15. dggö Jahrestagung 2023 » Vortragssitzung E6 – Schlaganfall und Herz-Kreislaufstörungen

Aufgriff des Schlaganfall- und Blutungsrisikos von Patient:innen mit Vorhofflimmern in GKV-Routinedaten

Eric Faß
Dienstag, 14. März 2023, 14:00–15:20 Uhr, Raum F128

Abstract

Einleitung

Vorhofflimmern (VHF) ist eine der häufigsten Herzrhythmusstörungen und betrifft jeden vierten Erwachsenen mittleren Alters im Laufe seines Lebens. VHF-Patienten weisen ein etwa 5-fach erhöhtes Schlaganfallrisiko auf und 15% bis 25% aller Schlaganfälle sind auf VHF zurückzuführen. Die orale Pharmakotherapie mit Antikoagulantien und neuen oralen Koagulantien stellt zwar eine wirksame Prävention des Schlaganfalls dar, kann aufgrund der Kombination des medikamentös bedingten erhöhten Risikos schwerwiegender Blutungen und weiterer Risikofaktoren mitunter jedoch nicht in Anspruch genommen werden. Um das Risiko für Schlaganfälle und Blutungen einschätzen zu können, werden klinische Scores herangezogen: der CHA2DS2-VASc-Score zur Beurteilung des Schlaganfall- und der HAS-BLED-Score zur Einschätzung des Blutungsrisikos. EvaClosure, eine Substudie der multizentrischen klinischen Studie CLOSURE-AF-DZHK16, zielt auf eine gesundheitsökonomische Evaluation des perkutanen, katheterbasierten Verschlusses des linken Vorhofohrs bei VHF-Patient:innen mit hohem Schlaganfall- und Blutungsrisiko. Als Datengrundlage dienen sowohl klinische Primär- als auch GKV-Routinedaten; ein direktes Linkage dieser Daten ist nicht möglich. Daher wird auf statistische Matching-Verfahren zurückgegriffen, mit denen ein Aufgriff einer zur Population der klinischen Studie möglichst ähnlichen Routinedatenpopulation angestrebt wird. Der vorliegende Beitrag stellt die Abbildung der beiden klinischen Scores innerhalb der GKV-Routinedaten dar.

Methode

Aus den Definitionen der klinischen Parameter der beiden Scores wurde ein Aufgriff in GKV-Routinedaten abgeleitet, mit klinischen Expert:innen diskutiert und auf Basis longitudinaler GKV-Routinedaten von Patient:innen mit VHF umgesetzt. Die Güte der Scores hinsichtlich der Prädiktion der Zielereignisse wird über (logistische) Regressionsanalysen eingeschätzt. Anschließend werden mittels Machine-Learning-Verfahren Modifikationspotenziale zur bestmöglichen Prädiktion der Zielereignisse identifiziert.

Ergebnisse

Problematische Einzelbeiträge der abgeleiteten klinischen Parameter auf die Güte der Scores wurden identifiziert. Eine Beurteilung der Optimierungspotenziale steht noch aus, wird zum Zeitpunkt der Konferenz jedoch vorliegen.

Zusammenfassung

Sowohl auf klinischen Primärdaten als auch GKV-Routinedaten basierende gesundheitsökonomische Evaluationen bergen besondere methodische Herausforderungen, insbesondere wenn diese Daten nicht direkt verknüpft werden können. Ein statistisches Matching kann diesen Herausforderungen begegnen, hierfür ist eine möglichst exakte Abbildung der Ein- und Ausschlusskriterien der klinischen Studie für den Aufgriff der GKV-Routinedatenpopulation essentiell.

Autor:innen

  • Marco Müller, Wissenschaftliches Institut für Gesundheitsökonomie und Gesundheitssystemforschung (WIG2), Leipzig
  • Eric Faß, Wissenschaftliches Institut für Gesundheitsökonomie und Gesundheitssystemforschung (WIG2), Leipzig
  • Franziska Claus, Wissenschaftliches Institut für Gesundheitsökonomie und Gesundheitssystemforschung (WIG2), Leipzig
  • Ulf Landmesser, Medizinische Klinik für Kardiologie, Charité - Universitätsmedizin Berlin, Berlin
  • Ines Weinhold, Wissenschaftliches Institut für Gesundheitsökonomie und Gesundheitssystemforschung (WIG2), Leipzig