4.9 Variabiliteit in het toestelgebruik
Wat zijn verklarende elementen voor de variabiliteit tussen de ziekenhuizen in het gebruik van MRI versus CT?
De doelstelling van deze sectie is om de verschillende variabelen die besproken zijn in de voorgaande secties samen te brengen in een model om hun relatieve impact op de substitutie van CT door MRI in te schatten. Meer specifiek zoeken we naar verklarende factoren voor de variabiliteit tussen ziekenhuizen en naar de invloed van beleid en procedures zoals bevraagd in de vragenlijsten.
Door de klikken op de driehoeken hieronder kan een tabel met de waarden voor alle ziekenhuizen en voor het Voorbeeld Ziekenhuis getoond worden.
Tabel met een beschrijving en aantallen per variabele
| Characteristic | N = 10,024,7081 |
|---|---|
| Leeftijd | 59 (44, 71) |
| Gender | |
| Man | 4,733,845 (47%) |
| Vrouw | 5,290,863 (53%) |
| Verhoogde tegemoetkoming | 2,475,020 (25%) |
| Type patiënt | |
| aangeslotenen rijksregister | 199,752 (2.0%) |
| actieven | 4,400,088 (44%) |
| gepensioneerden | 3,625,775 (36%) |
| internationale verdragen | 159,172 (1.6%) |
| invaliden of mindervaliden | 1,155,519 (12%) |
| kloostergemeenschap | 993 (<0.1%) |
| weduwen of weduwnaren | 483,001 (4.8%) |
| wezen | 408 (<0.1%) |
| Verzekeringsinstelling | |
| CM | 4,002,998 (40%) |
| Hulpkas | 79,745 (0.8%) |
| Liberale | 536,555 (5.4%) |
| Neutrale | 493,952 (4.9%) |
| NMBS | 111,884 (1.1%) |
| Onafhankelijke | 1,747,719 (17%) |
| Socialistische | 3,051,855 (30%) |
| Anatomische regio | |
| Niet schedel-wervelzuil | 5,427,381 (54%) |
| Schedel-wervelzuil | 4,597,327 (46%) |
| Beleid CT reductie | 5,797,144 (58%) |
| Type hospitalisatie | |
| Ambulant | 8,179,560 (82%) |
| Gehospitaliseerd | 1,845,148 (18%) |
| Toestel | |
| CT | 6,721,352 (67%) |
| MRI | 3,303,356 (33%) |
| 1 Median (IQR); n (%) | |
Naast dat meer complexe modellen lastig te interpreteren zijn, is er door de omvang van de data een limiet op het aantal variabelen dat in het model kan worden opgenomen. Om statistische redenen is het niet zomaar mogelijk om alle vragen van de vragenlijsten mee te wegen. Daarom dat er een keuze gemaakt is om die vragen te bestuderen via dit model waarvan we aannemen dat het antwoord op die vragen een verband heeft met de keuze tussen een MRI of CT verstrekking.
Het model dat we gebruiken is een zogenoemd ‘mixed model’ waarin twee soorten effecten zijn opgenomen: fixed effects en random effects. We gebruiken het ziekenhuis als een random effect omdat we aannemen dat de observaties die we doen geclusterd zijn op niveau van het ziekenhuis. Hiermee wordt er een verschil gemaakt tussen de variantie die optreedt binnen een ziekenhuis en de variantie tussen de ziekenhuizen. Door gebruik te maken van zo’n mixed model kan een betere inschatting gemaakt worden van de fixed effects die een inzicht geven in het effect van deze variabelen op populatie niveau.
Door gebruik te maken van een model met alleen het ziekenhuis als random effect kunnen we een inschatting maken van de variabiliteit tussen de ziekenhuizen. Wanneer we fixed effects toevoegen die verklarend zijn voor de response variabele van de proportie MRI dan zal de variantie tussen de ziekenhuizen dalen. Dan wordt namelijk een deel van de verklaring voor de variantie tussen de ziekenhuizen verklaard door die fixed effects. Daardoor is het mogelijk om te zien of de variabiliteit tussen ziekenhuizen verandert o.b.v. verschillende patiëntprofielen omdat we verwachten dat het toevoegen van variabelen met betrekking tot de patiënt zal leiden tot een reductie van de variantie van het random effect tot \(0\).
De informatie die in de datasets beschikbaar is over de patiënten die CT of MRI ondergaan bestaan uit:
- leeftijd (0-100),
- gender (M/V),
- verhoogde tegemoetkoming (ja/nee), en
- verzekeringsinstelling (7 categorieën).
Daarbij weten we uit de eerder gepresenteerde resultaten dat er een verschil is in de proportie MRI voor de anatomische regio schedel-wervelzuil. Daarnaast is er een verschil tussen gehospitaliseerde en ambulante patiënten. Deze worden ook opgenomen in het model als fixed effects.
In de vragenlijsten zijn een aantal vragen gesteld die een variabiliteit tussen de ziekenhuizen met betrekking tot het gebruik van MRI vs CT kunnen verklaren. De meest in het oog springende vraag is die of het ziekenhuis het beleid heeft aangepast om met het oog op het protocolakkoord het aantal CT-verstrekkingen te reduceren. Andere vragen die tijdens het opstellen van het model zijn meegewogen betreffen de vragen rond de interne procedures en de vraag naar het uitvoeren van een vrijwillige interne audit in het kader van B-QUAADRIL. Deze vragen bleken niet allemaal in een statistisch significante relatie te staan tot de keuze voor een MRI-onderzoek. Dit is echter te verwachten gezien dat deze vragen beantwoord worden op het niveau van het ziekenhuis en er dus minder vrijheidsgraden zijn die gebruikt kunnen worden voor een accuratere schatting van de variabelen.
In tabel 4.11 zien we slechts een kleine reductie van de variantie tussen de ziekenhuizen in het model met de bovengenoemde variabelen. Dit betekent dat we met deze informatie de verschillen tussen de ziekenhuizen niet in de gewenste mate kunnen verklaren.
| Model | Variantie | Standaard deviatie |
|---|---|---|
| Alleen intercept | 0.24907 | 0.49907 |
| + patiëntkenmerken | 0.24329 | 0.49325 |
| + Gewest | 0.13729 | 0.37053 |
In de tabel hieronder staan de resultaten van het model waarin er drie soorten van variabelen zijn. Er zijn dichotome variabelen, categorische vragen met meer dan twee categorieën en de numerieke variabele voor de leeftijd. De dichotome en categorische variabelen geven een odds ratio ten opzichte van de referentiecategorie. Voor geslacht zijn vrouwen de referentiecategorie en voor type patient de ingeschrevenen. Hierbij geldt dat de odds ratio bij de categorie weergeeft wat het verschil is in vergelijking met de baseline voor die categorie. Voor numerieke waarden, zijnde de leeftijd, geldt dat de odds ratio per toename van \(1\) jaar in de leeftijd is. Dit betekent dat wanneer een \(25\)-jarige vergeleken wordt met een \(50\)-jarige met alle andere variabelen constant gehouden dat het gaat om een odds ratio van 0.6893973. Dat wil zeggen dat de \(50\)-jarige een \(31\)% kleinere kans heeft om een MRI onderzoek te krijgen. Om een odds ratio te krijgen wordt de exponent genomen van de coefficient: \(e^{coef}\).
| Coef. | Odds ratio | Std. Error | z | Pr(>z) | |
|---|---|---|---|---|---|
| (Intercept) | -0.014383 | 0.985719941 | 0.112673 | 0.13 | 0.8984 |
| Leeftijd | -0.014903 | 0.9852075 |
|
-256.1 |
|
| Gender: Man | -0.211298 | 0.80953279 | 0.00148642 | -142.15 |
|
| Verhoogde tegemoetkoming | -0.250243 | 0.778611557 | 0.00193661 | -129.22 |
|
| Type patiënt: aangeslotenen rijksregister | ref | ref | ref | ref | ref |
| Type patiënt: actieven | 0.249762 | 1.283719855 | 0.00566766 | 44.07 |
|
| Type patiënt: gepensioneerden | 0.0436449 | 1.044611348 | 0.00584685 | 7.41 |
|
| Type patiënt: internationale verdragen | 0.10658 | 1.11246692 | 0.00820948 | 12.98 |
|
| Type patiënt: invaliden of mindervaliden | 0.234556 | 1.264347274 | 0.0058197 | 40.30 |
|
| Type patiënt: kloostergemeenschap | -0.0054312 | 0.994583522 | 0.0844689 | -0.06 | 0.9487 |
| Type patiënt: weduwen of weduwnaren | -0.241042 | 0.785808622 | 0.00699977 | -34.44 |
|
| Type patiënt: wezen | -0.211437 | 0.809420273 | 0.126757 | -1.67 | 0.0953 |
| Verzekeringsinstelling: CM | ref | ref | ref | ref | ref |
| Verzekeringsinstelling: Neutrale | 0.00030677 | 1.000306817 | 0.00355523 | 0.09 | 0.9312 |
| Verzekeringsinstelling: Socialistische | -0.0795095 | 0.923569246 | 0.00185759 | -42.8 |
|
| Verzekeringsinstelling: Liberale | -0.0630839 | 0.9388647 | 0.00338044 | -18.66 |
|
| Verzekeringsinstelling: Onafhankelijke | 0.0318428 | 1.032355206 | 0.0021939 | 14.51 |
|
| Verzekeringsinstelling: Hulpkas | -0.134872 | 0.873827754 | 0.008555 | -15.77 |
|
| Verzekeringsinstelling: NBMS | -0.013880 | 0.986215883 | 0.00734546 | -1.89 | 0.0588 |
| Vlaams Gewest | 0.301946 | 1.35248819 | 0.122543 | 2.46 | 0.0137 |
| Waals Gewest | -0.4168 | 0.659152737 | 0.127718 | -3.26 | 0.0011 |
| Verstrekking niet Schedel-Wervelzuil | ref | ref | ref | ref | ref |
| Verstrekking Schedel-Wervelzuil | 0.460593 | 1.585013619 | 0.00146495 | 314.41 |
|
| Beleid reductie CT: yes | 0.221421 | 1.247848664 | 0.0834288 | 2.65 | 0.0080 |
| Ambulant | ref | ref | ref | ref | ref |
| Gehospitaliseerd | -1.07795 | 0.340292411 | 0.0023392 | -460.83 |
|
In de tabel staan de invloeden van verschillende co-variabelen op de response variabelen van de proportie MRI-verstrekkingen.
De bevindingen rond de reductie van de probabiliteit van een MRI met hogere leeftijd en geslacht konden eerder al worden vastgesteld in de sectie waarin de patiëntkarakteristieken zijn weergegeven. Hetzelfde geldt voor het verschil in de anatomische regio en het type hospitalisatie die respectievelijke leiden tot een vergroting en verkleining van de kans op een MRI. We zien een verschil op basis van het type verzekerden, waarbij gepensioneerden en weduwen of weduwnaren ten op zichte van actieven en invaliden of mindervaliden een grotere kans op een CT hebben. Enigszins opvallend, maar niet geheel verrassend, is het verschil dat we zien op basis van de verzekeringsinstelling waar een patiënt bij aangesloten is. Een belangrijke bevinding is dat we een statistisch significant en substantieel verschil zien van ongeveer \(25\)% [14% - 35%] tussen de ziekenhuizen die in de vragenlijst aangeven dat zij een beleidsaanpassing hebben gedaan om het aantal CT-verstrekkingen te reduceren en ziekenhuizen die dat niet gedaan hebben. Voor de andere vragen is er geen statistisch significant verband met de verhouding MRI op CT. Hierbij dient rekening gehouden te worden dat het aantal vrijheidsgraden lager is voor deze vragen omdat deze niet per verstrekking maar slechts per ziekenhuis variëren.