Algorithmusgestützte Behandlung stationärer Patienten mit depressiven Erkrankungen im Vergleich zur Behandlung nach freier Arztentscheidung: Eine gesundheitsökonomische Betrachtung des Berliner Algorithmusprojekts

Abstract

Hintergrund: Depressive Störungen gehören in den USA und im westlichen Europa zu den Erkrankungen mit der höchsten gesundheitlichen Belastung. Sie sind durch hohe Prävalenzzahlen, durch hohe Rezidivneigung sowie durch eine hohe Rate therapieresistenter und chronischer Verläufe mit erheblicher Morbidität und Mortalität gekennzeichnet. Aus klinischen Studien weiß man, daß nur 60% der antidepressiv behandelten depressiv erkrankten Patienten auf eine erste Behandlung mit einem Antidepressivum ansprechen. Von diesen Patienten erreichen ca. 50% keine Remission, sondern zeigen Residualsymptome. In der Konsequenz entwickeln viele dieser Patienten einen chronischen Verlauf der Depression. Untersuchungen zu den Kosten depressiver Erkrankungen liegen vor allem aus den USA und Großbritannien vor. Diese gesundheitsökonomischen Untersuchungen haben gezeigt, dass depressive Erkrankungen ernorm hohe Kosten verursachen, vor allem wenn das Ansprechen auf die Behandlung nur unzureichend ist. Angesichts der finanziellen Belastungen, welche durch die ansteigenden Kosten verursacht durch depressive Erkrankungen in den vergangenen Jahren entstanden sind, spielen in der Gesundheitspolitik ökonomische Gesichtspunkte bei der Evaluation von Behandlungsmöglichkeiten der Erkrankung eine zunehmend große Rolle. Bei Behandlungsalgorithmen - auch genannt Stufenpläne handelt es sich um sequentielle Behandlungsstrategien mit standardisierten Handlungsanweisungen für therapeutische Entscheidungen, die zu einer Verbesserung der Behandlungsergebnisse führen sollen. In den letzten Jahren hat sich die Algorithmusforschung zu einem wichtigen Zweig klinischer Forschung entwickelt, der die klinischen und ökonomischen Auswirkungen algorithmusgestützter Therapie in hausärztlicher und psychiatrischer Behandlung untersucht. Das Berliner Algorithmusprojekt verfolgt das Ziel, einen standardisierten Stufenplan der medikamentösen und Somatotherapie für die Behandlung stationärer Patienten mit depressiven Störungen zu konzipieren und zu evaluieren. In Phase 2 wurde in einer kontrollierten, randomisierten Studie eine Behandlung nach Algorithmus (standardized stepwise drug treatment regimen, SSTR) mit der Behandlung nach freier Arztentscheidung (treatment as usual, TAU) verglichen. Ziel dieser Arbeit war die gesundheitsökonomische Auswertung dieser Phase 2. Methodik: Wir berechneten die Pflegesatzkosten und die Medikamentenkosten für die SSTR- und die TAU-Gruppe. Zusätzlich wurde eine Kosten-Effektivitätsanalyse durchgeführt, um die finanziellen Vorteile der SSTR- Gruppe im Vergleich zu TAU zu untersuchen. Die Berechnungen erfolgten sowohl hinsichtlich der Studiendauer als auch der gesamten Verweildauer der Patienten. Ergebnisse: Bei Auswertung der Ergebnisse zeigt sich eine kostenbezogene Überlegenheit der Algorithmusgruppe vor allem in der Gruppe der Studiencompleter. Von speziellem Interesse sind jedoch die Dropout-Fälle in der SSTR-Gruppe, die im Vergleich zur Kontrollgruppe eine längere Verweildauer und damit deutlich höhere Kosten aufwiesen. Dennoch zeigt sich in der Kosten- Effektivitäts-Analyse, daß die mittleren Kosten pro remittiertem Patienten in der TAU-Gruppe fast doppelt so hoch waren als in der SSTR-Gruppe. Schlußfolgerung: Wir konnten nachweisen, daß eine algorithmusgestützte Depressionsbehandlung zu einer signifikanten Reduktion der Therapiekosten in Hinblick auf die zentralen Indikatoren Pflegesatz- und Medikamentenkosten führt. Die Ergebnisse dieser Studie sind ein wichtiger Schritt, um die Vorteile einer algorithmusgestützten Behandlung aus gesundheitsökonomischer Sicht zu beurteilen. Es sind jedoch weitere Studien sinnvoll, welche die direkten Kosten der Behandlung in größerer Bandbreite (z.B. Arzt- und Pflegekontakte, Kosten zusätzlicher Behandlung, Ergotherapie, etc.) mit einbeziehen. Außerdem wären Untersuchungen zu den indirekten Kosten einer Depressionsbehandlung (z.B. Ausfall von Arbeitskraft, Beitragsverluste bei den Krankenkassen, etc.) von großem Interesse.

Background: Major depressive disorder (MDD) belongs to the major health burdens in the developed countries. This is to a large extent due to the high prevalence rates, the recurrent course of the disease, and the high proportion of insufficient treatment response and chronicitiy. It is well known from clinical trials and practice that only 60% of patients do respond to the first course of drug treatment chosen. Of those patients approximately 50% do not reach full remission but rather display residual symptoms. Subsequently, many of these patients develop a chronic course of the depression. Available data on the costs caused by MDD are almost entirely derived from the USA and Great Britain and consistently show MDD to cause high treatment-costs, particularly when treatment response remains insufficient. Considering the financial burden, which arises from the incremental costs of MDD in the last few years, it is obvious, that the inclusion of an economic perspective in the evaluation of health care has become an increasingly accepted component of health policy and planning. Treatment algorithms are systematic treatment approaches which are designed to improve outcomes by enhancing the quality of care. During the last decade, algorithm research has evolved as a new branch of clinical research that evaluates the clinical and economic impact of algorithm-guided treatment in primary and psychiatric care of patients. A key rationale of the German Algorithm Project (GAP) is to evaluate algorithm-guided treatment of inpatients with depression. Phase 2 (GAP2) compared a standardized stepwise drug treatment regimen (SSTR) to treatment as usual (TAU) in a randomized controlled study. Aim of this study was a health economic evaluation of GAP2. Methods: We performed a calculation of costs for daily hospital rate and medication for the SSTR- and the TAU-group. In addition, a cost-effectiveness analysis was applied to investigate the financial benefit of SSTR compared to TAU . We differentially analyzed the study period as well as the total time treated as inpatient