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

Inhoud • Waarom?

• Onderzoeksvraag

• Methode

• Resultaten

• Conclusie

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