that it is possible to identify ICD 10 S diagnoses that have a significant association with an ISS ≥ 16. According to the annual report of the trauma register of the German Society for Trauma Surgery (TR-DGU®), injuries with an abbreviated injury scale (AIS) ≥ 3 are particularly common in the head and thoracic regions.
Avoid common mistakes on your manuscript.
Einleitung
Die Versorgung von Schwerverletzten ist komplex und langwierig. Durch eine stetige Verbesserung in der Behandlung überleben immer mehr dieser Patient*innen. Die Komplexität des Verletzungsmusters dieser Patient*innen bedingt, dass diese nur schwer in Routinedaten abbildbar sind. Abhängig von dem zugrunde liegenden Verletzungsmuster und den durchgeführten Interventionen werden viele verschiedene Kodierungen der International Statistical Classification of Diseases and Related Health Problems (ICD-10) und des Operationen- und Prozedurenschlüssels (OPS) verwendet [1].
Im Rahmen der Datenübermittlung gemäß § 301 Fünftes Buch Sozialgesetzbuch (SGB V) sind die Übermittlung des Injury Severity Score (ISS) und damit die Übermittlung der Verletzungsschwere dieser Patient*innen nicht vorgesehen. Eine Erhebung dieser Daten erfolgt lediglich im Rahmen der Dateneingabe in das TraumaRegister® der Deutschen Gesellschaft für Unfallchirurgie (TR-DGU®). Dementsprechend sind eine retrospektive Identifizierung von schwer verletzten Patient*innen (ISS ≥ 16) sowie eine retrospektive Auswertung von entsprechenden Gesundheitsdaten aus den Routinedatensätzen dieser Patient*innen ohne gleichzeitigen Zugriff auf Daten aus dem TR-DGU® nicht möglich. Dies erschwert insbesondere Forschungsvorhaben zu Schwerverletzten deutlich.
Das Ziel der Datenexploration war, ICD-10-Diagnosen, welche eine Assoziation mit einem ISS ≥ 16 aufweisen und somit zur Operationalisierung von schwer verletzten Patient*innen in Routinedaten genutzt werden könnten, zu identifizieren. Somit könnte zukünftig eine verbesserte Untersuchung der Versorgung und auch des langfristigen Heilungsverlaufs von Schwerverletzten ermöglicht werden.
Methodik
Eingeschlossen wurden Patient*innen des Bundeswehrzentralkrankenhauses Koblenz (BwZKrhs) der Jahre 2019–2021 und des Universitätsklinikums Düsseldorf (UKD) der Jahre 2018–2021, welche im TR-DGU® erfasst wurden. Für diese Patient*innen wurden alle kodierten vierstelligen ICD-10-S-Diagnosen aus den Datensätzen gemäß § 21 KHEntgG pseudonymisiert extrahiert. Die S‑Diagnosen wurden dann mit dem errechneten ISS der Patient*innen verknüpft. Die Analysen wurden mittels statistischer Assoziationsmaße (Phi und Cramers V), linearer Regressionen sowie Methoden des Machine Learning (wie beispielsweise Random Forrest) durchgeführt. Für das UKD wurde ein positives Ethikvotum der Heinrich-Heine-Universität Düsseldorf eingeholt (Studiennummer: 2022-2029_2). Für das BwZKrhs war im Einklang mit den in Rheinland-Pfalz geltenden Richtlinien kein Ethikvotum zur Analyse der retrospektiven Daten notwendig.
Ergebnisse
Insgesamt wurden im BwZKrhs 598 Patient*innen mit insgesamt 259 S‑Diagnosen und im UKD 503 Patient*innen mit insgesamt 265 S‑Diagnosen erfasst. Bei Patient*innen mit einem ISS ≥ 16 (n = 613) fanden sich im BwZKrhs (n = 283) 212 S‑Diagnosen und im UKD (n = 330) 217 S‑Diagnosen. Bei ca. 75 % aller Patient*innen zeigten sich 3 oder mehr S‑Diagnosen im UKD und 2 oder mehr im BwZKrhs. Es zeigte sich eine hohe Vielfalt an S‑Diagnosen mit geringer Häufung in beiden Kliniken, sodass bei den Analysen ausschließlich die 10 % häufigsten S‑Diagnosen aus den Datensätzen im Fokus standen. Es konnten S‑Diagnosen zu Gesichts‑, Kopf‑, Thorax- und Beckenverletzungen, die mit einem ISS ≥ 16 assoziierten waren, identifiziert werden (Tab. 1).
Manche S‑Diagnosen zeigten nur in einem der beiden Datensätze eine Assoziation mit einem ISS ≥ 16. Dazu zählen im BwZKrhs die S‑Diagnosen für weitere Verletzungen des Gesichts und der Wirbelsäule. Im UKD waren es ICD-10-Kodierungen für weitere Verletzungen des Beckens.
Bei den Analysen zu der Altersgruppe 18 bis 55 Jahre (BwZKrhs: n = 275; UKD: n = 252) zeigten sich in beiden Datensätzen grundsätzlich weniger Diagnosen, die einen Zusammenhang mit einer schweren Verletzung (ISS ≥ 16) aufwiesen. Darunter fanden sich Gesichts‑, Kopf‑, Thorax- und Beckenverletzungen, wie in Tab. 2 dargestellt.
Weiterhin fanden sich in einem der beiden Datensätze Gesichts- (BwZKrhs: S02.0/S02.4/S02.6; UKD: S02.3), Kopf- (BwZKrhs: S06.2/S06.4/S06.5/S06.6), Becken-/Wirbelsäulen- (BwZKrhs: 32.0; UKD: S32.3/S32.4) sowie Abdomenverletzungen (BwZKrhs: S36.1; UKD: S36.0) assoziiert mit ISS ≥ 16.
Diskussion
Zwar existieren diverse Umrechnungstabellen/-tools (ICD-AIS map, ICDPIC), die in einigen Fällen eine ungefähre Umrechnung von ICD-10 zur Abbreviated Injury Scale (AIS) und dem damit verbunden ISS zulassen, jedoch sind diese häufig nicht auf das deutsche Kodiersystem (ICD-10 GM) zugeschnitten und daher zu ungenau oder für die einfache Identifikation Schwerverletzter in großen Routinedatensätzen nicht praktikabel bzw. qualitativ unzureichend [2, 3].
Die aktuellen Auswertungen zeigen, dass es möglich ist, ICD-10-S-Diagnosen, welche eine signifikante Assoziation zu einem ISS ≥ 16 aufweisen, zu identifizieren. Gemäß dem Jahresbericht des TR-DGU® sind insbesondere in den Regionen Kopf und Thorax häufig Verletzungen mit einem AIS-Wert ≥ 3 zu finden [4]. Verletzungen in eben diesen Regionen zeigten auch in unserer Auswertung eine Assoziation zu einem ISS ≥ 16. Des Weiteren scheinen diese S‑Diagnosen auch aus klinischer Sicht wahrscheinlicher bei Schwerverletzten aufzutreten. Diese Diagnosen könnten es demnach ermöglichen, in Verbindung mit anderen Parametern aus Routinedatensätzen (z. B. Aufenthaltsdauer auf einer Intensivstation, Anzahl der Beatmungsstunden, oder kodierte OPS) neue Modelle zur Identifikation Schwerverletzter zu entwickeln.
Schlussfolgerung
Es zeigt sich, dass, basierend auf den Datensätzen von zwei verschiedenen Krankenhäusern, plausible ICD-10-S-Diagnosen, die mit einer Verletzungsschwere ISS ≥ 16 assoziiert sind und somit charakteristisch für Schwerverletzte sein können, identifiziert werden können. Bedingt durch die Vielfalt an möglichen Diagnosen, die bei Schwerstverletzten auftreten können, zeigte sich auch in unseren Analysen eine große Vielfalt an S‑Diagnosen, von denen viele nur mit einer geringen Häufung aufgetreten sind. Dies schränkte die Analyse ein. In größeren Datensätzen aus weiteren Krankenhäusern lassen sich u. U. noch weitere S‑Diagnosen, die sich als charakteristisch für Schwerverletzte erweisen können, identifizieren. Limitierend sollte jedoch angeführt werden, dass bei den Analysen von ICD-10-Kodierungen immer bedacht werden muss, dass diese Kodierungen nicht vollumfänglich den Befund der Patient*innen widerspiegeln, da diese Kodierungen auch ökonomischen Interessen unterliegen. Dies kann bedingen, dass einige Diagnosen, die relevant für Einstufung eines Patienten als schwerstverletzt wären, nicht aufgeführt werden, da diese Kodierungen bei dem jeweiligen Patienten nicht abrechnungsrelevant sind.
Fazit für die Praxis
-
Die Verletzungsmuster Schwerverletzter sind interindividuell sehr unterschiedlich, weshalb häufig viele verschiedene ICD-10-S-Diagnosen kodiert werden.
-
Insbesondere höhergradige Verletzungen des Kopfes, Gesichts und Thorax sowie Beckenverletzungen scheinen mit dem Vorliegen eines ISS ≥ 16 assoziiert zu sein.
-
Die genannten S‑Diagnosen können es ermöglichen, Schwerverletzte anhand retrospektiver Auswertungen von Routinedatensätzen zu identifizieren und operationalisieren.
Abbreviations
- AIS:
-
Abbreviated Injury Scale
- BwZKrhs:
-
Bundeswehrzentralkrankenhaus Koblenz
- ICD-10:
-
International Statistical Classification of Diseases and Related Health Problems
- ICD-10 GM:
-
International Statistical Classification of Diseases and Related Health Problems – Deutsche Fassung
- ISS:
-
Injury Severity Score
- OPS:
-
Operationen- und Prozedurenschlüssel
- SGB V:
-
Fünftes Sozialgesetzbuch
- TR-DGU®:
-
TraumaRegister® der Deutschen Gesellschaft für Unfallchirurgie
- UKD:
-
Universitätsklinikum Düsseldorf
Literatur
Deutsche Krankenhausgesellschaft, GKV-Spitzenverband, Verband der Privaten Krankenversicherung, Institut für das Entgeltsystem im Krankenhaus (2022) Deutsche Kodierrichtlinien 2023: Allgemeine und spezielle Kodierrichtlinien für die Verschlüsselung von Krankheiten und Prozeduren. Version 2023. Deutscher Ärzteverlag, Köln, S 215
Niemann M, Märdian S, Niemann P, Tetteh L, Tsitsilonis S, Braun KF et al (2021) Transforming the German ICD-10 (ICD-10-GM) into Injury Severity Score (ISS)—Introducing a new method for automated re-coding. Simmen HP, editor. Plos One 16(9):e257183
Hartensuer R, Nikolov B, Franz D, Weimann A, Raschke M, Juhra C (2015) Vergleich von ICD-10 und AIS mit der Entwicklung einer Methode zur automatisierten Umwandlung. Z Orthop Unfallchir 153(06):607–612
Jahresbericht 2023 – TraumaRegister DGU® für das Unfalljahr 2022. München: Akademie der Unfallchirurgie; [cited 2023 Nov 5]. (AUC – Akademie der Unfallchirurgie, editor. Allgemeiner Jahresbericht). Report No.: September 2023. https://www.auc-online.de/fileadmin/AUC/Dokumente/Register/TraumaRegister_DGU/TR-DGU-Jahresbericht_2023.pdf
Funding
Open Access funding enabled and organized by Projekt DEAL.
Author information
Authors and Affiliations
Consortia
Corresponding author
Ethics declarations
Interessenkonflikt
A. Neubert, S. Hempe, V. Gontscharuk, C. Jaekel, J. Windolf, E. Kollig, C. Gäth, LeAf Trauma Group und D. Bieler geben an, dass kein Interessenkonflikt besteht.
Für diesen Beitrag wurden von den Autor/-innen keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien. Diese retrospektive Studie erfolgte nach Konsultation der zuständigen Ethikkommission und im Einklang mit nationalem Recht.
Additional information
Redaktion
Tobias Helfen, München
Carl Neuerburg, München
Hans Polzer, München
Hinweis des Verlags
Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.
A. Neubert und S. Hempe teilen sich die Erstautorenschaft.
QR-Code scannen & Beitrag online lesen
Rights and permissions
Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz 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.
Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.
Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/4.0/deed.de.
About this article
Cite this article
Neubert, A., Hempe, S., Gontscharuk, V. et al. Eine retrospektive Identifikation von Schwerverletzten mittels ICD-10-Diagnosen. Unfallchirurgie 127, 660–664 (2024). https://doi.org/10.1007/s00113-024-01446-w
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00113-024-01446-w