Benchmarking von Analytics-Reife und Messgenauigkeit

# Benchmarking von Analytics-Reife und Messgenauigkeit

Zwei Krankenhäuser melden eine 30-Tage-Wiederaufnahmerate bei Herzinsuffizienz von 22 %. Das eine ist im Stillen exzellent. Das andere ist im Stillen gefährlich. Die rohe Zahl ist identisch. Der Unterschied steckt komplett in den Daten: wie der Nenner definiert wurde, ob die Rate risikoadjustiert war und mit welcher Peer-Gruppe verglichen wurde. Diese Lektion bringt Ihnen bei, die beiden auseinanderzuhalten.

Warum rohe Raten lügen

Eine Wiederaufnahmerate ist ein Bruch. Zähler durch Nenner. Beide Hälften verbergen Entscheidungen, die das Ergebnis um mehrere Prozentpunkte verschieben kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.

Zähler: Wie viele Patienten sind zurückgekommen? Klingt einfach. Aber innerhalb von 30 Tagen nach was? Nach der Entlassung? Zählt eine geplante Wiederaufnahme zur Chemotherapie? Zählt eine Verlegung in ein anderes Krankenhaus als Wiederaufnahme oder als Entlassung?

Nenner: Wer war überhaupt zählbar? Patienten, die während des Aufenthalts verstorben sind, kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen nicht wiederaufgenommen werden, also müssen sie ausgeschlossen werden. Patienten, die gegen ärztlichen Rat gegangen sind, werden häufig ebenfalls ausgeschlossen. Jeder Ausschluss verändert die Basis.

Hier liegt die Falle. Ein Krankenhaus, das kränkere Patienten behandelt (älter, mehr Komorbiditäten), wird natürlicherweise mehr Wiederaufnahmen haben. Seine rohe Rate mit der eines Vorstadtkrankenhauses zu vergleichen, das gesündere Patienten behandelt, ist sinnlos. Genau das behebt die Risikoadjustierung.

Risikoadjustierung in einem Absatz

Risikoadjustierung ist eine statistische Methode, die vorhersagt, wie viele Wiederaufnahmen Sie angesichts Ihres Patientenmixes *erwarten* würden, und das dann mit der Zahl vergleicht, die Sie *tatsächlich* hatten. Das Kernergebnis ist eine Ratio.

Der bundesweite Standard ist das Hospital Readmissions Reduction Program (HRRP), betrieben von den Centers for Medicare & Medicaid Services (CMS), der US-Behörde, die Medicare verwaltet. HRRP nutzt die Excess Readmission Ratio (ERR):

ERR = predicted readmissions (given YOUR case mix)
      -----------------------------------------------
      expected readmissions (if you performed like the national average)

• ERR > 1,0 bedeutet schlechter als erwartet. Sie nehmen mehr Patienten wieder auf als ein Krankenhaus im nationalen Durchschnitt mit denselben Patienten.
• ERR < 1,0 bedeutet besser als erwartet.
• ERR = 1,0 bedeutet genau wie erwartet.

Ein Krankenhaus mit einer rohen Rate von 22 % und einer ERR von 0,95 ist *überdurchschnittlich*. Ein Krankenhaus mit einer rohen Rate von 18 % und einer ERR von 1,08 ist *unterdurchschnittlich*. Die rohen Raten haben Ihnen das Gegenteil der Wahrheit erzählt.

Eine durchgerechnete Berechnung

Angenommen, Ihre Kardiologie hat im letzten Jahr 500 Patienten mit Herzinsuffizienz entlassen. Die CMS-Modelle sagen angesichts ihres Alters und ihrer Komorbiditäten voraus, dass 110 wiederaufgenommen würden. Tatsächlich haben Sie 121 wiederaufgenommen.

ERR = 121 / 110 = 1.10

Eine ERR von 1,10 bedeutet 10 % mehr Wiederaufnahmen, als ein Haus im nationalen Durchschnitt mit denselben Patienten gehabt hätte. Unter HRRP kann diese Lücke eine Medicare-Zahlungsstrafe von bis zu 3 % auf die betreffenden DRG-Zahlungen auslösen. (Die Obergrenzen der Strafen sind gesetzlich festgelegt; prüfen Sie die aktuellen Jahreswerte auf der CMS-Website.)

Beachten Sie, wovor Sie das schützt. Wenn ein Aufsichtsratsmitglied sagt „wir nehmen zu viele wieder auf, bringen Sie das in Ordnung“, erlaubt Ihnen die ERR zu antworten: Liegen wir tatsächlich unter der Erwartung, oder produziert unsere kränkere Population schlicht mehr Wiederaufnahmen? Nur die adjustierte Zahl kann das belegen.

Die zwei Benchmarks, die zählen

Reife lässt sich ohne Vergleichsgruppe nicht beurteilen. Zwei dominieren die Krankenhaus-Analytics in den USA.

CMS Care Compare

Care Compare ist die kostenlose öffentliche CMS-Website, die risikoadjustierte Kennzahlen zu Mortalität, Wiederaufnahmen, Komplikationen und Patientenerfahrung für jedes US-Krankenhaus veröffentlicht. Sie ist die Transparenz-Baseline. Jeder (Patienten, Journalisten, Wettbewerber) kann Ihre Zahlen sehen. Die zugrunde liegende Methodik ist öffentlich, was bedeutet, dass ein sorgfältiges Analytics-Team sie intern *reproduzieren* kann, bevor die öffentlichen Daten erscheinen.

Die Mortalitätskennzahlen von Care Compare decken Erkrankungen wie akuten Myokardinfarkt (Herzinfarkt), Herzinsuffizienz und Pneumonie ab. Die Raten sind 30-Tage-Raten, risikoadjustiert und werden mit Konfidenzintervallen berichtet, was relevant ist (mehr dazu unten).

Vizient

Vizient ist ein großes, von seinen Mitgliedern getragenes Healthcare-Performance-Unternehmen, dessen Clinical Data Base von vielen US-amerikanischen Universitätskliniken für Peer-Benchmarking genutzt wird. Anders als Care Compare (alle Häuser, Medicare-fokussiert) erlaubt Vizient einem Krankenhaus, sich mit *ähnlichen* Einrichtungen zu vergleichen: Universitätskliniken vergleichbarer Größe und mit vergleichbarem Case Mix. Das ist der Unterschied zwischen „wie stehe ich im Vergleich zu jedem Krankenhaus in Amerika da“ und „wie stehe ich im Vergleich zu Krankenhäusern da, die tatsächlich aussehen wie ich“.

Vizient ist ein kostenpflichtiges Mitgliedschaftsprodukt. Care Compare ist kostenlos. Ein reifes Analytics-Team nutzt beides: Care Compare als öffentliche Untergrenze, Vizient als peer-relevanten Benchmark.

Die Checkliste für Messgenauigkeit

So hinterfragen Sie jedes Wiederaufnahme- oder Mortalitäts-Dashboard.

1. Ist es risikoadjustiert?

Wenn das Dashboard einen rohen Prozentwert ohne Erwartungswert oder Ratio zeigt, ist es naiv. Fragen Sie: welches Modell? CMS nutzt hierarchische logistische Regression mit Komorbiditätsvariablen. Ein Krankenhaus, das nur Rohraten berichtet, misst seine Patientenpopulation, nicht seine Leistung.

2. Ist der Nenner definiert und dokumentiert?

Fragen Sie genau, wer eingeschlossen und wer ausgeschlossen ist. Eine belastbare Antwort benennt die Kohorte (zum Beispiel „Medicare-Fee-for-Service-Patienten ab 65 Jahren mit Hauptdiagnose Herzinsuffizienz, ohne im Krankenhaus Verstorbene und Verlegungen“). Eine gefährliche Antwort ist ein Schulterzucken.

3. Werden Konfidenzintervalle gezeigt?

Ein kleines Krankenhaus mit 40 Herzinsuffizienzfällen hat ein breites Konfidenzintervall. Seine Rate kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnte 15 % oder 30 % betragen, und Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen die beiden statistisch schlicht nicht unterscheiden. Care Compare kennzeichnet das als „nicht unterschiedlich zur nationalen Rate“. Ein Dashboard, das ein Haus mit 40 Fällen ohne Intervall als „drittschlechtestes im Bundesstaat“ einstuft, erzeugt falsche Präzision.

4. Passt das Beobachtungsfenster zum Standard?

30-Tage-Wiederaufnahme heißt 30 Tage ab Entlassung, gezählt werden Wiederaufnahmen in *irgendein* Krankenhaus, nicht nur in Ihres. Viele interne Dashboards zählen nur Rückkehrer ins eigene Haus. Das untererfasst systematisch und lässt Sie besser dastehen, als die Realität ist.

🎬 [VIDEO: "Risk Adjustment Explained" - youtube.com - eine kurze Einführung, warum Case-Mix-Adjustierung Krankenhausvergleiche verändert]

Datenqualität unter der Kennzahl

Eine risikoadjustierte Rate ist nur so gut wie die Kodierung, die sie speist. Genau hier entscheidet sich Analytics-Reife tatsächlich.

Vollständigkeit der Kodierung bestimmt den Nenner des Vertrauens

Risikoadjustierungsmodelle lesen ICD-10-Diagnosecodes (die internationale Standardklassifikation für Krankheiten und Gesundheitszustände). Wenn bei einem Patienten Diabetes, Nierenerkrankung und Herzinsuffizienz vorliegen, aber nur die Herzinsuffizienz kodiert wurde, hält das Modell den Patienten für gesünder, als ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → war. Ihre *erwarteten* Wiederaufnahmen sinken. Ihre ERR steigt kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →ünstlich. Sie sehen schlechter aus, als Sie sind, rein aufgrund von Unterdokumentation.

Das ist kein Gaming. Präzise, vollständige Kodierung ist eine legitime Datenqualitätsdisziplin. Die zu verfolgende Kennzahl: Komorbiditäts-Erfassungsrate, also der Anteil der klinisch vorliegenden Diagnosen, die tatsächlich im kodierten Datensatz auftauchen.

Data-Governance-Kennzahlen für ein klinisches Analytics-Team

Fragen Sie, ob das Team diese mit Stichtagen verfolgt:

• Kodierungsverzug: Tage zwischen Entlassung und finalem kodierten Datensatz. Lange Verzüge bedeuten veraltete Dashboards.
• Case-Mix-Index (CMI): durchschnittliches DRG-Gewicht, ein Proxy für die dokumentierte Patientenschwere. Ein CMI, der sinkt, während die Patienten kränker werden, signalisiert ein Kodierungsproblem, keine Gesundheitsverbesserung.
• Abgleichquote: Stimmt Ihre interne Wiederaufnahmezählung mit der auf Abrechnungsdaten basierenden CMS-Zählung überein, wenn diese veröffentlicht wird? Eine große ungeklärte Lücke bedeutet, dass Ihre Datenpipeline Wiederaufnahmen in andere Krankenhäuser übersieht.

Die Reifeleiter

Eine grobe Möglichkeit, die Analytics-Funktion eines Krankenhauses einzuordnen:

• Stufe 1 (naiv): Rohraten, nur Zählungen im eigenen Haus, keine Risikoadjustierung.
• Stufe 2 (deskriptiv): risikoadjustierte Raten werden im Nachhinein von CMS übernommen, keine interne Reproduktion.
• Stufe 3 (prädiktiv): das Team reproduziert das CMS-Modell intern und überwacht die ERR monatlich, vor der Veröffentlichung.
• Stufe 4 (prospektiv): patientenindividuelle Wiederaufnahme-Risikoscores bei Entlassung, die gezielte Interventionen steuern und gegen tatsächlich eingetretene Outcomes validiert sind.

Die meisten US-Krankenhäuser liegen 2026 zwischen Stufe 2 und Stufe 3. Stufe 4 ohne Validierungsdaten zu behaupten, ist ein Warnsignal.

Alles zusammengesetzt

Zurück zu den beiden Krankenhäusern vom Anfang. Beide melden 22 % Wiederaufnahmen bei Herzinsuffizienz. Hinterfragen Sie sie:

Krankenhaus A zeigt eine ERR von 0,93, eine dokumentierte Medicare-Kohorte, Konfidenzintervalle, Erfassung von Wiederaufnahmen in allen Häusern und einen stabilen CMI. Statistisch belastbar. Das ist ein *gutes* Krankenhaus mit kranken Patienten.

Krankenhaus B zeigt rohe 22 %, nur Zählungen im eigenen Haus, keine ERR, keine Intervalle. Sie haben keine Ahnung, ob es gut oder schlecht ist. Gefährlich naiv. Die 22 % sind Rauschen im Gewand eines Insights.

Key Takeaways

1. Die rohe Rate ist nicht die Kennzahl. Eine risikoadjustierte Ratio (wie die CMS Excess Readmission Ratio) ist die einzige belastbare Art, Krankenhäuser zu vergleichen, weil sie den Patientenmix berücksichtigt.

2. Stellen Sie immer drei Fragen: Ist es risikoadjustiert? Ist der Nenner dokumentiert? Werden Konfidenzintervalle gezeigt? Fehlt eines davon, ist die Zahl fragwürdig.

3. Nutzen Sie beide Benchmarks: Care Compare (kostenlos, öffentlich, Untergrenze über alle Häuser) und Vizient (kostenpflichtig, peer-gematchter Vergleich mit ähnlichen Einrichtungen).

4. Vollständigkeit der Kodierung ist ein Datenqualitätshebel, keine Fußnote. Unterdokumentierte Komorbiditäten blähen Ihre ERR auf und lassen gute Versorgung schlecht aussehen.

5. Ordnen Sie die Analytics-Funktion auf einer Reifeleiter ein. Das CMS-Modell intern vor der Veröffentlichung zu reproduzieren (Stufe 3) ist 2026 die praktische Messlatte für ein ernsthaftes Krankenhaus.