Statistical process monitoring and hierarchical Bayesian modeling are two ways to learn more about processes of interest. In this work, we consider two main components: risk-adjusted monitoring and Bayesian hierarchical models for spatial data. Usually, if prior information about a process is known, it is important to incorporate this into the monitoring scheme. For example, when monitoring 30-day mortality rates after surgery, the pre-operative risk of patients based on health characteristics is often an indicator of how likely the surgery is to succeed. In these cases, risk-adjusted monitoring techniques are used. In this work, the practical limitations of the traditional implementation of risk-adjusted monitoring methods are discussed and an improved implementation is proposed. A method to perform spatial risk-adjustment based on exact locations of concurrent observations to account for spatial dependence is also described. Furthermore, the development of objective priors for fully Bayesian hierarchical models for areal data is explored for Gaussian responses. Collectively, these statistical methods serve as analytic tools to better monitor and model spatial processes. / Ph. D.

Risk-adjustment schemes are used to monitor hospital performance, on the assumption that excess mortality not explained by case mix is largely attributable to suboptimal care. We have developed a model to estimate the proportion of the variation in standardised mortality ratios (SMRs) that can be accounted for by variation in preventable mortality. The model was populated with values from the literature to estimate a predictive value of the SMR in this context-specifically the proportion of those hospitals with SMRs among the highest 2.5% that fall among the worst 2.5% for preventable mortality. The extent to which SMRs reflect preventable mortality rates is highly sensitive to the proportion of deaths that are preventable. If 6% of hospital deaths are preventable (as suggested by the literature), the predictive value of the SMR can be no greater than 9%. This value could rise to 30%, if 15% of deaths are preventable. The model offers a 'reality check' for case mix adjustment schemes designed to isolate the preventable component of any outcome rate.

Die Einführung des GKV-FQWG sorgt für einen verstärkten Wettbewerbsdruck innerhalb des Systems der gesetzlichen Krankenkassen. Bestehen hohe Anreize zur Risikoselektion, so kann dieser Druck in einen vermehrten Kampf um vermeintlich vorteilhafte Versichertengruppen führen. Die Studie stellt heraus, welche Anreize zur regionalen Risikoselektion unter einem differenzierten Risikostrukturausgleichssystem vorliegen und gibt einen Einblick in die Bedeutung des Problemfeldes. Hierfür werden regionale Versichertenstrukturen gegenüber ihrem geographischen Risikopotential mittels räumlicher Autokorrelationsanalyse untersucht.

Background. Infectious diseases societies recommend that hospitals risk-adjust their antimicrobial use before comparing it to their peers, a process called benchmarking. The purpose of this investigation is to apply and compare 3 risk-adjustment procedures for benchmarking hospital antibacterial consumption (AbC). Two standardization of rates procedures, direct and indirect standardization, are compared with one another as well as with regression modeling. Methods. Total aggregate adult AbC for 52 systemic antibacterial agents was measured in 70 hospitals that subscribed to the University HealthSystem Consortium Clinical Resource Manager database in 2009 and expressed as days of therapy (DOTs) per either 1000 patients days (PDs) or 1000 discharges. The two AbC rates served the role of the outcome while several known risk factors for AbC served the role of potential predictor variables in the linear regression models. Selection criteria were applied to select a model that represented the first rate (Model I) and another that represented the second (Model II), respectively, and outliers were identified. Adult discharges in each hospital were then stratified into 35 clinical service lines based upon their Medicare Severity-Diagnosis Related Group (MS-DRG) assignment. Direct and indirect standardization were applied to this set and the expected-to-observed (E/O) and observed-to-expected (O/E) ratios, respectively, for AbC were determined. The agreement of the different methods in ranking hospitals according to their risk-adjusted rates and in identifying outliers was determined. Results. The mean total AbC rate was 821.2 DOTs/1000 PDs or 4487.6 DOTs/1000 discharges. Model I explained 31% of the variability in AbC measured in DOTs/1000 PDs while Model II explained 64% of the variability in AbC measured in DOTs/1000 discharges. The E/O ratios ranged from 0.76-1.44 while the O/E ratios ranged from 0.73-1.45. The comparison of the risk-adjustment methods revealed a very good agreement between the two regression models as well as between the two standardization methods whereas the agreement of Model II with either standardization method was moderate. Conclusion. Standardization provides a viable alternative to regression for benchmarking hospital AbC rates. Direct standardization appears to be especially useful for benchmarking purposes since it allows the direct comparison of risk-adjusted rates.

The aim of this thesis is to investigate ways of assessing economic efficiency of outpatient health care providers. It analyzes feasibility of employment of risk-adjustment and profiling in the Czech Republic using administrative data reported to health insurance company in the field of otorhinolaryngology. First, the thesis provides an overview of economic profiling methods. Out of these, indirect standardization of costs with risk-adjustment on patient level was used in the empirical part. Next, methods addressing specific problems of health care data (in particular, skewness, excess of zero values and non-negativity) are explored. Using OLS on logarithms on positive part of the distribution, three representations of costs were estimated, based on selected risk-factors. Several patient factors proved significant in final models (specifically, age, gender, number of hospitalizations, region of residence and chronic conditions asthma, COPD and depression), however, the quality of the model is extremely poor. Reasons for dissatisfactory fit of models are various. We conclude that data-selection process is not appropriate to perform economic comparison. And care of outpatient otorhinolaryngology is extremely specific to be captured by information provided. Still, profiling of providers is performed...

As it is in many other sectors also in case of health insurance companies it is crucial to ensure sufficient competition what at the same reduces undesired adverse selection of enrollees. Therefore, the key is to have risk adjustment model that accurately captures future health care costs of individuals. PCG model currently used in Slovakia works apart from the simple demographic characteristics of the population as predictors also with chronic conditions. The main aim of the thesis is to compare this model in the form applied today with its modifications classifying more potentially chronic patients into the group, focusing on Hypercholesterolemia. We find a potential for improvement of the model in its adjusted versions bringing better results as from the profit/loss point of view so from R2 increase. While the implementation of the suggested models into the system is not practically limited by the availability of the necessary information nor the time or financial demand.

Die Einführung des GKV-FQWG sorgt für einen verstärkten Wettbewerbsdruck innerhalb des Systems der gesetzlichen Krankenkassen. Bestehen hohe Anreize zur Risikoselektion, so kann dieser Druck in einen vermehrten Kampf um vermeintlich vorteilhafte Versichertengruppen führen. Die Studie stellt heraus, welche Anreize zur regionalen Risikoselektion unter einem differenzierten Risikostrukturausgleichssystem vorliegen und gibt einen Einblick in die Bedeutung des Problemfeldes. Hierfür werden regionale Versichertenstrukturen gegenüber ihrem geographischen Risikopotential mittels räumlicher Autokorrelationsanalyse untersucht.

Hintergrund: Patient:innensicherheit nimmt als ethischer Grundpfeiler medizinischen Handelns sowie als Gut öffentlichen Interesses eine Schlüsselposition in der Gesundheitsversorgung ein. Die Patient:innensicherheit der stationären Akutversorgung soll unter anderem durch legislativ verbindliche Qualitätssicherung und -indikatoren sowie mittels Durchsetzung leistungsberechtigender Mindestfallmengen bei komplexen medizinischen Fällen gewährt und kontinuierlich verbessert werden. Medizinische Fälle unterscheiden sich in ihrer Komplexität im Hinblick auf Alter, Geschlecht und Komorbiditäten. Das stationäre Versorgungssetting unterscheidet sich beispielsweise im Aufnahmezeitpunkt und Aufnahmeanlass, durchgeführter (chirurgischer) Prozedur und der Anzahl an der Versorgung beteiligten Stationen. Stationäre Versorger selbst weisen Unterschiede unter anderem hinsichtlich Versorgungsfähigkeit und -auftrag, Trägerschaft, Bettengröße, Personalschlüssel und -qualifikation sowie Fallmenge auf. Fallindividuell werden in der Qualitätssicherung und in Fallmenge-Outcome-Analysen die Risiko-faktoren Alter, Geschlecht und Komorbiditäten statistisch berücksichtigt, jedoch nicht das rahmengebende Versorgungs- oder Versorgersetting. Fragestellung / Hypothese: Das Ziel dieser Dissertation war es, den Einfluss von Versorger- und Versorgungs-variablen auf multiple Patient:innensicherheitsoutcomes mehrerer stationär behandelter Indikationen unter Nutzung unterschiedlicher Daten und Methoden zu analysieren. Für den stationären Versorgungskontext steht der Aufnahmeanlass als Surrogatvariable für die Akuität des Falls (Forschungsziel 1) im Fokus. Für die stationären Versorger sollte aufgrund der legislativen Implikation der Einfluss der Fallmenge untersucht werden (Forschungsziel 2). Aus diesen zwei Forschungszielen wurden drei Einzelfrage-stellungen abgeleitet, analysiert und im Rahmen von drei Publikationen beantwortet: (1) Ist das Geburtsoutcome bei Niedrigrisiko-Geburten mit der Fallmenge des Krankenhauses assoziiert? (2) Welche Zusammenhänge bestehen zwischen Versorger- und Versorgungsvariablen bei der Patient:innensicherheit kolorektaler Resektionen? (3) Welche Rolle nimmt der Versorgungskontext als Risikofaktor bei der Inzidenz von Dekubitalulcera ein? Material und Methoden: Publikation (1) - Systematisches Review Publikation (1) wurde als systematisches Review konzipiert. Zu den Einschlusskriterien gehörten die Analyse von Einflüssen der Fallmenge (Exposition/ Vergleichsgröße) auf die Mortalität (primäres Outcome), Komplikationen/ Kaiserschnitten (sekundäres Outcome) bei Mutter und Kind bei Niedrigrisiko-Geburten (Population) in analytisch ausgewerteten Primärstudien (Studientyp). Vor dem Hintergrund internationaler Vergleichbarkeit musste die Studie in einem Land mit Neonatalmortalität <5/1000 gemäß UN Child Mortality Report durchgeführt, in englischer oder deutscher Sprache verfasst und ab dem 01. Januar 2000 veröffentlicht worden sein. Das systematische Review wurde gemäß den Berichts- und Qualitätsstandards der „Preferred Reporting Items for Systematic Reviews and Meta-Analyses“ (PRISMA) und der zweiten Version des „A MeaSurement Tool to Assess systematic Reviews“ (AMSTAR 2) Instrumentes durchgeführt. Es wurde a priori ein Reviewprotokoll im International Prospective Register of Systematic Reviews (PROSPERO) veröffentlicht. Die Identifikation relevanter Literatur beinhaltete eine maschinelle Suche in Medline und Excerpta Medica Database (EMBASE) via OVID, eine Handsuche referenzierter und referenzierender Artikel in den eingeschlossenen Studien sowie den Einbezug klinischer Experten. Einschluss, Extraktion und Qualitätsbewertung wurden doppelt unabhängig durchgeführt. Publikation (2) und (3) - Querschnittstudien Für die explorativen Fragestellungen der Publikationen (2) und (3) wurde jeweils ein Querschnittdesign mit unterschiedlichen Datenquellen angwendet. Publikation (2) untersuchte explorativ unter anderem die Assoziationen zwischen Aufnahmeanlass sowie Fallmenge und Mortalität, post¬operativem Lungenversagen, Nierenversagen und postoperativen Wundinfektionen nach kolorektalen Resektionen in 232 Krankenhäusern. Zur Analyse konnten Abrechnungs¬daten nach §21 Krankenhaus-entgeltgesetz (KHEntgG) aus den Jahren 2016 - 2018 verwendet werden. Für eine korrekte Definition kolorektaler Resektionen (German Inpatient Quality Indicators), Komorbiditäten (Elixhauser Comorbidity Index) und den nicht letalen Patient:innensicherheitsoutcomes des postoperativen Lungenversagens, Nierenversagens und postoperativen Wundinfektionen konnten validierte und publizierte Definitionen herangezogen werden. Die statistische Analyse erfolgte mit einer Mehrebenen¬regression zur Abbildung der verschiedenen Ebenen zwischen individuellem Fall, Versorgungs- und Versorgersetting. Publikation (3) untersuchte in einem monozentrischen Setting mit gematchten klinischen Daten und Abrechnungsdaten nach §21 KHEntgG des Universitätsklinikums Dresden (2014 - 2018) die Assoziationen zwischen Dekubitusinzidenz und beispielsweise Aufnahmeanlass, Anästhesiedauer Anzahl behandlungsbeteiligter Stationen. Mit dem zusätzlichen Ziel, die Prädiktierbarkeit inzidenten Dekubitus auf Grundlage der assoziierten Risikofaktoren zu analysieren, kam mit Bayesian Additive Regression Trees (BART) ein Machine-Learning-Ansatz zum Einsatz. Ergebnisse: In Publikation (1) zeigten die nach einem Title-Abstract-Screening mit 7.955 Einträgen 13 eingeschlossenen Beobachtungs- und Registerstudien eine akzeptable Studienqualität. Eine quantitative Auswertung (Meta-Analyse) wurde aufgrund heterogener Definitionen bei Population, Fallschwellen, Outcomes und statistischer Methodik nicht durchgeführt. Die Fallmenge war protektiv mit der perinatalen Mortalität in der Mehrheit der Studien assoziiert. Für die weiteren Outcomes Totgeburt, Neonatalmortalität, maternale Mortalität, Kaiserschnitte oder Komplikationen bei Mutter oder Kind zeigte das Review keinen über die Mehrheit der Studien konsistenten Fallmengeneffekt. Die Analyse von 54.168 Kolonresektionen (209 Versorger) und 20.395 Rektum-resektionen (200 Versorger) in Publikation (2) identifizierte Aufnahmen als Notfall oder Zuverlegung und Wochenendchirurgie als durchgehend signfikanten Risikofaktor für die Patient:innensicherheit (Mortalität, postoperatives Lungenversagen, Nierenversagen und postoperative Wundinfektionen) bei Kolon- sowie Rektumresektionen. Fallmenge und Patient:innensicherheit waren mehrheitlich insignifikant mit Kolonresektionen und protektiv mit Rektum¬resektionen assoziiert. In der Auswertung von insgesamt 149.006 stationär behandelten Fällen, inklusive 4.663 inzidenten Dekubitusfällen aus Publikation (3), war Dekubitus mit der Auf¬nahme als Notfall oder Zuverlegung und einer OP-Dauer >50 Minuten assoziiert. Die Prädiktierbarkeit erwies sich aufgrund einer hohen Anzahl von falsch-negativen Werten als eingeschränkt. Schlussfolgerungen: Die Ergebnisse der publizierten Analysen dieser Arbeit weisen darauf hin, dass der Aufnahmeanlass als Teil des Versorgungssettings trotz umfassender Adjustierung durchgängig als Risikofaktor mit der Patient:innensicherheit assoziiert war. Bezüglich dem Einfluss der Fallmenge auf die Patient:innensicherheit zeigten sowohl das systematische Review (Publikation (1)) zur Niedrigrisiko-Geburtshilfe als auch die Querschnittstudie zur Patient:innensicherheit kolorektaler Resektionen (Publikation (2)) heterogene Ergebnisse. Im Rahmen der Untersuchung von Fallmenge-Outcome-Vergleichen konnten unter anderem die Risikoadjustierung, die Definitionen von Populationen und Outcomes sowie die Detailtiefe des verwendeten Datensatzes als zu berücksichtigende Faktoren identifiziert werden und unterstreichen die Notwendigkeit umfassender und gründlicher Risikoadjustierungen. Qualitätssicherung und Mindestmengen besitzen eine hohe versorgungs- und gesund-heitswirtschaftliche Relevanz. Im Sinne Evidenzbasierter Medizin sind entsprechende Ansätze oftmals auf die Beforschung durch Beobachtungsstudien als bestverfügbare Evidenz angewiesen. Gemessen an der skizzierten Relevanz von externer Qualitätssicherung und Mindestmengen definiert diese Arbeit auf Grundlage einer umfassenden inhaltlichen und statistischen Analyseplanung die Notwendigkeit einer gründlichen (risikoadjustierten) Analyse von Fall-, Versorgungs- und Versorgervariablen als relevante Risikofaktoren der Patient:innensicherheit.:Inhaltsverzeichnis Zusammenfassung III Summary VII Abbildungsverzeichnis X Tabellenverzeichnis XI Abkürzungsverzeichnis XII 1 Einführung in die Thematik - Begriff und Relevanz der Patient:innensicherheit 1 1.1 Patient:innensicherheit und Qualität im deutschen Gesundheitswesen 4 1.2 Patient:innensicherheit im Rahmen der (externen) Qualitätssicherung 4 1.3 Mindestmengen als Instrument der Patient:innensicherheit 6 1.4 Risikoadjustierung: ein Schlüsselelement in Qualitätssicherung und (Fall-)Menge-Outcome-Analysen 7 1.5 Versorgungs- und Versorgersetting in der Risikoadjustierung 8 2 Forschungsziele und Einzelfragestellungen 10 3 Methoden, Ergebnisse und Publikation 13 3.1 Methodische Überschneidungen 13 3.2 Systematisches Review 15 3.3 Querschnittstudie 16 3.4 Einzelfragestellung (1): Ist das Geburtsoutcome bei Niedrigrisiko-Geburten mit der Fallmenge des Krankenhauses assoziiert? 17 3.5 Einzelfragestellung (2): Welche Assoziationen bestehen zwischen Versorger- und Versorgungsvariablen und Patient:innensicherheitsoutcomes bei kolorektalen Resektionen? 19 3.6 Einzelfragestellung (3): Welche Rolle nimmt der Versorgungskontext als Risikofaktor bei der Inzidenz von Dekubitalulcera ein? 22 3.7 Übergreifende Einordnung 25 4 Publikationen und Impact-Faktoren nach Journal Citation Report 26 4.1 Publikation (1): Are birth outcomes in low risk birth cohorts related to hospital birth volumes? 27 4.2 Publikation (2): The relationships between multiple patient safety outcomes and healthcare and hospital-related risk factors in colorectal resection cases: Cross-sectional evidence from a nationwide sample of 232 German hospitals 51 4.3 Publikation (3): Prediction of Inpatient Pressure Ulcers Based on Routine Healthcare Data Using Machine Learning Methodology 91 5 Diskussion und Ausblick 112 5.1 Zusammenfassung der drei Publikationen 112 5.2 Stärken und Limitationen der Publikationen 114 5.3 Implikationen für externe Qualitätssicherung und Mindestmengen 116 5.4 Ausblick - Versorgungssteuerung und Evidenzgrad 117 Literaturverzeichnis 119 Darstellung des Eigenanteils XIII Peer-Review-Veröffentlichungen und Vorträge XIV Danksagung XIX Anlage 1 - Erklärungen zur Eröffnung des Promotionsverfahrens XX Anlage 2 - Erklärungen über die Einhaltung rechtlicher Bestimmungen XXII

The risk adjustment model currently used does not adequately compensate insurers for predictable differences in individuals' health care expenditures in the Czech Republic. It then leads to financial inequality in the redistribution of funds to the insurance companies and causes their financial problems. This study introduces a PCG model as another method for risk adjustment and determines to what extent the predictive performance of the model can be improved when applied to Czech data. We analyze 10% of population sample in the Czech Republic in years 2011 and 2012. Our results confirm the appropriateness of the PCG model for the Czech environment. When the PCG variables are added to the demographic model, R2 value of the prediction model increases from 2.03% to 13.87%.

The aim of this thesis was to explore options for hospital profiling in the Slovak republic. Sacrificing breadth of the study in favor of depth, the scope of the analysis was narrowed down to one quality indicator only - mortality. In the first step a mortality prediction model was constructed in order to predict expected probability of death on the basis of a set of risk factors in order to filter away variation in hospital outcomes that is caused by other factors than quality of care. Validation of the model was performed on a validation sample of 25% of data. Discriminative ability of the final model is very high - c-statistics over 0.9. Furthermore, we verified that hospitals differ in the risk structure of their patient populations significantly - mean predicted probability of dying for hospitals differed from 0.02% to 33%. In the second step hospital profiling was performed. Standardized mortality ratios were calculated for each hospital as a difference between observed and expected number of deaths. After introduction of risk-adjustment and calculation of confidence intervals 43% of hospitals were re-classified. 30-day mortality was selected as the best indicator for hospital profiling.