Regularisierte regressionsanalytische Verfahren für hochdimensionale Daten: ein neuer Ansatz in der Krankheitskostenrechnung des Statistischen Bundesamts zu ärztlichen Leistungen und Arzneiverordnungen

Abstract

Zusammenfassung Hintergrund und Zielsetzung Im Rahmen seiner Krankheitskostenrechnung hat das Statistische Bundesamt (Destatis) vom Zentralinstitut für die kassenärztliche Versorgung (Zi) berechnete Kosten in Arztpraxen erhalten. Das Zi hat hierfür einen neuen statistischen Ansatz entwickelt, dessen Ergebnisse in dieser Arbeit mit den Befunden der bisherigen Methode verglichen werden. Methode Die Kosten werden erstmalig mit einem Regressionsmodell geschätzt. Aufgrund der hohen Anzahl teilweise kollinearer Prädiktoren wird die Ridge-Regression angewendet, die darüber hinaus die Varianz der Schätzung reduziert und zu den Verfahren des maschinellen statistischen Lernens gezählt werden kann. Ergebnisse Die Verteilung der Kosten in Arztpraxen des Jahres 2008 und der Verordnungskosten in Apotheken des Jahres 2009 nach dem Ridge-Regressionsmodell folgt annähernd der Kostenverteilung gemäß den nach der bisherigen Methode berechneten und publizierten Ergebnissen, weicht jedoch für bestimmte Erkrankungsgruppen erkennbar ab. Die höchsten direkten Behandlungs- bzw. Verordnungskosten werden für Nierenversagen bzw. HIV-Erkrankungen ermittelt. Schlussfolgerung Die durchgeführten Analysen resultieren in plausiblen Ergebnissen und zeigen die Möglichkeiten, regularisierte Regressionsverfahren für die Analyse hochdimensionaler Versorgungsdaten Gewinn bringend einzusetzen.