Qualitätsvergleiche mit Funnelplots – Plädoyer für eine einheitliche Methodik

ZusammenfassungDie in der externen Qualitätssicherung verbreiteten in der Regel nach Klinikwert aufsteigend sortierten Säulendiagramme suggerieren eine trügerische Rangordnung der verglichenen Institutionen. Die Instabilität der Perzentilenverteilung resultiert hierbei wesentlich aus den variierenden Fallzahlen der Bezugsgrößen. Die anfangs gängige Praxis, kleinere Einheiten unterhalb einer Mindestfallzahl mit Hilfe von Konfidenzintervallen um beobachtete Klinikraten zu bewerten oder teilweise sogar gänzlich von den primären Vergleichen auszunehmen, löst das Problem nur partiell, nicht zuletzt weil sich hierdurch kleinere Kliniken allein aufgrund niedriger Eingriffsfrequenzen im Extremfall komplett einer Bewertung entziehen können. Der vorliegende Artikel zieht in diesem Zusammenhang alternative Lösungsansätze in Betracht. Dabei zeigen die von Spiegelhalter [8] vorgeschlagenen Funnelplots deutliche Vorteile gegenüber Zeitreihenanalysen mittels Qualitätsregelkarten oder Bayesianischen Modellen. Wesentlicher Nachteil der Qualitätsregelkarten ist die derzeit noch nicht gegebene Kontinuität zeitnaher Datendokumentation. Gegen die Bayesianischen Modelle spricht vor allem die Problematik der Definition einer konsensfähigen a priori Verteilung. Funnelplots erlauben dagegen eine flexible, frei skalierbare und zugleich fallzahlabhängige einheitliche Vorgehensweise bei einfacher intuitiver Interpretation der Darstellung. Warn- und Eingriffsgrenzen erleichtern die Bewertung bei Abweichungen von Richtwerten.

SummaryVertical bar charts depicting unit event rates sorted in ascending order enjoy widespread usage in external quality assurance. Unfortunately they suggest a spurious ranking resulting from instability in the percentile distribution chiefly caused by varying denominators. The popular remedy of simply excluding units below a minimum threshold would solve the problem only partially since units with few operations per annum may evade evaluation altogether merely by the grace of their size. Compared with alternative solutions reviewed in this article Spiegelhalter's funnel plots [8] exhibit clear advantages over statistical control charts or Bayesian modelling. A major drawback of control charts at present is that data are still widely transferred on a yearly rather than a quarterly or even monthly basis. The chief disadvantage of Bayesian modelling lies in the difficulty of obtaining consensus on the required prior distributions. Funnel plots on the other hand provide a flexible and sample size dependent uniform approach while at the same time offering an intuitive interpretation of volume effects. The addition of control and warning limits allows for formal assessment of deviations from target values.