Zorg voor Uitkomst Analyse en Rapportage Disclosure belangen van spreker (potentiële) belangenverstrengeling Geen Voor bijeenkomst mogelijk relevante relaties met bedrijven Geen Sponsoring of onderzoeksgeld Honorarium of andere (financiële) vergoeding Aandeelhouder Dr. ir .W.F. (Wim) van den Bosch 7 februari 2014 Geen van alle Measurably PLUS projectBetter Santeon Oncology – Prostate Cancer 1 1 1 De gereedschapskist Hoe verzamelde data analyseren? Hoe uitkomsten presenteren? • Inzichtelijk en begrijpelijk voor lezer Longkanker 1-jaars mortaliteit voor stadium IA - IIIA patiënten; FICTIEF 180 95% BI bovengrens 170 Gestandaardiseerde mortaliteitsratio • Statistisch verantwoord vergelijken gemiddelde (=100) 160 95% BI ondergrens 150 Significant verhoogde mortaliteit 140 Ziekenhuis X 130 Ziekenhuis Y 120 Andere ziekenhuizen (fictief) 110 100 90 80 70 60 Significant verlaagde mortaliteit Correctie voor initiële patiëntkenmerken 50 40 0 Pathologisch C-sta 140 tistic X X 0,67 0,72 20 (casemix) 40Patiëntkenmerk 60 80 100 Leeftijd D'Amico Gleason Voorspeld aantal risico score score Indicator titel Overleving Overleving Kaplan-Meier curve en Cox-survival curve X Behandelresultaat na prostatectomie % positieve snijvlakken % PSA>0,1 3 maanden na prostatectomie X Complicaties na prostatectomie % niet-zenuwsparend en ingekapselde tumor (pT2) X Comor X X X X X X X X % graad 3/4 complicaties binnen 30 dagen na prostatectomie % graad 3/4 complicaties tussen 30 dagen en 1 jaar na prostatectomie Bijwerkingen na bestraling % graad 3/4 toxiciteiten binnen 1 jaar na uitwendige bestraling % graad 3/4 toxiciteiten binnen 1 jaar na Brachy therapie 120 sterfgevallen biditeit stadium X X 0,59 0,59 0,58 X X 0,64 0,66 Kwaliteit van behandelbeslissing op grond van 5-jaarsoverleving Verschillen in 5-jaars overleving na prostatectomie X X Verschillen in 5-jaars overleving na uitwendige bestraling X X Kwaliteit van behandelbeslissing volgens de patiënt Segmentatie naar D'AMICO-score Nader te bepalen Tevredenheid betrokkenheid behandelkeuze en gemaakte behandelkeuze achteraf 80% TONEN Kwaliteit van Leven 0, 3, 6, 12 maanden na behandeling ANTONIUS CATHARINA Pilot PROMs EQ5D, EORTC-QLQ-PR25, SHIM, ICIQ,CANISIUS IPSS na 0, 3 en 6 maanden Nader1te bepalen Impact casemix kenmerk1 X X X 70% Sterk Matig 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Zwak; geen correctie 60% 50% 40% 30% 20% 10% 0% Zeer sterk 24% laag 33% 48% 35% 44% middel hoog totaal laag 49% 68% 53% 29% middel hoog totaal laag 38% 57% 41% middel hoog totaal 2 Ruwe uitkomsten; voorbeeld (fictief) Ziekenhuis X Ziekenhuis Y 5,9 5,6 P=0,71 Percentage positieve snijvlakken na resectie long of deel van long 12% 13% P=0,40 Percentage complicaties binnen 30 dagen na resectie 25% 34% P=0,08 Indicator longkanker na resectie Mediane overlevingstijd (jaren) na diagnose stelling Enzovoort …. Significantie niveau …. 3 X Y 4 Ruwe uitkomsten; voorbeeld (fictief) Ziekenhuis X Ziekenhuis Y 5,9 5,6 P=0,71 Percentage positieve snijvlakken na resectie long of deel van long 12% 13% P=0,40 Percentage complicaties binnen 30 dagen na resectie 25% 34% P=0,08 Indicator longkanker na resectie Mediane overlevingstijd (jaren) na diagnose stelling Enzovoort …. Significantie niveau …. 5 Segmentering naar patiëntkenmerken (casemix) segmentatie naar LEEFTIJD Voorbeeld: TO 1 1 60% 50% Mortaliteit 1 jaar na diagnose longkanker voor alle curatieve stadia (IA – IIIA) 1 1 1 1 1 1 1 1 1 1 1 40% 30% 20% 10% Ziekenhuis X 0% 18% 32% 42% jonger 65 j van 65 - 74 j ouder 74 j segmentatie naar KLINISCH STADIUM 60% 50% 40% 30% 20% 10% 17% 22% 47% 29% 0% stadium II stadium III totaal totaal segmentatie naar PERFORMANCE STATUS TONEN 1 170% 1 160% 1 1 50% 1 totaal 1 140% 1 130% 1 120% 10% 0% stadium I 29% 9% 21% 45% 67% 29% PS=0 PS=1 PS=2 PS=3 totaal 6 Combinatie casemixfactoren: multivariate regressie ‘Funnelplot’ Longkanker; gestandaardiseerde uitkomsten van mortaliteit per ziekenhuis voor stadia IA t/m IIIA patiënten 150 140 Significant verhoogd Gestandaardiseerde uitkomstratios 130 120 110 100 90 80 70 Significant verlaagd 60 50 0 50 100 150 200 Voorspeld aantal 'events' 95% BI bovengrens gemiddelde (=100) 95% BI ondergrens Ziekenhuis X Mortaliteit 1 jaar Ziekenhuis X Mortaliteit 2 jaar Ziekenhuis Y Mortaliteit 1 jaar Ziekenhuis Y Mortaliteit 2 jaar waargenomen 7 Meerdere indicatoren in één funnelplot Longkanker; gestandaardiseerde uitkomsten van mortaliteit per ziekenhuis voor stadia IA t/m IIIA patiënten 150 140 Significant verhoogd Gestandaardiseerde uitkomstratios 130 120 110 100 90 80 70 Significant verlaagd 60 50 0 50 100 150 200 Voorspeld aantal 'events' 95% BI bovengrens gemiddelde (=100) 95% BI ondergrens Ziekenhuis X Mortaliteit 1 jaar Ziekenhuis X Mortaliteit 2 jaar Ziekenhuis Y Mortaliteit 1 jaar Ziekenhuis Y Mortaliteit 2 jaar waargenomen 8 Meer ziekenhuizen die in de toekomst rapporteren in funnelplot zetten → gemiddelde (100) verschuift Longkanker 1-jaars mortaliteit voor stadium IA - IIIA patiënten; FICTIEF 180 95% BI bovengrens Gestandaardiseerde mortaliteitsratio 170 gemiddelde (=100) 160 95% BI ondergrens 150 Significant verhoogde mortaliteit 140 Ziekenhuis X 130 Ziekenhuis Y 120 Andere ziekenhuizen (fictief) 110 100 90 80 70 60 Significant verlaagde mortaliteit 50 40 0 20 40 60 80 100 Voorspeld aantal sterfgevallen 120 140 9 Overleving: Kaplan-Meijer curve 5-jaars overleving na diagnose longkanker naar stadium; ziekenhuis X 10 Kaplan-Meijer curve corrigeren voor casemix Voorbeeld: vergelijken overleving palliatieve longkankerpatiënten Ziekenhuis X Y Kaplan-Meijer curve X Y 12 Kaplan-Meijer curve corrigeren voor casemix Voorbeeld: vergelijken overleving palliatieve longkankerpatiënten Ziekenhuis X Y p=0,003 Kaplan-Meijer curve Ziekenhuis X Y p=0,52 Correctie Cox-survival curve Patiëntencohorten Ziekenhuis X Primaire behandeling in ziekenhuis X ‘Eigen patiënt’ dwz gediagnosticeerd in ziekenhuis X Bijvoorbeeld: • Antonius patiënt geopereerd in het Antonius ziekenhuis ‘Verwezen patiënt’ dwz gediagnosticeerd in ANDER ziekenhuis en verwezen naar X Bijvoorbeeld: • Patiënt Hofpoort ziekenhuis geopereerd in het Antonius ziekenhuis Primaire behandeling NIET in ziekenhuis X Bijvoorbeeld: • Antonius patiënt bestraald in het UMCU Komt weinig voor 14 Rapportage over vergelijkbare patiëntencohorten (1) Primaire behandeling in ziekenhuis X ‘Eigen patiënt’ dwz gediagnosticeerd in ziekenhuis X Primaire behandeling NIET in ziekenhuis X Rapportage ketengerelateerde indicatoren ‘Verwezen patiënt’ dwz gediagnosticeerd in ANDER ziekenhuis en verwezen naar X 15 Rapportage over vergelijkbare patiëntencohorten (2) ‘Eigen patiënt’ dwz gediagnosticeerd in ziekenhuis X ‘Verwezen patiënt’ dwz gediagnosticeerd in ANDER ziekenhuis en verwezen naar X Primaire behandeling NIET in ziekenhuis X Rapportage indicatoren gericht op primaire ingreep Primaire behandeling in ziekenhuis X 16 Kwaliteitsinstituut
© Copyright 2024 ExpyDoc