Der leistungsorientierte Krankenhausbetriebsvergleich Jürgen Klauber

Slides:



Advertisements
Ähnliche Präsentationen
Sicherheitslabordaten bei Gesunden
Advertisements

Referentin: Stefanie Jahn SS 2007
Anzahl der ausgefüllten und eingesandten Fragebögen: 211
Eulerscher Polyedersatz
Vorlesung: 1 Betriebliche Informationssysteme 2003 Prof. Dr. G. Hellberg Studiengang Informatik FHDW Vorlesung: Betriebliche Informationssysteme Teil3.
Evaluation der bewegungstherapeutischen Behandlung mit Hilfe des Dortmunder Fragebogens zur Bewegungstherapie DFBT Stuttgart Daniela Croissant.
Streuungsmaß 3: absolute Abweichung vom Mittelwert
Wahlmodus A oder B ? Die neuen Wahlmöglichkeiten bei der Pfarrgemeinderatswahl 2010.
Die Hattie Studie und erfolgreicher Unterricht
Forschungsstatistik II
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-26.
Konfidenzintervalle für Parameter
Demoprogramm: Clustering Eine graphische Demonstration verschiedener Clusteringalgorithmen anhand des Clusterings von Punkten im zweidimensionalen Raum.
Internet facts 2006-II Graphiken zu dem Berichtsband AGOF e.V. November 2006.
Vorlesung: 1 Betriebliche Informationssysteme 2003 Prof. Dr. G. Hellberg Studiengang Informatik FHDW Vorlesung: Betriebliche Informationssysteme Teil2.
Auftaktveranstaltung Set Vechta
Herzlich willkommen beim 1. Workshop der AG Methodik
Präsentation der Ergebnisse von Clusteranalysen
“Perspektiven der Klassifikationsentwicklung“
Stand der DRG-Einführung aus Sicht der GKV
Auswirkungen des PfWG auf den Reha-Bereich Änderungen in den Gesetzen
Prof. Dr. Peter Schmidt, Hochschule Bremen
Streuungsparameter für Median Mittlere Abweichung vom Median Die Ungleichung gilt für jede Konstante c.
Univariate Statistik M. Kresken.
Terminplan I Planung, Auffrischung und beispielhafter Ablauf einer MA Vorbereitung der Besprechungen und Methodik fällt aus zu Gunsten.
Ralf KüstersDagstuhl 2008/11/30 2 Ralf KüstersDagstuhl 2008/11/30 3.
Clusteranalyse von Maria Eickhold und Tobias Töpfer.
Lesen macht stark-Lesekompetenztests
Herzlich Willkommen zur Pressekonferenz anlässlich der
GlobalStorehouseGlobalStorehouse Institut für Modellbildung und Simulation IMS Bemerkung: Mit diesem "MB" und "WBM" lässt sich der ganze Zyklus abdecken.
Die Hattie Studie und erfolgreicher Unterricht
Daten auswerten Boxplots
20:00.
Datenverteilung in Ad-hoc Netzen 1/24 Adaptive Datenverteilung in mobilen Ad-hoc Netzen unter Verwendung des Area Graph basierten Bewegungsmodells S. Bittner,
Self Organizing Tree Algorithm
mps) Vermögensbewertung Herzlich Willkommen
Rolf Schenker, Statistik Stadt Zürich
Konjunkturbericht 2013 zur Südosteuropa – Konjunkturumfrage 2013
POSITIONIERUNG DES BAUSTOFFHANDELS IN OÖ 2012 WKOÖ POSITIONIERUNG DES BAUSTOFF-FACHHANDELS IN OÖ
Zur Veranstaltung Business Intelligence
Zuger Treuhändervereinigung
QS- Dekubitusprophylaxe Klinikstatistik 2007 BAQ
EU E-Government Benchmarking Capgemini 2004/2005
Die Betriebliche Altersvorsorge: Versprochen ist noch nicht gehalten Dr. Maximilian Arbesser Vorstandsmitglied des Schutzverbands der Pensionskassenberechtigten.
Durchführung einer hierarchischen Clusteranalyse
Kennwerte und Boxplots
Auslegung eines Vorschubantriebes
Peter Grzybek Projekt # (FWF) Projekt # 43s9 (OEAD/SAIA) Graphem-Häufigkeiten.
STATISIK LV Nr.: 1375 SS März 2005.
STATISIK LV Nr.: 0028 SS Mai 2005.
Statistik: Mehr zur Regression.
Michael Böniger, Statistik Stadt Zürich
Bedeutung, Technik, Einsatzbereiche, CH-Potenziale
Die Querschnittstudie
Kolloquium „Bilingualer Unterricht“
Der Zentralwert.
Die Sternenuhr Wir entdecken die Wissenschaften LTAM Steffen M. 2003/04 Kneip R.
Statistische Methoden in der Wirtschafts- und Sozialgeographie
HIV-Neudiagnosen 2010 Deutsche AIDS-Hilfe e.V.
Klaus Eichhorn Rechtsanwalt und Fachanwalt für Miet- und WEG-Recht
Analyse von Deliktsähnlichkeiten auf der Basis von Individualdaten
Informationsveranstaltung KITAplus 2014 – September 2014
Herzlich willkommen! besser gemeinsam lernen.
Die Clusteranalyse Zielsetzung Datenreduktion: Zusammenfassung einer Vielzahl von Objekten oder Variablen zu Gruppen mit möglichst ähnlichem Informationsgehalt.
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Trendthema Bewerbermanagementsysteme
CL Tree MW 31.1 Business Intelligence Wintersemester 2015 / 2016 Stanislav Prokupetz.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
DGUV Vorschrift 2 Unterstützung bei der betrieblichen Umsetzung durch die staatliche Aufsichtsbehörde Elbcampus D. Deitenbeck,
 Präsentation transkript:

Der leistungsorientierte Krankenhausbetriebsvergleich Jürgen Klauber WIdOKlip Der leistungsorientierte Krankenhausbetriebsvergleich Jürgen Klauber Wissenschaftliches Institut der AOK Heidelberg, 11. April 2002

WIdOKLIP - Die Software zur leistungsgerechten Pflegesatzverhandlung WIdOKLIP - KRANKENHAUSVERGLEICH WIdOKLIP - Die Software zur leistungsgerechten Pflegesatzverhandlung Ziel: Unterstützung der Vorbereitung und Durchführung von Pflegesatzverhandlungen (§ 17 KHG; § 5 BPflV) Methode: Fachabteilungsbezogene Vergleichsgruppenbildung auf der Basis der ICD-Profile (L4-Daten) Service: Bereitstellung von Erfassungs- und Auswertungstools sowie Schulungen und Support

Krankenhausvergleich - Ziel und Grundlagen Ziel: Da Preisbildung und Marktmechanismen im Krankenhaussektor nicht greifen, soll der Krankenhausvergleich eine marktangenäherte Situation und Transparenz schaffen. § 3 Abs. 2 BPflV: angemessene Berücksichtigung des Krankenhausvergleichs nach § 5 § 5 Abs. 1- 3 BPflV: Gemeinsamer Krankenhausvergleich § 5 Abs. 4 BPflV: „Parteivergleich“ ->WIdOKLIP

GESETZLICHE GRUNDLAGEN GRUPPENBILDUNG § 5 Abs. 1 Satz 2: „...länderbezogen..., soweit ausreichend..“ § 5 Abs. 2 Satz 3: „..kann auf eine sachgerechte Auswahl von KH begrenzt werden.“

EBENEN EINES KRANKENHAUSVERGLEICHS 1: RAHMENBEDINGUNGEN / DATENSTAND 2: GRUPPEN- BILDUNG Wer wird mit wem verglichen? 3: BASIS DER VER- GLEICHSWERTE Was wird inhaltlich verglichen? 4: ORIENTIERUNGS- WERT Was ist ein sinnvoller Orientierungsmaßstab?

EBENEN EINES KRANKENHAUSVERGLEICHS 1: RAHMENBEDINGUNGEN / DATENSTAND 2: GRUPPENBILDUNG Wer wird mit wem verglichen? 3: BASIS DER VER- GLEICHSWERTE Was wird inhaltlich verglichen? 4: ORIENTIERUNGS- WERT Was ist ein sinnvoller Orientierungsmaßstab?

Bildung leistungshomogener Gruppen in WIdOKLIP Datenbasis: L4-Daten aus LKA (ICD10 dreistellig) Gruppierungs- Clusteranalyse verfahren: (Homogenität in Clustern, Heterogenität zwischen Clustern) Methode: WARD-Verfahren (hierarchisches Verfahren; quadrierte euklidsche Distanz) Rahmen- Zugrundelegung der Fachabteilungsregel bedingungen: (Fachabteilungsobergruppen); Gruppierung auf Bundesebene

LEISTUNGSHOMOGENE ABTEILUNGSGRUPPEN AUF BASIS RELATIVER ANTEILE Distanz Abteilung Chirurgie Fälle ICD 1 ICD 2 ICD 3 Abteilung Haus A Abteilung Haus B Abteilung Haus C Abteilung Haus D 0,05 0,07 0,12 0,75 0,25 0,16 0,50 0,20 0,70 0,77 0,38 0,05 100% 0,02² 0,09² 0,07² 0,013 A B ähnlich 0,07² 0,25² 0,32² 0,170 A C 0,70² 0,05² 0,65² 0,915 A D unähnlich

EUKLIDISCHE DISTANZEN IM n-DIMENSIONALEN RAUM Diagnose 2 Abteilung Haus A Abteilung Haus B Abteilung Haus C Abteilung Haus D Diagnose 3 Diagnose 1

METHODIK CLUSTERANALYSE SCREEPLOT ZUWACHS DER FEHLERQUADRAT-SUMME optimale Clusteranzahl 1 2 3 4 5 6 7 CLUSTERZAHL

Formalisierter Ansatz Anzahl Cluster Chirurgie 09/2000 Fehlerquadratsumme

Formaler Ansatz Für die Teststatistik ist eine Irrtumswahrscheinlichkeit  festzulegen, die angibt, ob das Verschmelzungsniveau k+1 noch innerhalb des aufgrund der Regressionsgerade prognostizierten Wertes und dessen Vertrauensintervall liegt. Legt man als Irrtumswahrscheinlichkeit  = 0.001 (1‰) fest, erhält man als Schwellenwert der Testgröße einen Wert von 3.09. Wird dieser Wert überschritten, liegt ein signifikanter Zuwachs des Verschmelzungsniveaus vor und die gesuchte Clusteranzahl entspricht der Clusteranzahl auf der Stufe k.

Cluster 12: Gefäßchirurgisches Cluster Profile einzelner Fachabteilungen

FAZIT GRUPPENBILDUNG WIdOKlip: erfüllt die Anforderungen an leistungsorientierte Gruppenbildung „das Beste, was auf dem LKA-Datensatz möglich ist“ Kompatibilität zum Verfahren des Gemeinsamen Vergleichs wird sichergestellt !

EBENEN EINES KRANKENHAUSVERGLEICHS 1: RAHMENBEDINGUNGEN / DATENSTAND 2: GRUPPEN- BILDUNG Wer wird mit wem verglichen? 3: BASIS DER VER- GLEICHSWERTE Was wird inhaltlich verglichen? 4: ORIENTIERUNGS- WERT Was ist ein sinnvoller Orientierungsmaßstab?

FALLWERTE UND ERGÄNZENDE PARAMETER/ANALYSEN  Verweildauer  ICD-Profile  OP-Quote/ICPM-Profil  Altersstruktur  Anteil / Profil FP /SE  Anteil Kurzlieger  Anteil interne Verlegungen  Bettenauslastung  .....  Erlöse Restbudget  Erlöse Restbudget zzgl. SE  Erlöse Restbudget zzgl. FP/SE  Gesamterlöse

AUSWERTUNGSOPTIONEN L4 / L5 ICD-vierstellig ICD-vierstellig altersdifferenziert L5-vierstellig, fünf-/sechstellig L5-vierstellig altersdifferenziert

WAS WIRD INHALTLICH VERGLICHEN? WIdOKlip ermöglicht umfassende Analyse sämtlicher LKA-Parameter inklusive L4 und L5

EBENEN EINES KRANKENHAUSVERGLEICHS 1: RAHMENBEDINGUNGEN / DATENSTAND 2: GRUPPEN- BILDUNG Wer wird mit wem verglichen? 3: BASIS DER VER- GLEICHSWERTE Was wird inhaltlich verglichen? 4: ORIENTIERUNGS- WERT Was ist ein sinnvoller Orientierungsmaßstab?

ORIENTIERUNGSWERTE  Mittelwert Lageparameter:  unteres Quartil Bewertung Orientierungsmaßstab  anfällig bei Ausreißern  durchschnittlich ungleich wirtschaftlich  Mittelwert Lageparameter:  unteres Quartil  Median  stabil gegen Ausreißer  25% bzw. 50% der KH sind wirtschaftlicher

WAS WIRD INHALTLICH VERGLICHEN?

leistungsorientierte gemeinsamen Vergleich ZUSAMMENFASSUNG LKA-Daten inkl. L4/L5 : vollständig und plausibilisiert Focus Abteilungsvergleich Diagnosespektren als objektive Vergleichsbasis Umfassende Analyse: Fallwerte + ICD/ICPM + weitere Parameter Strikt leistungsorientierte Gruppenbildung Argumentation mit Erlösen statt Kosten Kompatibilität zum gemeinsamen Vergleich nach § 5 Abs. 1-3

Herzlichen Dank für Ihre Aufmerksamkeit !