Advertisement

Versorgungswirklichkeit muskuloskeletaler Erkrankungen auf Bevölkerungsebene

Erkenntnisse aus dem Verbundprojekt PROCLAIR
  • J. CallhoffEmail author
  • K. Albrecht
  • F. Hoffmann
  • D. Poddubnyy
  • K.-P. Günther
  • A. Zink
Leitthema
  • 78 Downloads

Zusammenfassung

Hintergrund

Der Forschungsverbund PROCLAIR (Linking Patient-Reported Outcomes with CLAims data for health services research In Rheumatology) hatte die Zielsetzung, bevölkerungsbezogene Erkenntnisse zur Versorgung von Patienten mit rheumatoider Arthritis (RA), axialer Spondyloarthritis (axSpA) oder Arthrose in Deutschland zu gewinnen.

Ziel der Arbeit

Zu den Fragestellungen des Verbundes gehörte es, ob sich Personengruppen identifizieren lassen, die einem besonderen Risiko für Unter- oder Fehlversorgung ausgesetzt sind. Außerdem sollten Erkenntnisse über die Validität von Abrechnungsdiagnosen zu diesen Erkrankungen als Basis für weitere Studien gewonnen werden.

Patienten und Methoden

Es wurden Querschnittbefragungen bei Versicherten der BARMER Krankenversicherung durchgeführt, in deren Abrechnungsdaten sich die Diagnosen RA, axSpA oder Arthrose fanden. Die Fragebogenangaben wurden bei vorliegendem Einverständnis der Versicherten mit deren Abrechnungsdaten verknüpft.

Ergebnisse

In allen 3 Krankheitsbildern wurden Risikogruppen für Versorgungsdefizite identifiziert. Personen mit RA, die nicht fachärztlich versorgt werden, haben geringeren Zugang zu medikamentöser Therapie. Physikalische Therapie wird für alle 3 Diagnosen auf niedrigem Niveau verordnet. Ein Zusammenhang von depressiven Symptomen und Krankheitslast bei axSpA wurde aufgezeigt. Neben den versorgungsrelevanten Ergebnissen hat der PROCLAIR-Verbund auch methodenkritische Beiträge zur Qualität von Krankenkassendaten geleistet.

Diskussion

Die Verknüpfung von Abrechnungs- mit Befragungsdaten ermöglicht eine umfassende Beschreibung der Versorgung muskuloskeletaler Erkrankungen. Besonders relevante Einflussgrößen sind die Fachrichtung des Arztes, soziodemografische Parameter der Patienten oder Wohnregion. Insbesondere der Zugang zu Versorgung lässt sich in randomisierten klinischen Studien nicht untersuchen.

Schlüsselwörter

Entzündlich rheumatische Erkrankungen Therapie Krankheitslast Abrechnungsdaten Versorgungsdefizite 

Reality of care for musculoskeletal diseases at the population level

Results of the PROCLAIR collaborative project. German version

Abstract

Background

The objective of the research consortium PROCLAIR was to gain population level knowledge on the treatment of patients with rheumatoid arthritis (RA), axial spondylarthritis (axSpA) and osteoarthritis (OA) in Germany.

Aims

A main question of the consortium was whether it is possible to identify groups of people who were exposed to a particular risk of undersupply or oversupply of treatment. In addition, the study investigated the validity of claims data for these diseases as a basis for further studies.

Patients and methods

Cross-sectional surveys were carried out among insurees of the BARMER statutory health insurance fund whose claims data included RA, axSpA and OA diagnoses. The questionnaire data were linked with the claims data of the insured persons if they agreed.

Results

In all three diseases risk groups for care deficits could be identified. Persons with RA who are not treated by a specialist have less access to drug treatment. Physical therapy is prescribed for all three diagnoses at a low level, even for people undergoing joint replacement surgery. A connection between depressive symptoms and disease activity or function in axSpA was shown. In addition to the results relevant to care, the PROCLAIR network has also made contributions to critically assess the quality of health insurance data.

Discussion

The combination of billing data with survey data enables a comprehensive description of the treatment of musculoskeletal diseases. Particularly relevant factors are the specialization of the physician, sociodemographic parameters of the patients and the region of residence. In particular, access to treatment cannot be investigated in randomized clinical trials.

Keywords

Inflammatory rheumatic diseases Treatment Disease burden Billing data Treatment deficits 

Notes

Danksagung

Wir bedanken uns besonders bei allen Verfassern der Originalarbeiten, auf denen diese Übersichtsarbeit beruht. Dies sind H. Haibel, S. Hense, J. Goronzy, H. Jacobs, K. Jobski, J. Klotsche, T. Lange, A. Luque Ramos, K. Minden, A. Postler, I. Redeker, J. Schmitt und J. Sieper. Wir bedanken uns bei allen Versicherten, die durch ihr Einverständnis, ihre Daten dem Projekt zur Verfügung zu stellen, und durch die sorgfältige Dokumentation der Fragebögen eine umfangreiche Datenauswertung ermöglicht haben. Unser Dank geht weiterhin an die BARMER, insbesondere Frau Dr. Marschall, Herrn Dr. Dudey, Frau Schwarz und Herrn Saam, für die Bereitstellung der Daten und die hervorragende Unterstützung bei der Befragung. Wir bedanken uns bei den Patienten-Forschungspartnern der Rheuma-Liga für die Mitarbeit in der Erstellung der Fragebögen.

Der Forschungsverbund zu muskuloskeletalen Erkrankungen, PROCLAIR (Linking Patient-Reported Outcomes with CLAIms data for health services Research in rheumatology), wurde vom Bundesministerium für Bildung und Forschung von 2015–2018 gefördert (Förderkennzeichen 01EC1405).

Einhaltung ethischer Richtlinien

Interessenkonflikt

J. Callhoff, K. Albrecht, F. Hoffmann, D. Poddubnyy, K.-P. Günther und A. Zink geben an, dass kein Interessenkonflikt besteht.

Ein positives Ethikvotum wurde 2015 von der Ethikkommission der Charité Universitätsmedizin Berlin erteilt (EA1/051/15). Die Untersuchung erfolgte im Einklang mit nationalem Recht.

Literatur

  1. 1.
    Albrecht K (2014) Gender-spezifische Unterschiede der Komorbidität bei rheumatoider Arthritis. [Gender-specific differences in comorbidities of rheumatoid arthritis]. Z Rheumatol 73:607–614CrossRefGoogle Scholar
  2. 2.
    Albrecht K, Callhoff J, Edelmann E et al (2016) Klinische Remission bei rheumatoider Arthritis. Daten aus der Früharthritiskohortenstudie CAPEA. [Clinical remission in rheumatoid arthritis: Data from the early arthritis cohort study CAPEA]. Z Rheumatol 75:90–96CrossRefGoogle Scholar
  3. 3.
    Albrecht K, Huscher D, Eidner T et al (2017) Versorgung der rheumatoiden Arthritis 2014: Aktuelle Daten aus der Kerndokumentation. [Medical treatment of rheumatoid arthritis in 2014: Current data from the German Collaborative Arthritis Centers]. Z Rheumatol 76:50–57CrossRefGoogle Scholar
  4. 4.
    Albrecht K, Luque Ramos A, Callhoff J et al (2018) Ambulante Versorgung und Krankheitslast der rheumatoiden Arthritis [Outpatient care and disease burden of rheumatoid arthritis: Results of a linkage of claims data and a survey of insured persons]. Z Rheumatol 77:102–112CrossRefGoogle Scholar
  5. 5.
    Behr S, Schill W, Pigeot I (2012) Does additional confounder information alter the estimated risk of bleeding associated with phenprocoumon use—Results of a two-phase study. Pharmacoepidemiol Drug Saf 21:535–545CrossRefGoogle Scholar
  6. 6.
    Callhoff J, Luque Ramos A, Zink A et al (2017) The association of low income with functional status and disease burden in German patients with rheumatoid arthritis: Results of a cross-sectional questionnaire survey based on claims data. J Rheumatol 44:766–772CrossRefGoogle Scholar
  7. 7.
    Hense S, Luque Ramos A, Callhoff J et al (2016) Prävalenz der rheumatoiden Arthritis in Deutschland auf Basis von Kassendaten: Regionale Unterschiede und erste Ergebnisse der PROCLAIR-Studie. [Prevalence of rheumatoid arthritis in Germany based on health insurance data: Regional differences and first results of the PROCLAIR study]. Z Rheumatol 75:819–827CrossRefGoogle Scholar
  8. 8.
    Hoffmann F, Andersohn F, Giersiepen K et al (2008) Validierung von Sekundärdaten. Grenzen und Möglichkeiten. [Validation of secondary data. Strengths and limitations]. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 51:1118–1126CrossRefGoogle Scholar
  9. 9.
    Jacobs H, Callhoff J, Hoffmann F et al (2019) Non-drug treatment of rheumatoid arthritis: An analysis of claims data and a survey of insured persons (Project PROCLAIR). Z Rheumatol 78:119–126CrossRefGoogle Scholar
  10. 10.
    Jobski K, Luque Ramos A, Albrecht K et al (2017) Pain, depressive symptoms and medication in German patients with rheumatoid arthritis-results from the linking patient-reported outcomes with claims data for health services research in rheumatology (PROCLAIR) study. Pharmacoepidemiol Drug Saf 26:766–774CrossRefGoogle Scholar
  11. 11.
    Kreis K, Neubauer S, Klora M et al (2016) Status and perspectives of claims data analyses in Germany—A systematic review. Health Policy (New York) 120:213–226CrossRefGoogle Scholar
  12. 12.
    Lange T, Luque Ramos A, Albrecht K et al (2018) Verordnungshäufigkeit physikalischer Therapien und Analgetika vor dem Einsatz einer Hüft- bzw. Kniegelenks-Endoprothese: Eine versorgungsepidemiologische Analyse basierend auf GKV-Routinedaten aus Deutschland. [Prescription frequency of physical therapy and analgesics before total hip and knee arthroplasy: An epidemiological analysis of routine health care data from Germany]. Orthopade 47:1015–1023Google Scholar
  13. 13.
    Luque Ramos A, Hoffmann F, Callhoff J et al (2016) Influenza and pneumococcal vaccination in patients with rheumatoid arthritis in comparison with age- and sex-matched controls: Results of a claims data analysis. Rheumatol Int 36:1255–1263CrossRefGoogle Scholar
  14. 14.
    Luque Ramos A, Redeker I, Hoffmann F et al (2019) Comorbidities in patients with rheumatoid arthritis and their association with patient-reported outcomes: Results of claims data linked to questionnaire survey. J Rheumatol 46(6):564–571.  https://doi.org/10.3899/jrheum.180668 CrossRefPubMedGoogle Scholar
  15. 15.
    Pattloch D, Richter A, Manger B et al (2017) Das erste Bilogikum bei rheumatoider Arthritis: Einflussfaktoren auf die Therapieentscheidung. [The first biologic for rheumatoid arthritis: Factors influencing the therapeutic decision]. Z Rheumatol 76:210–218CrossRefGoogle Scholar
  16. 16.
    Postler A, Ramos AL, Goronzy J et al (2018) Prevalence and treatment of hip and knee osteoarthritis in people aged 60 years or older in Germany: An analysis based on health insurance claims data. Clin Interv Aging 13:2339–2349CrossRefGoogle Scholar
  17. 17.
    Quan H, Sundararajan V, Halfon P et al (2005) Coding algorithms for defining comorbidities in ICD-9-CM and ICD-10 administrative data. Med Care 43:1130–1139CrossRefGoogle Scholar
  18. 18.
    Redeker I, Callhoff J, Hoffmann F et al (2019) Determinants of diagnostic delay in axial spondyloarthritis: An analysis based on linked claims and patient-reported survey data. Rheumatology (Oxf).  https://doi.org/10.1093/rheumatology/kez090 CrossRefGoogle Scholar
  19. 19.
    Redeker I, Hoffmann F, Callhoff J et al (2018) Determinants of psychological well-being in axial spondyloarthritis: An analysis based on linked claims and patient-reported survey data. Ann Rheum Dis 77:1017–1024CrossRefGoogle Scholar
  20. 20.
    Regierer AC, Weiss A, Baraliakos X et al (2019) RABBIT-SpA: Ein neues Krankheitsregister fur axiale Spondyloarthritis und Psoriasisarthritis. [RABBIT-SpA: A new disease register for axial spondyloarthritis and psoriatic arthritis]. Z Rheumatol.  https://doi.org/10.1007/s00393-019-0613-z CrossRefPubMedGoogle Scholar

Copyright information

© Springer Medizin Verlag GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • J. Callhoff
    • 1
    Email author
  • K. Albrecht
    • 1
  • F. Hoffmann
    • 2
  • D. Poddubnyy
    • 3
  • K.-P. Günther
    • 4
  • A. Zink
    • 1
    • 3
  1. 1.Programmbereich EpidemiologieDeutsches Rheuma-Forschungszentrum BerlinBerlinDeutschland
  2. 2.Department für VersorgungsforschungCarl von Ossietzky Universität OldenburgOldenburgDeutschland
  3. 3.Rheumatologie und Klinische ImmunologieCharité-Universitätsmedizin BerlinBerlinDeutschland
  4. 4.UniversitätsCentrum für Orthopädie und Unfallchirurgie, Universitätsklinikum Carl Gustav Carus DresdenTechnische Universität DresdenDresdenDeutschland

Personalised recommendations