Multimorbidität als Prädiktor für eine stationäre Aufnahme in der klinischen Notfall- und Akutmedizin

In den zentralen Notaufnahmen (ZNA) in Deutschland zeigte sich in der letzten Dekade ein Fallzuwachs von bis zu 9 % pro Jahr [18]. Angesichts des demografischen Wandels und des medizinischen Fortschritts mit verbesserter Diagnostik und Therapie steigt damit die Anzahl der chronischen Erkrankungen einer einzelnen Person [1]. Diese sog. MM wird von der Leitlinienkommission der Deutschen Gesellschaft für Allgemeinmedizin durch 3 oder mehr chronische Erkrankungen definiert.

Zur Einschätzung der Behandlungsdringlichkeit erfolgt in den ZNA eine strukturierte Ersteinschätzung (sog. Triage) aller Patient*innen mittels international validierter, 5‑stufiger Triagesysteme, wie u. a. dem Emergency Severity Index (ESI) oder dem Manchester Triage System (MTS; [5, 16]). Die Leitsymptomatik dieser Patient*innen wird zudem im Rahmen der Triage erhoben und z. B. in Anlehnung an das Canadian Emergency Department Information System (CEDIS) beschrieben: In diesem CEDIS-Katalog sind 171 Vorstellungsgründe als codierte Diagnosen nach dem Katalog der International Statistical Classification of Diseases and Related Health Problems der World Health Organization (ICD-10-WHO) hinterlegt [6].

In Zeiten überfüllter ZNA mit langer Verweildauer (VWD) war es Ziel dieser Studie, im Rahmen einer monozentrischen, retrospektiven Studie operationalisierbare Kriterien für die stationäre Aufnahmenotwendigkeit multimorbider Notfallpatient*innen zu definieren, um eine raschere Zuordnung der Disposition durchführen zu können.

Grundlage dieser retrospektiven, monozentrischen Studie waren die Behandlungsdaten von n = 35.249 Fällen, die im Zeitraum 01.01.2016 bis 31.05.2018 im konservativen Bereich der ZNA der Universitätsmedizin Göttingen versorgt wurden. Hierbei wurden die aus dem Controlling zur Verfügung gestellten Comma-separated-values(csv)-Dateien von im Behandlungsverlauf resultierenden ICD-10-GM-Diagnosen mithilfe des Open-source-Statistikprogramms RStudio (Posit, Boston, USA) analysiert. Als Grundlage diente eine britische Erhebung bei > 10⁶ Patient*innen mit Definition des sog. Hospital-Frailty-Risk-Scores [4].

Zunächst wurden die häufigsten Diagnosen der stationären und der ambulanten Fälle separat ermittelt. Bei sehr vielen, differenzierten Subdiagnosen des ICD-10-GM-Systems wurden jeweils die 3‑stelligen ICD-Diagnosen verwendet.

Als Multimorbide wurden die Fälle definiert, bei denen ≥ 5 Diagnosen vorlagen. Alle weiteren wurden als Nichtmultimorbide weitergeführt. Um jeweils typische Diagnosen zu gewinnen, wurden alle Fälle in Multimorbide mit stationärer Behandlung (n = 15.652) und Multimorbide, die ambulant verblieben (n = 64), separiert. Restliche ambulante Multimorbide (n = 73) mit Ausschlussdiagnosen wurden nicht berücksichtigt.

Die über RStudio in 3‑stellige Subkategorien zusammengefassten Diagnosen, die am häufigsten vorkamen, wurden a priori in 112 Subcluster (Diagnosegruppen) zusammengefasst [4]. Risikofaktorsubcluster, wie „Hypertonie“ (I10–I15) oder „Störung der Blutglukoseregulation“ (E10–E14, E16) wurden wegen allgemein bekannter Verknüpfung zwischen Risikoerkrankung und Folgeerkrankung ausgeschlossen. Um Kombinationen der vermehrt miteinander auftretenden Subcluster aufzuzeigen, wurden mithilfe des RStudio-Pakets psych und der Funktion hclust hierarchische Clusteranalysen durchgeführt. Dabei wurde für jeden Fall ein Vektor aus 112 Subclustern mit den binären Variablen „0“ (kein Subcluster zutreffend) bzw. „1“ (Subcluster zutreffend) erstellt. Anschließend wurden die binären Distanzen berechnet und nach der Ward-D2-Methode in Cluster fusioniert [4]. Hier stellt jeder Fall in sich anfangs ein eigenes Cluster dar und wird iterativ in weitere Cluster zusammengeführt. Mittels Dendrogramm, also einem Baumdiagramm, das die Ähnlichkeitsbeziehungen zwischen einer Gruppe von Entitäten darstellt, und nach abschließender Untersuchung der resultierenden Cluster auf Plausibilität wurde die Anzahl an Clustern ausgewählt, die die größte Steigerung der Heterogenität aufzeigte [4].

Über das Paket „chron“ erfolgte die Berechnung der Gesamt- bzw. ZNA-VWD stationärer MP nach Umwandlung der in den csv-Dateien hinterlegten Zeitangaben vom Factor- in das Character-Format. Die ZNA-VWD ambulanter MP wurde aus dem Informationssystem der ZNA ermittelt.

Um die statistische Signifikanz der Altersunterschiede zwischen den stationären und ambulanten MP – bei Normalverteilung der Daten im Q‑Q-Plot – zu ermitteln, wurde ein Welch-2-Stichproben-t-Test durchgeführt.

In der vorliegenden retrospektiven Studie wurde erstmalig eine strukturierte, hierarchische Clusteranalyse der Diagnosekombinationen von multimorbiden Notfallpatient*innen im konservativen Bereich einer ZNA der umfassenden Notfallversorgung in Deutschland durchgeführt. In der Analyse über einen 2‑jährigen Zeitraum ergab sich, dass 44,6 % der Notfälle die Kriterien der MM mit mehr als 5 Diagnosen erfüllten, hiervon mussten fast alle Fälle (99,6 %) stationär aufgenommen werden. Die stationären MP waren mit durchschnittlich 68,7 Jahren hochsignifikant älter als die ambulanten MP mit durchschnittlich 60,8 Jahren (p < 0,001). In der Literatur werden stationäre Aufnahmeraten von 20–60 % beschrieben. Allerdings wird auch die Abhängigkeit von Alter und Triagierung (> 60-Jährige mit dringlicher Behandlungsnotwendigkeit bei > 82 %) sowie Fachdisziplin (nichtchirurgische Notfälle mit höherer Rate als chirurgische) deutlich [7, 12]. Die hohe Konversionsrate in dem hier beschriebenen Patientenkollektiv ist einerseits bedingt durch das Altersspektrum und die Triagestufe der eingeschlossenen Patient*innen. Zudem ist die Universitätsmedizin Göttingen ein Krankenhaus der Maximalversorgung mit einem sehr großen Einzugsgebiet sowie eigener Klinik für Geriatrie und einem hohen Anteil von geriatrischen, schwerstkranken Notfallpatient*innen, d. h.: Insbesondere aus der Region werden MM mit hoher Triagestufe zugewiesen, die nachfolgend in den verschiedensten Fachdisziplinen der UMG versorgt werden.

Lai et al. [9] ermittelten demgegenüber im Jahr 2021, dass 95 % der stationären Patient*innen multimorbid waren, allerdings bei einer Definition von MM mit ≥ 2 chronischen Erkrankungen. Angesichts des medizinischen Fortschritts sind allerdings 2 aktive Diagnosen nicht selten.

Der „claims-based frailty index“ (CFI) u. a. über Mortalität, Beeinträchtigungen, Beweglichkeit und Sturzneigung bei Menschen ab 65 Jahren von Kim et al. (2018) stieg mit zunehmendem Alter [8]. Anders als bei diesem „frailty index“ zeigte sich in der vorliegenden Studie jedoch, dass MM auch bei Jüngeren relevant war.

Bei den von Marengoni et al. im Jahr 2009 [11] in Cluster zusammengefassten Erkrankungsgruppen (n = 1099; Einschlussalter ≥ 77 Jahre) erfolgte die Diagnoseerhebung über Fragebögen, klinische Untersuchungen und Laborergebnisse. Durch die Übermittlung der großen Zahl nur an Diagnosen als csv-Dateien konnte dies in der vorliegenden Studie jedoch objektiv und effizient erfolgen.

In der hierarchischen Clusteranalyse der vorliegenden Studie wurden für die n = 15.652 stationären MP 13 Cluster und für die n = 64 ambulanten MP 7 Cluster identifiziert.

Die Wahl einer aussagekräftigen Anzahl an Clustern im Rahmen einer Clusteranalyse gilt allgemein als problematisch, da statistische Methoden bei weit gestreuten Datensätzen nicht immer eindeutige Ergebnisse liefern [17]. In der vorliegenden Studie wurde die Clusteranzahl deshalb mittels Dendrogramm ausgewählt. Lai et al. (2021) identifizierten mit der sog. Elbow-Methode 5 Cluster bei MP > 45 Jahren [9]. Dabei resultiert nach iterativen K‑Means-Clusteranalysen verschiedener Clusteranzahlen eine Graphik, in der es zu einem Knick in Form eines Ellenbogens kommt, an dem die Mittelpunkte der Cluster sich annähern [10]. Auch Lai et al. führten am Ende eine Plausibilitätsprüfung durch, um eine klinisch sinnvolle Clusteranzahl zu erhalten, und definierten am Ende 9 Cluster [9].

Die Studie von Gilbert et al. [4] zeigt im Vergleich zur vorliegenden Studie Gemeinsamkeiten und Unterschiede. Die Gruppe wählte 109 für Frailty charakteristische Diagnosen aus und errechnete durch multiple Regressionsanalysen und c‑Statistik einen Hospital Frailty Risk Score (HFRS). Zusätzlich berücksichtigten sie Aufenthaltsdauer und -kosten. Es zeigten sich Cluster aus Kataraktoperationen, chronischen und akuten Herz- und Lungen- sowie malignen Erkrankungen mit jeweils erhöhtem HFRS. Ein Vergleich der Frailty-typischen Diagnosen mit der vorliegenden Studie zeigte ebenfalls u. a. Vorliegen von Demenz, Delir, „anderen zerebrovaskulären Erkrankungen“, Aspirationspneumonien und Sepsis.

In der vorliegenden Studie umfasst Cluster 5 der stationären Fälle ebenfalls heterogene Krankheitsbilder: Einige dieser Erkrankungen zeigen offensichtlich eine stationäre Aufnahmeindikation an (gastrointestinale Blutung, akutes Nierenversagen), andere nicht (Ernährungsmangel, Adipositas, periphere arterielle Verschlusskrankheit). Im ambulanten Cluster (n = 64) der vorliegenden Studie fanden sich im Wesentlichen hämatoonkologische Erkrankungen.

1987 entwickelten Charlson et al. den Charlson Comorbidity Index mit Aussagen über die Ein-Jahres-Mortalität bei 17 vordefinierten Komorbiditäten. Dieser wurde jedoch nur monodimensional bei 559 Patient*innen entwickelt und bei 685 Patientinnen mit Mammakarzinom validiert [3].

Die Reduktion der VWD der Patient*innen stellt eine wichtige prozessuale Maßnahme für den Patientenflow in der ZNA dar. Ältere Patient*innen verbleiben jedoch in der Regel länger in der ZNA und werden häufiger aufgenommen [2, 13, 14]. Die vorliegende Arbeit zeigt, dass auch jüngere MP eine längere VWD in der ZNA aufweisen – vor allem bei besonderen Diagnosekombinationen, was offensichtlich eine längere Überwachungszeit und erhöhten diagnostischen und therapeutischen Aufwand bedingt. Auch sind organisatorische Faktoren wie Bettenkapazitäten zu berücksichtigen. Es bestätigt sich hinsichtlich der stationären VWD, dass sowohl Grunderkrankungen, wie Immunerkrankungen oder hämatologische Malignome, als auch schwerwiegende Komplikationen, wie Pleuraergüsse oder das akute Nierenversagen, ausschlaggebend für einen längeren Aufenthalt sind. Bei Clustern mit geringer Gesamt-VWD zeigten sich eher zeitnah zu therapierende Erkrankungen wie das Vorhofflimmern, die koronare Herzkrankheit oder der akute Myokardinfarkt [15]. Insgesamt zeigte sich ein Zusammenhang zwischen längerer ZNA- sowie Gesamt-Krankenhaus-VWD und den für MM typischen Subclustern.

Mit weiteren, multizentrischen Studien zur hierarchischen Clusteranalyse von Diagnosekombinationen bei multimorbiden Notfallpatient*innen könnte schließlich die Entwicklung eines MM-Scores erfolgen. Damit wären MP mit erhöhtem Risiko für eine längere ZNA- oder Krankenhaus-VWD zeitnah in der ZNA zu identifizieren. Ergänzend zu aktuellen Kontextfaktoren wäre auch die Einbettung in den Katalog der ambulant durchführbaren Operationen (AOP) zur Begründung einer stationären Aufnahme möglich. Die Limitation der Identifikation von MM bereits in der Notaufnahme könnte durch die zukünftige Einführung der elektronischen Patientenakte behoben werden.