Do Non-Clinical Factors Improve Prediction of Readmission Risk?
Results From the Tele-HF Study

Krumholz HM, Chaudhry SI, Spertus JA, et al.
J Am Coll Cardiol HF 2016;4:12–20
 

Achtergrond

Het risico van heropnames na ziekenhuisopnames als gevolg van hartfalen is moeilijk te voorspellen, omdat de meeste bekende risico modellen een lage discriminerende en voorspellende waarde hebben [1-3]. Dit kan mogelijk verklaard worden door het gebrek aan kenmerken op het gebied van sociaal-economische toestand, gezondheidstoestand, therapietrouw en psychosociale toestand in deze risicomodellen.
Het doel van deze studie is om te beoordelen of de integratie van sociaal-economische,
gezondheidstoestand en psychosociale kenmerken in een hartfalen heropname  risicomodel het voorspellend vermogen ervan kunnen verbeteren.
In het kader van de Telemonitoring to Improve Heart Failure Outcomes (Tele-HF) studie [4,5], werden gegevens uit medische dossiers verzameld en telefonische interviews uitgevoerd met 1004 patiënten met hartfalen die onlangs uit het ziekenhuis waren ontslagen. Een totaal van 110 variabelen werden verdeeld in 2 groepen:
- Demografische en klinische variabelen
- Sociaal-economische, gezondheidstoestand, therapietrouw, en psychosociale variabelen.
De heropname werd berekend binnen een follow-up periode van 180 dagen.
 

Belangrijkste resultaten

• De gemiddelde tijd tussen ontslag en het interview was 12 dagen (interkwartiel range: 6-19 dagen)
• Heropname risico na 30 dagen was 17,1%
• Met een 3-variabelen risicoscore afgeleid uit medische dossiers hadden patiënten met een score van 0 (geen risicofactoren) een heropname risico van 10.9% (95% CI: 8.2% -14.2%); patiënten met een score van 2 (alle risicofactoren) hadden een heropname risico van 32.1% (95% CI: 22.4% - 43.2%); C-statistiek 0.62.
• Met de 5-variabelen risicoscore afgeleid uit alle variabelen hadden patiënten met een score van 0 (geen risicofactoren) een heropname risico van 9.6% (95% CI: 6.1% - 14.2%); patiënten met een score van 4 (alle risicofactoren) hadden een heropname risico van 55.0% (95% CI: 31.5% - 76.9%); C-statistiek 0.65.

 

Conclusie

Patiënt-gerapporteerde informatie over verschillende variabelen (sociaal-economisch, gezondheidstoestand, therapietrouw, en psychosociaal) verbeterde het onderscheidend vermogen van het model en breidde de voorspelde ranges van heropnamerisico, maar de prestatie van het model bleef slecht. Er is behoefte om beter te begrijpen welke andere factoren heropname risico aanzienlijk kunnen beïnvloeden, zoals kwaliteit van de gezondheidszorg, stress voor ziekenhuisopname, en de neiging om dit toe te geven.
 

Redactioneel commentaar [6]

Hoewel de uitbreiding van een risicoscore met 83 extra variabelen de voorspellende waarde voor heropnames van hartfalenpatiënten niet verbeterde,  moeten volgens Konstam en Upshaw “de inspanningen van Krumholz et al. worden toegejuicht vanwege het zoeken naar informatie rechtstreeks van patiënten en het verder reiken dan traditionele medische factoren.” Redenen die de resultaten van het oorspronkelijke onderzoek uitleggen kunnen andere factoren zijn die niet worden gemeten zoals de kwaliteit van de gezondheidszorg en de geneigdheid van een ziekenhuis voor opname. Andere belangrijke beperkingen omvatten a) de tijd tussen ontslag en interview, aangezien antwoorden van patiënten op dezelfde vragen sterk kunnen variëren van dag tot dag gedurende de eerste maand na ontslag uit het ziekenhuis, en b) de uitsluiting van patiënten die stierven of werden gehospitaliseerd voor het interview.
Huidige kennis over prognose en behandeling van hartfalen kan effectief worden gebruikt om hartfalen-gerelateerde morbiditeit en mortaliteit na ontslag te voorspellen en te voorkomen, maar heropnames voor alle andere oorzaken zijn moeilijk te voorspellen. Ondanks dat bestraffen de centra voor Medicare en Medicaid Services (CMMS) ziekenhuizen op basis van het aantal heropnames voor alle oorzaken binnen 30 dagen na een eerste hospitalisatie voor hartfalen, acuut myocardinfarct, en longontsteking [7]. In deze context  kunnen “waarden die het patiëntenvoordeel gebrekkig aansturen ook moeilijk zijn te voorspellen, waardoor hun oordeel nog gebrekkiger is. Ze lijken een perfecte storm voor suboptimale zorg te creëren, zowel door het omzeilen van het beste belang voor de patiënt en door het dwarsbomen beoordeling van het risico voor zowel clinici, in hun zorg, alsvoor CMMS in zijn poging om “eerlijk" te beoordelen en te straffen. In breder opzicht moeten we helemaal afstappen van kunstmatige waardes en straffen en ons meer richten op een grotere directe verantwoordelijkheid van gezondheidszorgsystemen voor kwaliteit en efficiëntie, met beloningen gekoppeld aan het lange-termijn voordeel voor de patiënt, door middel van innovatieve benaderingen van de zorg. Anderzijds zullen degenen die hun leven willen wijden aan genezen in plaats daarvan voor altijd eindeloos een rotsblok rollen naar een afgelegen en onbereikbare afgrond.”

 
Vind deze publicatie online
 

 

Referenties

1. Kansagara D, Englander H, Salanitro A, et al. Risk prediction models for hospital readmission: a systematic review. JAMA 2011;306:1688–98.
2. Keenan PS, Normand SL, Lin Z, et al. An administrative claims measure suitable for profiling hospital performance on the basis of 30-day all-cause readmission rates among patients with heart failure. Circ Cardiovasc Qual Outcomes 2008;1:29–37.
3. Ross JS, Mulvey GK, Stauffer B, et al. Statistical models and patient predictors of readmission for heart failure: a systematic review. Arch Intern Med 2008;168:1371–86.
4. Chaudhry SI, Barton B, Mattera J, et al. Randomized trial of Telemonitoring to Improve Heart Failure Outcomes (Tele-HF): study design. J Card Fail 2007;13:709–14.
5. Chaudhry SI, Mattera JA, Curtis JP, et al. Telemonitoring in patients with heart failure. N Engl J Med 2010;363:2301–9.
6. Konstam MA, Upshaw J. Sisyphus and 30-Day Heart Failure Readmissions. Futility in Predicting a Flawed Outcome Metric. J Am Coll Cardiol HF 2016;4:21-23.
7. Rau J. Medicare to penalize 2,217 hospitals for excess readmissions. Kaiser Health News August 13, 2012. Available at: http://khn.org/news/medicare-hospitals-readmissions-penalties.Accessed November 6, 2015.