Der Kostendruck in Krankenhäusern nimmt stetig zu. Dies führt zu dem Wunsch der Krankenhäuser, die Kosten für die Behandlungsfälle frühzeitig zu kennen, um gegebenenfalls die vorhandenen Finanzmittel wirtschaftlich und medizinisch besser zu verteilen. Die Be- handlungskosten von Patienten zeitnah zu ermitteln, ist schwierig. Der Goldstandard in Deutschland ist hierfür die InEK-Kostenkalkulation, nach der ein Krankenhaus nach einem deutschlandweit festgelegten Verfahren die Kosten für Behandlungsfälle ermittelt. Dies ist jedoch ein retrospektives Verfahren, mit dem die Vorjahreskosten berechnet werden. Dieses Verfahren eignet sich daher nicht, um kurzfristige Kostenentwicklungen zu erkennen und darauf reagieren zu können. Somit ergaben sich für diese Arbeit mehrere Fragestellungen: Lassen sich durch me- dizinische Scores Kosten prognostizieren? Welche medizinischen Scores sollen in die Studie aufgenommen werden? Lassen sich die ausgewählten Scores mit hoher Datenqualität retrospektiv berechnen? Welcher der Scores ist am besten zur Kostenprognose geeignet? Ist eine hochqualitative Prognose der Kosten möglich? Kann man den Score auf wenige Items reduzieren, um den Aufwand der Berechnung zu minimieren? Es wurden 12.733 Behandlungsfälle ausgewählt, bei denen jeweils ein CABG, eine Herzklappenoperation oder eine Kombination aus beiden Eingriffen durchgeführt wurde. Für die Business Intelligence (BI)-Software Qlikview wurden Programme entwickelt, die für alle Behandlungsfälle mittels vier medizinischer Scoringsysteme (SAPS II, APACHE II, TISS-28 und die IMKB) retrospektiv aus den medizinischen Daten für die Jahre 2008– 2013 bzw. 2014 und 2015 die Punkte automatisiert berechneten. Die Berechnung der Scores aus den medizinischen Daten war ohne Probleme möglich. Durch Korrelationsanalysen wurde der TISS-28 ausgewählt, da von den vier ausgewählten Scores seine Ergebnisse die höchste Korrelation zu den Kosten aufwiesen. Es wurden zwei Modelle getestet, um die Kosten zu prognostizieren. Es zeigte sich, dass ein Modell, das mit dem gesamten TISS-28 die Gesamtkosten prognostiziert, am besten geeignet war. Mit den Daten aus den Jahren 2008 bis 2013 wurden somit die Jahre 2014 und 2015 prognostiziert. Da in diesen beiden Jahren zwei verschiedene ärztliche Leitungen für das Behandlungsgeschehen verantwortlich waren, konnte auch gleichzeitig nachgewiesen werden, dass der TISS-28 in seiner Kostenprognose robust genug war, um auch bei unterschiedlichen Behandlungsstrategien die Kosten sicher zu prognostizieren. Von einer Reduzierung der Anzahl der Items des TISS-28, um die Berechnung des Scores zu vereinfachen wurde abgesehen, da alle Items eine signifikante Korrelation zu den Kosten aufzeigten und mit der Reduzierung evtl. eine Fehlerquelle geschaffen würde, die nicht abzusehen war.
The immense pressure of hospital costs continues to increase. This leads hospitals to want to be able to calculate the case treatment costs early on, so as to distribute the available finances in an economic and medically sound fashion. It is difficult to estimate the treatment costs of patients in advance. The gold standard in Germany is the InEK cost calculation, which enables hospitals to estimate the costs per case in accordance with a nationally defined procedure. However, this procedure is based retrospectively on the costs from the previous year. Using it, it is therefore not possible to recognize and react to short-term cost developments. For this reason this work looks at several related questions: Are medical scores able to predict costs? Which medical scores should be investigated? Is it possible to calculate the selected scores retrospectively with high data quality? Which of the scores is most suited to cost prognosis? Is high-quality projection of the costs possible? Can the score be reduced to a small number of items to simplify the calculation? A total of 12,733 treatment cases were selected in which coronary artery bypass grafting (CABG) or a heart valve operation or a combination of the two was performed. Programs were developed for the BI software Qlikview that were used to automatically calculate the points for four medical scoring systems (SAPS II, APACHE II, TISS-28 and IMKB) retrospectively from the medical data for the years 2008 2013, 2014 and 2015. Calculation of the scores from the medical data was possible without problems. Using correlation analyses the TISS-28 was selected since, of the four scores, it showed the highest correlation with the costs. Two models were tested to predict the costs; a model using the whole TISS-28 to predict the total costs was found to be the more suitable. Therefore the data from the years 2008 2013 were used for predictions for the years 2014 and 2015. In these two years the medical directorship of the institution changed, so that at the same time it was established that the TISS-28 was robust enough in its cost projection to correctly predict the costs even under different treatment strategies. The number of items of the TISS-28 was not, after all, reduced, since all items showed a significant correlation to the costs and reducing them might have introduced an unforeseeable source of error.
