Etnische en sociaaleconomische verschillen in patiëntveiligheid van de ziekenhuiszorg in Nederland – een exploratie
Eindrapport 1 juli 2009
M.L. Essink-Bot M.C. de Bruijne J. Suurmond E.Uiters M. Droomers K.Stronks
Projectleiding: Dr. M.L. Essink Bot (AMC) Dr. M.C. de Bruijne (EMGO/VUmc) Prof. dr K Stronks (AMC) Onderzoekers: Dr. J. Suurmond (AMC) Dr. E. Uiters (RIVM) Projectgroep: Prof. Dr. W. Devillé (Nivel) Dr. M. Droomers (RIVM) Prof. Dr. N.S. Klazinga (AMC) Dr. C. Wagner (Nivel) Prof. Dr. G. Westert (RIVM)
2
Inhoudsopgave 1. Samenvatting 5 2. Inleiding 7 2.1 2.2
Wat is het probleem? 7 Vraagstellingen 8
3. Data en methoden 9 3.1 3.2
Kwantitatieve analyse 9 Kwalitatieve analyse 12
4. Resultaten 15 4.1
4.2
4.3
4.4
4.5
Zijn er verschillen tussen etnische groepen in kenmerken van ziekenhuisopnames waarvan bekend is dat ze samenhangen met zorggerelateerde schade? 15 Komen etnische verschillen in kans op heropname en verlengde ligduur in verhoogde mate voor bij bepaalde groepen patiënten (naar etniciteit, leeftijd, geslacht, diagnosegroep, hoofdverrichting)? 17 Zijn er verschillen tussen sociaaleconomische groepen in kenmerken van ziekenhuisopnames waarvan bekend is dat ze samenhangen met zorggerelateerde schade? 18 Welke processen kunnen een rol spelen in de verklaring van verschillen in patiëntveiligheid tussen etnische groepen, in het bijzonder die tussen auto- en allochtone patiënten? 20 Is het mogelijk met reguliere patiëntveiligheidsindicatoren etnische verschillen in patiëntveiligheid op landelijk niveau te monitoren? 22
5. Conclusies en aanbevelingen 27 Bijlagen 31 Bijlage 1. Ethnic disparities in readmission rates and excess length of hospital stay. A nationwide record linked retrospective cohort study. MC de Bruijne, E. Uiters, M. Droomers, J. Suurmond, M.L. Essink-Bot, K. Stronks 33 Bijlage 2. Explaining ethnic disparities in patient safety: a qualitative analysis. J. Suurmond, E. Uiters, MC de Bruijne, K. Stronks, M.L. Essink-Bot 51 Bijlage 3. Tabellen analyses Sociaaleconomische verschillen in het risico op heropname en verlengde ligduur 65
3
4
1. Samenvatting Patiëntveiligheid is de minimum voorwaarde voor goede kwaliteit van zorg. Anno 2009 zijn ongeveer 1,8 miljoen Nederlanders van niet-westerse herkomst. Patiënten van nietwesterse herkomst vormen een groeiende groep in de Nederlandse gezondheidszorg. Doel van dit onderzoek was te exploreren of niet-westerse allochtonen in Nederland een risicogroep zijn voor patiëntveiligheidsproblemen in de Nederlandse ziekenhuizen, en of er specifieke oorzaken van patiëntveiligheidsproblemen aanwijsbaar zijn die bij allochtone patiënten mogelijk anders zijn dan bij autochtone. Vanwege de verwevenheid van etnische met sociaaleconomische factoren hebben we ook geëxploreerd of er aanwijzingen zijn voor sociaaleconomische verschillen in patiëntveiligheid. Voor deze laatste analyse zijn de allochtone en de autochtone bevolking samen genomen. Het onderzoek is uitgevoerd met een combinatie van kwantitatieve en kwalitatieve methoden. In een gegevensbestand van alle ziekenhuisopnamen in Nederland tussen 1995 en 2005 zijn etnische en sociaaleconomische verschillen in de kans op een klinische heropname binnen 30 dagen na een klinische opname en de kans op een verlengde opnameduur geanalyseerd. Kans op heropname en verlengde opnameduur zijn te beschouwen als grove (‘distale’) indicatoren voor patiëntveiligheid. Het kwalitatieve deel van het onderzoek is beperkt tot de factor etniciteit. Door middel van kwalitatieve interviews met zorgprofessionals en met patiënten hebben we gezocht naar patronen die aannemelijk kunnen maken dat allochtone patiënten hogere patiëntveiligheidsrisico’s lopen. Expertinterviews gaven inzicht in patiëntveiligheidsindicatoren die mogelijk geschikt zijn voor evaluatie van etnische verschillen in patiëntveiligheid op landelijk niveau. De resultaten van de analyse van ziekenhuisopnames lieten zien dat niet-westerse allochtone patiënten vaker worden heropgenomen en vaker langer in het ziekenhuis liggen dan verwacht kon worden op grond van de leeftijd, diagnose en behandeling. Deze bevindingen kunnen wijzen op verhoogde patiëntveiligheidsrisico’s voor niet-westerse allochtonen in de Nederlandse ziekenhuiszorg. Dit is in overeenstemming met de internationale literatuur. Heropname en verlengde ligduur zijn echter geen directe maten voor patiëntveiligheid. De interpretatie van deze bevindingen kan ook zijn dat een langere ligduur passend is voor allochtone patiënten, bijv. vanwege een meer complexe zorgbehoefte. De verhoogde risico’s op heropname en verlengde ligduur voor allochtone patiënten konden deels, maar niet geheel worden toegeschreven aan verschillen in sociaaleconomische status. Andere (niet nader gespecificeerde) factoren dan sociaaleconomische status spelen dus ook een belangrijke rol in de verklaring van de gevonden relaties tussen etnische herkomst en de kans op heropname respectievelijk verlengde ligduur. Het risico op heropname en verlengde ligduur lijkt onder Surinamers en Antillianen meer verhoogd dan onder patiënten van Turkse of Marokkaanse herkomst. Dit sluit aan bij het gegeven van grote diversiteit tussen etnische groepen. Bij de interpretatie van de cijfers over verschillen tussen etnische groepen kan het onderzoekstechnisch een probleem zijn dat de Turkse en Marokkaanse groepen als geheel jonger zijn dan de Surinaamse, Antilliaanse en autochtone Nederlanders.
5
Wanneer de autochtone en de allochtone bevolkingsgroepen worden samengenomen, bleek een lage sociaaleconomische positie ook geassocieerd met een hogere kans op heropname en verlengde ligduur. De hogere kans werd niet verklaard door verschillen in etnische herkomst. Ook hier geldt dat deze resultaten kunnen wijzen op minder patiëntveiligheid of juist op passende zorg. Het is belangrijk in vervolgonderzoek naar verschillen in patiëntveiligheidsrisico’s tussen groepen in de bevolking ook sociaaleconomische status mee te nemen. In de interviews met zorgverleners vonden wij drie mogelijke patronen die een verhoogd risico op patiëntveiligheidsincidenten bij patiënten van allochtone herkomst plausibel maken: een niet-passende reactie op objectieve kenmerken van de patiënt, zoals lage Nederlandse taalvaardigheid en genetische kenmerken; misverstanden tussen patiënt en zorgverlener als gevolg van verschillen in ziektepercepties en verwachtingen van de zorg; en vooroordelen aan de kant van de zorgverleners. Uit de patiënteninterviews kwamen vooral communicatieproblemen naar voren, en een groot wantrouwen jegens de zorg als men het gevoel had niet goed begrepen of niet goed behandeld te zijn. In geval van taalproblemen gaven patiënten een voorkeur aan voor een formele tolk, maar zij wisten niet dat patiënten daar in Nederland zonder extra kosten recht op hebben. Zorgverleners maakten liever gebruik van informele tolken. Uit de interviews met patiëntveiligheidsexperts kwamen een goede kwaliteit van zorgregistraties (in het bijzonder de Landelijke Medische Registratie, LMR) en registratie van etnische herkomst van patiënten in de zorg naar voren als voorwaarden waaraan voldaan moet zijn om etnische verschillen in patiëntveiligheid op landelijk niveau betrouwbaar en valide te kunnen evalueren met patiëntveiligheidsindicatoren die specifieker zijn dan de kans op heropname of verlengde ligduur. De kwaliteit van de LMR is onvoldoende voor de berekening van de patiëntveiligheidsindicatoren die de OECD voorstelt. Etnische herkomst wordt nog zelden routinematig vastgelegd. De resultaten van de exploratie wijzen in de richting van verhoogde patiëntveiligheidsrisico’s onder patiënten van niet-westerse allochtone herkomst. De gevonden etnische verschillen in kans op heropname en verlengde ligduur liggen in de grootte-orde van rond de 10% en zijn daarmee niet klein te noemen. Daarnaast wijzen alle resultaten consistent in dezelfde richting van een verhoogd risico voor niet-westerse allochtonen. Deze studie en deze resultaten zijn echter niet voldoende om te kunnen concluderen dat niet-westerse allochtonen meer risico’s op patiëntveiligheidsincidenten lopen. Vervolgonderzoek is nodig om vast te stellen of er in allochtone groepen vaker sprake is van zorggerelateerde schade en om inzicht te krijgen in hoe deze te vermijden is. Daarom is er nu alle aanleiding voor gedetailleerd epidemiologisch onderzoek naar de aard en omvang van etnische verschillen in patiëntveiligheid in de Nederlandse ziekenhuiszorg, en naar mechanismen die deze kunnen verklaren.
6
2. Inleiding 2.1 Wat is het probleem? In 2005 en 2006 zijn in het kader van het landelijk dossieronderzoek Patiëntveiligheid in Nederlandse Ziekenhuizen in 21 ziekenhuizen bijna 8000 dossiers onderzocht door ervaren en getrainde beoordelaars (artsen en verpleegkundigen), om vast te stellen hoe vaak onbedoelde en vermijdbare zorggerelateerde schade optreedt. De methoden en resultaten zijn beschreven in het rapport “Onbedoelde schade in Nederlandse ziekenhuizen. Dossieronderzoek van ziekenhuisopnames in 2004” (De Bruijne 2007), in artikelen (o.a. Zegers 2009) en in het proefschrift van Marieke Zegers (2009). Gemiddeld werd bij 5,7% van de ziekenhuisopnames onbedoelde schade en bij 2,3% vermijdbare schade vastgesteld. In dit onderzoek is geen onderscheid gemaakt in het optreden van onbedoelde schade tussen patiënten uit verschillende etnische groepen. Er zijn op grond van buitenlands onderzoek redenen om te veronderstellen dat nietwesterse allochtonen een risicogroep vormen in termen van patiëntveiligheid. Empirische gegevens hierover zijn voor Nederland niet voorhanden. Een aantal Amerikaanse studies liet zien dat bij etnische groepen meer adverse events voorkwamen (Romano 2003, Miller 2003, Coffey 2005, Flores 2006, Chang 2008). Chang vond dat bij zwarte patiënten ongeveer 20% meer adverse events voorkwamen, maar bij andere etnische groepen ongeveer evenveel als bij blanken. Coffey vond dat zwarte patiënten een hoger risico op sommige adverse events hadden, maar een lager op andere zoals obstetrisch trauma. De systematische review van Flores vond etnische verschillen in bepaald adverse events bij kinderen, waaronder infecties als gevolg van medische zorg. Het is niet bekend of deze etnische verschillen in patiëntveiligheid verband houden met specifieke diagnostische of therapeutische ingrepen en ook niet of het beeld overeenkomt met etnische verschillen in kwaliteit van zorg. Allochtonen, met name die van niet-westerse herkomst, vormen een kwetsbare groep in de gezondheidszorg. In Nederland woonden op 1 januari 2009 1.809.310 Nederlanders van niet-westerse herkomst, 1.478.396 allochtonen met een westerse achtergrond, en 13.198.081 autochtone Nederlanders (CBS Statline, www.cbs.nl). De getalsmatig grootste groepen zijn van Turkse, Marokkaanse, Surinaamse en Antilliaanse herkomst. In de groep Nederlanders van niet-westerse herkomst bevonden zich op 1 januari 2009 378.330 Turkse Nederlanders, 341.528 Marokkaanse Nederlanders, 338.678 Surinaamse Nederlanders en 134.774 Nederlanders van de Nederlandse Antillen en Aruba. Volgens de in Nederland gangbare definitie van allochtone herkomst op basis van geboorteland is iemand van allochtone herkomst als hijzelf (eerste generatie) of ten minste één van de ouders (tweede generatie) in het buitenland geboren is. Van de 1,8 miljoen allochtonen van niet-westerse origine behoren er ongeveer 1 miljoen tot de eerste generatie. De meeste niet-westerse allochtonen wonen in de Randstad. In de grote steden is nu ongeveer 35% van de bevolking van niet-westerse allochtone herkomst (CBS Statline). Naar schatting zullen in 2050 ongeveer 3 miljoen mensen van nietwesterse herkomst deel uitmaken van de Nederlandse bevolking, dan ongeveer gelijk verdeeld over eerste en tweede generatie (CBS Statline).
7
Gelet op de groeiende omvang van deze groep is het is van groot belang om te exploreren of niet-westerse allochtonen in Nederland een risicogroep zijn in termen van patiëntveiligheid, en of er binnen de niet-westerse allochtonen risicogroepen zijn te onderscheiden. Daarnaast is het voor een gerichte aanpak, toezicht en preventie van belang te weten wat specifieke oorzaken van patiëntonveiligheid zijn die mogelijk bij allochtone patiënten anders zijn dan bij autochtonen.
2.2 Vraagstellingen Het doel van dit onderzoek was exploratie van eventuele verschillen in onbedoelde zorggerelateerde schade tussen etnische groepen bij ziekenhuisopname in Nederlandse ziekenhuizen. De hypothese is dat het risico op zorggerelateerde schade verhoogd is in patiëntengroepen van allochtone herkomst. Deze exploratie dient om de juiste richting te bepalen voor systematisch vervolgonderzoek ter kwantificering van etnische verschillen in patiëntveiligheid bij ziekenhuisopname. Vraagstellingen van de exploratie waren: 1. Zijn er verschillen tussen etnische groepen in kenmerken van ziekenhuisopnames
waarvan bekend is dat ze samenhangen met zorggerelateerde schade? 2. Komen etnische verschillen in de bovengenoemde kenmerken van
ziekenhuisopnames in verhoogde mate voor bij bepaalde groepen patiënten (naar etniciteit, leeftijd, geslacht, diagnosegroep, hoofdverrichting)? 3. Zijn er verschillen tussen sociaaleconomische groepen in kenmerken van
ziekenhuisopnames waarvan bekend is dat ze samenhangen met zorggerelateerde schade? 1 4. Welke processen kunnen een rol spelen in de verklaring van verschillen in
patiëntveiligheid tussen etnische groepen, in het bijzonder die tussen auto- en allochtone patiënten? 5. Is het mogelijk met reguliere patiëntveiligheidsindicatoren etnische verschillen in
patiëntveiligheid op landelijk niveau te monitoren?
1
Deze vraagstelling is na de start van het project door de opdrachtgever toegevoegd. 8
3. Data en methoden Voor de beantwoording van deze vraagstellingen hebben we ‘mixed methods’ gebruikt (Johnson 2004): een kwantitatieve analyse, op basis van ziekenhuisopnames over de periode 1995-2005 (3.1), en een kwalitatieve analyse op basis van interviews met zorgprofessionals, patiënten en experts op het gebied van indicatoren voor patiëntveiligheid (3.2).
3.1 Kwantitatieve analyse Steekproefkader Voor dit onderzoek hebben we gegevens over alle ziekenhuisopnames tussen 1995 en 2005 uit de Landelijke Medische Registratie (LMR, Prismant) gebruikt. Door koppeling aan de Gemeentelijke Basis Administratie (GBA) was het mogelijk in dit bestand individuen te volgen en kon een etnisch herkomstgegeven aan het bestand worden toegevoegd. Eerder onderzoek heeft laten zien dat unieke matches van opnames uit het LMR bestand met de GBA gegevens van patiënten in 97% van de opnames correct zijn gekoppeld (Reitsma 2003). Omdat personen die illegaal in Nederland verblijven niet in de GBA zitten zijn opnames van illegale patiënten niet in het onderzoek betrokken. Exclusie Vanwege de lage risico’s op adverse events bij dagopnames zijn alleen meerdaagse klinische opnames geanalyseerd. Opnames in categoriale ziekenhuizen, zwangerschapsgerelateerde opnames en opnames op een afdeling psychiatrie zijn uitgesloten, vanwege problemen met correctie voor kenmerken in de patiëntenpopulatie (casemix). Ook opnames van patiënten die in het ziekenhuis zijn overleden werden uitgesloten, omdat overleden patiënten niet kunnen worden heropgenomen en omdat de verwachte verblijfduur niet goed te vergelijken is met patiënten die niet overleden zijn. Ten slotte hebben de analyses zich beperkt tot patiënten behorend tot de autochtone bevolking en de nietwesterse allochtone herkomstgroepen. Variabelen Etnische herkomst van de patiënten is bepaald aan de hand van de definitie van het CBS. Afhankelijk van het geboorteland van de persoon zelf en zijn of haar ouders, zijn alle patiënten geclassificeerd als autochtoon, Turks, Marokkaans, Surinaams, Antilliaans of overig niet-westers. Informatie over de sociaaleconomische positie is verkregen van het Sociaal Cultureel Planbureau (www.scp.nl/onderzoek/statusscores/) Dit betrof gegevens over de sociaaleconomische status van Nederlandse buurten, gebaseerd op opleiding, werkloosheid en inkomen voor de jaren 1994, 1998, 2002, 2006. De buurtscores worden ingedeeld in 4 groepen, waarbij ‘> 75%’ de groep met de laagste sociaaleconomische status aangeeft. Daarnaast is verzekeringsvorm (particulier of ziekenfonds, tot en met 2005) zoals op individueel niveau geregistreerd in de LMR, gebruikt als tweede SES indicator. Per ziekenhuisopname werden uit de LMR gegevens verkregen over leeftijd en geslacht van de patiënt, de hoofd- en neven diagnosen, de hoofd- en neven verrichtingen, de opname- en ontslagdatum, de opnameafdeling en het type ziekenhuis. Diagnoses zijn in de LMR gecodeerd met de International Classification of Diseases (ICD-9-CM). Om in de 9
statistische modellen te corrigeren voor verschillen in hoofddiagnose is de ICD-codering omgezet in 12 homogene diagnosegroepen volgens de Clinical Classifications Software (CCS) (HCUP 1999). Comorbiditeit is bepaald aan de hand van de Charlsonindex van de primaire diagnose van iedere opname (Charlson 1987). Verrichtingen worden in de LMR geregistreerd aan de hand van de ICD-9-CM. De hoofdverrichting van iedere opname is voor ons onderzoek ingedeeld in één van 9 hoofdcategorieën. Indicatoren In dit onderzoek hebben we indicatoren voor de patiëntveiligheid van ziekenhuisopnames gedefinieerd op basis van administratieve gegevens van ziekenhuisopnames. Ter voorbereiding is met behulp van de gegevens van het dossieronderzoek Onbedoelde schade in Nederlandse ziekenhuizen (de Bruijne 2007) een valideringsstudie uitgevoerd naar de associatie tussen kenmerken van ziekenhuisopnames (verlengde ligduur, heropname, specifieke complicatiegerelateerde diagnosen) en het optreden van zorggerelateerde schade. Hiertoe is een vergelijking gemaakt tussen zorggerelateerde schade in ziekenhuizen in 2004 en gegevens uit de LMR (m.b.t. kenmerken van die ziekenhuisopnames). Multilevel logistische regressieanalyse liet zien dat patiënten met een verlengde ligduur (werkelijke ligduur is 25% langer dan de verwachte ligduur) een verhoogd risico hebben op adverse events tijdens opname: odds ratio 3.13 (95% BI 2.39 – 4.09). Deze associatie was sterker bij patiënten met een electieve opname dan bij patiënten met een spoedopname. Patiënten die werden heropgenomen in het ziekenhuis hadden eveneens een verhoogd risico op adverse events: odds ratio 2.42 (95% BI 1.86 – 3.16). Patiënten met de ICD-codes in de LMR registratie die duiden op complicaties van medische procedures hadden ook meer kans op een adverse event: odds ratio 2.98 (1.705.21). Multivariate analyse, waarbij werd gecorrigeerd voor patiëntgebonden factoren die onafhankelijk zijn van de kwaliteit van zorg, veranderde weinig aan deze bevindingen. In deze exploratieve studie analyseren we daarom heropname, verlengde ligduur en gecodeerde complicaties als indicatoren voor patiëntveiligheid van ziekenhuisopnames. Heropname In deze analyse zijn klinische heropnames binnen 30 dagen na ontslag van een klinische opname geanalyseerd. Hierbij is geen onderscheid gemaakt tussen geplande en niet-geplande heropnames. Met betrekking tot de relatie met onbedoelde schade zijn de nietgeplande heropnames mogelijk interessanter, aangezien deze, in tegenstelling tot geplande heropnames, vaker te maken hebben met onvoorziene omstandigheden. De aantallen ongeplande heropnames zoals geregistreerd in de LMR in de verschillende etnische groepen waren echter te klein om deze apart te analyseren. Verlengde opnameduur De verlengde opnameduur is berekend door het verschil te bepalen tussen de werkelijke opnameduur en de verwachte opnameduur. De verwachte opnameduur is berekend met een ‘generalized equation model’ met de onafhankelijke variabelen leeftijd (4 klassen), registratiejaar, diagnose (50 ICD-9-CM klassen), verrichting (37 klassen gebaseerd op de ICD-9-CM) en opnameziekenhuis (n=139), rekening houdend met de clustering van verblijfsduur op patiëntniveau. Gelet op de verdeling van verlengde ligduur is ervoor gekozen om deze variabele als een dichtome variabele mee te nemen in de analyses, waarbij een ligduur van minimaal 3 dagen langer dan verwacht als afkappunt fungeerde.
10
OECD-indicatoren Bij de OECD wordt in het kader van het OECD Health Care Quality Indicators Project gewerkt aan een set van Patiëntveiligheidsindicatoren (Kristensen 2009). Het streven is om deze indicatoren zodanig te bepalen op basis van administratieve zorggegevens van elk OECD land, dat vergelijkingen tussen landen mogelijk zijn (Drösler 2008). Behalve zwangerschapsgerelateerde indicatoren (zwangerschapsgerelateerde opnames waren in ons onderzoek uitgesloten), betreft dit de volgende indicatoren: • Complicaties anesthesie • Decubitus • Lichaamsvreemd voorwerp achtergebleven na behandeling • Iatrogene pneumothorax • Infectie door medisch handelen • Postoperatieve heupfractuur • Postoperatief respiratoir falen • Postoperatieve pulmonale embolie of diepe veneuze trombose • Postoperatieve sepsis • Technische moeilijkheden met de procedure • Transfusie reactie Voor de berekening van de indicatoren heeft de OECD algoritmes opgesteld (Drösler et al., 2008). In 2007/2008 heeft Nederland geparticipeerd in een pilotgroep van 16 landen om de indicatoren te berekenen. Hiertoe zijn de OECD-algoritmes uitgewerkt voor de Nederlandse situatie. Deze uitwerkingen hebben wij gebruikt in dit onderzoek naar etnische verschillen in patiëntveiligheid. De indicatoren berekenden wij op basis van de LMR-gegevens die verzameld zijn tussen 1995 en 2005. Hoewel de beschikbare dataset een periode van 11 jaar besloeg verwachtten wij zeer kleine aantallen onder de etnische groepen te vinden per indicator. Daarom hebben wij ons beperkt tot de indicatoren die volgens eerder onderzoek de hoogste uitkomsten laten zien: decubitus, infectie door medisch handelen, postoperatieve pulmonale embolie of diepe veneuze trombose, en lichaamsvreemd voorwerp achtergebleven na behandeling. In principe worden OECD indicatoren alleen bepaald voor patiënten vanaf 18 jaar. De indicatoren zijn in ons onderzoek volgens de officiële richtlijnen berekend, maar er is aanvullend ook per indicator een uitsplitsing voor patiënten van 1 t/m 18 jaar. Analyses Vanwege beperkingen van de software met de omvang van het gegevensbestand is uit de oorspronkelijke dataset van 18.262.091 opnames van autochtone patiënten een random sample van 283.379 opnames getrokken. In het oorspronkelijke bestand betrof de meerderheid van de opnames patiënten met een autochtone achtergrond (95%), 5 % van de opnames betrof patiënten behorend tot een niet-westerse herkomstgroep. De steekproef is op persoonsniveau getrokken, zodat alle opnames van een persoon in de steekproef behouden bleven. Het criterium voor de steekproefomvang was een aantal opnames voor autochtonen dat vergelijkbaar was met het grootste aantal in de nietwesterse allochtone groepen. Alle opnames van niet-westerse allochtone patiënten zijn wel in het bestand gebleven (n=893.925). Stepwise logistische regressie is gebruikt om de associatie tussen etniciteit en heropname en verlengde ligduur te bepalen. In de tabellen zijn de berekende odds ratio’s en 95% betrouwbaarheidsintervallen weergegeven. De analyses zijn als volgt opgebouwd. 11
De analyses zijn gedaan zonder rekening te houden met afhankelijkheid tussen de waarnemingen. We verwachten echter dat er sprake zou kunnen zijn van clustering van opnamekenmerken binnen ziekenhuizen. Daarom hebben we een sensitiviteitsanalyse uitgevoerd met behulp van multilevelanalyse, om te kijken in hoeverre clustering op het niveau van ziekenhuis van invloed is op de gevonden resultaten. Etnische verschillen In de eerste stap van de analyses zijn verschillen tussen etnische groepen in heropname en verlengde ligduur gecorrigeerd voor de confounders leeftijd (5-jaarsgroepen) en geslacht. (model 1) In de volgende stap van de analyses is rekening gehouden met verschillen in patiëntenpopulatie (casemix), door de volgende variabelen aan het model toe te voegen: diagnose (CCS classificatie), comorbiditeit (Charlson index), urgentie (spoedopname ja/nee), en hoofdverrichting tijdens opname (ICD hoofdklasse). Het resultaat van deze analyse (model 2) geeft een schatting van de etnische verschillen in verlengde ligduur resp. heropname, nadat rekening is gehouden met confounders (leeftijd en geslacht) en andere kenmerken van de patiëntenpopulatie die wél gerelateerd zijn aan de kans op heropname en verlengde ligduur maar niet aan kwaliteit van zorg. In de laatste analysestap wordt, door toevoeging van verklarende variabelen (verzekeringsstatus, en sociaaleconomische status op basis van postcode) onderzocht in hoeverre de gevonden etnische verschillen in kans op heropname resp. verlengde ligduur zijn toe te schrijven aan verschillen in sociaaleconomische status (model 3). Sociaaleconomische verschillen Hierbij worden verschillen in heropname en verlengde ligduur gerelateerd aan de sociaaleconomische status van buurten waarin patiënten woonachtig zijn. Autochtone en allochtone patiënten worden bij elkaar genomen. Etnische herkomst is in deze analyses een mogelijke verklarende variabele. Model 1 is weer het model waarin sociaaleconomische verschillen zijn gecorrigeerd voor de confounders leeftijd en geslacht. In model 2 is vervolgens ook gecorrigeerd voor verschillen in kenmerken van de patiëntenpopulatie (casemix). Het resultaat van deze analyse levert een schatting van de sociaaleconomische verschillen in verlengde opnameduur resp. heropname, gecorrigeerd voor confounders. In de laatste analyse wordt, door toevoeging van etnische herkomst als verklarende variabele, geanalyseerd in hoeverre de gevonden sociaaleconomische verschillen in kans op heropname resp. verlengde ligduur zijn toe te schrijven aan verschillen in etniciteit (model 3).
3.2 Kwalitatieve analyse Voor vraagstelling 4 zijn incidenten in de zorg waarbij een allochtone patiënt betrokken was geanalyseerd. We hebben ervoor gekozen de analyse niet in te perken tot ‘adverse events’, omdat incidenten die tot schade hadden kunnen leiden ook een goed inzicht kunnen geven in achterliggende mechanismen. Daarnaast zijn adverse events veel zeldzamer en kan het voor de geïnterviewde gemakkelijker zijn om over incidenten, waarbij niet noodzakelijkerwijs schade is opgetreden, te spreken. De incidenten zijn met name verzameld door kwalitatieve interviews met zorgverleners, die vooral geworven zijn via het eigen netwerk van de onderzoekers. We hebben geprobeerd gevalsbeschrijvingen te vinden met een zekere variatie over factoren die naar verwachting een rol zouden kunnen spelen bij veiligheidsincidenten met allochtone 12
patiënten, zoals vooroordelen en stereotypering, communicatie- en taalproblemen, en naar variatie over ziekenhuisafdelingen (SEH, heelkunde, cardiologie, e.a.) De verzamelde casuïstiek is geanalyseerd volgens standaardanalyse technieken voor kwalitatieve gegevens (zie voor meer informatie Bijlage 2). Naast de interviews met zorgverleners zijn er incidenten verzameld door middel van interviews met allochtone patiënten. Deze patiënten zijn vooral benaderd via allochtone zelforganisaties (organisaties opgezet vanuit de allochtone bevolking, die zich inzetten voor de specifieke belangen van één of meerdere allochtone bevolkingsgroepen). Er is gestreefd naar variatie in etnische achtergrond van de patiënten. De meeste interviews zijn in het Nederlands gehouden, twee interviews zijn gehouden m.b.v. een tolk. Om een indruk te krijgen van de mogelijkheden om etnische verschillen in patiëntveiligheid op landelijk niveau te exploreren en te monitoren met behulp van reguliere indicatoren voor patiëntveiligheid hebben we 6 experts geïnterviewd in de periode maart-april 2009. De expertise varieerde, van wetenschappelijke onderzoeksexpertise op het gebied van patiëntveiligheid of op het gebied van ontwikkeling en evaluatie van patiëntveiligheidsindicatoren tot specifieke expertise op het gebied van etniciteit en gezondheid. De eerste vraag aan de experts was aan welke voorwaarden voldaan zou moeten om op basis van reguliere indicatoren een indruk te krijgen van etnische verschillen in patiëntveiligheid in de Nederlandse ziekenhuiszorg. Daarna nam de interviewer een aantal specifieke indicatoren met de expert door, met de vraag in hoeverre elke indicator geschikt zou zijn. Ook de OECD-indicatoren voor patiëntveiligheid zijn aan respondenten voorgelegd, maar omdat al snel bleek dat de kwaliteit van de Nederlandse gegevens waarop deze indicatoren zouden moeten worden berekend hiertoe ontoereikend is, bespreken we ze verder niet. De resultaten van de interviews zijn verwerkt in een matrix, en met behulp van een cross-case analyse (Miles & Huberman 1994), is per indicator de belangrijkste uitkomst beschreven.
13
14
4 Resultaten 4.1 Zijn er verschillen tussen etnische groepen in kenmerken van ziekenhuisopnames waarvan bekend is dat ze samenhangen met zorggerelateerde schade? In totaal bevatte de dataset 1.177.304 opnames van 433.501 patiënten in 139 ziekenhuizen. In totaal 283.379 hiervan waren opnames van patiënten met een autochtone achtergrond. Daarnaast waren er 111.265 opnames van patiënten met een Marokkaanse herkomst, 226.598 met een Turkse achtergrond, 73.489 met een Antilliaanse achtergrond en 241.168 met een Surinaamse achtergrond. Er waren 241.405 opnames in de groep patiënten met een overige niet-westerse achtergrond (zie tabel 1 in bijlage 1). Na 73.938 (6.3%) klinische opnames volgde een klinische heropname binnen 30 dagen na de initiële opname. Een ligduur die minimaal 3 dagen langer duurde dan verwacht, deed zich voor bij 143.302 (17.5%) opnames. De resultaten van het onderzoek naar verschillen in verlengde ligduur en heropnames zijn uitgebreid beschreven in het artikel ‘Ethnic disparities in readmission rates and excess length of stay – a nationwide record linked cohort study’, dat is ingediend voor publicatie (bijlage 1). Heropname Tabel 4.1geeft een overzicht van de verschillen tussen etnische groepen in het risico op een heropname binnen 30 dagen na de initiële opname. Omdat bleek dat de relatie tussen etnische herkomst en kans op heropname verschillend was tussen jongere en oudere patiëntengroepen (effectmodificatie), zijn deze resultaten apart voor de leeftijdsgroep tot 45 jaar en ouder dan 45 jaar weergegeven. In model 1 wordt alleen rekening gehouden met een verschillende leeftijds- en geslachtsopbouw van de etnische groepen in vergelijking met de autochtone bevolking. Bij patiënten tot 45 jaar hebben Surinamers en Antillianen na correctie voor verschillen in leeftijd en geslacht een significant hoger risico op heropname dan de autochtone bevolking (de odds ratio (OR) is groter dan 1, en 1 valt niet in het 95% betrouwbaarheidsinterval (95%BI)). De OR van 1.12 kan geïnterpreteerd worden als een verhoging van het risico op heropname ten opzichte van de autochtone bevolking van 12%. Onder Turkse patiënten in deze jongere leeftijdscategorie is het risico op heropname daarentegen significant lager dan in de autochtone bevolking. Na rekening te hebben gehouden met verschillen in de patiëntenpopulatie worden de verschillen tussen de etnische groepen en de autochtone bevolking kleiner, maar het risico op heropname blijft significant hoger onder Surinamers en Antillianen (model 2). Dit verschil kan niet worden toegeschreven aan verschil in sociaaleconomische positie, want na toevoeging van sociaaleconomische variabelen blijven de verschillen tussen de autochtone bevolking en de etnische groepen nagenoeg gelijk (model 3). Het risico op heropname onder Turken jonger dan 45 jaar blijft significant lager dan onder de autochtone bevolking. Onder patiënten ouder dan 45 jaar was, na correctie voor verschillen in leeftijd en geslacht, het risico op heropname binnen 30 dagen onder Turken, Surinamers en Antillianen hoger dan in de autochtone bevolking (model 1). Door toevoeging van correctie voor verschillen in de patiëntenpopulatie aan het model veranderden deze resultaten relatief weinig (model 2). Het hogere risico op heropname onder Turken en Surinamers wordt statistisch verklaard door verschillen in sociaaleconomische status 15
(niet-significante odds ratio’s in model 3), maar onder Antillianen blijft de kans op heropname binnen 30 dagen groter dan de autochtone bevolking (OR = 1.14, 95% CI 1.09-1.20). Tabel 4.1. Verschil in heropname binnen 30 dagen na de initiële opname onder patiënten jonger en ouder dan 45 jaar naar etnische herkomst
<= 45 jaar Etnische herkomst (referentiegroep: autochtone bevolking) Marokkanen (n=101910) 2 Turken (n=157621) Surinamers (n=123777) Antillianen (n=45960) Overig niet westers (n=173316)
OR (95%BIs)
OR (95%BIs)
OR (95%BIs)
model 1
model 2
model 3
1.03 (0.99 - 1.08) 0.95 (0.91 - 0.99) 1.15 (1.10 - 1.19) 1.12 (1.07 - 1.18) 1.04 (1.00 - 1.08)
1.02 (0.97 - 1.06) 0.96 (0.92 - 1.00) 1.09 (1.05 - 1.14) 1.07 (1.02 - 1.13) 0.97 (0.94 - 1.01)
1.00 (0.96 - 1.05) 0.94 (0.90 - 0.98) 1.07 (1.03 - 1.12) 1.06 (1.00 - 1.12) 0.96 (0.93 - 1.00)
1.02 (0.94 - 1.10) 1.04 (1.01 - 1.08) 1.05 (1.02 - 1.08) 1.18 (1.13 - 1.24) 1.01 (0.98 - 1.05)
1.02 (0.94 - 1.11) 1.05 (1.01 - 1.08) 1.03 (1.00 - 1.06) 1.15 (1.10 - 1.21) 1.01 (0.98 - 1.05)
1.00 (0.92 - 1.09) 1.02 (0.99 - 1.06) 1.01 (0.98 - 1.04) 1.14 (1.09 - 1.20) 1.00 (0.97 - 1.04)
> 45 jaar Marokkanen (n=9055) Turken (n=67544) Surinamers (n=116402) Antillianen (n=26875) Overig niet westers (n=66069) • • • • •
Aantallen (n) betreffen ziekenhuisopnames Significante verschillen zijn vetgedrukt In model 1 is rekening gehouden met leeftijd en geslacht (confounders) In model 2 is rekening gehouden met leeftijd, geslacht, CCS diagnose, co-morbiditeit, hoofdverrichting (casemix) In model 3 is rekening gehouden met leeftijd, geslacht, casemix, verzekeringsvorm en SCP indicator voor sociaaleconomische positie op buurtniveau
Verlengde ligduur In tabel 4.2 wordt ingegaan op verschillen in verlengde ligduur tussen etnische groepen en de autochtone bevolking. Ook deze resultaten worden apart gepresenteerd voor de leeftijdscategorieën tot 45 jaar en ouder dan 45 jaar. In het algemeen blijken nietwesterse allochtone groepen een hoger risico te hebben om minimaal 3 dagen langer dan verwacht te worden opgenomen. Voor bijna alle etnische groepen is dit risico significant hoger dan onder de autochtone bevolking na rekening te hebben gehouden met leeftijd en geslacht (model 1). Na toevoeging van respectievelijk kenmerken van de patiëntenpopulatie en sociaaleconomische variabelen worden de verschillen tussen de etnische herkomstgroepen kleiner, maar ze blijven voor bijna alle groepen significant hoger dan onder de autochtone bevolking. Dit betekent dat de gevonden etnische verschillen in de kans op verlengde ligduur slechts voor een deel zijn toe te schrijven aan verschillen in patiëntenpopulatie en aan verschillen in sociaaleconomische status.
2
De aantallen opnames genoemd in de tabellen zijn afkomstig uit analyses van gemodelleerde gegevens. 16
Tabel 4.2. Verschil in verlengde ligduur onder patiënten jonger en ouder dan 45 jaar naar etnische herkomst
<= 45 jaar Etnische herkomst (referentiegroep: autochtone bevolking) Marokkanen (n=69686) Turken (n=107199) Surinamers (n=87483) Antillianen (n=33490) Overig niet westers (n=123664)
OR (95%BIs)
OR (95%BIs)
OR (95%BIs)
model 1
model 2
model 3
1.10 (1.06 - 1.13) 1.00 (0.97 - 1.03) 1.17 (1.14 - 1.21) 1.12 (1.08 - 1.17) 1.12 (1.09 - 1.15)
1.07 (1.04 - 1.11) 1.00 (0.97 - 1.03) 1.10 (1.07 - 1.13) 1.07 (1.03 - 1.11) 1.09 (1.05 - 1.12)
1.03 (1.00 - 1.07) 0.96 (0.93 - 0.99) 1.08 (1.04 - 1.11) 1.05 (1.01 - 1.09) 1.06 (1.03 - 1.10)
1.17 (1.09 - 1.25) 1.13 (1.10 - 1.16) 1.13 (1.11 - 1.16) 1.14 (1.10 - 1.19) 1.07 (1.04 - 1.10)
1.14 (1.07 - 1.22) 1.10 (1.07 - 1.13) 1.08 (1.06 - 1.11) 1.11 (1.07 - 1.16) 1.05 (1.02 - 1.08)
1.09 (1.02 - 1.16) 1.04 (1.01 - 1.07) 1.04 (1.02 - 1.07) 1.08 (1.04 - 1.13) 1.03 (1.00 - 1.05)
> 45 jaar Marokkanen (n=6013) Turken (n=47389) Surinamers (n=75954) Antillianen (n=17857) Overig niet westers (n=44042) • • • • •
Aantallen (n) betreffen ziekenhuisopnames Significante verschillen zijn vetgedrukt In model 1 is rekening gehouden met leeftijd en geslacht In model 2 is rekening gehouden met leeftijd, geslacht, CCS diagnose, co-morbiditeit, hoofdverrichting (casemix) In model 3 is rekening gehouden met leeftijd, geslacht, casemix, verzekeringsvorm en SCP indicator voor sociaaleconomische positie op buurtniveau
OECD indicatoren Na analyse van de OECD-indicatoren bleek dat de aantallen incidenten onder de etnische herkomstgroepen veel lager waren dan verwacht kon worden op grond van andere onderzoeksgegevens. De frequenties op de berekende indicatoren was voor alle herkomstgroepen lager dan 0.001%. Om deze reden hebben wij geconcludeerd dat de OECD-indicatoren niet betrouwbaar genoeg te berekenen zijn op basis van de beschikbare LMR gegevens, om een goede vergelijking te kunnen maken tussen etnische herkomstgroepen.
4.2 Komen etnische verschillen in kans op heropname en verlengde ligduur in verhoogde mate voor bij bepaalde groepen patiënten (naar etniciteit, leeftijd, geslacht, diagnosegroep, hoofdverrichting)? Eerst is gekeken of bekende risicofactoren voor patiëntveiligheidsproblemen (leeftijd, chirurgische ingrepen) ook voor de indicatoren heropname en verlengde ligduur werden gevonden binnen de patiëntengroep van niet-westerse herkomst. In beide leeftijdsstrata was het risico op een heropname en op een verlengde ligduur in oudere groepen groter in vergelijking met de jongste referentiegroep, maar er was geen eenduidig verband tussen stijgende leeftijd en een toenemende kans op heropname / verlengde ligduur. De verschillen naar hoofddiagnose en naar hoofdverrichting lieten geen consistent patroon zien bij vergelijking van de resultaten van de analyses van heropname en verlengde ligduur. 17
Als we kijken naar de verschillen in risico’s tussen etnische groepen, dan waren de extra risico’s op heropname en verlengde ligduur in vergelijking met de autochtone bevolking het grootst onder patiënten van Surinaamse en Antilliaanse herkomst.. Er was effectmodificatie naar leeftijd (de interactieterm etnische groep * leeftijd was significant): bij jongere Surinamers was het risico op heropname in vergelijking tot de autochtone bevolking meer verhoogd dan bij ouderen. Bij de Turkse bevolkingsgroep lag het verband andersom. We vonden geen aanwijzingen voor variatie in etnische verschillen in kans op heropname / verlengde ligduur naar sexe, diagnose of hoofdverrichting.
4.3 Zijn er verschillen tussen sociaaleconomische groepen in kenmerken van ziekenhuisopnames waarvan bekend is dat ze samenhangen met zorggerelateerde schade? Heropname In tabel 4.33 staat een overzicht van de verschillen in de kans op heropname binnen 30 dagen na de initiële opname naar sociaaleconomische positie (SCP indicator op buurtniveau). Na rekening te hebben gehouden met verschillen in leeftijd en geslacht blijkt dat, met name in de oudere leeftijdscategorie, de lagere sociaaleconomische groepen een hogere kans te hebben om binnen 30 dagen te worden heropgenomen dan de groep met de hoogste sociaaleconomische status (model 1). Correctie voor verschillen in patiëntenpopulatie door toevoeging van CCS diagnose, comorbiditeit, hoofdrichting en verzekeringsvorm verandert weinig aan de verschillen tussen de groepen (model 2). De verschillen tussen sociaaleconomische groepen in de kans op heropname worden niet verklaard door verschillen in etnische herkomst (opname van etnische herkomst in het analysemodel leidt niet tot een verandering in de odds ratio’s (model 3)). In de leeftijdsgroep t/m 45 jaar heeft alleen de laagste sociaaleconomische groep een verhoogde kans om te worden heropgenomen in vergelijking met de hoogste groep (model 1). Correctie voor kenmerken van de patiëntenpopulatie verkleint deze kans op heropname, maar het verschil blijft significant. (model 2). Ook hier wordt het verschil niet verklaard door verschillen in etnische herkomst (model 3).
18
Tabel 4.3. Verschil in klinische heropname binnen 30 dagen na de initiële opname onder patiënten jonger en ouder dan 45 jaar naar sociaaleconomische positie
<= 45 jaar Sociaaleconomisch positie (referentie groep: score <25%) Scores tussen 26-50 % (n=163564) Scores tussen 51-75% (n=184802) Score > 75% (n=188471)
OR (95%BIs)
OR (95%BIs)
OR (95%BIs)
model 1
model 2
model 3
1.02 (0.99 - 1.06) 0.99 (0.96 - 1.02) 1.11 (1.07 - 1.14)
1.03 (1.01 - 1.07) 0.99 (0.96 - 1.02) 1.08 (1.05 - 1.12)
1.04 (1.01 - 1.08) 1.00 (0.97 - 1.03) 1.09 (1.05 - 1.12)
> 45 jaar
• • • • •
1.04 (1.02-1.07) Scores tussen 26-50 % (n=134214) 1.06 (1.03 - 1.09) 1.06 (1.03 - 1.09) 1.06 (1.03-1.09) Scores tussen 51-75% (n=113402) 1.05 (1.02 - 1.09) 1.05 (1.02 - 1.09) 1.12 (1.09-1.15) Score > 75% (n=109356) 1.09 (1.06 - 1.13) 1.09 (1.05 - 1.12) Aantallen (n) betreffen ziekenhuisopnames Een hogere score op de sociaaleconomische positie refereert aan een lagere sociaaleconomische positie op buurtniveau (de groep >75% is de groep met de laagste sociaaleconomische status) In model 1 is rekening gehouden met leeftijd en geslacht In model 2 is rekening gehouden met leeftijd, geslacht, CCS diagnose, comorbiditeit, hoofdverrichting (casemix) In model 3 is rekening gehouden met leeftijd, geslacht, casemix en etnische herkomst als verklarende variabele
Verlengde ligduur In tabel 4.4 staat een overzicht van de verschillen in verlengde ligduur tussen groepen met een verschillende sociaaleconomische status. Uit tabel 4.4 komt duidelijk naar voren dat voor beide leeftijdscategorieën de lagere sociaaleconomische groepen een hogere kans hebben om langer in het ziekenhuis te liggen dan verwacht in vergelijking met de groep met de hoogste sociaaleconomische positie. Dit patroon verandert niet door correctie voor verschillen in patiëntenpopulatie (model 2). De verschillen worden niet verklaard door verschillen in etnische herkomst (model 3).
19
Tabel 4.4. Verschil in verlengde ligduur in patiënten jonger en ouder dan 45 jaar naar sociaaleconomische positie
<= 45 jaar Sociaaleconomisch positie (referentie groep: score <25%) Scores tussen 26-50 % (n=114428) Scores tussen 51-75% (n=128432) Score > 75% (n=132299)
OR (95%BIs)
OR (95%BIs)
OR (95%BIs)
model 1
model 2
model 3
1.07 (1.05 - 1.10) 1.08 (1.05 - 1.10) 1.09 (1.06 - 1.11)
1.07 (1.04 - 1.09) 1.04 (1.04 - 1.09) 1.05 (1.03 - 1.08)
1.08 (1.05 - 1.10) 1.07 (1.05 - 1.10) 1.05 (1.03 - 1.08)
> 45 jaar
• • • • •
Scores tussen 26-50 % (n=90293) 1.07 (1.04 - 1.09) 1.07 (1.04 - 1.09) 1.06 (1.04 - 1.09) Scores tussen 51-75% (n=76830) 1.11 (1.08 - 1.13) 1.09 (1.06 - 1.11) 1.07 (1.05 - 1.10) Score > 75% (n=74539) 1.19 (1.16 - 1.22) 1.14 (1.06 - 1.17) 1.12 (1.09 - 1.14) Aantallen (n) betreffen ziekenhuisopnames Een hogere score op de sociaaleconomische positie refereert aan een lagere sociaaleconomische status op buurtniveau (de groep >75% is de groep met de laagste sociaaleconomische status) In model 1 is rekening gehouden met leeftijd en geslacht In model 2 is rekening gehouden met leeftijd, geslacht, CCS diagnose, comorbiditeit, hoofdverrichting (casemix) In model 3 is rekening gehouden met leeftijd, geslacht, casemix en etnische herkomst als verklarende variabele
Bijlage 3 geeft de resultaten van de analyses van sociaaleconomische verschillen in de kans op heropname resp. verlengde ligduur in meer detail weer.
4.4 Welke processen kunnen een rol spelen in de verklaring van verschillen in patiëntveiligheid tussen etnische groepen, in het bijzonder die tussen auto- en allochtone patiënten? De interviews met in totaal 12 zorgverleners leverden in totaal 30 casusbeschrijvingen op van incidenten waarbij een patiënt van allochtone herkomst betrokken was. De resultaten van deze interviews zijn uitgebreid beschreven in het artikel ‘Explaining ethnic disparities in patiënt safety: a qualitative analysis’, dat in het najaar van 2009 zal verschijnen in de American Journal of Public Health (bijlage 2). Op deze plek geven wij een korte samenvatting. Kwalitatieve analyse leverde drie patronen op die een verhoogd risico op patiëntveiligheidsincidenten voor niet-westerse allochtone groepen plausibel maken: 1. De zorg kan niet-passend zijn in reactie op objectieve kenmerken van de patiënt, zoals lage Nederlandse taalvaardigheid en genetische kenmerken. De zorg wordt als niet-passend beschouwd omdat hij afwijkt van professionele normen. Passende zorg bij een patiënt met een lage Nederlandse taalvaardigheid houdt bijvoorbeeld volgens de veldnormen (IGZ 2003) in dat de zorgverlener een professionele tolk inschakelt op belangrijke momenten in het zorgproces (zoals intake, diagnose, slecht nieuwsgesprek, het maken van moeilijke keuzes).
20
2. Het risico op incidenten kan groter zijn door misverstanden tussen patiënt en zorgverleners die ontstaan als gevolg van verschillen in ziektepercepties en verwachtingen van de zorg. De casus van het jonge kind dat niet wilde eten, waarvan de arts vond dat dit normaal was, maar waarvoor de ouders in Turkije prednisontabletjes voorgeschreven kregen, illustreert dit patroon. Het gaat hierbij om subjectieve ideeën en verwachtingen van de patiënt. In tegenstelling tot het eerste patroon is de patiënt hier actief. Zorgverlener en patiënt handelen in elkaars ogen beiden onverwacht en onbegrijpelijk. 3. Tenslotte kan schade ontstaan als gevolg van vooroordelen aan de zijde van de zorgverleners, bijvoorbeeld als een zorgverlener pijnklachten niet meteen serieus neemt bij een patiënt met een niet-Nederlandse etnische herkomst. Deze patronen maken het aannemelijk dat patiënten van allochtone herkomst een hoger risico op patiëntveiligheidsincidenten lopen: doordat de zorg vaak niet goed aansluit bij kenmerken van juist niet-westerse allochtonen. De gevonden patronen zijn niet per sé etnisch-specifiek (maar de processen rond taalvaardigheid en genetische kenmerken zijn dat wel). Patronen als hier beschreven kunnen deels ook bij autochtone patiënten optreden. De gevonden patronen helpen ons te begrijpen waarom niet-westerse allochtonen een hoger risico lopen. Beschrijvend epidemiologisch onderzoek, bijvoorbeeld op basis van dossieronderzoek, is nu nodig om vast te stellen hoe groot de extra risico’s zijn en welke rol de gevonden patronen hierbij spelen. Hiernaast hebben we in 7 interviews met 18 allochtone patiënten van verschillende etnische herkomst informatie verzameld over het patiëntenperspectief op etnische verschillen in patiëntveiligheid. Bij analyse bleek dat de beschreven ‘incidenten’ lastig interpreteerbaar waren, omdat we de medische kant van elk verhaal niet kenden en de meeste patiënten dit niet goed onder woorden konden brengen. Daarom beperken we ons hier tot algemene observaties. Uit de patiënteninterviews kwam naar voren dat communicatieproblemen ook volgens de patiënten een belangrijke rol spelen. Opvallend was dat de patiënten de voorkeur gaven aan een formele tolk. Ze vonden dat informele tolken minder goed in staat zouden zijn om het medische verhaal van de arts te begrijpen, ze voelden zich geremd in het uiten van hun medische klachten en ze vonden het lastig om telkens een familielid te moeten regelen voor een afspraak met een arts. Dit laatste kan ervoor zorgen dat het bezoek aan de arts zo lang mogelijk uitgesteld wordt. De geïnterviewden waren niet op de hoogte van het feit dat zij recht hebben op een formele tolk en dat het de verantwoordelijkheid van de zorgverlener is om daarvoor te zorgen. Artsen geven juist vaak de voorkeur aan informele tolken (Diamond 2008). Een andere observatie die uit de patiënteninterviews naar voren kwam was het grote wantrouwen jegens de zorgverlening dat ontstaat als patiënten het gevoel hebben niet begrepen te worden of ‘vreemd’ behandeld te zijn. Zulk wantrouwen is niet typisch voor allochtone patiënten, maar de kans dat het ontstaat, kan bij allochtone patiënten wel groter zijn. Dit kan er o.a. voor zorgen dat men liever een arts in het land van herkomst consulteert. Een methodologische conclusie die van belang is voor vervolgonderzoek is dat patiënteninterviews zeker aanvullende informatie kunnen opleveren over patiëntveiligheidsincidenten, maar dat het voor de interpretatie van patiënteninterviews noodzakelijk is ook de medische kant van het verhaal te kennen. Een design waarin patiënt en zorgverlener over hetzelfde incident worden geïnterviewd, zoals ook gebruikt voor de casuïstiek van het leerboek ‘Een arts van de wereld’ (Seeleman 2005) is aan te bevelen.
21
4.5 Is het mogelijk met reguliere patiëntveiligheidsindicatoren etnische verschillen in patiëntveiligheid op landelijk niveau te monitoren? Uit de gesprekken met de experts kwamen om te beginnen 3 voorwaarden naar voren waaraan voldaan zou moeten zijn om op basis van reguliere patiëntveiligheidsindicatoren een indruk te kunnen krijgen van etnische verschillen in patiëntveiligheid op landelijk niveau. Deze voorwaarden zijn registratie van etnische herkomst in zorgregistraties, een goede kwaliteit van medische registratiegegevens, en plausibiliteit van een verband tussen de indicator en etnische verschillen in patiëntveiligheid op basis van de beschikbare kennis over etnische verschillen in kwaliteit van zorg. De geschiktheid van de indicatoren wordt mede bepaald door deze factoren. Registratie etnische herkomst Met indicatoren op basis van gegevens uit zorgregistraties kunnen etnische verschillen in patiëntveiligheid routinematig zichtbaar gemaakt worden als etnische herkomst van patiënten standaard in zorgregistraties is opgenomen. Op dit moment wordt etnische herkomst nog in vrijwel geen enkele medische registratie standaard vastgelegd (de Perinatale Registratie Nederland is een uitzondering). Daardoor is het pas na koppeling met andere gegevensbestanden mogelijk om op basis van zorgregistraties inzicht te krijgen in etnische verschillen in patiëntveiligheid of kwaliteit van zorg (Essink-Bot, 2009). In principe is het nl. mogelijk om achteraf GBA-gegevens over het geboorteland van patiënten en hun ouders te koppelen aan zorgregistraties, zoals gebeurt in het Gezondheid Statistisch Bestand van het CBS, en zoals ook voor het kwantitatieve deel van ons onderzoek gebeurd is. Dit is slechts een gedeeltelijke oplossing van het probleem van het ontbreken van routinematige registratie van etnische herkomst. Juist bij personen van niet-westerse allochtone herkomst is de geboortedatum niet altijd precies bekend. Zij staan daarom geregistreerd op bijvoorbeeld '01-01-19xx', en dan levert een koppeling aan de GBA problemen op. De tweede beperking is dat men met het geboortelandcriterium geen onderscheid kan maken tussen verschillende bevolkingsgroepen met dezelfde geografische herkomst, bijvoorbeeld tussen creoolse en Hindostaanse Surinamers. De derde beperking is dat de derde generatie, die nu nog klein is, niet meer als zodanig herkenbaar is (Essink Bot 2009). Bij andere registraties die mogelijk ook iets zouden kunnen zeggen over etnische verschillen in patiëntveiligheid, bijvoorbeeld die van FOBO-meldingen, wordt voor zover bekend de etnische herkomst van patiënten ook niet standaard geregistreerd. Ook in patiëntendossiers wordt etnische herkomst niet standaard vastgelegd. Kwaliteit van zorgregistraties Etnische herkomst wordt in de LMR niet geregistreerd, maar door koppeling met het GBA kan de etnische herkomst van patiënten achterhaald worden. Dit maakt de LMR in principe tot een geschikte gegevensbron voor etnische verschillen in patiëntveiligheid, ware het niet dat de kwaliteit van de geregistreerde gegevens (o.a. van secundaire diagnoses) vaak niet goed genoeg is om patiëntveiligheidsindicatoren (zoals die van de OECD) betrouwbaar en valide te kunnen berekenen. Het rapport van de OECD over de vergelijking tussen landen (OECD 2008) beveelt aan om specifieke criteria te definiëren voor de validiteit van gegevens op nationaal niveau, om landen die niet aan die criteria voldoen te kunnen uitsluiten. Zulke criteria zouden kunnen zijn (OECD 2008):
22
- A minimum mean number of secondary diagnoses, such as 1,5 for inpatients (excluding cases with length of stay < 1 day), and - At least one case in the numerator population (except PSI 16, transfusion reaction). […] “As the 1980 version of the ICD-9-CM is used in the Netherlands, several numerator-defining codes are not available. However, despite the fact that far broader definitions of certain numerators were used (e.g., PSI 7, PSI 13), rather low rates were reported for most PSIs [Patient Safety Indicators]. The mean number of secondary diagnoses was second lowest among the participating countries. The findings support an interpretation of underreporting in the administrative data base. […] It is noted that application of these criteria to currently available data would remove The Netherlands from reporting of PSI rates.” (OECD 2008) In een eerste publicatie over de toepassing van deze indicatoren zijn de Nederlandse gegevens niet opgenomen (Drösler, in druk) Plausibiliteit van verband tussen indicator en etnische verschillen in patiëntveiligheid Een patiëntveiligheidsindicator wint aan geloofwaardigheid om etnische verschillen in patiëntveiligheid zichtbaar te kunnen maken als een verband tussen de indicator en etnische verschillen in patiëntveiligheid inhoudelijk aannemelijk te maken is, op basis van beschikbare kennis over etnische verschillen in gezondheid en kwaliteit van zorg. Bijvoorbeeld omdat denkbaar is dat patronen die wij gevonden hebben in de kwalitatieve studie (niet-passende reactie op lage Nederlandse taalvaardigheid of genetische kenmerken, misverstanden als gevolg van verschillen in ziektepercepties en verwachtingen van de zorg, en vooroordelen) een rol spelen in het zorgproces waar een indicator betrekking op heeft. Hierna bespreken we de oordelen van de experts over de theoretische geschiktheid van zes IGZ-indicatoren voor patiëntveiligheid om etnische verschillen te kunnen aangeven. Ook de 6 veiligheidsthema’s die IGZ voor de zomer van 2009 heeft vastgesteld worden in dit kader besproken. De geschiktheid is theoretisch, omdat voor het merendeel van de indicatoren niet is voldaan aan de voorwaarden van beschikbaarheid van goede kwaliteit gegevens waarin ook etnische herkomst van patiënten is geregistreerd. 1. HSMR (Hospital Standardized Mortality Rate) De HSMR kan volgens de experts theoretisch een goede indicator voor etnische verschillen in patiëntveiligheid zijn. Hij wordt berekend op grond van de LMR, waaraan etnische herkomst van de patiënt door koppeling achteraf met het GBA kan worden toegevoegd. Een HSMR geaggregeerd over alle opnamediagnoses is een hele grove indicator voor patiëntveiligheid. De experts suggereren de SMR diagnosespecifiek te gebruiken. 2. Vermijdbare sterfte en vermijdbare schade De experts vinden deze indicatoren in principe bruikbaar om etnische verschillen in patiëntveiligheid in beeld te brengen. De bruikbaarheid van de LMR voor dit doel is in het kwantitatieve deel van het huidige onderzoek, waarin we etnische verschillen in heropname en verlengde ligduur analyseerden, geïllustreerd. Vanwege de onderregistratie van secundaire diagnoses is het waarschijnlijk niet mogelijk om specifieker te worden op basis van de LMR. Via dossieronderzoek aangevuld met bijv. interviews kan, als het mogelijk is om een etnisch herkomstgegeven aan 23
dossiers te koppelen, meer inzicht kunnen worden verkregen in etnische verschillen en incidenties van vermijdbare sterfte en schade en mogelijke mechanismen die die etnische verschillen zouden kunnen verklaren. 3. De aanwezigheid van een veiligheidsmanagementsysteem Dit is geen geschikte indicator voor etnische verschillen in patiëntveiligheid omdat het een structuurindicator is. 4. Postoperatieve wondinfecties Dit kan volgens de experts een goede indicator zijn voor etnische verschillen in patiëntveiligheid, omdat aannemelijk is te maken dat er etnische verschillen optreden bijvoorbeeld als gevolg van communicatieproblemen. 5. Sepsis Het wel of niet optreden van sepsis lijkt ook theoretisch geen goede indicator voor etnische verschillen in patiëntveiligheid. Mogelijk wordt sepsis bij verschillende etnische groepen later onderkend, o.a. door communicatieproblemen, maar dan is er nog steeds geen verschil in incidentie. Het is mogelijk meer zinvol om te kijken naar etnische verschillen in sterfte als gevolg van sepsis. 6. Bedreigde vitale functies Dit wordt door een deel van de experts potentieel als een goede indicator gezien, omdat aannemelijk is dat etnische verschillen kunnen optreden bijvoorbeeld ten gevolge van communicatieproblemen. Exploratief zou gekeken kunnen worden of er etnische verschillen zijn in de frequentie van reanimatie. Andere mogelijkheden zijn dossieronderzoek naar heroperaties en heropnames op IC binnen 1 ziekenhuisopname (beide zijn ‘triggers’ in het gestructureerde dossieronderzoek naar zorggerelateerde schade). 7. Medicatieveiligheid Deze indicator is als procesindicator gedefinieerd (bijv. medicatieverificatie door deskundig medewerker bij opname en ontslag); de experts vinden het een gemiste kans dat deze indicator geen uitkomstindicator is. De indicator zegt niets over de frequentie van incidenten met medicatie. Medicatieveiligheid als uitkomstindicator zou theoretisch geschikt zijn omdat aannemelijk is dat er etnische verschillen zijn in communicatie tussen zorgverlener en patiënt over de medicatie, maar betrouwbaar meten van medicatie-incidenten kan een probleem zijn. Zes thema’s van IGZ waarvoor interventies voor de zomer 2009 worden vastgesteld Door IGZ zijn voor het Veiligheidsmanagementprogramma nog 6 thema’s geformuleerd, waarop veel winst te behalen valt als het gaat om het terugdringen van de onbedoelde vermijdbare schade in ziekenhuizen. Voor deze thema’s zullen in de zomer van 2009 indicatoren worden vastgesteld (http://www.vmszorg.nl/4424/Themas.html). De experts is gevraagd een oordeel te geven over de relevantie van deze thema’s voor etnische verschillen in patiëntveiligheid.
24
1. Voorkómen van onbedoelde vermijdbare schade bij oudere patiënt (herkennen delier, valpreventie, voorkómen mobiliteitsverlies, voorkómen ondervoeding) De experts zien dit als relevant thema, omdat oudere allochtone patiënten een kwetsbare groep vormen met o.a. veel communicatieproblemen (als gevolg van taalproblemen, verschillen in percepties en verwachtingen, en vooroordelen). 2. Voorkómen van sterfte ten gevolge van acuut myocard infarct Ook dit wordt gezien als een mogelijk thema om etnische verschillen te exploreren. kunnen zijn, omdat aannemelijk is dat door communicatieproblemen (als gevolg van taalproblemen, verschillen in percepties en verwachtingen, en vooroordelen) te laat wordt ingegrepen waardoor etnische verschillen in sterfte kunnen ontstaan. Westert et al (2008) en Agyemang et al (2009) hebben recent laten zien dat etnische verschillen in sterfte aan cardiovasculaire aandoeningen bestaan. Verder onderzoek is nodig om oorzaken daarvan te achterhalen en de relatie tussen de verschillen en patiëntveiligheid te leggen. 3. Voorkómen van onnodig lijden van patiënten door pijn Wordt gezien als relevant thema voor etnische verschillen, omdat uit de literatuur bekend is dat pijnuiting en pijnbeleving cultuurbepaald zijn. Het is aannemelijk dat pijn bij verschillende etnische groepen onder- of overgerapporteerd wordt. De validiteit van de gangbare methoden om pijnbeleving te meten (visueel analoge schaal) is bij allochtone groepen niet vastgesteld. Op grond van ander onderzoek zijn hier problemen te verwachten in verband met het extreem lage opleidingsniveau van m.n. ouderen van Turkse en Marokkaanse herkomst (Hoopman 2008). 4. Voorkómen van incidenten met betrekking tot het bereiden en toedienen high risk medicatie Niet –westerse patiënten zouden een verhoogd risico op medicatie-incidenten kunnen lopen, bijv. door communicatieproblemen tussen zorgverlener en patiënt (als gevolg van taalproblemen, verschillen in percepties en verwachtingen, en vooroordelen). Het thema richt zich echter op bereiding en toediening van medicatie en lijkt daarom minder geschikt voor exploratie van etnische verschillen. 5. Voorkómen van verwisseling van patiënten en bij patiënten Ook een thema dat mogelijkheden kan bieden voor exploratie van etnische verschillen, omdat etnische groepen mogelijk een groter risico lopen op verwisseling door onbekendheid van niet-Nederlandse achternamen bij zorgverleners of door communicatieproblemen ((als gevolg van taalproblemen, verschillen in percepties en verwachtingen, en vooroordelen). 6. Voorkómen van nierinsufficiëntie bij gebruik van contrastmiddelen en medicatie Dit kan volgens de experts ook een goed thema zijn, omdat etnische groepen een groter risico op nierinsufficiëntie zouden kunnen lopen door bijv. communicatieproblemen in het vooronderzoek bij de patiënt (als gevolg van taalproblemen, verschillen in percepties en verwachtingen, en vooroordelen).
25
26
5 Conclusies en aanbevelingen 1. Wij vonden dat niet-westerse allochtone patiënten significant vaker worden heropgenomen en significant vaker langer in het ziekenhuis liggen dan verwacht kon worden op grond van de leeftijd, diagnose en behandeling. De gevonden verschillen ten op zichte van de autochtone bevolking liggen in de grootte-orde van 10% en zijn consistent. Deze bevindingen kunnen wijzen op verhoogde patiëntveiligheidsrisico’s voor niet-westerse allochtonen in de Nederlandse ziekenhuiszorg. Dit is in overeenstemming met buitenlandse studies (Miller 2003, Romano 2003, Coffey 2005, Flores 2006, Chang 2008). Heropname en verlengde ligduur zijn echter geen directe maten voor patiëntveiligheid. Het zou bijvoorbeeld ook zo kunnen zijn dat een langere ligduur passend is voor allochtone patiënten, omdat de zorg complexer is o.a. als gevolg van taal- en communicatieproblemen. 2. De verhoogde risico’s op heropname en verlengde ligduur voor allochtone patiënten konden deels, maar niet geheel worden toegeschreven aan verschillen in sociaaleconomische status. Andere factoren dan sociaaleconomische status spelen dus ook een belangrijke rol. 3. Het risico lijkt onder Surinamers en Antillianen meer verhoogd dan onder patiënten van Turkse of Marokkaanse herkomst. Dit sluit aan bij het gegeven van grote diversiteit tussen etnische groepen. Bij de interpretatie van de cijfers over verschillen tussen etnische groepen kan het een probleem zijn dat de Turkse en Marokkaanse groepen als geheel jonger zijn dan de Surinaamse, Antilliaanse en autochtone Nederlanders. De kleine aantallen in de oudere leeftijdsgroepen zijn mogelijk een verklaring voor het feit dat de risico’s in de Turkse en Marokkaanse groepen niet significant verschilden van de autochtone bevolking. 4. Wij vonden 3 mogelijke mechanismen die een verhoogd risico op patiëntveiligheidsincidenten bij patiënten van allochtone herkomst plausibel maken: een niet-passende reactie op lage Nederlandse taalvaardigheid of genetische kenmerken, misverstanden als gevolg van verschillen in ziektepercepties en verwachtingen van de zorg, en niet-passende zorg als gevolg van vooroordelen. Bij taalproblemen hebben patienten een voorkeur voor een formele tolk. Patiënten zijn niet altijd op de hoogte van het feit dat zij in Nederland zonder kosten recht hebben op een formele tolk. 5. Voor de populatie van auto- en allochtone patiënten als geheel was ook lage sociaaleconomische positie geassocieerd met een hogere kans op heropname en verlengde ligduur. De hogere kansen konden niet worden toegeschreven aan verschillen in etnische herkomst. Ook hier geldt dat deze resultaten kunnen wijzen op minder patiëntveiligheid, of juist op passende zorg omdat een patiënt met een lage sociaaleconomische status bijvoorbeeld minder snel kan worden ontslagen door minder goede opvang thuis. Het is belangrijk in vervolgonderzoek naar verschillen in patiëntveiligheidsrisico’s tussen groepen in de bevolking ook sociaaleconomische status, bijv. op basis van postcode, mee te nemen. Dit onderzoek kent een aantal beperkingen. Etnische herkomst van patiënten is bepaald door koppeling met het GBA. We weten niet precies hoe goed die koppeling is; juist voor allochtone groepen zou die minder goed kunnen zijn (Nielen 2007; Volkers 2007). 27
Voorts konden wij in de analyses van heropname geen onderscheid maken tussen geplande en ongeplande heropnames. De gebruikte SCP-indicator voor sociaaleconomische positie is gemeten op buurtniveau en niet op individueel niveau. De resultaten van dit explorerende onderzoek wijzen in de richting van verhoogde patiëntveiligheidsrisico’s onder patiënten van niet-westerse allochtone herkomst. Deze studie en deze resultaten zijn echter niet voldoende om te kunnen concluderen dat nietwesterse allochtonen meer risico’s op patiëntveiligheidsincidenten lopen. Vervolgonderzoek is nodig om vast te stellen of er in allochtone groepen vaker sprake is van zorggerelateerde schade en om inzicht te krijgen in hoe deze te vermijden is. Daarom is er nu alle aanleiding voor gedetailleerd epidemiologisch onderzoek naar de aard en omvang van etnische verschillen in patiëntveiligheid in de Nederlandse ziekenhuiszorg, en naar mechanismen die deze kunnen verklaren. Vervolgonderzoek kan zich in eerste instantie richten op oudere patiënten. Om te bestuderen of dezelfde of andere mechanismen een rol spelen is het nodig ook informatie te hebben over autochtone patiënten. Deze exploratie geeft ook methodologische aanwijzingen voor vervolgonderzoek. Zo heeft ons onderzoek aangetoond dat interviews met patiënten over patiëntveiligheid mogelijk zijn, maar relatief weinig informatie opleveren zonder de informatie van de betrokken professionals over de gebeurtenissen. Verder heeft ons onderzoek opnieuw laten zien dat de LMR van onvoldoende kwaliteit is voor betrouwbare en valide berekening van patiëntveiligheidsindicatoren die een meer directe relatie hebben met patiëntveiligheidsproblemen (meer ‘proximaal’ zijn) dan heropname en verlengde ligduur. Voorbeelden van meer proximale indicatoren zijn de OECD-patiëntveiligheidsindicatoren. Deze problemen met de gegevensinfrastructuur, die recent ook werden gesignaleerd in het RGO-advies ‘Van Gegevens Verzekerd’ (RGO, 2008), kan een aandachtspunt voor IGZ zijn met het oog op een effectief veiligheidsbeleid. Tenslotte is registratie van etnische herkomst van patiënten in de zorg noodzakelijk om op routinematige wijze inzicht te kunnen krijgen in etnische verschillen in patiëntveiligheid en kwaliteit van zorg.
28
Literatuur Agyemang C, Vaartjes I, Bots ML, et al. Risk of death after first admission for cardiovascular diseases by country of birth in The Netherlands: a nationwide record-linked retrospective cohort study. Heart 2009; 95:747753. Chang DC, Handly N, Abdullah F, et al. The occurrence of potential patient safety events among trauma patients. Are they random? Annals of surgery 2008; 247-327-334. Charlson ME, Pompei P, Ales KL, Mackenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. J Cron Dis 1987;40:373-383. Coffey RM, Andrews RM, Moy e. Racial, ethnic and socioeconomic disparitieis in estimates of AHRQ patient safety indicators. Med Care 2005; 43(3) Suppl I48-57. de Bruijne MC, Zegers M, Hoonhout LHF, Wagner C. Onbedoelde schade in Nederlandse ziekenhuizen, Dossieronderzoek van ziekenhuisopnames in 2004. Utrecht/Amsterdam, Nivel / EMGO, 2007. Diamond LC, Schenker Y, Curry L, Bradley EH, Fernandez A. Getting By: Underuse of interpreters by resident physicians. J Gen Intern Med. 2008;24(2):256-262. Drösler SE. Facilitating cross-national comparisons of indicators for patient safety at the health-system level in the OECD countries. OECD Health Technical Paper No. 19, 2008. http://www.oecd.org/dataoecd/24/48/40401929.pdf. Drösler SE, Klazinga NS, Romano PS et al. Application of patient safety indicators internationally: a pilot study among 7 countries. Int J Qual Health Care, in press. Essink-Bot ML, Stronks K. Verantwoorde zorg vereist registratie van etnische herkomst. Ned Tijdschr Geneeskd. 2009;153:A337. Flores G, Ngui E. Racial / ethnic disparities and patient safety. Pediatr Clin N Am 2006;53:1197-1215. Healthcare Cost and Utilization Project (HCUP). Clinical classifications software (CCS). Rockville, MD: Agency for Healthcare Quality and Research; 1999. Hoopman R, Terwee C, Muller M, Ory FG, Aaronson NK. Methodological challenges in quality of life research among Turkish and Moroccan ethnic minority cancer patients. Ethnicity and Health 2008; Nov 15: 1-16. Inspectie voor de Gezondheidszorg (IGZ). Kortschrift. Tolken in de gezondheidszorg. Den Haag, 2003. Johnson RB, Onwuegbuzie AJ. Mixed methods research: a research paradigm whose time has come. Educational Researcher 2004; 33(7):14-26. Kristensen S, Mainz J, Bartels P. Selection f indicators for continuous monitoring of patient safety: recommendations of the project ‘safety improvements for patients in Europe’. Int J Qual Health Care 2009; April 9. Miller MR, Elizhauser A, Zhan C. Patient safety events during pediatric hospitalizations. Pediatrics 2003; 111:1358-1366. Miles MB, Huberman AM. Qualitative data analysis. An expanded source book, Thousand Oaks/New Delhi/London, Sage; 1994. Nielen M, Verheij R, De Bakker D, Deville W. Vooronderzoek naar verbetering kwaliteit huisartsenzorg in achterstandsgebieden. Utrecht: NIVEL; 2007. OECD - Prepared by Saskia E. Drösler, Patrick S. Romano, Daniel J. Tancredi. Report on the 2008 oecd patient safety indicators pilot data collection. DELSA/HEA/HCQ(2008)8. September 2008.
29
Raad voor GezondheidsOnderzoek. Van gegevens verzekerd – kennis over de volksgezondheid in Nederland nu en in de toekomst (advies nr. 58; www.gr.nl). Den Haag: RGO, 2008. Reitsma JB, Kardaun JW, Gevers E, de Bruin A, van der Wal J, Bonsel GJ. Possibilities for anonymous followup studies of patients in Dutch national medical registrations using the Municipal Population Register: a pilot study. Ned Tijdschr Geneesk 2003; 147:2286-90. Romano PS, Geppert JJ, Davies S, Miller MR, Elixhauser A, McDonald KM. A national profile of patient safety in US hospitals. Health Affairs 2003;22: 154-166. Seeleman C, Suurmond J, Stronks K. Arts van de wereld, Etnische diversiteit in de medische praktijk. Houten: Bohn Stafleu Van Loghum, 2005. Volkers A, Bus A, Uiters E. Zorggebruik in de huisartspraktijk. In: Jennissen RPW, Oudhof J, editors. Ontwikkeling in de maatschappelijke participatie van allochtonen. Een theoretische verdieping en een thematische verbreding van de integratiekaart 2006. Den Haag: WODC/CBS; 2007 Westert GP, Van den Berg MJ, Koolman X, Verkleij H. Zorgbalans 2008 – de prestaties van de Nederlandse gezondheidszorg. Bilthoven, RIVM, 2008 (http://www.rivm.nl/bibliotheek/rapporten/260602003.pdf) Zegers M, de Bruijne MC, Wagner C, et al. Adverse events and potentially preventable deaths in Dutch hospitals: results of a retrospective patient record review study. Qual Saf Health Care 2009, in press. Zegers M. Adverse events among hospitalised patients. Proefschrift. Amsterdam, Vrije Universiteit (EMGO / Nivel), 2009.
30
BIJLAGEN
31
32
Bijlage 1 Ethnic disparities in readmission rates and excess length of hospital stay. A nationwide record linked retrospective cohort study. Martine C. de Bruijne, Ellen Uiters, Mariël Droomers, J. Suurmond, M.L. Essink-Bot, K. Stronks
33
Ethnic disparities in readmission rates and excess length of hospital stay. A nationwide record linked retrospective cohort study. Martine C. de Bruijne1 Ellen Uiters2 Mariël Droomers2 J. Suurmond3 M.L. Essink-Bot3 K. Stronks3
1.
EMGO+ , Institute for Health and Care Research, VU University Medical Centre (VUmc), Department of Public and Occupational Health, Amsterdam, The Netherlands
2.
Department of Public Health and Healthcare, National Institute for Public Health and the Environment, Bilthoven, The Netherlands
3.
Department of Social Medicine, Academic Medical Centre, University of Amsterdam, The Netherlands
Correspondence to: Martine C. de Bruijne EMGO+ Institute for Health and Care Research VU University Medical Centre (VUmc) Department of Public and Occupational Health, Office C-570 Van der Boechorststraat 7 1081 BT Amsterdam The Netherlands Telephone: +31 20 4448166 Email:
[email protected] Word count: xxxx (main text) and xxx (abstract)
34
ABSTRACT Introduction Increasingly, studies have found ethnic disparities in quality of care. Little is known about ethnic disparities in patient safety, the minimum prerequisite for good quality of care. We aimed to explore ethnic disparities in readmission rates and excess length of hospital (LOS) stay to get an indication of potential differences in patient safety. Method We constructed a cohort of all admissions to Dutch hospitals (1995-2005) by linking information from 3 national databases to study readmissions within 30 days after discharge and excess LOS. Multivariable and multilevel analyses were applied to assess variation in both outcomes across migrant groups while adjusting stepwise for demographics, patient-mix and socio-economic indicators. Results Overall, migrant groups had higher rates of readmissions and excess LOS after controlling for demographics and patient mix. The largest risks were observed among older patients and in Surinamese and Antillean patients. These disparities were partly but not largely accounted for by socio-economic indicators. Conclusions Migrant groups seem to be systematically at a disadvantage when it comes to readmission rates and excess LOS. Future research is needed to explain patient and health-care related mechanisms underlying these results and to facilitate the development of targeted interventions. Introduction Patient safety has worldwide been recognised as an important health care challenge. Patient safety forms the minimum prerequisite of good quality of care. This equally applies to all patients, independent of their ethnic background. Record review studies in several countries have shown that a substantial number of hospitalised patients experience adverse events (AEs), defined as unintended injuries caused by the medical management, which may even result in the patients’ death. Approximately half of the AEs were judged to be preventable (1-11). Causes have mainly been sought in technical, organisational and human factors in the delivery of health care (12-13). Based on these findings, patient safety interventions are being implemented in hospitals and national patient safety programmes are initiated to reduce the amount of AEs. Until now, little is known about disparities in patient safety between ethnic groups. A few studies in the US indicated an adverse position of ethnic groups in the occurrence of specific adverse events (14-18). For example, Chang et al (17) found that black patients were approximately 20% more likely to experience some AEs, but were less likely to experience other AEs. Flores & Ngui (15) performed a systematic review and found ethnic disparities in specific pediatric adverse events such as higher rates of newborn birth trauma and infections attributable to medical care. It is largely unknown whether these ethnic patient safety disparities are related to specific diagnostic or therapeutic groups or whether they are representative for ethnic disparities in a broad range of medical care. Insight in patient safety patterns across a broad range of health care may provide clues of mechanisms underlying ethnic disparities in patient safety. In addition, it will enable the identification of ethnic patient groups at increased risk and the development targeted patient safety interventions. Record review studies have shown that AEs during hospitalisation often result in readmissions and extra bed-days (2, 19-22). Unpublished analyses from the Dutch study 35
(11) showed that patients with an extended LOS of at least 25% suffered more often from an adverse event during hospital admission (odds ratio 3.1; 95% confidence interval 2.4 – 4.1). In addition, an unplanned readmission after hospitalisation was associated with a higher risk of adverse events (OR 2.4; 95% confidence interval 1.93.2). Therefore, we chose to study differences in readmission rates and extended LOS to get an indication of potential differences in patient safety across ethnic groups. The aim of this study was to assess ethnic disparities in readmission rates and extended LOS in hospitalisations over a 10-year period in Dutch hospitals. The linkage of data from three national databases with information on hospitalisation, ethnicity and socioeconomic indicators offered an unique opportunity to explore ethnic disparities in outcomes of hospitalisations. Our second aim was to identify ethnic patient groups at high risk of readmissions and excess LOS and to assess the effect of age on these risks. We minimized the contribution of disease related causes to these outcomes by adjusting for these factors in a multivariable multilevel model. Methods Population We constructed a cohort of patients hospitalised in all Dutch hospitals between January 1, 1995 and December 31, 2005 by linking information from the national hospital discharge register (HDR), the Dutch population register (PR) and socioeconomic data of Statistics Netherlands. Data on hospital admissions were derived from the HDR. Since 1986, all general and academic hospitals and most single specialty hospitals participate in the hospital discharge register. For each hospital admission a new record is created in the HDR, including information on date of birth, sex, numeric part of postal code (since 1991), hospital-specific patient identification code, type of hospital, admission date and principal diagnosis of the admission. The principal diagnosis is determined at discharge and is coded using the ninth revision of the International Classification of Diseases (ICD-9-CM) (23). The PR is a dynamic register and comprises information on all registered persons living in the Netherlands, and contains information on date of birth, sex, current address, postal code, nationality, country of origin (both of the registered person and his/her parents) and the date of emigration. The registry is longitudinal and all changes since 1995 are traceable with their period of validity. It is known that for the entire Dutch population approximately 85% of the combinations of date of birth, gender and postal code is unique (i.e., occurs only once in the registry, and thus identifies one person) (24). The HDR is a database on admissions, not persons. Following individuals over time based on HDR-information alone is troublesome due to difficulties in identification of different admissions from the same person in time and admission for the same condition at a different hospital. Yet, linkage with the PR may solve the majority of these problems. It has been shown recently that 99% of the personal, admission, and discharge data, and 84% of the principal diagnoses (validated through medical record review by medical specialists) were correctly registered in a random sample of all hospital admissions registered in the hospital discharge register (25). In addition, over 97% of the uniquely linked hospital admissions resulting from linkage of the hospital discharge register with the population register were shown to be correctly linked (26). Information on socioeconomic status has been derived from the Social and Cultural Planning Office of the Netherlands (27). For the years 1994, 1998, 2002, 2006 the social status of all neighbourhoods in the Netherlands was computed based on education, unemployment and income. In addition to the definition of social status of 36
neighbourhoods, the HDR provided information about the insurance type, which can be interpreted as an indicator for socio-economic position. Type of insurance was classified as private or social insurance. Both types of insurance give access to the identical health care facilities. Private insurance indicates that a person has an income above the threshold for social insurance. We excluded specialised hospitals because of their highly specific patient population, admissions related to obstetrics because of insufficient possibilities to adjust for patient mix, patients who died during hospital admission because they could not be readmitted and the expected LOS is hard to estimate, and migrant patients from modern Western countries because of a lack of contrast with native Dutch patients from our analyses. Assessment of ethnicity We classified migrant groups according to their country of birth and/or the country of birth of the parents in accordance with the Netherlands Statistics definition (26). The main non-OECD migrant groups in the Dutch population (16 million inhabitants) include Surinamese (335.000 persons in 2008), Antilleans/Arubans (130.000 persons in 2008), Turkish (370.000 persons in 2008), Moroccans (335.000 persons in 2008), and other non-OECD migrant groups. Surinam was a former Dutch colony. The Surinamese population is ethnically diverse and mainly consists of people who originate from West Africa, South Asia and mixed origin people. The Antillean/Aruban population is predominantly of West African, European and mixed origin and its migration to The Netherlands has been relatively stable over time. Turkish and Moroccan men came to The Netherlands as labour migrants in the 1960s and 1970s and were later followed by their families. The term ‘other other non-OECD migrant groups’ comprise of people who came to the Netherlands from other parts of the world including China, South Asia, SubSaharan Africa, Caribbean islands , Middle East and South America (28). Assessment of patient mix Age, sex, primary and secondary diagnoses, principal intervention and type of insurance were obtained for each hospitalisation from the HDR. The primary diagnosis was coded with ICD-9 –CM and then classified according to the Clinical Classifications Software (CCS) into 12 homogenous diagnostic groups (29). Comorbidity was assessed by the Charlson-index based on the secondary diagnoses registered for each admission in the HDR (30). Principal intervention was classified by ICD-9-CM main categories. Assessment of readmission and excess length of stay Readmission was defined as a clinical hospitalisation within 30 days after a initial clinical hospitalisation with a duration of 24 hours or more. Excess LOS was computed as the difference between observed LOS and the mean expected LOS. The expected length of stay was estimated based on a generalized estimating equation model with a gamma distribution using STATA version 9 , taking into account age (4 classes), registration year (1995-2005), diagnosis (50 classes based on ICD-9-CM), intervention (37 classes based on ICD-9-CM), and hospital (n=139) , while accounting for clustering of length of stay within patients (31). Based on the distribution of excess LOS we chose to dichotomize hospital admissions with and without excess LOS using a threshold of 3 days excess LOS. Data analysis Descriptive statistics of all clinical hospitalisations with a duration of more than 24 hours were calculated for each migrant group in SPSS 14.0. Due to the large sample size and technical limitations of the software, we needed to reduce our dataset. Therefore, we took a random sample of ethnic Dutch patients to achieve about the same size as the other ethnic groups (283,379 of 18,262,091 admissions).
37
In the analysis of the readmission indicator patients who never had an admission of more than 24 hours were excluded. In the analysis of excess LOS only admissions of more than 24 hours were included. As effect modification between age and migrant groups was present we performed all analyses in two strata, notably patients younger than 45 years and patients of 45 years and older. To assess differences in the incidence of readmission within 30 days after a prior admission, we used stepwise multilevel logistic regression analysis. In the first model only migrant group and demographics (i.e. age and sex) were taken into account. In the second model we adjusted for potential confounding by patient mix by adding diagnosis, comorbidity and principal intervention. In the third model we examined the contribution of socio-economic indicators to the observed ethnic disparities. The associations between these factors and the incidence of readmissions within 30 days were assessed by odds ratios with 95% confidence intervals. Analogously, a stepwise multivariable logistic regression analysis was applied to assess disparities in excess LOS between migrant groups, while adjusting for confounding by patient-mix and finally for socio-economic indicators. The data in this study were hierarchical: admissions (level 1) are nested within hospitals (level 2). In a sensitivity analysis we assessed differences in the incidence of readmission within 30 days after a prior admission and excess LOS using stepwise multivariable multilevel logistic regression analysis, in which variation in readmission rate was apportioned to the admission, and hospital level (32,33). Based on the total variance, intra class correlations (ICCs) were calculated, which give an indication of the extent of the variance. For example, a high ICC at the hospital level, means that there is more homogeneity (low variation) within hospitals (patient are treated alike in a hospital), but high variation between hospitals. Results In total 1177,304 admissions from 433,501 patients in 139 hospitals locations were included in our sample. About 95 % were native Dutch and 5% were from non-OECD migrant groups. Most migrants were from the first generation, varying from 49% in Moroccan to 79% in Surinamese patients. Patients from migrant groups were younger and suffered less often from diseases of the heart, diseases of the arteries and neoplasms than their Dutch counterparts (Table 1). After 73,938 (6.3%) clinical admissions a clinical readmission occurred within 30 days after prior admission. Mean excess LOS of at least 3 days was present in 143,302 (17.5%) admissions. The risk of readmission within 30 days after the initial admission is presented in table 2a and 2b for patients younger and older than 45 years of age respectively. In patient younger than 45 years, without adjustment for patient mix and socio-economic factors, the risk for readmission within 30 days is higher among Surinamese and Antillean patients and lower in Turkish patients compared to Dutch patients. After adjustment for patient-mix the odds ratios became closer to zero but the differences for all three migrant groups stayed statistically significant. After further adjustment for socioeconomic factors the differences between migrant groups and Dutch patients slightly decreased. In patients older than 45 years the risk of readmission within 30 days was higher in Turkish, Surinamese and Antillean patients than in Dutch patients (model 1). After adjustment for patient-mix the odds ratios remained stable but became borderline significant for Surinamese patients. After further adjustment for socioeconomic factors the differences between Turkish and Surinamese patients compared to Dutch patients decreased. However, Antillean patients still had a 14% readmission rate within 30 days than Dutch patients, which were not accounted for by socio-economic status.
38
The risk of excess LOS of at least 3 days is presented in table 3a and 3b for patients younger and older than 45 years of age respectively. As in the case of readmission, overall, the migrant groups showed an increased risk, after controlling for demographics and patient mix. However, ethnic disparities appeared to be more pronounced for the excess LOS. In addition, in contrast with the readmission indicator, now all migrant groups showed an increased risk, including the Moroccan population. After further adjustment for socio-economic indicators, most of the increased risks remained in both age groups. The sensitivity analyses showed that the amount of clustering at the hospital level was small. With regard to readmission rates, the ICC values varied from 1.6% tot 2.0% for the three models in both age groups. For excess LOS rates the ICCs varied from 0.1% to 0.7%. The odds ratios were hardly affected by taking into account clustering at hospital level. Discussion This study provides the first nationwide estimates of ethnic disparities in rates of readmissions and excess LOS. The results show that, overall, migrant groups had an increased risk of readmission within 30 days and excess LOS of at least 3 days during hospitalisation. These risks were more pronounced in patients older than 45 years compared to younger patients and for the excess LOS indicator compared to the readmission indicator. For the readmission indicator the risks were higher for Surinamese and Antillean patients. These disparities were partly but not largely accounted for by socio-economic indicators. These results may be explained in two ways. First, they may reflect a difference in the occurrence in adverse events during hospitalisation between migrant groups. Second, they may reflect the higher need of health care in migrant patients, for instance because of language problems, compared to ethnic Dutch patient with the same diagnosis and treatment. Our results may than be explained as an indication of adequate care for ethnic minorities. The impact of both mechanisms is unknown and needs to be investigated in future research. Although each country has a specific ethnic composition, our results with regard to Turkish, Moroccan and other non-OECD migrant groups are probably generalisable to other European countries. We found differences with regard to outcomes related to a broad range of hospital care which probably reflect general characteristics of migrant groups related to poorer patient safety of hospital care or higher needs of health care. For instance, language differences between physician and patient may incur a higher risk of incidents (34-37). Differences in health care access and ‘everyday racism’ of health care providers may also play a role (14). Findings from a qualitative study of our own group suggested three distinct mechanisms for an increased risk of patient safety incidents in patients from migrant groups, i.e. inappropriate reactions to objective characteristics of the patient (including language and genetic predisposition); different perceptions of disease and expectations of care; and discrimination and prejudice (Suurmond et al, Am J Public Health, accepted for publication) Ethnic disparities in readmission rates and excess LOS were larger in patients older than 45 years of age. In older migrant patient a larger proportion is from the first migrant generation, i.e. not born in the Netherlands. Therefore the cultural distance and language problems compared to Dutch patients are larger in older patients. In addition, diseases of the elderly may start at a younger age in specific migrant patient groups. Moreover, the risk of adverse events increases with age and therefore the statistical power to assess ethnic disparities is larger in older age groups. Although the ethnic disparities were smaller in younger migrant patients, who were more often 2nd and 3rd generation, the patterns were similar to those in older patients. This 39
finding suggests that differences do not simply disappear with increasing length of stay of migrants. Although we observed increased risks for all migrant groups, the risk appeared to be particularly high for people from Surinam and the Dutch Antilles. How can we explain these findings? Surinamese and Antillean patients emigrated from the Dutch colonies. As a result they speak the Dutch language and are assumed to be closer the Dutch culture than Turkish and Moroccan patients, who came to the Netherlands as labour migrants in the 1960s and 1970s and were later followed by their families. Perhaps, the cultural distance or specific needs of Surinamese and Antillean patients are underestimated by care givers because these patients speak Dutch. In addition, language problems and cultural distance may not the predominant factors responsible for this difference. Beside organisational and human factors in the delivery of health care, patient related factors seem to play an important role which needs to be further disentangled. In a high risk migrant group, such as the Antillean and Surinamese population, patient related causes of adverse patient safety can be further explored. This will ultimately provide insight in patient related factors which play a role for all patients admitted to hospital, independent of their ethnic background. Ethnic disparities may also be explained by poorer quality of hospitals in regions where most migrant patients live. However, national data suggest otherwise. A national structured record review study on adverse events in Dutch hospitals found no statistically significant differences in adverse event rates between hospitals and in the Dutch health care system there is no distinction between private and social acute care hospitals (11). Our findings confirm and extend the results from the US, that ethnic disparities in specific adverse events may exist, independent from socioeconomic disparities (14-18). Our findings are also in line with European studies on ethnic disparities in mortality from specific causes that indicate that quality of care may differ between migrant groups (3842). The fact that our results are in line with those from other countries suggest that generic causes, valid for all migrant groups, of ethnic disparities in patient safety exist. Limitations and strengths Our study has some limitations. The classification of ethnicity was based on country of birth, which is a reliable method for the Netherlands (28). However, this method does not allow to identify migrant groups within a country, which is of particular interest for Surinamese patients with consists of several subpopulations. For explanatory studies on ethnic disparities assessment of ethnic identity, degree of acculturalisation, mastery of the language of the host country, and religion may be helpful to disentangle patient related factors (28). Adjustment for potential confounding by patient-mix heavily relied on data in the HDR. Although the quality of the coded data have been validated, systematic coding differences between hospitals may exist (43). Some hospitals have more coding staff and stricter quality control than others. These coding differences apply to all patients admitted to a hospital, regardless of their ethnicity. Adjustment for clustering at hospital level also diminishes the effect of hospital related coding differences on the ethnic disparities we found and did not effect our results. Although we used a very large dataset, the size of the migrant groups limited our possibilities to adjust for patient-mix in a more detailed way. Especially when genetic or clinical differences are expected, precise case-mix control is important. Since we included the vast majority of the most important diagnoses and procedures over a 10-year period in almost all patients admitted to hospital, we consider our results robust and representative for the majority of health care delivered in Dutch acute care hospitals. The fact that the pattern for both outcomes in our study point in the same direction is also convincing. It might have been better to use unplanned readmission rather than any readmission within 30 days as an outcome. However, due to insufficient unplanned readmissions 40
within each migrant group this was not possible. In addition, coding differences between hospitals were suspected. ‘Unplanned’ may either mean ‘acute’ or ‘unexpected’. Moreover, a readmission planned at discharge from the first admission may be needed because of an adverse event. It is clear that readmission within 30 days after initial admission and excess LOS are associated with the occurrence of patient safety events during hospital admission(2, 1922). Of course, clinical and physiologic patient characteristics as well as specific patient needs may also cause excess LOS or readmission. We do not know whether health carerelated and patient-related causes contributed equally to the origin of these outcomes in each migrant group. However, there is currently no evidence to support the idea that clinical or genetic disparities have a major impact outcomes on ethnic disparities in patient safety from a broad perspective. Future research, using structured record review or root cause analysis, may overcome these limitations. The strengths of our study are the validity of the registries, the linkage methods, the large sample size, the 10-year time frame and the outcome measures which reflect a broad range of health care delivered in Dutch hospitals. This enabled identify migrant groups at high risk and to get a first impression of mechanisms underlying ethnic disparities in general hospital care. Conclusions Migrant groups seem to be systematically at a disadvantage when it comes to rates of readmissions and extended LOS. The largest risks were observed among patients older than 45 years, and in Surinamese and Antillean patients. These disparities were attenuated but not largely accounted for by socio-economic indicators. The fact that we found disparities using broad indicators of hospitalisations, suggests the importance of general explanations for these disparities. Future research is needed to explain patient and health-care related mechanisms underlying these results. More research into ethnic disparities in the occurrence, nature and causes of adverse events during hospitalisation is needed to facilitate the development of appropriate interventions to reduce potential ethnic inequalities in patient safety. Special attention should be paid to patient-related factors underlying the occurrence of adverse events. Eventually, regardless of their ethnic background, all patients might profit from these.
41
References 1.
Brennan TA, Leape LL, Laird NM, et al. Incidence of adverse events and negligence in hospitalized patients. Results of the Harvard Medical Practice Study I. New Engl J Med 1991;324:370-6.
2.
Baker GR, Norton PG, Flintoft V, et al. The Canadian Adverse Events Study: the incidence of adverse events among hospital patients in Canada. Can Med Assoc 2004;170:1678-86.
3.
Leape LL, Brennan TA, Laird N, et al. The nature of adverse events in hospitalized patients. Results of the Harvard Medical Practice Study II. New Engl J Med 1991;324:377-84.
4.
Davis P, Lay-Yee R, Briant R, et al. Adverse events in New Zealand public hospitals II: preventability and clinical context. N Z Med J 2003;116:U624.
5.
Davis P, Lay-Yee R, Briant R, et al. Adverse events in New Zealand public hospitals I: occurrence and impact. N Z Med J 2002;115:U271.
6.
Michel P, Quenon JL, de Sarasqueta AM, et al. Comparison of three methods for estimating rates of adverse events and rates of preventable adverse events in acute care hospitals. BMJ 2004;328:199.
7.
Schioler T, Lipczak H, Pedersen BL, et al. [Incidence of adverse events in hospitals. A retrospective study of medical records]. Ugeskr Laeger 2001;163:5370-8.
8.
Thomas EJ, Studdert DM, Burstin HR, et al. Incidence and types of adverse events and negligent care in Utah and Colorado. Med Care 2000;38:261-71.
9.
Vincent C, Neale G, Woloshynowych M. Adverse events in British hospitals: preliminary retrospective record review. BMJ 2001;322:517-9.
10. Wilson RM, Runciman WB, Gibberd RW, et al. The Quality in Australian Health Care Study. Med J Aust 1995;163:458-71. 11. Zegers M, de Bruijne MC, Wagner C, Hoonhout LHF, Waaijman R, Smits M et al.: Adverse events and potentially preventable deaths in Dutch hospitals: results of a retrospective patient record review study. Qual Saf Health Care 2009, Accepted for publication. 12. Vincent C. Framework for analysing risk and safety in clinical medicine. BMJ 1998;3416:1154-1157 13. Reason JT. Undestading adverse events: human factors. In: Vincent CA, ed. Clinical risk management: enhancing patient safety. London: BMJ, 2001:9-30. 14. Coffey RM, Andrews RM, Moy E. Racial, ethnic and socioeconomic disparities in estimates of AHRQ patient safety indicators. Medical Care, 2005; 43(3) suppl: I-48-57. 15. Flores G, Ngui E. Racial/Ethnic disparities and patient safety. Pediatr Clin N Am. 2006;53:1197-1215. 16. Romano PS, Geppert JJ, Davies S, Miller MR, Elixhauser A, McDonald KM. A national profile of patient safety in U.S. hospitals. Health affairs, 2003:22, 154-166. 17. Chang DC, Handly N, Abdullah F, Efron DT, Haut ER, Haider AH, Pronovost PJ, Cornwell EE. The occurrence of potential patient safety events among trauma patients. Are they random? Annals of surgery, 2008; 247:327-334. 18. Miller MR, Elizhauser A, Zhan C. Patient safety events during pediatric hospitalizations. Pediatrics, 2003; 111: 1358-1366. 19. Hoonhout LH, de Bruijne MC, Wagner C, Zegers M, Waaijman R, Spreeuwenberg P, Asscheman H, van der Wal G, van Tulder MW. Direct medical costs of adverse events in Dutch hospitals. BMC Health Serv Res. 2009. 9:27. 20. Paradis AR, Stewart VT, Bayley KB, Brown A, Bennett AJ. Excess cost and length of stay associated with voluntary patient safety event reports in hospitals. Am J Med Qual. 2009 Jan-Feb;24:53-60. 21. Kronman MP, Hall M, Slonim AD, Shah SS. Charges and lengths of stay attributable to adverse patient-care events using pediatric-specific quality indicators: a multicenter study of freestanding children's hospitals. Pediatrics. 2008 Jun;121:e1653-9.
42
22. Rivard PE, Luther SL, Christiansen CL, Shibei Zhao, Loveland S, Elixhauser A, Romano PS, Rosen AK. Using patient safety indicators to estimate the impact of potential adverse events on outcomes. Med Care Res Rev. 2008; 65:67-87. 23. U.S. Department of Health and Human Services. The International Statistical Classification of Diseases, Injuries and Causes of Death. Ninth Revision. Clinical Modification. Washington DC: U.S. Department of Health and Human Services, 1979. 24. Reitsma JB, Kardaun JW, Gevers E, de Bruin A, van der Wal J, Bonsel GJ. Possibilities for anonymous follow-up studies of patients in Dutch national medical registrations using the Municipal Population Register: a pilot study. Ned Tijdschr Geneesk 2003; 147:2286-90. 25. Paas GR, Veenhuizen KC. [Research on the validity of the LMR]. Utrecht: Prismant, 2002 (in Dutch). 26. De Bruin A, Kardaun JW, Gast A, Bruin E, van Sijl M, Verweij G, Record linkage of hospital discharge register with population register: experiences at Statistics Netherlands. Stat J UN Econ Comm Eur 2004; 21:23–32. 27. http://www.scp.nl/onderzoek/statusscores/ 28. Stronks K, Kulu-Glasgow I, Agyemang C. The utility of 'country of birth' for the classification of ethnic groups in health research: the Dutch experience. Ethn Health 2008. 3:1-14. [Epub ahead of print] 29. Healthcare Cost and Utilization Project (HCUP). Clinical classifications software (CCS). Rockville, MD: Agency for Healthcare Quality and Research; 1999. 30. Charlson ME, Pompei P, Ales KL, Mackenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. J Cron Dis 1987;40:373-383 31. Borghans I, Heijink R, Kool T, Lagoe RJ, Westert GP. Benchmarking and reducing length of stay in Dutch hospitals. BMC Health Serv Res 2008. 24;8:220. 32. Twisk JWR. Applied multilevel analysis: a practical guide. Cambridge: Cambridge University Press, 2006. 33. Snijders TAB, Bosker RJ. Multilevel analysis; an introduction to basic and advanced multilevel modelling. Londen: Sage Publications, 1999. 34. Johnstone M-J, Kanitsaki O. Culture, language, and patient safety: making the link. Int J Qual Health C. 2006;18:383-388. 35. Flores G. The impact of medical interpreter services on the quality of health care: a systematic review. Med Care Res Rev. 2005;62:255-299. 36. Cohen AL, Rivara F, Marcuse EK, McPhillips H, Davis R. Are language barriers associated with serious medical events in hospitalized pediatric patients? Pediatrics. 2005;116:575-579 37. Divi C, Koss RG, Schmaltz SP, Loeb JM. Language proficiency and advers events in US hospitals: a pilot study. Int J Qual Health C. 2007;19:60-67.’ 38. Agyemang C, Vaartjes I, Bots ML, Van Valkengoed IG, de Munter JS, de Bruin A, Berger-van Sijl M, Reitsma JB, Stronks K. Risk of death after first admission for cardiovascular diseases by country of birth in The Netherlands: a nationwide record-linked retrospective cohort study. Heart. 2009 May;95:747-53. 39. Alderliesten ME, Stronks K, Van Lith JMM, et al. Ethnic differences in perinatal mortality. A perinatal audit on the role of substandard care. Eur J Obst Gyn and Reproductive Biology 2008, 6: 602-607 40. Stirbu I, Kunst AE, Bos V, Mackenbach JP. Differences in avoidable mortality between migrants and the native Dutch in the Netherlands. BMC Public Health 2006, 6:78. 41. Lanting LC, Joung IMA, Mackenbach JP, Lamberts SWJ, Bootsma AH. Ethnic differences in mortality, endstage complications and quality of care among diabetic patients: a review. Diabetes Care 2005; 28: 2280-2288. 42. Merlo J, Gerdtham, UG, Eckerlund I, Hakansson S, Otterblad-Olausson P, Pakkanen M, Lindqvist PG. Hospital level of care and neonatal mortality in low- and high-risk deliveries. Med Care 2005;43:10921100.
43
43. Mohammed MA, Deeks JJ, Girling A, Rudge G, Carmalt M, Stevens MJ, Lilford RJ. Evidence of methodological bias in hospital standardised mortality ratios: retrospective database study of English hospitals. BMJ 2009. 338;b780
44
Table 1. Characteristics of hospital admissions in Dutch hospitals between January 1, 1995 and December 31, 2005 by ethnic group.
Number of admissions (n)
Dutch
Moroccans
Turks
Antillean
Surinamese
283379
111.265
226.598
73.489
241.168
Other nonOECD migrant groups 241.405
48.7
68.3
77.7
78.8
76.2
First generation (%) Sex (% male)
48.3
54.0
54.6
44.6
44.5
52.8
Age (%) 1-17 18-30 31-40 41-50 51-60 61-65 >= 66
7.2 6.3 8.4 11.9 15.9 8.7 41.6
46.9 25.4 15.4 7.1 3.5 1.0 0.7
26.7 18.5 17.9 13.6 13.4 5.7 4.2
18.2 17.1 18.9 18.5 14.8 4.6 7.9
13.5 12.0 16.8 20.3 16.1 6.6 14.7
26.1 16.9 20.5 17.2 10.0 3.1 6.2
9.9 8.2 2.0 0.1 1.3 2.2
1.9 2.2 2.7 0.1 0.2 0.3
6.2 3.2 2.2 0.1 0.5 0.7
4.3 4.2 2.6 0.2 0.7 0.9
8.1 3.8 3.1 0.2 1.2 1.1
4.4 3.7 3.9 0.1 0.6 0.6
CCS diagnosis (%) Diseases of the heart Neoplasms Coma, shock Septicemia Acute cerebrovascular disease Diseases of the arteries, arterioles, and capillaries Diseases of the respitoir system Diseases of the digestive system Diseases of the urinary system Fractures Incranial injury Complication of surgical medical procedure Other
3.8 3.9 0.8 0.9 0.6 1.5
3.7 3.8 0.9 0.1 1.5 1.0
3.5 3.5 1.2 0.1 0.9 1.2
3.1 3.6 1.4 0.1 1.0 1.7
3.4 3.7 1.5 0.1 0.7 1.5
3.2 3.7 1.2 0.1 1.1 1.2
64.7
81.6
76.8
76.1
71.4
77.0
Charlson index (co-morbidity scale) >= 2 (%)
13.3
4.0
6.0
8.6
8.9
7.3
38.8 9.1 0.1
45.5 5.7 0.1
41.8 8.7 0.1
43.8 8.6 0.2
45.1 10.4 0.3
43.4 8.4 0.1
0.2 1.7 18.8 23.5 1.7 2.1 3.9
0.1 0.7 21.6 21.1 2.0 0.6 2.4
0.2 1.1 22.3 20.3 1.9 1.3 2.4
0.2 1.1 16.3 24.6 1.5 1.2 2.7
0.2 1.2 16.7 20.5 1.3 1.3 3.0
0.2 1.0 19.9 21.3 1.7 1.0 2.9
ICD-9 Procedures/ interventions (%) No procedure/ intervention Operations on the eye Other miscellaneous therapeutic/ diagnostic procedures Operations on the ear Operations on the respiratory system Operations on the digestive system Operations on the urinary system Operations on the muscoskeletal system Operations on the integumentary system Miscellaneous diagnostic and therapeutic procedures
45
Quartiles social-economic status (%) * < 25% 26-50% 51-75% > 75%
39.1 33.8 18.8 6.2
14.9 21.0 30.9 33.1
12.1 22.2 31.4 34.3
25.3 23.3 26.1 25.5
23.1 18.3 23.0 35.6
27.0 24.8 24.6 23.6
Private insurance (%)
29.1
6.9
6.1
18.0
16.0
17.2
Readmissions within 30 days (%)
7.1
5.2
5.6
6.7
6.8
5.8
Excess length of hospital stay >= 3 days (%)
19.6
14.6
15.8
17.5
18.9
16.5
* a higher quartile is associated with a lower socio-economic score
Table 2a. Differences in clinical readmission within 30 days after principle admission in patients younger than 45 years between ethnic groups in the Netherlands between January 1, 1995 and December 31, 2005. Odds ratio (95%CIs)
Odds ratio (95%CIs)
Odds ratio (95%CIs)
model 1
model 2
model 3
Etnicity (reference: native Dutch patients ) Moroccans Turks Surinamese Antilleans Other non- OECD migrant groups
1.03 (0.99 - 1.08) 0.95 (0.91 - 0.99) 1.15 (1.10 - 1.19) 1.12 (1.07 - 1.18)
1.02 (0.97 - 1.06) 0.96 (0.92 - 1.00) 1.09 (1.05 - 1.14) 1.07 (1.02 - 1.13)
1.00 (0.96 - 1.05) 0.94 (0.90 - 0.98) 1.07 (1.03 - 1.12) 1.06 (1.00 - 1.12)
1.04 (1.00 - 1.08)
0.97 (0.94 - 1.01)
0.96 (0.93 - 1.00)
Age (reference: age 1-5 years) 6-10 11-15 16-20 21-25 26-30 31-35 36-40 41-45
1.08 (1.03 - 1.13) 1.17 (1.12 - 1.23) 1.10 (1.05 - 1.15) 1.07 (1.02 - 1.12) 1.08 (1.03 - 1.12) 1.13 (1.08 - 1.18) 1.13 (1.09 - 1.18)
1.04 (0.99 - 1.09) 1.18 (1.12 - 1.24) 1.23 (1.17 - 1.29) 1.21 (1.15 - 1.26) 1.19 (1.14 - 1.24) 1.21 (1.16 - 1.26) 1.12 (1.08 - 1.17)
1.04 (0.99 - 1.09) 1.18 (1.12 - 1.24) 1.23 (1.17 - 1.29) 1.20 (1.15 - 1.26) 1.19 (1.14 - 1.24) 1.21 (1.16 - 1.26) 1.12 (1.08 - 1.17)
1.28 (1.23 - 1.33)
1.17 (1.13 - 1.22)
1.17 (1.13 - 1.22)
0.98 (0.96 - 1.00)
0.95 (0.93 - 0.97)
0.95 (0.93 - 0.97)
0.70 (0.64 - 0.76) 0.72 (0.66 - 0.79) 0.73 (0.57 - 0.94) 0.41 (0.32 - 0.52)
0.70 (0.64 - 0.76) 0.72 (0.66 - 0.79) 0.73 (0.57 - 0.94) 0.41 (0.32 - 0.52)
0.88 (0.75 - 1.03) 0.70 (0.65 - 0.77) 1.15 (1.06 - 1.24) 0.65 (0.59 - 0.72) 0.70 (0.42 - 1.16) 0.17 (0.14 - 0.20) 1.58 (1.43 - 1.74) 0.58 (0.54 - 0.62)
0.88 (0.75 - 1.03) 0.70 (0.65 - 0.77) 1.15 (1.06 - 1.24) 0.65 (0.58 - 0.72) 0.70 (0.42 - 1.16) 0.17 (0.14 - 0.20) 1.58 (1.43 - 1.74) 0.58 (0.54 - 0.62)
5.26 (5.05 - 5.47)
5.25 (5.05 - 5.46)
Sex (reference: female) CCS diagnosis (reference: diseases of the heart) Neoplasms Coma, shock Septicemia Acute cerebrovascular disease Diseases of the arteries, arterioles, and capillaries Diseases of the respiratoir system Diseases of the digestive system Diseases of the urinary system Fractures Incranial injury Complication of surgical medical procedure Other Carlson index co-morbidity >= 2 ICD-9 Procedures (reference: no intervention) 46
Operations on the eye Other miscellaneous therapeutic/ diagnostic procedures Operations on the ear Operations on the respiratory system Operations on the digestive system Operations on the urinary system Operations on the muscoskeletal system Operations on the integumentary system Miscellaneous diagnostic and therapeutic procedures
0.50 (0.48 - 0.53)
0.50 (0.48 - 0.53)
0.52 (0.38 - 0.70) 0.59 (0.45 - 0.78) 0.94 (0.84 - 1.04) 0.40 (0.39 - 0.42) 0.38 (0.36 - 0.39) 0.61 (0.55 - 0.66) 0.36 (0.31 - 0.42)
0.52 (0.38 - 0.70) 0.59 (0.45 - 0.78) 0.94 (0.84 - 1.04) 0.40 (0.39 - 0.42) 0.38 (0.36 - 0.39) 0.61 (0.55 - 0.66) 0.36 (0.31 - 0.42)
0.80 (0.76 - 0.86)
0.81 (0.76 - 0.86)
Insurance (reference: social insurance) 1.00 (1.00 - 1.01)
Social-economic position (reference score < 25%)* Scores between 26-50 % Scores between 51-75 % Score > 75%
1.04 (1.01 - 1.08) 1.00 (0.97 - 1.03) 1.09 (1.05 - 1.12)
* a higher quartile is associated with a lower socio-economic score Odds ration that were statistically significant are printed bold.
Table 2b. Differences in clinical readmission within 30 days after principle admission in patients of 45 years and older between ethnic groups in the Netherlands between January 1, 1995 and December 31, 2005. Odds ratio Odds ratio Odds ratio (95%CIs) (95%CIs) (95%CIs) model 1
Etnicity (reference: native Dutch patients ) Moroccans Turks Surinamese Antilleans Other non- OECD migrant groups Age (reference: age 46-50 years) 51-55 56-60 61-65 66-70 71-75 76-80 >= 81
model 2
model 3
1.02 (0.94 - 1.10) 1.04 (1.01 - 1.08) 1.05 (1.02 - 1.08) 1.18 (1.13 - 1.24)
1.02 (0.94 - 1.11) 1.05 (1.01 - 1.08) 1.03 (1.00 - 1.06) 1.15 (1.10 - 1.21)
1.00 (0.92 - 1.09) 1.02 (0.99 - 1.06) 1.01 (0.98 - 1.04) 1.14 (1.09 - 1.20)
1.01 (0.98 - 1.05)
1.01 (0.98 - 1.05)
1.00 (0.97 - 1.04)
1.13 (1.09 - 1.17) 1.23 (1.19 - 1.28) 1.31 (1.26 - 1.36) 1.34 (1.28 - 1.39) 1.33 (1.27 - 1.39) 1.21 (1.16 - 1.27) 1.07 (1.02 - 1.13)
1.05 (1.01 - 1.09) 1.10 (1.06 - 1.14) 1.12 (1.08 - 1.17) 1.13 (1.09 - 1.18) 1.12 (1.07 - 1.17) 1.04 (0.99 - 1.09) 0.90 (0.86 - 0.95)
1.05 (1.01 - 1.09) 1.10 (1.06 - 1.14) 1.12 (1.08 - 1.17) 1.13 (1.09 - 1.18) 1.12 (1.07 - 1.17) 1.04 (0.99 - 1.09) 0.90 (0.86 - 0.95)
0.82 (0.81 - 0.84)
0.87 (0.85 - 0.89)
0.87 (0.85 - 0.89)
1.06 (1.02 - 1.11) 0.97 (0.91 - 1.03) 0.91 (0.74 - 1.13) 0.33 (0.29 - 0.37)
1.07 (1.02 - 1.12) 0.97 (0.91 - 1.03) 0.91 (0.73 - 1.13) 0.33 (0.29 - 0.37)
1.20 (1.12 - 1.29) 0.93 (0.88 - 0.98) 1.26 (1.19 - 1.32) 1.31 (1.21 - 1.41) 0.79 (0.67 - 0.93) 0.33 (0.25 - 0.43) 1.95 (1.82 - 2.08)
1.20 (1.12 - 1.29) 0.93 (0.88 - 0.98) 1.26 (1.19 - 1.32) 1.30 (1.21 - 1.40) 0.79 (0.67 - 0.93) 0.33 (0.25 - 0.43) 1.94 (1.82 - 2.08)
Sex (reference: female) CCS diagnosistic group (reference: diseases of the heart) Neoplasms Coma, shock Septicemia Acute cerebrovascular disease Diseases of the arteries, arterioles, and capillaries Diseases of the respiratoir system Diseases of the digestive system Diseases of the urinary system Fractures Incranial injury Complication of surgical medical procedure
47
Other Carlson index co-morbidity >= 2 ICD-9-CM procedure (reference: no procedure) Operations on the eye Other miscellaneous therapeutic/ diagnostic procedures Operations on the ear Operations on the respiratory system Operations on the digestive system Operations on the urinary system Operations on the muscoskeletal system Operations on the integumentary system Miscellaneous diagnostic and therapeutic procedures
0.63 (0.61 - 0.65)
0.63 (0.61 - 0.65)
2.43 (2.36 - 2.50)
2.43 (2.35 - 2.50)
0.69 (0.67 - 0.72)
0.69 (0.67 - 0.72)
0.65 (0.49 - 0.87) 0.90 (0.74 - 1.10) 0.98 (0.91 - 1.05) 0.42 (0.40 - 0.43) 0.55 (0.54 - 0.57) 0.54 (0.49 - 0.60) 0.44 (0.40 - 0.49)
0.65 (0.49 - 0.87) 0.90 (0.74 - 1.10) 0.98 (0.91 - 1.05) 0.42 (0.40 - 0.44) 0.56 (0.54 - 0.57) 0.55 (0.50 - 0.60) 0.44 (0.40 - 0.49)
0.56 (0.53 - 0.59)
0.56 (0.53 - 0.59)
Insurance (reference: social insurance) 1.00 (1.00 - 1.00)
Social-economic position (reference score < 25%)* Scores between 26-50 % Scores between 51-75 % Score > 75%
1.06 (1.03 - 1.09) 1.06 (1.02 - 1.09) 1.09 (1.05 - 1.12)
* a higher quartiles is associated with a lower socio-economic score Odds ration that were statistically significant are printed bold.
Table 3a. Differences in excess length of stay in patients younger than 45 years between ethnic groups in the Netherlands between January 1, 1995 and December 31, 2005.
Odds ratio (95%CIs)
Odds ratio (95%CIs)
Odds ratio (95%CIs)
model 1
Model 2
Model 3
Etnicity (reference: native Dutch patients ) Moroccans Turks Surinamese Antilleans Other non- OECD migrant groups
1.10 (1.06 - 1.13) 1.00 (0.97 - 1.03) 1.17 (1.14 - 1.21) 1.12 (1.08 - 1.17)
1.07 (1.04 - 1.11) 1.00 (0.97 - 1.03) 1.10 (1.07 - 1.13) 1.07 (1.03 - 1.11)
1.03 (1.00 - 1.07) 0.96 (0.93 - 0.99) 1.08 (1.04 - 1.11) 1.05 (1.01 - 1.09)
1.12 (1.09 - 1.15)
1.09 (1.05 - 1.12)
1.06 (1.03 - 1.10)
Age (reference: age 1-5 years) 6-10 11-15 16-20 21-25 26-30 31-35 36-40 41-45
1.13 (1.09 - 1.17) 1.15 (1.11 - 1.20) 0.95 (0.92 - 0.99) 0.98 (0.95 - 1.01) 1.05 (1.01 - 1.08) 1.19 (1.15 - 1.23) 1.39 (1.35 - 1.43)
1.23 (1.18 - 1.28) 1.34 (1.29 - 1.39) 1.12 (1.08 - 1.16) 1.12 (1.08 - 1.16) 1.18 (1.14 - 1.22) 1.32 (1.27 - 1.36) 1.48 (1.43 - 1.53)
1.23 (1.18 - 1.28) 1.34 (1.29 - 1.40) 1.13 (1.09 - 1.17) 1.11 (1.07 - 1.15) 1.17 (1.13 - 1.21) 1.31 (1.27 - 1.35) 1.47 (1.43 - 1.52)
1.57 (1.52 - 1.61)
1.57 (1.52 - 1.62)
1.57 (1.52 - 1.62)
1.07 (1.05 - 1.09)
1.06 (1.05 - 1.08)
0.74 (0.69 - 0.80) 0.81 (0.75 - 0.86) 1.90 (1.63 - 2.22) 2.12 (1.87 - 2.41) 1.17 (1.04 - 1.31)
0.75 (0.69 - 0.80) 0.80 (0.75 - 0.86) 1.90 (1.63 - 2.22) 2.12 (1.87 - 2.41) 1.17 (1.04 - 1.31)
Sex (female) CCS diagnosis (reference: diseases of the heart) Neoplasms Coma, shock Septicemia Acute cerebrovascular disease Diseases of the arteries, arterioles, and
1.08 (1.07 - 1.10)
48
capillaries Diseases of the respiratoir system Diseases of the digestive system Diseases of the urinary system Fractures Incranial injury Complication of surgical medical procedure Other
0.75 (0.70 - 0.79) 0.76 (0.72 - 0.81) 1.29 (1.20 - 1.39) 3.83 (3.15 - 4.66) 0.35 (0.32 - 0.38) 1.55 (1.44 - 1.66) 0.66 (0.63 - 0.69)
0.74 (0.70 - 0.79) 0.76 (0.72 - 0.81) 1.29 (1.20 - 1.39) 3.83 (3.15 - 4.66) 0.35 (0.32 - 0.38) 1.54 (1.44 - 1.66) 0.66 (0.63 - 0.69)
1.97 (1.89 - 2.04)
1.97 (1.90 - 2.05)
1.19 (1.15 - 1.23)
1.19 (1.15 - 1.23)
0.87 (0.69 - 1.10) 1.59 (1.32 - 1.93) 1.20 (1.11 - 1.29) 0.48 (0.47 - 0.49) 0.69 (0.67 - 0.70) 0.83 (0.78 - 0.89) 0.95 (0.81 - 1.12)
0.87 (0.69 - 1.10) 1.60 (1.32 - 1.94) 1.20 (1.11 - 1.29) 0.48 (0.47 - 0.49) 0.69 (0.67 - 0.70) 0.84 (0.78 - 0.89) 0.95 (0.81 - 1.11)
1.02 (0.96 - 1.08)
1.02 (0.96 - 1.08)
Carlson index co-morbidity >= 2 ICD-9 Procedures/ interventions (reference: no intervention) Operations on the eye Other miscellaneous therapeutic/ diagnostic procedures Operations on the ear Operations on the respiratory system Operations on the digestive system Operations on the urinary system Operations on the muscoskeletal system Operations on the integumentary system Miscellaneous diagnostic and therapeutic procedures Insurance (reference: social insurance) 0.86 (0.84 - 0.88)
Social-economic position (reference score < 25%)* Scores between 26-50 % Scores between 51—75% Score > 75%
1.06 (1.04 - 1.09) 1.05 (1.03 - 1.08) 1.04 (1.01 - 1.06)
* a higher quartiles is associated with a lower socio-economic score Odds ration that were statistically significant are printed bold.
Table 3b. Differences in excess length of stay in patients in patients of 45 years and older between ethnic groups in the Netherlands between January 1, 1995 and December 31, 2005. Odds ratio (95%CIs)
Odds ratio (95%CIs)
Odds ratio (95%CIs)
model 1
model 2
Model 3
Etnicity (reference: native Dutch patients ) Moroccans Turks Surinamese Antilleans Other non- OECD migrant groups
1.17 (1.09 - 1.25) 1.13 (1.10 - 1.16) 1.13 (1.11 - 1.16) 1.14 (1.10 - 1.19)
1.14 (1.07 - 1.22) 1.10 (1.07 - 1.13) 1.08 (1.06 - 1.11) 1.11 (1.07 - 1.16)
1.09 (1.02 - 1.16) 1.04 (1.01 - 1.07) 1.04 (1.02 - 1.07) 1.08 (1.04 - 1.13)
1.07 (1.04 - 1.10)
1.05 (1.02 - 1.08)
1.03 (1.00 - 1.05)
Age (reference: age 46-50 years) 51-55 56-60 61-65 66-70 71-75 76-80 >= 81
1.16 (1.12 - 1.19) 1.42 (1.38 - 1.46) 1.58 (1.53 - 1.63) 1.20 (1.16 - 1.24) 1.47 (1.42 - 1.53) 1.76 (1.70 - 1.83)
1.12 (1.08 - 1.15) 1.34 (1.30 - 1.38) 1.45 (1.40 - 1.49) 1.07 (1.04 - 1.11) 1.29 (1.25 - 1.34) 1.51 (1.45 - 1.57)
1.12 (1.08 - 1.15) 1.34 (1.30 - 1.38) 1.44 (1.40 - 1.49) 1.07 (1.03 - 1.11) 1.29 (1.24 - 1.33) 1.51 (1.45 - 1.56)
2.21 (2.13 - 2.29)
1.79 (1.73 - 1.86)
1.79 (1.73 - 1.86)
49
Sex (female) CCS diagnosis (reference: diseases of the heart) Neoplasms Coma, shock Septicemia Acute cerebrovascular disease Diseases of the arteries, arterioles, and capillaries Diseases of the respiratoir system Diseases of the digestive system Diseases of the urinary system Fractures Incranial injury Complication of surgical medical procedure Other Carlson index co-morbidity >= 2 ICD-9 Procedures/ interventions (reference: no intervention) Operations on the eye Other miscellaneous therapeutic/ diagnostic procedures Operations on the ear Operations on the respiratory system Operations on the digestive system Operations on the urinary system Operations on the muscoskeletal system Operations on the integumentary system Miscellaneous diagnostic and therapeutic procedures Insurance (reference: social insurance) Social-economic position (reference score < 25%)* Scores between 26-50 % Scores between 51-75% Score > 75%
1.14 (1.12 - 1.16)
1.17 (1.15 - 1.19)
1.16 (1.14 - 1.18)
0.72 (0.69 - 0.75) 1.10 (1.04 - 1.15) 2.19 (1.85 - 2.58) 1.67 (1.58 - 1.77)
0.73 (0.70 - 0.76) 1.09 (1.04 - 1.15) 2.19 (1.86 - 2.59) 1.67 (1.58 - 1.77)
1.00 (0.94 - 1.06) 1.43 (1.37 - 1.49) 1.18 (1.14 - 1.23) 1.30 (1.22 - 1.38) 4.08 (3.77 - 4.42) 1.09 (0.96 - 1.24) 2.15 (2.03 - 2.26) 0.86 (0.83 - 0.88)
0.99 (0.94 - 1.05) 1.42 (1.37 - 1.48) 1.19 (1.14 - 1.24) 1.29 (1.21 - 1.38) 4.09 (3.78 - 4.43) 1.10 (0.97 - 1.25) 2.14 (2.03 - 2.26) 0.86 (0.84 - 0.88)
1.81 (1.76 - 1.86)
1.81 (1.76 - 1.85)
1.13 (1.10 - 1.17)
1.13 (1.10 - 1.17)
0.83 (0.67 - 1.03) 1.35 (1.14 - 1.61) 0.92 (0.86 - 0.98) 0.84 (0.81 - 0.86) 0.80 (0.79 - 0.82) 1.29 (1.19 - 1.40) 0.78 (0.70 - 0.87)
0.83 (0.67 - 1.03) 1.36 (1.14 - 1.61) 0.92 (0.86 - 0.98) 0.84 (0.82 - 0.86) 0.81 (0.79 - 0.83) 1.29 (1.20 - 1.40) 0.79 (0.71 - 0.88)
0.78 (0.74 - 0.82)
0.78 (0.74 - 0.82) 0.88 (0.86 - 0.90)
1.05 (1.02 - 1.07) 1.05 (1.03 - 1.08) 1.08 (1.06 - 1.11)
* a higher quartiles is associated with a lower socio-economic score Odds ration that were statistically significant are printed bold.
50
Bijlage 2 Explaining ethnic disparities in patient safety: a qualitative analysis Suurmond J, Uiters E, De Bruijne MC, Stronks K, Essink-Bot ML. American Journal of Public Health, Fall 2009 (accepted).
51
Explaining ethnic disparities in patient safety: a qualitative analysis Suurmond J, Uiters E, De Bruyne M, Stronks K, Essink-Bot ML, American Journal of Public Health, Fall 2009 (accepted).
Abstract Objectives Research in the US has revealed ethnic disparities in patient safety. Serious medical errors and adverse medical events occur more often in the care for immigrant patients. We explored characteristics of in-hospital care and treatment to immigrant patients in order to better understand the processes underlying ethnic disparities in patient safety. Methods Semi-structured interviews were conducted with care providers about safety events involving immigrant patients in in-hospital medical care and treatment. A total of 30 cases was presented. Interviews were transcribed and qualitatively analyzed, using a framework method, a content and thematic analysis strategy. Results Three key patterns were identified from the analysis. Preventable harmful events occur because of: (1) inappropriate responses and practices by health care providers in relation to objective characteristics of immigrant patients, such as lack of Dutch language proficiency, lack of health insurance or genetic conditions; (2) misunderstandings between patient and health care professionals as a result of differences in illness perceptions and expectations about treatment and care; (3) inappropriate treatment and care because of providers’ prejudices against or stereotypical ideas about immigrant patients. Conclusions These findings suggest that specific organizational and health professional practices contribute to the higher risk of safety events. Descriptive epidemiological research is needed to explore the impact of the three patterns on patient safety. INTRODUCTION Patient safety is generally seen as one of the most pressing health care challenges. Research in the US has shown that between 44,000 and 98,000 Americans die in hospitals each year as a result of adverse events, which are defined as an injury caused by the medical management, rather than the underlying disease.1,2 A recent systematic review study showed that adverse events affect nearly one in ten patients during hospital stays.3 Several studies in the US pointed to ethnic differences playing a role in patient safety, with patient safety events in hospitals occurring more often in the care for immigrant patients in comparison with US-born patients.4-8 Chang et al.7 found that black patients were approximately 20 percent more likely to experience a patient safety event. Flores and Ngui5 systematically reviewed racial/ethnic disparities in pediatric patient safety and found higher rates of new born birth trauma and infections attributable to negligent medical care. Little is known about the processes that contribute to ethnic disparities in in-hospital patient safety, as the potential contributions of organizational and individual care characteristics in the prevention of patient safety events involving immigrant patients have rarely been the subject of research.9 There is, as Johnstone and Kanitsaki9 put it, a ”paucity” of literature addressing the critical relationship that exists between culture, language, and patient safety. 52
A few studies indicate that language differences between physician and patient lead to a higher risk of incidents.10-12 The use of family or friends as interpreters instead of professional interpreters may also lead to errors in medical interpretations, with potentially serious clinical consequences.10,13 Apart from the above-mentioned studies, there is, to our knowledge, no research into different kinds of processes with regard to ethnic disparities in patient safety. We report here on a recent study that explored different processes of in-hospital care and treatment to immigrant patients in order to better understand the processes underlying ethnic disparities in patient safety. METHODS Design We conducted a qualitative study using semi-structured interviews with health care providers who work with immigrant patients. In the interview, they described a safety event from their own or from a colleague’s practice. Several definitions of patient safety events are used in research, but in contrast to most studies, we focused on unintended events. An unintended event is defined as an occurrence, no matter how seemingly trivial or commonplace, that was unintentional and could have harmed or did harm a patient.14 We focused on unintended events for two reasons: (1) Since these events cover a wide range, it is relatively easy to record a large number of them to enable a comprehensive study of processes underlying ethnic disparities in patient safety; (2) Events with and without patient harm are believed to share the same underlying failure factors.15 This makes them as informative about potential underlying processes as the relatively small number of adverse events. We selected a qualitative study design because of its appropriateness to provide an in-depth understanding of the characteristics of patients, care providers, and health care, which underlie an increased risk involving ethnic minority groups and unintended events. We agree with other researchers that valuable lessons can be learned from questions such as: What was the unintended event? What were the underlying contributory factors?9 Respondents We interviewed health care providers (N = 12) employed in various hospitals in the Netherlands and established a non-probabilistic, purposive sample to ensure as much variety as possible with regard to different ethnic backgrounds of patients and to medical disciplines and hospitals. Respondents were selected because we knew them to be involved in care for immigrant patients on a regular basis. They were recruited from a network of health care providers we have established the last few years in relation to other research projects. We stopped approaching health care providers at the point when interviews revealed no new information: in other words, when the data were saturated.16 Patient ethnicity was classified by the respondents (i.e. they chose a patient they thought was an immigrant), and concerned patients born outside of the Netherlands or who had at least one parent born outside of the Netherlands. Ethical considerations In accordance with Dutch law, medical ethical approval of this study was not required, because no patients were participating in this study. The anonymity of respondents was guaranteed by using codes to designate them. Patients remained anonymous, and respondents gave verbal consent to participate in the study. Data collection Data was collected over a five-month period in 2008 and 2009. Health care providers were interviewed according to a semi-structured topic list of three questions: (1) Can you describe from your experience a case of something unintended happening in the clinical care of an immigrant patient? The respondent was prompted by way of other questions to describe the case in full detail: for example, “What happened next?” “Who were present?” (2) How did the ethnic or cultural background of the patient play a role? (3) How may the described 53
unintended event be avoided in the future? The respondent was given the opportunity to describe different cases, and was prompted using the same questions. Respondents could also describe a case concerning a colleague if they were well enough acquainted with the details. Interviews were conducted by one of the researchers (JS) and each took between 20 and 50 minutes. Some health care providers reported one singular case, others told us of up to six cases. All interviews were tape-recorded and transcribed verbatim by one researcher (JS) and an assistant. Data analysis A framework approach, a content and thematic analysis strategy, was used to analyze the interview data, in which, after familiarization with the data, a thematic coding framework was identified.17, 18 Within the coding framework key issues, concepts, and themes by which the data can be analysed were identified. Subsequently the interviews were systematically coded using the framework. Data were then charted19 and three major charts were used: (1) How was the main problem in the case described? (2) How were patient characteristics described? (3) How were characteristics of the health care provider and organization described? Using these charts, patterns and connections could be described through an iterative comparative process of searching and reviewing the texts.19 Results In total, 12 health care providers described 30 cases (see Box 1 for a brief description of the five most illustrative cases; and see Appendix 1 for a description of all 30 cases). Three key patterns were identified from the analysis. Preventable harmful events occur because of: (1) inappropriate responses and practices by health care providers in relation to objective characteristics of immigrant patients, such as lack of Dutch language proficiency, lack of health insurance or genetic conditions; (2) misunderstandings between patient and health care professionals as a result of differences in illness perceptions and expectations about treatment and care; (3) inappropriate treatment and care because of providers’ prejudices against or stereotypical ideas about immigrant patients. Inappropriate response to objective patient characteristics The first pattern included an inappropriate health care response to the following objective characteristics of immigrant patients: limited Dutch language proficiency, the insurance status of the patient, and genetic characteristics. The response can be regarded as inappropriate because it deviates from accepted professional default guidelines or norms representing appropriate health care. Limited Dutch language proficiency The case 1 nurse explained the occurrence of the unintended event: “The woman fell out of bed during the night. The evening shift had handed out her sleeping medication, but she had also taken a tablet of her own. She then became so confused that she tried to climb out of her bed when she had to go to the toilet. That’s when she fell. [I: And she did not speak Dutch?] No, because when you asked her anything she only gave a smile as an answer. So that made things really difficult.” In the following part of the interview, the nurse explained that because it was so hard to communicate with the patient, it had not been checked whether she had taken other medication. Several other health care providers also presented us with a case involving an immigrant patient whose Dutch language skills were limited (case 1-5). Other cases reported were of a patient who unexpectedly refused a biopsy; a patient who did not understand the unfavorable test result of prenatal screening for Down’s syndrome; and a patient who did not understand that he needed to have fasted before an operation. The health care providers 54
said they had the option of using a professional interpreter at any time but did not do so. In general, they did not use interpreters, because as one nurse explained: “I think because […], this may sound awful, but with Turkish people, there are always a lot of visitors, always a lot of family, and […] then it is easy just to ask them.” Even though a professional interpretation service is free of charge in the Netherlands, and every patient is entitled by law to be informed in a language that he or she understands, health care professionals preferred ad hoc interpreters or no interpreter at all. In addition, in the hospitals there often were no translated information leaflets on health, disease, and available treatment. This may also have caused misunderstandings: for example, about the need to fast before an operation. No insurance Insurance status was recognized as another objective patient characteristic that put immigrant patients at a higher risk of unintended events (cases 6-8). The pattern was the same: the patient was uninsured and the health care organization provided inappropriate care. A care provider (case 6) explained how such an unintended event could occur: A Polish woman who was in the Netherlands illegally, had a moped accident. Her major injury is an open fracture of the leg and the surgeon said she needed an operation, which is standard procedure. Everything for the operation had been prepared, but then the surgeon returned and told her “I am sorry, but the operation has been cancelled because you are not insured. You will be given a cast instead”. Cancellation of the operation because the patient was uninsured was in fact against her right, since uninsured patients in The Netherlands are entitled to receive appropriate health care, as was explained by the health care provider: “The surgeon has the legal obligation to treat the patient according to the standards, or according to the way he knows that he needs to act, and he is an autonomous professional. That means that he may absolutely not allow himself to be influenced by economic considerations, unless he is really convinced that the result will be the same.”
Genetic and other physical characteristics Finally, genetic and other physical characteristics may put immigrant patients at risk when they are different from what health care providers and health care organizations are used to (cases 9-12). For example, the frequency of some blood groups antigens, such as Duffy antigen, is higher in white persons than in black persons. As a result, transfusion reactions may occur in case of a blood transfusion with blood from a Duffy antigen positive (white) donor. Duffy antigen negative donor blood may be insufficiently available if black donors are insufficiently represented in the pool of donors. Several cases were described to us, such as the Afro-Caribbean patient in case 10 who had rare blood antigens and antibodies, which made it hard to find matching blood when a transfusion was needed. Another case, but with a similar pattern, was that of a black patient whose skin had been stitched with black sutures. The nurse had great difficulty removing them, because they were not easily distinguishable. In most of these unintended events, organizational shortcomings contributed to the provision of inappropriate care or treatment. For example, despite increasing numbers of immigrant patients, health care organizations could not anticipate the growing numbers by recruiting immigrant blood donors in order to have sufficient blood supply matching non-white patients. Incongruent beliefs and expectations on the part of care providers and patients Misunderstandings between care providers and patients due to different cultural beliefs and expectations about health and disease provided a second pattern to understand the 55
increased risk of unintended events (cases 13-25). In contrast to the first pattern, patients’ beliefs and expectations were subjective rather than objective. Thus, patients displayed unexpected behavior in this pattern and hence played active roles in the chain of events. We recorded several cases that demonstrated how patients’ expectations about treatment and care and their cultural beliefs about health and illness were different to those shared by health professionals. For example, case 13 concerned an Afro-Caribbean baby whose mother declined to give it antibiotics. As the pediatrician explained: “We told the mother how important it was give antibiotics to the baby. The mother agreed, and so we prescribed Broxyl for the child, who was six months old. The woman had two further appointments but she cancelled them, saying that her child was in Surinam with her mother because she [the woman] had to return to work and that was difficult with a child. But after a while she brought the child back [to The Netherlands] because she missed him a lot. One night the baby was admitted to our hospital with high fever, very ill, at the age of nine months. The mother told us then that she had not given Broxyl to the baby and that she felt very guilty about it now. She also said the reason the baby had been taken back to Surinam was because her mother had told her that, with herbs, Surinamese-style voodoo, she could “make sure that he is not bothered any more by sickle cell disease.” This pattern illustrates differences between the perspectives of the health care provider and the patient. This difference has already been well described by medical anthropologist Arthur Kleinman, who referred to it as the difference between an ‘illness perspective’ of the patient and a ‘disease perspective’ of the health care provider.20 The variation between perspectives was difficult for health care providers, because in their eyes patients act in irrational and unexpected ways. It was also difficult because the health care provider cannot always meet patients’ expectations. As a result, patients may become disappointed and lose confidence in the health care provider. For example, as another pediatrician explained (case 14): “Children from 2 to 3 years old are in a denying phase and just don’t eat well. As a western pediatrician you say, well that is part of their development and we do not worry about it very much. But in the parents’ eyes you are a bad doctor and so they go to Turkey or Morocco and there they get hold of tablets. And you ask them ”Oh that is interesting, what kind of tablets are they?” Often they turn out to be corticosteroids, which make you eat a lot. I think that is something very unsafe to do. Nevertheless, these parents are quite satisfied with the results, and are actually mad at you for not coming up with the idea yourself. So as far as patient safety is concerned, in their eyes you are not doing your job because you cannot do anything about their problem. And they cannot accept your explanation; they are not reassured when you tell them that not eating well is a phase specific for the child’s age.” Disparity in perspectives also caused differences in notions about patient safety. Situations seen by the health care providers as safe sometimes were seen by the patient as unsafe and vice versa. Other cases we found concerned a Moroccan woman who because of religious beliefs refused to have her leg amputated and a Moroccan child with diabetes whose parents stopped giving her insulin because a Moroccan healer had given herbs and pronounced the child healthy. Prejudices and presumptions on the side of care providers Prejudices and presumptions on the part of health care professionals provided a third pattern that play a role in unintended events (cases 26-30). One example can be seen in case 26. The post-operative patient’s pain was not taken seriously and was ignored. A care provider explained why: “The nurses and the orthopedist paid no attention to his complaints of pain. And afterwards they admitted that they thought the patient was simply expressing his pain more adamantly, in a manner they felt may have been the norm in his cultural context. But he kept on 56
complaining, and three days after the operation they examined him and saw that his leg was in a strange position. They took an x-ray and it turned out a wrong gamma nail had been used in the operation, so he had to go back to surgery.” In this particular instance, the health care provider described a patient whose complaints of pain had been underestimated because of the presumption that his cultural background involved expressing his pain more intensely. Several other care providers have described this theme in which presumptions about the cultural background of the patient resulted in the provision of inadequate care: for example, an Afro-Caribbean woman whose early symptoms of cervical cancer were not taken seriously because she could not communicate well and was seen as an exaggerating patient. Another example was a Moroccan man who was removed from the kidney transplantation list because his passionate and – in the eyes of the care providers – irrational refusal of a parathyroidectomy had been wrongly interpreted as a sign of dementia. DISCUSSION We found three distinct patterns that gave valuable insights into potential processes that placed immigrant patients at higher risks for unintended events. We have described them as singular, but of course they may accumulate to become what Reason21 has called ‘a trajectory of accident opportunity’, for example when language differences between a patient and care provider, as well as incongruent perspectives play a role. Disparities in safety do not merely exist because of ethnic characteristics of patients, but because health organisations and health professionals have not acquired ‘cultural competence’ (knowledge, attitudes, skills and resources). One important outcome involved the impact of not using official interpreters. Former studies have indicated that professional interpreters improve clinical care for patients with limited English proficiency.22 A recent study, however, also revealed that medical residents found it easier to ”get by” without a professional interpreter even though they were aware of negative implications for the quality of care.23 It is not only a question of time constraints or lack of availability but also of health care providers’ sense of morality and cultural competence, that is, attitudes, knowledge and skills.23 Our study also revealed the risk of adverse events for uninsured patients. US studies disclosed similar results, confirming that the way patients are insured puts them at different risks for patient safety events.24, 25 The cases that were reported to us all occurred several years ago, when Dutch law did not provide opportunities for reimbursement for hospitals that had made costs for care and treatment delivered to uninsured patients. In the Netherlands, this may have been solved since January 2009, by pointing out certain hospitals who are entitled to the imbursement of the costs of care and treatment provided to patients who are uninsured because they are illegally in The Netherlands. Still, care providers need to be aware of the rights on health care for all uninsured patients, and to act accordingly.. The patterns we found help to understand increased risks of patient safety events for immigrant patients, but epidemiological studies are now needed to quantify the impact of each of the three patterns on the frequency and severity of patient safety events in ethnic minority populations. As the landmark report ”To Err is Human” concludes, mistakes can best be prevented by making it harder for people to do things wrong and easier to do things right.26 Our results give reasons to believe that specific training for individual care providers should be developed. It is important for the safety of patients to ensure that health organizations and health professionals become culturally competent to be able to provide safe treatment and care to all patients. Care providers could be educated in cultural competences: namely, in knowledge, attitudes, and skills specific for the care of immigrant patients.27, 28 For example, they may be trained in working with interpreters23 and in other cultural competences to enable them to practice effectively and safely in a multicultural society.29 Similar to health care providers’ individual cultural competences, organizational cultural competences need also to be increased. A culturally competent health care setting includes the provision of interpreters, clear policies and procedures about how to use them 57
effectively, cultural competency education for health service providers that includes education about how culture (including their own) affects their institutions, their practices and attitudes. It also should include signage and instructional literature in the patient’s language30 and a diverse supply of materials such as white suture material, and a diverse supply of different blood types. Study limitations Participants made up a convenience sample and found cases may not be representative for other health care settings. More research is needed to study the impact of found patterns. Furthermore, we did not describe patients’ perspectives, even though it is known that they may offer valuable insights into patient safety.31 CONCLUSION This study is one of the few to examine patterns contributing to ethnic differences in patient safety, and it contributes to the literature by identifying specific processes. Further research is needed to investigate the quantitative importance of each of these patterns to ethnic disparities in patient safety.
References 1. Brennan TA, Leape LL, Laird NM, Hebert L, Localio AR, Lawthers AG, Newhouse JP, Weiler PC, Hiatt HH. Incidence of adverse events and negligence in hospitalized patients. Results of the Harvard Medical Practice Study 1. N Engl J Med 1991;324(6):370-376. 2. Thomas EJ Studdert DM, Burstin HR, Oray EJ, Zeena T, Williams EJ, Howard KM, Weiler PC, Brennan TA. Incidence and types of adverse events and negligent care in Utah and Colorado. Med Care. 2000;38(3):261-271. 3. De Vries EN, Ramrattan MA, Smorenburg SM, Gouma DJ, Boermeester MA. The incidence and nature of in-hospital adverse events: a systematic review, QSHC online. 2008;17:216-223. 4. Coffey RM, Andrews RM, Moy E. Racial, ethnic and socioeconomic disparities in estimates of AHRQ patient safety indicators. Med Care. 2005;43(3) (suppl):I-48- 57. 5. Flores G, Ngui E. Racial/Ethnic disparities and patient safety. Pediatr Clin N Am. 2006;53:1197-1215. 6. Romano PS, Geppert JJ, Davies S, Miller MR, Elixhauser A, McDonald KM. A national profile of patient safety in U.S. hospitals. Health Affair. 2003;22(2):154-166. 7. Chang DC, Handly N, Abdullah F, Efron DT, Haut ER, Haider AH, Pronovost PJ, Cornwell EE. The occurrence of potential patient safety events among trauma patients. Are they random? Ann Surg. 2008;247(2):327-334. 8. Miller MR, Elizhauser A, Zhan C. Patient safety events during pediatric hospitalizations. Pediatrics. 2003;111(6):1358-1366. 9. Johnstone M-J, Kanitsaki O. Culture, language, and patient safety: making the link. Int J Qual Health C. 2006;18(5):383-388. 10. Flores G. The impact of medical interpreter services on the quality of health care: a systematic review. Med Care Res Rev. 2005;62(3):255-299. 11. Cohen AL, Rivara F, Marcuse EK, McPhillips H, Davis R. Are language barriers associated with serious medical events in hospitalized pediatric patients? Pediatrics. 2005;116:575-579 12. Divi C, Koss RG, Schmaltz SP, Loeb JM. Language proficiency and adverse events in US hospitals: a pilot study. Int J Qual Health C. 2007;19(2):60-67. 13. Flores G, Barton Laws B, Mayo SJ, Zuckerman B, Abreu M, Medina L, Hardt EJ. Errors in medical interpretation and their potential clinical consequences in pediatric encounters. Pediatrics. 2003; 111(1):6-14. 14. Bhasale AL, Miller GC, Reid SE, et al. Analysing potential harm in Australian general practice: an incident-monitoring study. Med J Australia. 1998;169:73-76. 15. Kanse L, Schaaf TW van der, Vrijland ND, Mierlo H van. Error recovery in a hospital pharmacy. Ergonomics. 2006;49:503516. 16. Guest G, Bunce A, Johnson L. How many interviews are enough?: An experiment with data saturation and variability. Field Methods. 2006;18:59-82. 17. Ritchie J. & Spencer L. Qualitative data analysis for applied policy research. In: Bryman A, Burgess RG. (eds). Analyzing qualitative data. London/New York, Routledge; 1993:173-194. 18. Pope C, Ziebland S, Mays N. Analysing qualitative data. BMJ. 2000;20(7227): 114-116.
58
19. Miles MB, Huberman AM. Qualitative data analysis. An expanded source book, Thousand Oaks/New Delhi/London, Sage; 1994. 20. Kleinman A, Eisenberg L, Good B. Culture, illness, and care. Clinical lessons from anthropologic and cross-cultural research. Ann Intern Med. 1978;88:251-258. 21. Reason J Human error: models and management. BMJ. 2000;320(7237):768- 770. 22. Karliner LS, Jacobs EA, Chen AH, Mutha S. Do professional interpreters improve clinical care for patients with limited English proficiency? A systematic review of the literature. Health Serv Res. 2007;42(2):727-754. 23. Diamond LC, Schenker Y, Curry L, Bradley EH, Fernandez A. Getting By: Underuse of interpreters by resident physicians. J Gen Intern Med. 2008;24(2):256262. 24. Burstin HR, Lipsitz SR, Brennan TA. Socioeconomic status and risk for substandard medical care. JAMA. 1992;268(17):2383-2387. 25. Hakim RB, Benedict B, Merrick NJ. Quality of care for women undergoing a hysterectomy: effects of insurance and race/ethnicity, 2004; Am J Public Health. 2004;94(8):1399-1405. 26. Institute of medicine. To err is human: building a safer health system. Washington DC: National Academy Press; 2000. 27. Betancourt JR. Cross-cultural medical education: conceptual approaches and frameworks for evaluation. Acad Med. 2003;78(6):560-569. 28. Seeleman C, Suurmond J & Stronks K. Cultural competence: a conceptual framework for teaching and learning. Med Educ. 2009;43:229-237. 29. Brach C, Fraserirector I. Can cultural competency reduce racial and ethnic health disparities? A review and conceptual model. Med Care Res Rev. 2000;57:181- 215. 30. Anderson LM, Scrimshaw SC, Fullilove MT, Fielding JE, Normand J. Culturally competent health care systems. A systematic review. Am J Prev Med. 2003;24(3S); 68-79. 31. Johnstone M-J, Kanitsaki O. Engaging patients as safety partners: some considerations for ensuring a culturally and linguistically appropriate approach. Health Policy. 2008; in press.
59
Box 1 - Short description of five illustrative cases Case
Description
1
A Turkish female patient with very low Dutch proficiency was admitted to the hospital for knee surgery. When trying to get up to go to the bathroom she fell out of bed. She did not hurt herself, but her roommates were alarmed.
2
A Polish female patient, who was illegally in the Netherlands, broke her leg in a moped accident. She was uninsured. The patient received a cast, but the leg got infected. An operation was needed, after the operation the patient remained crippled.
3
Patient with thalassemia β was in need of a blood transfusion. Because of rare blood antibodies and antigens, and a shortage of immigrant blood donors, patient had to wait longer than usual for a blood transfusion. After a week, a matching blood type was found.
4
An Afro-Carribean baby was diagnosed with sickle cell disease a few weeks after his birth. When the child was 6 months old the pediatrician prescribed an antibiotic according to the standard recommendation, and advised the mother to give this to the child daily, in order to avoid a crisis. A few months later the baby was admitted to the hospital in a crisis condition and his mother admitted that she never gave him the antibiotic.
5
An Armenian man broke his hip, was admitted to the hospital, and during surgery a gamma nail was placed in his hip. Soon after the operation the man started complaining about severe pain and not being able to move his leg. After three days, when the patient was still complaining about pain, his hip was examined and an X-ray revealed that the wrong gamma nail had been used. A second operation was needed to correct the error.
60
Appendix 1 Case
Ethnicity (as defined by country of birth)
Gender
Short description of cases
1
Turkish
Female
2
Somali
Female
3
Turkish
Male
4
Turkish
Male
5
Turkish
Female
6
Polish
Female
7
Portuguese
Male
8
Polish
Female
9
Ethiopian
Male
10
AfroCaribbean (Surinamese)
Female
Pattern 1 Objective characteristics of patients putting them at higher risk for unintended events Patient with very low Dutch proficiency was admitted to the hospital for knee surgery. Because of communication problems she received a doubled doses of sleeping medication. When trying to get up to go to the bathroom she fell out of bed. She did not hurt herself, but her roommates were alarmed. Patient rejected biopsy because of misunderstandings resulting from her talks with the neurologist being interpreted by friends; she agreed after an official interpreter was used. Patient did not understand that he had to fast before an operation, because no translated information was available. Man whose wife was pregnant was given the news by telephone that the baby would have Down’s syndrome. The man, who did not speak Dutch well, did not understand what was wrong. Pregnant patient was informed about prenatal screening. She did not speak Dutch well. The gynecologist explained that it was possible to screen for Down’s syndrome, but she did not understand. The gynecologist looked on the internet for a picture of a Turkish child with Down’s syndrome, after which the patient understood what was meant. Patient was illegally in The Netherlands, and broke her leg in a moped accident. She was uninsured. The patient was given a cast instead of an operation, but the leg became infected. An operation was needed, after which the patient remained crippled. Patient was illegally in the Netherlands and uninsured and was diagnosed with penis carcinoma. The surgeon wanted to amputate, but volunteers intervened and convinced another surgeon to use (more expensive) laser treatment instead. Patient was illegally in the Netherlands and uninsured and was sent to hospital for an operation after a suspect pap smear result. At the hospital reception desk she was told she first had to pay 600 euro. This is contrary to a patient’s legal right to health care. The patient could not pay and left the hospital. Patient’s skin had been stitched with black sutures, which the nurse could only remove with great difficulty because she could not distinguish the sutures easily against the black skin. Patient with thalassemia β was in need of a blood transfusion. Because of rare blood antibodies and antigens, and a shortage of
61
11
Turkish
Male
12
AfroCaribbean (Surinamese)
Female
13
AfroCaribbean (Surinamese)
Male
14
Turkish
Male
15
Moroccan
Male
16
Moroccan
Male
17
Moroccan
Male
18
Hindustani (Surinamese)
Female
19
Moroccan
Female
20
Moroccan
Male
21
Iranian
Female
immigrant blood donors, patient had to wait longer than usual for a blood transfusion. After a week, a matching blood type was found. Patient with leukemia received a bone marrow transplant later than usual because of rare genetic structures and a shortage of matching (immigrant) donors. Patient with complaints of fatigue and low Hb happened to be diagnosed by accident with sickle cell disease after her baby turned out to be a carrier, after a standard screening. Pattern 2 Incongruent perspectives between patient and care provider put patients at higher risk for unintended events Baby was diagnosed with sickle cell disease a few weeks after his birth. When the child was 6 months old the pediatrician prescribed an antibiotic according to the standard recommendation, and advised the mother to give this to the child daily, in order to avoid a crisis. A few months later the baby was admitted to the hospital in a crisis condition and his mother admitted that she never gave him the antibiotic. Parents gave corticosteroids, obtained from a official health care provider in Turkey, to their child, who did not want to eat. Afterwards the child started to eat well. Child with hemophilia was taken belatedly to the hospital because his parents did not believe he had a serious disease. Because of the delay, the child has lost full use of its arm. Child with hemophilia was circumcised in a care center instead of in hospital because the pediatrician was not convinced of the religious significance and tried to persuade the parents to cancel the operation. Child with hemophilia was suddenly, without the pediatrician being notified, taken by his parents on holiday to Morocco. No instructions or medication from the pediatrician were taken along. The child had an accident in which he fell, and neither suturing nor blood transfusions could stop the bleeding. The father then took his child by plane back to the Netherlands to an ER, where its life was saved just in time. Patient with kidney insufficiency believed her cardiac arrest was caused by her care providers, though they knew they had in fact saved her life. Child with diabetes was not given insulin by her parents because a Moroccan healer had given herbs and pronounced the child healthy. Child with asthma was not given maintenance medication because parents did not believe asthma was a chronic disease. Mother of a child being treated by a pediatrician was being hit by her husband, but was not allowed to talk about her problems with the pediatrician. The pediatrician felt that both the child and his mother were in an unsafe situation but because of cultural differences in perspectives was not sure what to do. 62
22
Somali
Female
23
Moroccan
Female
24
Pakistani
Male
25
Afghan
Male
26
Armenian
Male
27
Moroccan
Male
28
Hindustani (Surinam)
Female
29
AfroCaribbean (Surinamese)
Male
30
Turkish
Male
Because of nausea, a teenager had to stay the night after a simple operation on her foot. Her mother wanted to stay with her but because there were no facilities on the ward, this was not possible. The mother and her husband became very angry and hostile towards the care providers. Patient refused leg amputation because of religious beliefs; after a talk with the imam, the patient consented, but more leg needed to be amputated because of the delay. Patient with terminal cancer did not understand why he was sent home after treatment, due to other expectations of health care. He wanted to stay in the hospital even though staff said this was not necessary. Patient with terminal cancer wanted to return to his homeland, Afghanistan. The physicians saw this as frivolous and as a denial that he was very ill. But the patient merely wanted to say goodbye to loved ones and to die in his own country. Pattern 3 Prejudices and stereotypical ideas care providers have about immigrant patients Patient broke his hip, was admitted to the hospital, and during surgery a gamma nail was placed in his hip. Soon after the operation the man started complaining about severe pain and not being able to move his leg. After three days, when the patient was still complaining about pain, his hip was examined and an X-ray revealed that the wrong gamma nail had been used. A second operation was needed to correct the error. Patient was taken from the kidney transplantation list because his passionate and – in the eyes of the care providers – irrational refusal of a parathyroidectomy had been wrongly interpreted as a sign of dementia. Patient’s complaints of abdominal pain and heavy blood loss were not taken seriously because physicians thought she was exaggerating. After 15 years, a cervical carcinoma was diagnosed. Patient with sarcoma was sent home after chemotherapy. During the night, he suffered from high fever, and his parents, who were extremely worried, called the hospital. The physician believed the parents were exaggerating – as may have been considered the norm within their cultural context – and advised them to come back in the morning. The patient returned the next morning but died soon after because nothing further could be done to save his life. Patient with a deep decubitus ulcer on his foot did not want to have a foot amputation, due to religious beliefs. As an alternative he had to follow a complex therapy at home, which was not successful because it was not understood. In the end he consented to an amputation.
63
64
Bijlage 3 Tabellen analyses Sociaaleconomische verschillen in het risico op heropname en verlengde ligduur
65
Tabel A3-1. Verschil in klinische heropname binnen 30 dagen na de initiële opname in patiënten jonger dan 45 jaar naar sociale-economische positie OR (95%CIs)
OR (95%CIs)
OR (95%CIs)
model 1
model 2
model 3
Sociaaleconomische positie (referentie groep: score <25%) Scores tussen 26-50 % Scores tussen 51-75% Score > 75%
1.02 (0.99 - 1.06) 0.99 (0.96 - 1.02) 1.11 (1.07 - 1.14)
1.04 (1.01 - 1.07) 1.00 (0.96 - 1.02) 1.08 (1.05 - 1.12)
1.04 (1.01 - 1.08) 1.00 (0.97 - 1.03) 1.09 (1.05 - 1.12)
leeftijd (referentie groep: 1-5) 6-10 11-15 16-20 21-25 26-30 31-35 36-40 41-45
1.08 (1.03 - 1.14) 1.19 (1.13 - 1.25) 1.11 (1.05 - 1.16) 1.08 (1.03 - 1.13) 1.08 (1.04 - 1.13) 1.14 (1.10 - 1.19) 1.15 (1.11 - 1.20) 1.31 (1.26 - 1.36)
1.05 (1.00 - 1.10) 1.19 (1.13 - 1.25) 1.24 (1.18 - 1.30) 1.21 (1.16 - 1.27) 1.19 (1.14 - 1.25) 1.22 (1.17 - 1.28) 1.13 (1.09 - 1.18) 1.19 (1.15 - 1.24)
1.04 (0.99 - 1.10) 1.18 (1.12 - 1.24) 1.23 (1.17 - 1.29) 1.20 (1.15 - 1.26) 1.19 (1.14 - 1.24) 1.21 (1.16 - 1.26) 1.12 (1.08 - 1.17) 1.17 (1.13 - 1.22)
Geslacht (referentie groep: vrouw)
0.99 (0.93 – 1.01)
CCS diagnose (referentie groep: hartaandoeningen) Neoplasmata Coma, shock Sepsis Acute cerebrovasculaire aandoeningen Vaataandoeningen Aandoeningen van het ademhalingssysteem Aandoeningen van het spijsverteringssysteem Aandoeningen van de urinewegen Fracturen Hersenletsel Complicatie chirurgische ingreep Overig Carlson index co-morbiditeit >= 2 ICD-9 Procedures (referentie groep: geen interventie) Oogoperaties Overige therapeutische/ diagnostische ingrepen Ooroperaties Operaties ademhalingsorganen Operaties spijsverteringsorganen Operaties urinewegen Operaties bewegingsapparaat Huidoperaties Overig Etniciteit (referentie groep: autochtone bevolking ) Marokkanen Turken Surinamers Antillianen
0.95 (0.93 - 0.98)
0.69 (0.64 - 0.75) 0.72 (0.66 - 0.79) 0.75 (0.58 - 0.96) 0.41 (0.32 - 0.52) 0.88 (0.76 - 1.03) 0.70 (0.65 - 0.76) 1.14 (1.06 - 1.24) 0.65 (0.59 - 0.72) 0.69 (0.42 - 1.15) 0.17 (0.14 - 0.20) 1.58 (1.43 - 1.73) 0.58 (0.54 - 0.61) 5.28 (5.08 - 5.49)
0.50 (0.48 - 0.53) 0.53 (0.40 - 0.72) 0.59 (0.45 - 0.78) 0.93 (0.84 - 1.03) 0.40 (0.39 - 0.41) 0.38 (0.36 - 0.39) 0.60 (0.55 - 0.66) 0.36 (0.31 - 0.42) 0.81 (0.76 - 0.86)
0.95 (0.93 - 0.97)
0.70 (0.64 - 0.76) 0.72 (0.66 - 0.79) 0.73 (0.57 - 0.94) 0.41 (0.32 - 0.52) 0.88 (0.75 - 1.03) 0.70 (0.65 - 0.77) 1.15 (1.06 - 1.25) 0.65 (0.58 - 0.72) 0.70 (0.42 - 1.16) 0.17 (0.14 - 0.20) 1.56 (1.43 - 1.74) 0.58 (0.54 - 0.62) 5.25 (5.05 - 5.46)
0.50 (0.48 - 0.53) 0.52 (0.38 - 0.70) 0.59 (0.45 - 0.79) 0.94 (0.85 - 1.04) 0.40 (0.39 - 0.42) 0.38 (0.36 - 0.39) 0.61 (0.55 - 0.66) 0.36 (0.31 - 0.43) 0.81 (0.76 - 0.86)
1.00 (0.96-1.05) 0.94 (0.90-0.98) 1.07 (1.03-1.12) 1.06 (1.00-1.12)
66
Tabel A3-2. Verschil in klinische heropname binnen 30 dagen na de initiële opname in patiënten ouder dan 45 jaar naar sociaaleconomische positie
Sociaaleconomische positie (referentie groep: score <25%) Scores tussen 26-50 % Scores tussen 51-75% Score > 75% Leeftijd (referentie groep: 1-5) 51-55 56-60 61-65 66-70 71-75 76-80 >= 81 Geslacht (referentie groep: vrouw) CCS diagnose (referentie groep: hartaandoeningen) Neoplasmata Coma, shock Sepsis Acute cerebrovasculaire aandoeningen Vaataandoeningen Aandoeningen van het ademhalingssysteem Aandoeningen van het spijsverteringssysteem Aandoeningen van de urinewegen Fracturen Hersenletsel Complicatie chirurgische ingreep Overig Carlson index co-morbiditeit >= 2 ICD-9 Procedures (referentie groep: geen interventie) Oogoperaties Overige therapeutische/ diagnostische ingrepen Ooroperaties Operaties ademhalingsorganen Operaties spijsverteringsorganen Operaties urinewegen Operaties bewegingsapparaat Huidoperaties Overig Etniciteit (referentie groep: autochtone bevolking ) Marokkanen Turken Surinamers Antillianen Overig niet-westers allochtonen
OR (95%CIs)
OR (95%CIs)
OR (95%CIs)
model 1
model 2
model 3
1.04 (1.02-1.07) 1.06 (1.03-1.09) 1.12 (1.09-1.15)
1.06 (1.03 - 1.09) 1.06 (1.03 - 1.09) 1.09 (1.06 - 1.13)
1.06 (1.03 - 1.09) 1.06 (1.02 - 1.09) 1.09 (1.05 - 1.12)
1.13 (1.09 - 1.17) 1.23 (1.19 - 1.28) 1.31 (1.26 - 1.36) 1.33 (1.28 - 1.38) 1.32 (1.27 - 1.37) 1.20 (1.15 - 1.26) 1.06 (1.01 – 1.13)
1.05 (1.01 - 1.10) 1.10 (1.06 - 1.14) 1.12 (1.08 - 1.16) 1.13 (1.08 - 1.17) 1.11 (1.06 - 1.16) 1.02 (0.98 - 1.07) 0.89 (0.85 - 0.94)
1.05 (1.01 - 1.09) 1.10 (1.06 - 1.14) 1.12 (1.08 - 1.17) 1.13 (1.09 - 1.18) 1.12 (1.07 - 1.17) 1.04 (0.99 - 1.09) 0.90 (0.86 - 0.95)
0.82(0.81-0.85)
0.87(0.85-0.89)
1.07 (1.02 - 1.11) 0.97 (0.92 - 1.03) 0.92 (0.74 - 1.14) 0.33 (0.29 - 0.37) 1.20 (1.12 - 1.29) 0.93 (0.88 - 0.98) 1.26 (1.19 - 1.32) 1.31 (1.22 - 1.41) 0.79 (0.67 - 0.93) 0.33 (0.25 - 0.43) 1.95 (1.82 - 2.09) 0.63 (0.61 - 0.65) 2.43 (2.35 - 2.50)
0.69 (0.67 - 0.72) 0.65 (0.49 - 0.87) 0.90 (0.74 - 1.10) 0.98 (0.91 - 1.05) 0.42 (0.40 - 0.44) 0.56 (0.54 - 0.57) 0.55 (0.50 - 0.60) 0.44 (0.40 - 0.49) 0.56 (0.53 - 0.59)
0.87 (0.85 - 0.89)
1.07 (1.02 - 1.12) 0.97 (0.91 - 1.03) 0.91 (0.73 - 1.13) 0.33 (0.29 - 0.37) 1.20 (1.12 - 1.29) 0.93 (0.88 - 0.98) 1.26 (1.19 - 1.32) 1.30 (1.21 - 1.40) 0.79 (0.67 - 0.93) 0.33 (0.25 - 0.43) 1.95 (1.82 - 2.08) 0.63 (0.61 - 0.65) 2.43 (2.36 - 2.50)
0.69 (0.67 - 0.72) 0.65 (0.49 - 0.87) 0.90 (0.74 - 1.10) 0.98 (0.91 - 1.05) 0.42 (0.40 - 0.44) 0.56 (0.54 - 0.57) 0.55 (0.50 - 0.60) 0.44 (0.40 - 0.49) 0.56 (0.53 - 0.59)
1.00 (0.92 - 1.09) 1.02 (0.99 - 1.06) 1.01 (0.98 - 1.04) 1.14 (1.09 - 1.20) 1.00 (0.97 - 1.04)
67
Tabel A3-3. Verschil in verlengde ligduur in patiënten jonger dan 45 jaar naar sociaaleconomische positie OR (95%CIs)
OR (95%CIs)
OR (95%CIs)
model 1
model 2
model 3
Sociaaleconomische positie (referentie groep: score <25%) Scores tussen 26-50 % Scores tussen 51-75% Score > 75%
1.07 (1.05 - 1.10) 1.08 (1.05 - 1.10) 1.09 (1.06 - 1.11)
1.07 (1.05 - 1.09) 1.07(1.04 - 1.09) 1.05 (1.03 - 1.08)
1.08 (1.05 - 1.10) 1.07 (1.05 - 1.10) 1.05 (1.03 - 1.08)
Leeftijd (referentie groep: 1-5) 6-10 11-15 16-20 21-25 26-30 31-35 36-40 41-45
1.13 (1.09 - 1.17) 1.16 (1.17 - 1.20) 0.96 (0.92-0.99) 0.98 (0.94-1.01) 1.05(1.01 - 1.08) 1.19 (1.16 - 1.23) 1.40 (1.36 - 1.44) 1.58 (1.54 - 1.63)
1.23 (1.18 - 1.28) 1.34 (1.29 - 1.40) 1.13 (1.09 - 1.17) 1.11 (1.07 - 1.15) 1.18 (1.14 - 1.22) 1.32 (1.27 - 1.36) 1.48 (1.44 - 1.53) 1.58 (1.53 - 1.63)
1.23 (1.18 - 1.28) 1.35 (1.30 - 1.40) 1.13 (1.09 - 1.17) 1.13 (1.09 - 1.17) 1.19 (1.15 - 1.23) 1.33 (1.29 - 1.37) 1.49 (1.45 - 1.54) 1.59 (1.54 - 1.64)
Geslacht (referentie groep: vrouw) CCS diagnose (referentie groep: hartaandoeningen) Neoplasmata Coma, shock Sepsis Acute cerebrovasculaire aandoeningen Vaataandoeningen Aandoeningen van het ademhalingssysteem Aandoeningen van het spijsverteringssysteem Aandoeningen van de urinewegen Fracturen Hersenletsel Complicatie chirurgische ingreep Overig
1.07 (1.05 - 1.09)
0.74 (0.69 - 0.80) 0.81 (0.75 - 0.86) 1.91 (1.63 - 2.22) 2.14 (1.87 - 2.41) 1.17 (1.04 - 1.31) 0.75 (0.70 - 0.79) 0.76 (0.72 - 0.81) 1.29 (1.20 - 1.39) 3.81 (3.14 - 4.66) 0.35 (0.32 - 0.38) 1.55 (1.44 - 1.66) 0.66 (0.63 - 0.69)
1.07 (1.05 - 1.09)
0.75 (0.69 - 0.80) 0.80 (0.75 - 0.86) 1.88 (1.61 - 2.19) 2.08 (1.83 - 2.36) 1.16 (1.04 - 1.30) 0.74 (0.70 - 0.79) 0.77 (0.72 - 0.82) 1.29 (1.19 - 1.38) 3.83 (3.15 - 4.65) 0.34 (0.32 - 0.38) 1.55 (1.44 - 1.66) 0.66 (0.63 - 0.70)
Carlson index co-morbiditeit >= 2 1.98 (1.90 - 2.05)
ICD-9 Procedures (referentie groep: geen interventie) Oogoperaties Overige therapeutische/ diagnostische ingrepen Ooroperaties Operaties ademhalingsorganen Operaties spijsverteringsorganen Operaties urinewegen Operaties bewegingsapparaat Huidoperaties Overig Etniciteit (referentie groep: autochtone bevolking ) Marokkanen Turken Surinamers Antillianen Overig niet-westers allochtonen
1.19 (1.15 - 1.24) 0.88 (0.70 - 1.11) 1.60 (1.32 - 1.94) 1.20 (1.11 - 1.29) 0.48 (0.47 - 0.49) 0.69 (0.67 - 0.70) 0.84 (0.78 - 0.89) 0.94 (0.81 - 1.11) 1.02 (0.96 - 1.08)
1.97 (1.90 - 2.05) 1.17 (1.15 - 1.21) 0.86 (0.68 - 1.09) 1.58 (1.31 - 1.91) 1.19 (1.10 - 1.28) 0.48 (0.47 - 0.49) 0.69 (0.67 - 0.70) 0.83 (0.78 - 0.89) 0.98 (0.84 - 1.14) 1.01 (0.96 - 1.08)
1.06 (1.02 - 1.09) 0.98 (0.95 – 1.01) 1.09 (1.06 - 1.13) 1.06 (1.02 - 1.10) 1.08 (1.05 - 1.11)
68
Tabel A3-4. Verschil in verlengde ligduur in patiënten ouder dan 45 jaar naar sociaaleconomische positie OR (95%CIs)
OR (95%CIs)
OR (95%CIs)
model 1
model 2
model 3
Sociaaleconomische positie (referentie groep: score <25%) Scores tussen 26-50 % Scores tussen 51-75% Score > 75%
1.07 (1.04 - 1.09) 1.11 (1.08 - 1.13) 1.19 (1.16 - 1.22)
1.07 (1.04 - 1.09) 1.09 (1.06 - 1.11) 1.14 (1.11 - 1.17)
1.06 (1.04 - 1.09) 1.07 (1.05 - 1.10) 1.12 (1.09 - 1.14)
Leeftijd (referentie groep:1-5) 51-55 56-60 61-65 66-70 71-75 76-80 >= 81
1.15 (1.12 - 1.19) 1.41 (1.36 - 1.45) 1.56 (1.51 - 1.61) 1.18 (1.14 - 1.22) 1.42 (1.38 - 1.47) 1.69 (1.63 - 1.78) 2.12 (2.05 -2.19)
1.12 (1.08 - 1.15) 1.33 (1.29 - 1.37) 1.44 (1.39 - 1.48) 1.06 (1.02 - 1.09) 1.26 (1.21 - 1.30) 1.46 (1.41 - 1.52) 1.74 (1.68 - 1.80)
1.12 (1.08 - 1.15) 1.33 (1.29 - 1.38) 1.45 (1.40 - 1.49) 1.07 (1.04 - 1.11) 1.28 (1.24 - 1.33) 1.51 (1.45 - 1.56) 1.79 (1.73 - 1.86)
Geslacht (referentie groep: vrouw) CCS diagnose (referentie groep: hartaandoeningen) Neoplasmata Coma, shock Sepsis Acute cerebrovasculaire aandoeningen Vaataandoeningen Aandoeningen van het ademhalingssysteem Aandoeningen van het spijsverteringssysteem Aandoeningen van de urinewegen Fracturen Hersenletsel Complicatie chirurgische ingreep Overig Carlson index co-morbiditeit >= 2 ICD-9 Procedures (referentie groep: geen interventie) Oogoperaties Overige therapeutische/ diagnostische ingrepen Ooroperaties Operaties ademhalingsorganen Operaties spijsverteringsorganen Operaties urinewegen Operaties bewegingsapparaat Huidoperaties Overig Etniciteit (referentie groep: autochtone bevolking ) Marokkanen Turken Surinamers Antillianen Overig niet-westers allochtonen
1.14 (1.12 - 1.16)
1.17 (1.15 - 1.19)
0.72 (0.69 - 0.75) 1.11 (1.05 - 1.16) 2.21 (1.88 - 2.61) 1.68 (1.59 - 1.78) 0.98 (0.93 - 1.04) 1.42 (1.37 - 1.48) 1.19 (1.14 - 1.24) 1.31 (1.23 – 1.39) 4.06 (3.75 - 4.39) 1.09 (0.96 - 1.23) 2.15 (2.03 - 2.27) 0.86 (0.84 - 0.88) 1.81 (1.76 - 1.85)
1.12 (1.09 - 1.16) 0.83 (0.67 - 1.03) 1.38 (1.16 - 1.64) 0.91 (0.86 - 0.97) 0.84 (0.81 - 0.86) 0.80 (0.78 - 0.82) 1.29 (1.29 - 1.39) 0.79 (0.71 - 0.88) 0.78 (0.74 - 0.82)
1.17 (1.15 - 1.19)
0.73 (0.70 - 0.76) 1.10 (1.05 - 1.16) 2.21 (1.87 - 2.60) 1.68 (1.59 - 1.78) 0.99 (0.93 - 1.05) 1.42 (1.37 - 1.48) 1.19 (1.14 - 1.24) 1.30 (1.22 - 1.38) 4.08 (3.77 - 4.41) 1.09 (0.96 - 1.24) 2.14 (2.03 - 2.26) 0.86 (0.84 - 0.88) 1.81 (1.76 - 1.85)
1.12 (1.09 - 1.16) 0.83 (0.67 - 1.03) 1.38 (1.16 - 1.64) 0.92 (0.86 - 0.98) 0.84 (0.81 - 0.86) 0.81 (0.79 - 0.83) 1.29 (1.19 - 1.40) 0.79 (0.71 - 0.88) 0.78 (0.74 - 0.82)
1.12 (1.05 - 1.20) 1.07 (1.04 - 1.10) 1.06 (1.03 - 1.08) 1.09 (1.05 - 1.14) 1.04 (1.01 - 1.07)
69
