Daten- und Datenanalyse im Gesundheitswesen

Daten- und Datenanalyse im Gesundheitswesen
- Masterseminar SoSe 2014 -
Fachbereich für Betriebswirtschaftslehre
Fakultät Wirtschafts- und Sozialwissenschaften
Universität Hamburg
Jun.-Prof. Dr. Rudolf Blankart
Matthias Bäuml
Yauheniya Varabyova
Organisatorischer Ablauf
1.
Themenvergabe
 Wann? Donnerstag, 23. Januar 2014 von 18-20 Uhr
 Wo? Raum 4011/4013, Esplanade 36 (4. OG, Anwesenheitspflicht!)
2.
Präsentation der Ergebnisse
 Wann? Freitag, 20. Juni 2014 von 12-20 Uhr und Samstag, 21. Juni 2014 von 8-20 Uhr
 Wo? Raum 4011/4013, Esplanade 36 (4. OG, Anwesenheitspflicht!)
3.
Vortrag als Powerpointdatei bitte nach dem Seminar in elektronischer Form an den jeweiligen Betreuer senden
4.
Abgabe der Seminararbeiten
 Wann? Montag, 18. August 2014 bis spätestens 12.00 Uhr
 Wo? Am Lehrstuhl für Management im Gesundheitswesen (Katja Sudmann)
Raum 4007, Esplanade 36 (4. OG)
Was? 1 x Papierform (gebunden) und 1 x in elektronischer Form (Word-Datei auf CD oder per Email an
den Betreuer)
1
Seminar-Outline
Das Seminar ist für Studierende im Masterbereich konzeptioniert, die ein Interesse an der Beantwortung
von für den Gesundheitsbereich relevanten Fragestellungen mit Hilfe von Daten haben.
Daten und Datenanalyse spielen in der Forschung zu Themen im Gesundheitsbereich eine herausragende Rolle. Wie sonst kann der Einfluss vom Rauchverhalten auf die Gesundheit, die Verbreitung von Innovationen oder die Effektivität einer Intervention untersucht werden? Aufgabe jedes Seminarteilnehmers
ist die Untersuchung einer spezifischen Fragestellung mit Hilfe von unterschiedlichen Daten. Basierend
auf Ihren Analysen sollen die Studierenden dann konkludente Schlussfolgerungen ziehen. Zum Schluss
dieses Seminars kennen die Studierenden verschiedene für das Gesundheitswesen relevante Datenquellen und können eigene Fragestellungen mit deren Hilfe beantworten. Auch lernen Studierende empirische Literatur kritisch zu hinterfragen und die Validität der Ergebnisse einzuschätzen.
Eine kurze Einführung in das Statistikprogramm STATA wird gegeben (freiwillig).
2
Block 1: Surveydaten
#
1
Thema
Der Einfluss von dem sozioökonomischen Status auf den Gesundheitszustand.
2
Welche Faktoren beeinflussen das subjektive Gesundheitsempfinden?
3
Beeinflusst der persönliche Gesundheitszustand das Arbeitsmarktverhalten?
4
Welchen Effekt haben staatliche Interventionen auf das Gesundheitsverhalten?
Block 2: Daten von Gesundheitsinstitutionen
#
5
Thema
Effizienz im Gesundheitswesen - Welche Faktoren führen zu besseren Outcomes?
6
7
Unterschiedliche Versicherungssysteme: Spielen Versicherungssysteme eine Rolle bei der Diffusion von Medizinprodukten?
Welche Faktoren beeinflussen die Gesundheit in OECD Ländern?
8
Führt ein höheres Leistungsvolumen auch zu einer besseren Qualität? Beispiel Hüft-TEP.
9
Führt ein höheres Leistungsvolumen auch zu einer besseren Qualität? Beispiel Herzinfarkt.
10
Welche Auswirkungen hat die Privatisierung von Krankenhäusern auf die Personalstruktur?
Block 3: Amtliche Statistiken
#
11
13
Thema
Der Trade-off zwischen Effizienz und Zufriedenheit: Sind Kunden in effizienten Krankenhäusern
unzufriedener?
Adaption von Innovationen: Welche Faktoren beeinflussen die Adaption von TAVI in deutschen
Krankenhäusern?
Der Wettbewerb um Patienten: Wie kann Wettbewerb gemessen werden?
14
Beeinflusst das Einkommen den Gesundheitsstatus?
15
Beeinflusst Bildung den Gesundheitsstatus?
12
3
Block 1: Surveydaten
1.
Der Einfluss von dem sozioökonomischen Status auf den Gesundheitszustand
Seit Jahren lässt sich ein ständig wachsendes Interesse der gesundheitsökonomischen Forschung bezüglich dem Einfluss des sozioökonomischen Status auf die Gesundheit
und Lebenserwartung feststellen. Die vorliegenden Studien zeigen, dass Menschen mit niedrigem sozioökonomischen Status häufiger von Krankheiten betroffen sind, die eigene Gesundheit und gesundheitsbezogene Lebensqualität schlechter einschätzen und eine geringere Lebenserwartung aufweisen als Personen mit höherem sozioökonomischen Status.
Ziel dieser Studie ist es, anhand von einer länderübergreifenden Umfrage „SHARE“ den Zusammenhang zwischen dem sozioökonomischen Status und dem Gesundheitszustand zu analysieren. Dazu soll ein Überblick über bisherige Studien zu diesem Thema verschafft werden.
Mit Hilfe von bisherigen Studien soll herausgefunden werden, welche SES- und Gesundheitsindikatoren für die Untersuchung am besten geeignet sind.
Einstiegsliteratur:
Adler, N. E., & Ostrove, J. M. (1999). Socioeconomic Status and Health: What We Know and
What We Don't. Annals of the New York Academy of Sciences, 896(1), 3-15. doi:
10.1111/j.1749-6632.1999.tb08101.x
Robert, S. A. (1998). Community-level socioeconomic status effects on adult health. Journal of
Health and Social Behavior, 18-37.
Salas, C. (2002). On the empirical association between poor health and low socioeconomic status at old age. Health Economics, 11(3), 207-220. doi: 10.1002/hec.663
2.
Welche Faktoren beeinflussen das subjektive Gesundheitsempfinden?
Umfragedaten deuten an, dass das subjektive Empfinden des eigenen Gesundheitszustandes
stark variiert. Welche Faktoren könnten diese Unterschiede erklären? Gibt es beispielsweise
sozioökonomische Faktoren, die Unterschiede im subjektiven Gesundheitsempfinden erklären
können?
Ziel dieser Arbeit ist es, anhand von Umfragedaten (wie beispielsweise dem World Values Survey) potentielle Determinanten vom subjektiven Gesundheitsempfinden zu untersuchen.
Einstiegsliteratur:
Deaton, A. (2008). Income, Health, and Well-Being around the world: Evidence from the Gallup
World Poll. Journal of Economic Perspectives, 22(2), 53-72.
3.
Beeinflusst der persönliche Gesundheitszustand das Arbeitsmarktverhalten?
Arbeiten Menschen, die negative Gesundheitsschocks erfahren, weniger als gesunde Menschen? Wie hoch könnte der ökonomische Schaden von Krankheiten sein, wenn beispielsweise
das Arbeitsangebot durch Krankheit dauerhaft reduziert wird?
Ziel dieser Arbeit ist es, anhand von Umfragedaten (wie beispielsweise dem African Values Survey) zu untersuchen, inwieweit Krankheiten das Arbeitsmarktverhalten beeinflussen können.
4
Einstiegsliteratur:
Levinsohn, J. et al. (2013). HIV status and labor market participation in South Africa. The Review
of Economics and Statistics, 95(1), 98-108.
4.
Welchen Effekt haben staatliche Interventionen auf das Gesundheitsverhalten?
Kann der Staat durch gesetzliche Vorgaben das Gesundheitsverhalten der Menschen effektiv
beeinflussen? Führt ein verbessertes Gesundheitsverhalten tatsächlich zu weniger Erkrankungen?
Ziel dieser Arbeit ist es, anhand von Paneldaten (wie beispielsweise dem German SocioEconomic Panel) zu analysieren, inwieweit der Staat durch die Einführung von Rauchverboten
die Volkskrankheit Krebs beeinflusst hat.
Einstiegsliteratur:
Siedler, T. et al. (2011). One last Puff? Public Smoking Bans and Smoking Behavior. Journal of
Health Economics, 30(3), 591-601.
5
Block 2: Daten von Gesundheitsinstitutionen
5.
Effizienz im Gesundheitswesen - Welche Faktoren führen zu besseren Outcomes?
Beeinflussen soziale länderspezifische Faktoren die Effizienz von Gesundheitssystemen der
Staaten? Bislang wurde der Einfluss dieser Faktoren vergleichsweise selten für die OECDLänder untersucht. Dabei ist ein solcher Zusammenhang gerade für diese Länder von besonderer Praxisrelevanz. Schließlich gehen effiziente Gesundheitssysteme mit den knappen Ressourcen sorgfältiger um, was angesichts der steigenden Gesundheitskosten für jede Wirtschaft von
Bedeutung ist.
Das Ziel dieser Arbeit ist es, anhand von OECD "Health Data 2013" die Effizienz der einzelnen
OECD-Länder abzuleiten. Dazu sollen die Messmethoden von Effizienz vorgestellt werden. Anschließend soll der Einfluss von institutionellen Faktoren auf die Effizienz untersucht und kritisch diskutiert werden.
Einstiegsliteratur:
Afonso, A., & St Aubyn, M. (2005). Non-parametric approaches to education and health efficiency in OECD countries. Journal of Applied Economics, 8(2), 227-246.
Bhat, V. N. (2005). Institutional arrangements and efficiency of health care delivery systems.
The European Journal of Health Economics, 6(3), 215-222.
Retzlaff-Roberts, D., Chang, C. F., & Rubin, R. M. (2004). Technical efficiency in the use of health
care resources: a comparison of OECD countries. Health policy, 69(1), 55-72.
Spinks, J., & Hollingsworth, B. (2009). Cross-country comparisons of technical efficiency of
health production: a demonstration of pitfalls. Applied Economics, 41(4), 417-427.
6.
Unterschiedliche Versicherungssysteme: Spielen Versicherungssysteme eine Rolle bei der
Diffusion von Medizinprodukten?
Frühere Studien legen nahe, dass Krankenversicherungen bei der Verbreitung von innovativen
Medizinprodukten eine Rolle spielen. Dies liegt insbesondere an den unterschiedlichen Anreizen, die die Krankenversicherungssysteme bieten. Eine Vergütung nach Aufwand führt normalerweise zu einer schnelleren Diffusion als eine Pauschalvergütung der Leistungserbringer.
Ziel dieser Arbeit ist es, Informationen zu Versicherungssystemen in unterschiedlichen OECDLändern zu analysieren und aufzubereiten. Anschließend soll anhand einer empirischen Analyse der Effekt von Versicherungssystemen und relevanten Länder-, bzw. Krankenversicherungscharakteristika auf die Diffusion von Medizintechnik dargestellt werden. Die Ergebnisse sollen
dann vor dem Hintergrund der gewählten Methodik kritisch diskutiert werden. Kann mit der
von Ihnen gewählten Methodik die richtige Geschwindigkeit für die Diffusion von Medizinprodukten abgeleitet werden?
Einstiegsliteratur:
Costa-Font, J., McGuire, A., & Serra-Sastre, V. (2012). The “Weisbrod Quadrilemma” revisited:
insurance incentives on new health technologies. The Geneva Papers on Risk and Insurance-Issues and Practice, 37(4), 678-695.
Lambooij, M. S., Engelfriet, P., & Westert, G. P. (2010). Diffusion of innovations in health care:
Does the structural context determine its direction? International journal of technology
assessment in health care, 26(4), 415.
6
Slade, E. P., & Anderson, G. F. (2001). The relationship between per capita income and diffusion
of medical technologies. Health policy, 58(1), 1-14.
7.
Welche Faktoren beeinflussen die Gesundheit in OECD Ländern?
Seit über einem Jahrhundert lässt sich ein stetiges Wachstum der Lebenserwartung innerhalb
der Bevölkerung der Industrieländer verzeichnen. Dennoch gibt es weiterhin Unterschiede zwischen der Lebenserwartung in den hoch entwickelten OECD-Ländern. Länderübergreifende
Analysen von den Einflussfaktoren auf Gesundheit kommen zu umstrittenen Ergebnissen. Forscher versuchen seit Jahrzehnten herauszustellen, ob die Eigenschaften eines Gesundheitssystems (z.B. Zugang zur Versorgung, Höhe der Gesundheitsausgaben oder Art der Finanzierung),
verhaltensbasierte Faktoren (z.B. Rauchen) oder sozioökonomischen Faktoren (z.B. Bildung oder
Arbeitslosigkeit) eine entscheidendere Rolle für die Lebenserwartung spielen.
Ziel dieser Arbeit ist es, anhand der OECD “Health Data 2013” zu untersuchen, welche Faktoren
einen größeren Einfluss auf die Lebenserwartung ausüben und ob diese geschlechtsspezifisch
sind. Dazu soll erklärt werden, welche Modelle für die Untersuchung von länderspezifischen
Faktoren mit Paneldaten besser geeignet sind.
Einstiegsliteratur:
Asiskovitch, S. (2010). Gender and health outcomes: the impact of healthcare systems and their
financing on life expectancies of women and men. Social science & medicine, 70(6),
886-895.
Or, Z. (2000). Determinants of health outcomes in industrialised countries: a pooled, crosscountry, time-series analysis. OECD Economic Studies, 53-78.
8.
Führt ein höheres Leistungsvolumen auch zu einer besseren Qualität? Beispiel Hüft-TEP.
Die Korrelation zwischen Volumen und Qualität ist in der Literatur weit dokumentiert. Aber
was steckt hinter dieser Korrelation? Welche Faktoren treiben diese Korrelation?
Ziel dieser Arbeit ist, anhand der strukturierten Qualitätsberichte der Krankenhäuser zu untersuchen, inwieweit eine Veränderung im Leistungsvolumen zu einer Veränderung in der Behandlungsqualität führt.
Einstiegsliteratur:
Huckman, R. & Pisano, R. (2006). The Firm Specificity of Individual Performance: Evidence from
Cardiac Surgery. Management Science, 52(4), 473-488.
9.
Führt ein höheres Leistungsvolumen auch zu einer besseren Qualität? Beispiel Herzinfarkt.
Die Korrelation zwischen Volumen und Qualität ist in der Literatur weit dokumentiert. Aber
was steckt hinter dieser Korrelation? Welche Faktoren treiben diese Korrelation?
Ziel dieser Arbeit ist, anhand der strukturierten Qualitätsberichte der Krankenhäuser zu untersuchen, inwieweit eine Veränderung im Leistungsvolumen zu einer Veränderung in der Behandlungsqualität führt.
7
Einstiegsliteratur:
Huckman, R. & Pisano, R. (2006). The Firm Specificity of Individual Performance: Evidence from
Cardiac Surgery. Management Science, 52(4), 473-488.
10. Welche Auswirkungen hat die Privatisierung von Krankenhäusern auf die Personalstruktur?
Auf politischer Ebene wird häufig argumentiert, dass private Kliniken ihre Dienstleistungen zu
geringeren Kosten anbieten können. Wie verändert sich die Personalkostenstruktur nach einer
Privatisierung?
Ziel dieser Arbeit ist, anhand der Strukturdaten der Krankenhäuser aus den strukturierten Qualitätsberichten die Kostenstruktur der Krankenhäuser von privatisierten Kliniken zu untersuchen.
Einstiegsliteratur:
Tiemann, O. & Schreyögg, J. (2012). Changes in hospital efficiency after privatization. Health
Care Management Science, 15(4), 310-326.
8
Block 3: Amtliche Statistiken
11. Der Trade-off zwischen Effizienz und Zufriedenheit: Sind Kunden in effizienten Krankenhäusern unzufriedener?
Seit Jahren reagieren Krankenhäuser auf den hohen Kostendruck und versuchen effizienter zu
arbeiten. Als technische effizient bezeichnet man die Produktion von einer gegebenen Output
Menge mit minimalen Inputmengen. Zur Messung der technischen Effizienz werden in Krankenhäusern normalerweise die Fallzahl als Output und die eingesetzten Ressourcen (z.B. Ärzte,
Betten) als Input herangezogen. Durch einen reduzierten Personaleinsatz pro Patient kann somit eine höhere technische Effizienz erreicht werden. Die technische Effizienz sagt allerdings
nichts über die Behandlungsqualität aus. Ineffiziente Krankenhäuser argumentieren daher
häufig, dass sie eine bessere Patientenbehandlung leisten und deswegen mehr Ressourcen für
die gleiche Anzahl Fälle benötigen.
Ziel dieser Arbeit ist es, den Trade-off zwischen Krankenhauseffizienz und Qualität der Behandlung (gemessen als Patientenzufriedenheit) zu untersuchen. Wählen Sie eine Methode zur
Messung der Effizienz und berechnen Sie technische Effizienz von Deutschen Krankenhäusern
mit Hilfe der in den Strukturierten Qualitätsberichten angegeben Daten. Untersuchen Sie dann
den Zusammenhang zwischen Effizienz und Patientenzufriedenheit. Informationen zur Patientenzufriedenheit erhalten Sie aus der "Weißen Liste".
Einstiegsliteratur:
Jacobs, R. (2001). Alternative methods to examine hospital efficiency: data envelopment analysis and stochastic frontier analysis. Health Care Management Science, 4(2), 103-115.
Nayar, P., & Ozcan, Y. A. (2008). Data envelopment analysis comparison of hospital efficiency
and quality. Journal of Medical Systems, 32(3), 193-199.
12. Adaption von Innovationen: Welche Faktoren beeinflussen die Adaption von TAVI in deutschen Krankenhäusern?
Die Verengung der Aortenklappe (Aortenstenose) ist der häufigste Herzklappenfehler im hohen
Lebensalter. Durch die Belastung wird der Herzmuskel chronisch geschädigt. Der operative Ersatz der Aortenklappe ist für viele Menschen die einzig mögliche Therapie. Die offene Operation bedeutet allerdings ein hohes Risiko für sehr alte oder kranke Menschen. Seit einigen Jahren
gibt es eine Alternative zur offenen Operation: Die Transkatheter-Aortenklappen-Implantation
(TAVI; Transcatheter Aortic Valve Implantation). Dabei wird die Ersatzklappe mittels Herzkatheter an ihren Einsatzort gebracht und dort entfaltet. Im Laufe der letzten Jahre nahm die Zahl
der deutschen Krankenhäuser, die die Intervention TAVI durchführten, rapide zu. Während im
Jahr 2006 nur einzelne Krankenhäuser TAVI anwendeten, waren es im Jahr 2010 schon mehr
als 80.
Ziel dieser Arbeit ist es, anhand von den Daten aus den Strukturierten Qualitätsberichten die
Adaption von TAVI in Deutschland zu untersuchen. Es soll herausgearbeitet werden, wie sich
die innovativsten Krankenhäuser von den „Laggards“, die erst später die TAVI-Methode eingeführt haben, unterscheiden. Um den Zeitraum bis zur Adaption zu vergleichen ist die SurvivalAnalyse (z.B. Complementary Log-Log Model) oder eine logistische Regression geeignet. Disku9
tieren Sie die ggf. unterschiedlichen Ergebnisse vor dem Hintergrund der Annahmen der beiden
Modelle.
Einstiegsliteratur:
Goes, J. B., & Park, S. H. (1997). Interorganizational Links and Innovation: The Case of Hospital
Services. Academy of Management Journal, 40(3), 673-696.
Lee, R. H., & Waldman, D. M. (1985). The diffusion of innovations in hospitals. Some econometric considerations. Journal of Health Economics, 4(4), 373.
Meyer, A. D., & Goes, J. B. (1988). Organizational assimilation of innovations: a multilevel contextual analysis. Academy of Management Journal, 897-923.
13. Der Wettbewerb um Patienten: Wie kann Wettbewerb gemessen werden?
Gängige Wettbewerbsmaße wie beispielsweise der Herfindahl-Index sind oftmals nicht in der
Lage, eine Wettbewerbssituation angemessen abzubilden.
Ziel dieser Arbeit ist, mit Hilfe der Krankenhausverzeichnisse und Distanzdaten von
GoogleMaps spezifische Wettbewerbsindikatoren zu entwickeln und diese den gängigen
Wettbewerbsmaßen gegenüber zu stellen.
Einstiegsliteratur:
Farrell, J. & Shapiro, C. (1990). Horizontal mergers: an equilibrium analysis. American Economic
Review, 80(1), 107-126.
14. Beeinflusst das Einkommen den Gesundheitsstatus?
Die Korrelation zwischen Einkommen und Gesundheit ist weit dokumentiert. Doch was steckt
hinter dieser Korrelation?
Ziel dieser Arbeit ist, anhand von Zensusdaten zu analysieren, welchen Einfluss das Einkommen auf die Gesundheit hat.
Einstiegsliteratur:
Fritjers, P. et al. (2005). The causal effect of income on health: Evidence from German reunification. Journal of Health Economics, 24(5), 997-1017.
15. Beeinflusst Bildung den Gesundheitsstatus?
Die Korrelation zwischen Bildung und Gesundheit ist weit dokumentiert. Doch was steckt hinter dieser Korrelation?
Ziel dieser Arbeit ist, anhand von Zensusdaten zu analysieren, welchen Einfluss die Bildung auf
die Gesundheit hat.
Einstiegsliteratur:
Cutler, D. (2010). Understanding Differences in Health Behaviors by Education. Journal of
Health Economics, 29(1), 1-28.
10