Berechnung der Hospital Standardized Mortality Ratio (HSMR) für deutsche Krankenhäuser im Zeitverlauf von 2005 bis 2012
Bibliographic record
Abstract
Einleitung: Die Hospital Standardized Mortality Ratio (HSMR) ist ein Maß zum Vergleich der Sterbewahrscheinlichkeit von Patienten in Krankenhäusern. Sie wird in verschiedenen Ländern wie Kanada [1], England [2] und den Niederlanden [3] als Qualitätsindikator eingesetzt, ist jedoch gleichzeitig äußerst umstritten [4]. Ziel der Untersuchung ist es die HSMR für alle Krankenhäuser in Deutschland anhand der DRG-Statistik im Zeitverlauf von 2005 bis 2012 zu berechnen und für die einzelnen Bundesländer darzustellen. Methode: Die Analysen erfolgten anhand der vollständigen Abrechnungsdaten der Krankenhäuser nach §21 KHEntgG der Jahre 2005 bis 2012 mittels kontrollierter Datenfernabfrage über das Forschungsdatenzentrum des statistischen Bundesamtes. Die HSMR wurde in Anlehnung an die vom Canadian Institute for Health Information (CIHI) verwendete Methode ermittelt5. Die CIHI-Methode betrachtet die Hauptdiagnosegruppen, welche für 80% der Todesfälle verantwortlich sind. In diesen Fallgruppen (5,4 Mio. (2005) bis 6,0 Mio. (2012) Datensätze) wurde mittels multipler logistischer Regression das Mortalitätsrisiko pro Fall berechnet. Anhand dieser erwarteten Sterbewahrscheinlichkeit wurde anschließend auf Krankenhausebene die HSMR als [(Anzahl beobachteter Todesfälle/Anzahl erwarteter Todesfälle)× 100] mit zugehörigem 95%-Konfidenz-Intervall berechnet. Ergebnisse: Während deutschlandweit zwischen 25,6% (2012) und 29,9% (2006) der Krankenhäuser einen statistisch signifikant höheren HSMR-Wert als 100 hatten, lag dieser Anteil für sechs Bundesländer (Niedersachsen, Bremen, NRW, Mecklemburg-Vorpommern, Sachsen und Sachsen-Anhalt) im gesamten Zeitraum über diesem Durchschnitt. Der Anteil der Krankenhäuser mit statistisch signifikant weniger beobachteten Todesfällen als erwarteten (d.h. HSMR stat. sign. < 100) lag deutschlandweit zwischen 25,4% (2005) und 30,4% (2012). Überdurchschnittlich viele Krankenhäuser in dieser Kategorie gab es im betrachteten Zeitraum in Schleswig-Holstein, Hessen, Baden-Württemberg, Bayern, Berlin und ab 2006 in Thüringen. Diskussion: Die HSMR-Werte für deutsche Krankenhäuser zeigen für den betrachteten Zeitraum auf Bundeslandebene eine deutlich unterschiedliche Verteilung. In wie weit diese Variabilität durch Krankenhausstrukturmerkmale erklärbar ist und ob die HSMR mit anderen Qualitätsindikatoren der Krankenhäuser in Zusammenhang steht, muss in weiteren Untersuchungen geprüft werden.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.003 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".