Maarten van der Ven
-
Upload
radboudumc -
Category
Health & Medicine
-
view
173 -
download
5
Transcript of Maarten van der Ven
Heropnames bij kwetsbare ouderen in een academisch
ziekenhuis: een retrospectieve data-analyse
Maarten van der Ven, Coassistent In samenwerking met Prof. Dr. M.G.M. Olde Rikkert Lezing Verpleegkundig Vizier 18 juni 2015
Waarom?
• Heropnames bij kwetbare ouderen komen veel voor, maar hoeveel?
• In Amerika19,6% 1]
• In België: 14,7% [2]
• In Nederland???
• Heropname cijfers zijn een goede weerspiegeling van kwaliteit van zorg [3]
• Hoe kunnen we heropnames verminderen?
• Preventiemaatregelen op maat vinden
• Ook belangrijk: heropnames zijn DUUR!
1. Jencks SF, Williams MV, Coleman EA. Rehospitalizations among patients in the Medicare fee-for-service program. The New England journal of medicine. 2009;360(14):1418-28. Epub 2009/04/03.
2. Trybou J, Spaepen E, Vermeulen B, Porrez L, Annemans L. Costs associated with readmissions in Belgian acute-care hospitals. Acta clinica Belgica. 2013;68(4):263-7. Epub 2014/01/25.
3. Cassel CK, Conway PH, Delbanco SF, Jha AK, Saunders RS, Lee TH. Getting More Performance from Performance Measurement. The New England journal of medicine. 2014;371(23):2145-7.
Onderzoeksvragen Hoe vaak komen heropnames binnen 30 dagen na ontslag voor bij 65+ers in het
Radboudumc?
Maar daarnaast keken we ook naar:
• Met welke hoofdklacht komen heropgenomen patiënten het meest?
• Wat zijn mogelijke voorspellende factoren voor heropname?
• Hoeveel patiënten worden meerdere malen heropgenomen en hoe kunnen we
dat voorspellen?
Methoden • Ophalen van alle opnames van 65+ers van de periode 4-10-2013 – 29-09-2014
• Achterhalen welke daarvan heropnames waren
• Data verzamelen van zoveel mogelijk patiënten om mogelijke voorspellers te vinden
• Geslacht, leeftijd, opnameduur
• VMS bundel kwetsbare ouderen
• Voorkomen van de meest voorkomende chronische aandoeningen
Methoden – data verzameling
• Opnames moesten minimaal 24 uur duren
• Alle patiënten die binnen 30 dagen terug opgenomen worden labellen als
‘mogelijke heropname’
• Beoordelen van de lijst ‘mogelijke heropname’ en daaruit de heropnames gehaald
Methoden – Statistiek • Eerst elke mogelijke voorspeller apart analyseren: univariate analyse logistische
regressie
• Steeds meer als geheel: multivariate analyse in 3 modellen:
• Model 1: Alle chronische ziekte data
• Model 2: persoonsgegevens en kwetsbaarheidsdata
• Model 3: Alle variabele samen
Heropname Geen heropname
Delier doorgemaakt ??? ????
Geen delier doorgemaakt ???? ????
Resultaten – heropnames
Van alle 5829 opgenomen ouderen werden er 602 heropgenomen
10,3% (95% CI 10,2 – 11,6%)
Meest voorkomende presentatie klachten van heropname patiënten waren dyspnoe (24,9%), koorts (10,0%),
Resultaten – Patiënten
• Meest voorkomende aandoening waren kanker (23,6%) en ischemische hartaandoeningen (10,2%)
• Chronische aandoeningen kwamen dubbel zoveel voor ik heropgenomen
patiënten
% of Admitted fully VMS screened patients (N=1752)
% of Readmitted patients fully VMS screened (N=303)
ANOVA
0 frailty signs 38,9 24,4 <0,001
1 frailty sign 26,1 25,5 <0,001
2 frailty signs 15,2 20,5 <0,001
3 frailty signs 13,8 19,5 <0,001
4 frailty signs 6,0 10,2 <0,001
All patients Readmission ANOVA
Median age
(interquartile
range)
74 (69 – 79) 73 (68 – 79) 0,154
Gender male /
female
55,8% / 44,2% 60,7% /
39,3%
0,004
Median duration
of stay in the
hospital in days
(interquartile)
4 (2 – 8) 6 (3 – 10) <0,001
Resultaten – multivariate logistische regressie
Included variables
ranked by inclusion
step
Odds ratio Nagelkerke R2
Model 1:
Chronic disease
data
COPD
Cancer
Heart failure
Renal insufficiency
Diabetes Mellitus
Dementia
2,610
2,084
2,249
1,886
1,436
1,529
0,32
Model 2:
Demographic and
frailty data
Katz-ADL6
Malnutrition risk
Gender
1,207
1,330
1,473
0,17
Model 3:
Demographic,
frailty and chronic
disease data
Heart failure
Katz-ADL6
COPD
Malnutrition risk
Renal insufficiency
Cancer
2,641
1,181
2,197
1,324
1,837
1,534
0,49
Resultaten – Multivariate analyse meerdere malen heropgenomen
Included variables
ranked by inclusion
step
Odds
ratio
Nagelkerke R2
Model 1:
Chronic disease
data
Diabetes mellitus 1,923 0,01
Model 2:
demographic and
frailty data
Medication use
BMI
1,073
0,938
0,14
Model 3:
Demographic,
frailty and
chronic disease
data
Medication use
BMI
1,073
0,938
0,14
Discussie • Kracht van dit onderzoek
• Generalistisch • Gegevens van kwetsbaarheid
• verbeterpunten • Er ontbreken veel gegevens over chronische aandoeningen en
kwetsbaarheid (1762/5829)
• Verschillende definities van heropnames • Enkel Radboudumc data gebruikt
Pooler A. et al: Examining the relationship between anxiety and depression and exacerbations of COPD which result in hospital admission: a systematic review. Int J Chron Obstruct Pulmon Dis. 2014
Conclusie Kwetsbare ouderen met COPD en hartfalen lopen het hoogste risico om
heropgenomen te worden. Deze patiënten zijn een potentiële doelgroep voor preventieve maatregelen voor heropnames. Met als aandachtspunt wellicht angst bij dyspnoe?
Vragen?
• Overgebleven vragen
• Welke andere risicofactoren zijn er voor heropnames?
• Welke heropnames hadden voorkomen kunnen worden en hoe?
Results – univariate analysis multiple readmissions
Variable Total
included
patients
(N)
Odds ratio 95%
Confidence
interval lower
boundary
95%
Confidence
interval upper
boundary
p-value
Age 602 0,981 0,954 1,008 0,166
Gender
Female/male
602 1,351 0,920 1,983 0,125
Duration of stay 602 1,000 1,000 1,000 0,025
Delirium risk
No/Yes
371 1,101 0,689 1,759 0,689
Fall risk
No/Yes
372 0,952 0,593 1,529 0,840
Malnutrition risk
Low/moderate/hig
h
474 0,281 0,897 1,455 0,281
Katz-ADL6
1-6
372 1,204 0,921 1,573 0,174
frailty signs
0-4
587 1,072 0,924 1,244 0,358
Ischemic heart
suffering
No/Yes
602 1,637 1,065 2,517 0,025
Diabetes Mellitus
No/Yes
602 1,881 1,125 3,146 0,016
BMI 549 0,957 0,916 0,999 0,045
Medication use at
home
587 1,043 1,009 1,079 0,014
Results – missing data Baseline Readmissions ANOVA
N 7843 852 -
Unique patients 5829 602 -
Median age
(interquartile)
74 (69 – 79) 73 (68 – 79) 0,154
Gender male / female 55,8% / 44,2% 60,7% / 39,3% 0,004
Median duration of stay
in the hospital in days
(interquartile)
4 (2 – 8) 6 (3 – 10) <0,001
Patients delirium risk
Missing data
17,3%
53,5%
28,2%
39,2%
<0,001
Patients with Fall risk
Missing data
15,5%
54,4%
25,9%
39,0%
<0,001
Malnutrition risk
High
Medium
Low
Missing data
6,9%
6,6%
35,1%
51,4%
17,8%
13,8%
46,7%
21,8%
<0,001
Katz score
0
1
2
3
4
5
6
Missing data
75,4%
4,1%
3,1%
2,8%
3,5%
2,7%
2,6%
5,7%
64,6%
6,8%
5,8%
5,8%
7,0%
5,6%
3,8%
0,05%
<0,001
Admitted fully VMS screened patients (N=1752)
Readmitted patients fully VMS screened (N=303)
ANOVA
0 frailty signs 38,9 24,4 <0,001
1 frailty sign 26,1 25,5 <0,001
2 frailty signs 15,2 20,5 <0,001
3 frailty signs 13,8 19,5 <0,001
4 frailty signs 6,0 10,2 <0,001
VMS completed proportion
(%)
Chi-square test
Significance
Age:
65-70
71-75
76-80
81-85
86-90
90-95
>95
5,8
44,7
45,4
43,0
32,9
23,7
13,0
0,000
Readmissions
Non-readmissions
50,3
33,5
0,000
Duration of stay
1 day
2-3 days
4-7 days
8-14 days
14-21 days
>21 days
16,8
25,7
35,5
39,4
36,0
31,2
0,000
Male
Female
31,5
28,4
0,011
Month of admission
October 2013
November 2013
December 2013
January 2014
February 2014
March 2014
April 2014
May 2014
June 2014
July 2014
August 2014
September 2014
10,2
22,1
19,9
21,2
32,1
27,0
31,7
33,8
37,3
41,3
45,8
44,9
0,000