Gesundheitsökonomische Evaluation in der psychiatrischen ...

10
Präv Gesundheitsf 2008 · 3:135–144 DOI 10.1007/s11553-008-0120-6 Online publiziert: 18. August 2008 © Springer Medizin Verlag 2008 R. Kilian Universität Ulm, Klinik für Psychiatrie und Psychotherapie II am Bezirkskrankenhaus Günzburg, Günzburg Gesundheitsökonomische Evaluation in der psychiatrischen Versorgungsforschung Methodische Grundlagen und innovative Ansätze Gesundheitspolitik Hintergrund und Fragestellung Gegenstand der psychiatrischen Versor- gungsforschung ist die systematische Be- wertung der Wirksamkeit und der Effi- zienz psychiatrischer Behandlungsmaß- nahmen unter den Bedingungen der ge- sundheitlichen Routineversorgung [22, 42]. Versorgungsforschung unterschei- det sich damit von der klinischen For- schung v. a. dadurch, dass die aus der Va- rianz der Patientenmerkmale und der Be- handlungsbedingungen resultierenden Einflussfaktoren der Behandlungswirk- samkeit und -effizienz nicht so weit wie möglich eliminiert, sondern vielmehr Richtung und Stärke ihres Einflusses selbst zum Gegenstand der Analyse ge- macht werden [22, 32]. Außerdem bezieht sich die psychiatrische Versorgungsfor- schung häufig auf die Frage, wie sich Be- handlungsmaßnahmen über ihre unmit- telbare klinische Wirkung hinaus auf ver- schiedene Dimensionen der Lebensquali- tät des Patienten auswirken. Die metho- dischen Anforderungen, die sich aus die- ser Zielsetzung ergeben, betreffen zum ei- nen das Problem der Kontrolle des Selek- tionsbias bei der Rekrutierung der Studi- enteilnehmer und zum anderen das Pro- blem multidimensionaler Ergebniskrite- rien. Während für den Bereich der Effekti- vitätsanalysen die Möglichkeiten des Ein- satzes multivariater statistischer Analyse- verfahren zur Biaskontrolle und zur Ana- lyse multidimensionaler Ergebniskrite- rien mittlerweile gut etabliert sind [20, 21, 22, 23, 24, 26, 27, 28, 29], ist dies im Bereich der gesundheitsökonomischen Evaluati- onsstudien bislang nicht der Fall. Gründe hierfür liegen v. a. darin, dass es sich bei den inkrementellen Kosteneffektivitätsre- lationen, welche in der Regel die Zielkri- terien gesundheitsökonomischer Evalua- tionsstudien bilden, um Quotienten aus Kosten und Effektivitätsmaßen handelt, die wegen ihrer problematischen stochas- tischen Eigenschaften die Anwendung statistischer Analysemethoden erschwe- ren [1, 2, 17, 19, 37, 43]. Im Folgenden sol- len neuere methodische Entwicklungen auf diesem Gebiet dargestellt und ihr Nut- zen für die psychiatrische Versorgungs- forschung demonstriert werden. Methodische Grundlagen der Kosteneffektivitätsanalyse Gesundheitsökonomische Analysen bil- den eine wichtige Grundlage für eine ra- tionale Ressourcenallokation im Gesund- heitswesen. Ziel der gesundheitsökono- mischen Evaluation ist die Bestimmung des ökonomischen Nutzens von gesund- heitsbezogenen Interventionen. Da sich der Nutzen gesundheitsbezogener In- terventionen nicht unmittelbar in Geld- werten ausdrücken lässt [23], erfolgt die ökonomische Bewertung von Gesund- heitsleistungen überwiegend auf der Grundlage der Gegenüberstellung von Behandlungskosten und Behandlungser- gebnissen im Rahmen von inkrementellen Kosteneffektivitätsanalysen [11, 13, 19, 40]. Grundlage der inkrementellen Kostenef- fektivitätsanalyse ist die Bestimmung der inkrementellen Kosteneffektivitätsrelati- on (ICER, incremental cost-effectiveness ratio, s. Formel 1) [11, 14, 35]: wobei K A = Kosten der Intervention A, K B = Kosten der Intervention B; E A = Effek- tivität der Intervention A; E B = Effektivi- tät der Intervention B; ΔK = Differenz der Kosten K A −K B und ΔE = Differenz der Ef- fektivität E A −E B . Zu beachten ist hierbei, dass: Das heißt, die inkrementelle Kosteneffek- tivitätsrelation lässt sich nur als Quotient A B A B - - K K E E K ICER E = = Δ Δ A B A B - - K K E E A B A B K K E E - 135 Prävention und Gesundheitsförderung 3 · 2008 |  

Transcript of Gesundheitsökonomische Evaluation in der psychiatrischen ...

Page 1: Gesundheitsökonomische Evaluation in der psychiatrischen ...

Präv Gesundheitsf 2008 · 3:135–144DOI 10.1007/s11553-008-0120-6Online publiziert: 18. August 2008© Springer Medizin Verlag 2008

R. KilianUniversität Ulm, Klinik für Psychiatrie und Psychotherapie II am Bezirkskrankenhaus Günzburg, Günzburg

Gesundheitsökonomische Evaluation in der psychiatrischen VersorgungsforschungMethodische Grundlagen  und innovative Ansätze

Gesundheitspolitik

Hintergrund und Fragestellung

Gegenstand der psychiatrischen Versor-gungsforschung ist die systematische Be-wertung der Wirksamkeit und der Effi-zienz psychiatrischer Behandlungsmaß-nahmen unter den Bedingungen der ge-sundheitlichen Routineversorgung [22, 42]. Versorgungsforschung unterschei-det sich damit von der klinischen For-schung v. a. dadurch, dass die aus der Va-rianz der Patientenmerkmale und der Be-handlungsbedingungen resultierenden Einflussfaktoren der Behandlungswirk-samkeit und -effizienz nicht so weit wie möglich eliminiert, sondern vielmehr Richtung und Stärke ihres Einflusses selbst zum Gegenstand der Analyse ge-macht werden [22, 32]. Außerdem bezieht sich die psychiatrische Versorgungsfor-schung häufig auf die Frage, wie sich Be-handlungsmaßnahmen über ihre unmit-telbare klinische Wirkung hinaus auf ver-schiedene Dimensionen der Lebensquali-tät des Patienten auswirken. Die metho-dischen Anforderungen, die sich aus die-ser Zielsetzung ergeben, betreffen zum ei-nen das Problem der Kontrolle des Selek-tionsbias bei der Rekrutierung der Studi-enteilnehmer und zum anderen das Pro-blem multidimensionaler Ergebniskrite-rien.

Während für den Bereich der Effekti-vitätsanalysen die Möglichkeiten des Ein-satzes multivariater statistischer Analyse-verfahren zur Biaskontrolle und zur Ana-lyse multidimensionaler Ergebniskrite-rien mittlerweile gut etabliert sind [20, 21, 22, 23, 24, 26, 27, 28, 29], ist dies im Bereich der gesundheitsökonomischen Evaluati-onsstudien bislang nicht der Fall. Gründe hierfür liegen v. a. darin, dass es sich bei den inkrementellen Kosteneffektivitätsre-lationen, welche in der Regel die Zielkri-terien gesundheitsökonomischer Evalua-tionsstudien bilden, um Quotienten aus Kosten und Effektivitätsmaßen handelt, die wegen ihrer problematischen stochas-tischen Eigenschaften die Anwendung statistischer Analysemethoden erschwe-ren [1, 2, 17, 19, 37, 43]. Im Folgenden sol-len neuere methodische Entwicklungen auf diesem Gebiet dargestellt und ihr Nut-zen für die psychiatrische Versorgungs-forschung demonstriert werden.

Methodische Grundlagen der Kosteneffektivitätsanalyse

Gesundheitsökonomische Analysen bil-den eine wichtige Grundlage für eine ra-tionale Ressourcenallokation im Gesund-heitswesen. Ziel der gesundheitsökono-mischen Evaluation ist die Bestimmung

des ökonomischen Nutzens von gesund-heitsbezogenen Interventionen. Da sich der Nutzen gesundheitsbezogener In-terventionen nicht unmittelbar in Geld-werten ausdrücken lässt [23], erfolgt die ökonomische Bewertung von Gesund-heitsleistungen überwiegend auf der Grundlage der Gegenüberstellung von Behandlungskosten und Behandlungser-gebnissen im Rahmen von inkrementellen Kosteneffektivitätsanalysen [11, 13, 19, 40]. Grundlage der inkrementellen Kostenef-fektivitätsanalyse ist die Bestimmung der inkrementellen Kosteneffektivitätsrelati-on (ICER, incremental cost-effectiveness ratio, s. Formel 1) [11, 14, 35]:

wobei KA = Kosten der Intervention A, KB = Kosten der Intervention B; EA = Effek-tivität der Intervention A; EB = Effektivi-tät der Intervention B; ΔK = Differenz der Kosten KA−KB und ΔE = Differenz der Ef-fektivität EA−EB. Zu beachten ist hierbei, dass:

Das heißt, die inkrementelle Kosteneffek-tivitätsrelation lässt sich nur als Quotient

A B

A B

- -

K

KE E

KICER E= = ∆∆

A B

A B

- -

KKE E

A B

A B

K KE E

≠ −

135Prävention und Gesundheitsförderung 3 · 2008  | 

Page 2: Gesundheitsökonomische Evaluation in der psychiatrischen ...

der Differenz von Gruppenmittelwerten und nicht auf der Individualebene bestim-men.

Der Nutzen von Gesundheitsleistungen

Während die Behandlungskosten K im-mer in monetären Einheiten ausgedrückt werden, können die Behandlungseffekte E grundsätzlich in jeder denkbaren gesund-heitsbezogenen Zielgröße ausgedrückt werden. Beispiele sind z. B. der Gewinn an Lebensjahren, die Reduktion von Krank-heitssymptomen oder die Verbesserung der Leistungsfähigkeit.

Da die Verwendung unterschiedlicher Zielgrößen für die Behandlungseffekti-vität eine vergleichende Bewertung von Gesundheitsleistungen mit unterschied-lichen Zielgrößen unmöglich macht, wur-den verschiedene Verfahren zur Definiti-on einheitlicher gesundheitsbezogener Zielgrößen entwickelt, die unter den Be-zeichnungen qualitätsadjustierte Lebens-jahre (quality adjusted life year, QALY) oder beeinträchtigungsadjustierte Lebens-jahre (disability adjusted life year, DALY) bekannt sind [5, 7, 8, 12, 44, 45].

Während die Gemeinsamkeit beider Zielgrößen darin besteht, dass sie Kom-binationen aus Lebenszeit und Lebens-qualität darstellen, bestehen zentrale Un-terschiede sowohl in den theoretischen Grundlagen als auch in den Berechnungs-methoden und der Interpretation.

FDas QALY-Konzept basiert auf der utilitaristischen Wirtschaftphiloso-phie, nach der sich der Nutzen von Gütern über die individuellen Prä-ferenzen potenzieller Konsumenten bestimmen lässt [10]. Als Grundla-ge der Messung individueller Präfe-renzen wird dabei die Entscheidung für eine bestimmte Wahlalternative unter Risiko betrachtet [10]. Die Ver-fahren zur Messung des Nutzens von Gesundheitsleistungen basieren des-halb darauf, dass Studienteilnehmer mit der Entscheidung zwischen ver-schiedenen Kombinationen aus Ge-sundheitszuständen und Risikowahr-scheinlichkeiten konfrontiert wer-den. Der Wert einer Gesundheitsleis-tung wird dabei umso höher einge-schätzt je größer das Risiko ist, wel-ches ein Studienteilnehmer einzuge-hen bereit ist, um den durch die Ge-sundheitsleistung erzeugten Gesund-heitszustand zu erreichen [7, 12, 39]. So werden die Untersuchungsteil-nehmer beim sog. „standard gamb-le“ (SG) aufgefordert zu entscheiden, bei welcher Relation zwischen einer tödlichen Behandlungswirkung und der Erreichung eines bestimmten Ge-sundheitszustands sie sich für ein Be-handlungsverfahren entscheiden. Beim Time-trad-off-Verfahren müs-sen Untersuchungsteilnehmer an-geben, welche Verkürzung ihrer Le-benszeit Sie als Preis dafür akzeptie-

ren würden, um die verbleibende Le-benszeit in einem bestimmten, durch eine Behandlungsmaßnahme erreich-baren Gesundheitszustand zu ver-bringen [41]. Zur Bildung von QALY werden die Ergebnisse dieser Präfe-renzmessungen in einen Wertebe-reich zwischen 0 und 1 transformiert, wobei 0 den Tod und 1 einen Zustand vollständiger Gesundheit repräsen-tiert. Die Berechnung der QALY erfolgt dann durch Multipli-kation der transformierten Präfe-renzwerte für die durch eine Behand-lungsmaßnahme erreichten Gesund-heitszustände mit der Dauer dieser Gesundheitszustände, wobei die Er-gebnisse jeweils auf die Dauer eines Jahres bezogen werden [12].

FIm Unterschied zum QALY-Kon-zept misst das DALY-Konzept nicht den individuellen Gewinn an gesun-den Lebensjahren, sondern den Ver-lust von gesunden Lebensjahren in ei-ner definierten Population, der sich aus der Summe der durch vorzei-tigen Tod verlorenen Lebensjahre (years of life lost, YLL) und der durch Krankheit beeinträchtigten Lebens-jahre (years of life lost due to disabili-ty, YLD) ergibt [31, 34, 38, 45]. Zur Be-rechnung der krankheitsbedingten Beeinträchtigungen werden, analog zu den Präferenzwerten für die QALY, Werte für den Grad der Beeinträchti-gung (disability weights, DW) für de-finierte Krankheitszustände ermit-telt. Allerdings erfolgt die Bewertung der Krankheitszustände für die DW nicht durch Patienten oder Bevölke-rungsstichproben, sondern durch na-tionale oder internationale Experten-gremien [34, 38]. Die Effektivität einer Behandlungsmethode wird nach dem DALY-Konzept durch die Vermei-dung des Verlusts gesunder Lebens-jahre (DALY prevented) bestimmt [5]. Die gesundheitsökonomische Evalua-tion erfolgt durch die Berechnung der Kosten für die Vermeidung des Ver-lustes von einem gesunden Lebens-jahr (cost per DALY prevented) [5].

(-) K

oste

ndi�

eren

z (+

)

(-) E�ektivitätsdi�erenz (+)

Q1

ICER -Intervention B ist

billiger und e�ektiverals Intervention A

Q2

ICER +Intervention A ist

teurer und e�ektiverals Intervention B

Q3

ICER +Intervention B ist

teurer und e�ektiverals Intervention A

Q4

ICER -Intervention A ist

billiger und e�ektiverals Intervention B

Abb. 1 9 Die Kostenef-fektivitätsfläche

136 |  Prävention und Gesundheitsförderung 3 · 2008

Gesundheitspolitik

Page 3: Gesundheitsökonomische Evaluation in der psychiatrischen ...

Die Interpretation des ICER

Als Quotient zwischen der Kostendiffe-renz und der Effektivitätsdifferenz zwei-er Interventionen kann der ICER sowohl positive als auch negative Werte anneh-men, deren Interpretation üblicherweise mit Hilfe der sog. Kosteneffektivitätsflä-che (cost-effectiveness plane, CEP) vor-genommen wird [1, 2, 16, 43].

Die horizontale Achse der CEP (.Abb. 1) zeigt die Werte der Effekti-vitätsdifferenz EA−EB. Die vertikale Ach-se zeigt die Werte der Kostendifferenz KA−KB. Die 4 Quadranten der CEP Q1–Q4 bezeichnen die möglichen Ausprä-gungskombinationen des ICER. Liegt ein ICER in Q1, ist die Intervention A im Ver-gleich zur Intervention B teurer und we-niger effektiv. Liegt eine ICER in Q2, so ist Intervention A im Vergleich zu In-tervention B teurer aber auch effektiver. Liegt der ICER in Q3, so ist Interventi-on B teurer aber auch effektiver als Inter-vention A. Liegt ein ICER in Q4, so ist In-tervention A billiger und effektiver als In-tervention B [1, 2, 16, 43].

Während die Lage des ICER in den Quadranten Q1 und Q3 jeweils eine ein-deutige Entscheidung für Intervention B bzw. Intervention A ermöglicht, da ge-ringere Kosten einer Intervention jeweils mit einer gleichzeitig höheren Effekti-vität einhergehen, ist dies bei einer Lage des ICER in den Quadranten Q2 und Q3 nicht der Fall, da hier jeweils höhere Kos-ten mit einer höheren Effektivität einher-gehen, d. h. es stellt sich hier jeweils die Frage, ob die höheren Kosten einer alter-nativen Intervention durch deren höhere Effektivität gerechtfertigt sind. Es wird demnach ein zusätzliches Entscheidungs-kriterium benötigt, welches darüber Aus-kunft gibt, welche Mehrkosten für eine Ef-fektsteigerung um eine Einheit in Kauf ge-nommen werden sollen. Dieses Kriterium wird allgemein als maximale Zahlungsbe-reitschaft (maximum willingness to pay, MWTP) bezeichnet [15, 36].

Da die Einführung neuer medizi-nischer Behandlungsmaßnehmen in der Regel mit gegenüber etablierten Behand-lungsmethoden höheren Kosten verbun-den ist, führt die Gegenüberstellung der Kosten und der Effektivität neuer und al-ter Behandlungsmethoden in der Regel zu

Zusammenfassung · Abstract

Präv Gesundheitsf 2008 · 3:135–144 DOI 10.1007/s11553-008-0120-6© Springer Medizin Verlag 2008

R. Kilian rer. soc.

Gesundheitsökonomische Evaluation in der psychiatrischen Versor-gungsforschung. Methodische Grundlagen und innovative Ansätze

ZusammenfassungHintergrund. Trotz der zunehmenden Be-deutung gesundheitsökonomischer Analysen für die psychiatrische Versorgungsforschung sind insbesondere neuere methodische An-sätze in diesem Bereich in Deutschland bisher nur wenig bekannt.Methode. Es werden innovative metho-dische Ansätze der gesundheitsökono-mischen Evaluation dargestellt und deren Anwendungsmöglichkeiten im Bereich der psychiatrischen Versorgungsforschung bei-spielhaft demonstriert.Ergebnisse. Behandelt werden die Interpre-tation von Kosteneffektivitätsrelationen mit Hilfe der Kosteneffektivitätsfläche, die Vari-anzschätzung für inkrementelle Kosteneffek-

tivitätsrelationen mit der Bootstrapping-Me-thode und die Interpretation der Kosteneffek-tivitätsakzeptanzkurve. Als Alternative zur in-krementellen Kosteneffektivitätsanalyse wird der Nettonutzenansatz vorgestellt.Schlussfolgerungen. Mit dem Nettonut-zenansatz werden die Anwendungsmöglich-keiten gesundheitsökonomischer Analysen in der psychiatrischen Versorgungsforschung bedeutend erweitert.

SchlüsselwörterPsychiatrie · Versorgungsforschung · Gesund-heitsökonomie · Kosteneffektivitätsanalyse · Nettonutzenmethode

Health economic evaluation in mental health services research. Methodological basics and innovative approaches

AbstractBackground. Despite the growing impor-tance of health economic analysis in mental health services research recent methodolog-ical developments in this field are widely dis-regarded in Germany.Methods. Innovative approaches of cost-ef-fectiveness analysis will be presented and its application in mental health service research will be demonstrated.Results. The interpretation of cost-effective-ness ratios on the background of the cost-ef-fectiveness plane, the problem of variance es-timation for the ICER, the application of boot-strapping methods for the assessment of confidence limits and the interpretation of

the cost-effectiveness acceptability curve will be demonstrated. As an alternative meth-od to the use of incremental cost-effective-ness ratios the net benefit approach will be presented.Conclusions. The advantageous characteris-tics of the net benefit approach increase the applicability of health economic analysis in mental health service research.

KeywordsPsychiatry · Health services research · Health economics · Cost-effectiveness analysis · Net benefit approach

137Prävention und Gesundheitsförderung 3 · 2008  | 

Page 4: Gesundheitsökonomische Evaluation in der psychiatrischen ...

Kosteneffektivitätsrelationen die in Q2 lie-gen. Um unter diesen spezifischen Bedin-gungen eine Entscheidung über die Kos-teneffektivität von Behandlungsmetho-de A gegenüber Behandlungsmethode B treffen zu können, muss definiert wer-den, welche Mehrausgaben für eine Ef-fektivitätsverbesserung um eine Einheit, z. B. für den Gewinn eines QALY oder die Vermeidung eines DALY, maximal akzeptiert werden. Diese maximale Zah-lungsbereitschaft (maximum willingness to pay, MWTP) entspricht dem theore-tischen Wert, der einer entsprechenden Effektivitätssteigerung um eine Einheit beigemessen wird.

Werte für die maximale Zahlungsbe-reitschaft können über verschiedene Me-thoden gewonnen werden [15, 46]. Obwohl es keine allgemein akzeptierten Werte für die maximale Zahlungsbereitschaft gibt, werden in der Literatur sog. Threshold-Werte diskutiert, die in der Größenord-nung von ca. 50.000–60.000 US $ bzw. 25.000–30.000 € für den Gewinn eines QALY liegen. Alle Interventionen, deren Mehrkosten für den Gewinn eines zu-sätzlichen QALY unterhalb dieser Gren-ze liegen gelten als kosteneffektiv, alle In-terventionen deren Mehrkosten höher lie-gen gelten als nicht kosteneffektiv [33]. Für die Vermeidung eines DALY werden von der WHO Mehrkosten im Umfang bis zu einem durchschnittlichen Jahreseinkom-men als sehr kosteneffektiv, Mehrkosten im Umfang bis zu 3 Jahreseinkommen als kosteneffektiv und Mehrkosten im Um-fang von mehr als 3 Jahresgehältern als nicht kosteneffektiv beurteilt [5, 6, 48].

In der CEP wird die MWTB mittels ei-ner durch den Ursprung führenden line-aren Funktion MWTP=λΔE symbolisiert, deren Steigung λ der maximalen Zah-lungsbereitschaft für die Effektsteigerung um eine Einheit entspricht [1, 2, 16, 43].

Als Beispiel für die Illustration soll hier der Vergleich zweier Medikamente zur Be-handlung schizophrener Erkrankungen, verwendet werden. Die Behandlung mit dem neuen Wirkstoff A führt gegen- über der bisherigen Behandlung mit dem Wirkstoff B zu einer Verbesserung der Behandlungseffektivität um 0,063 QALY und ist gleichzeitig mit jährlichen Mehr-kosten von 1441 € verbunden. Es ergibt sich somit eine Kostendifferenz:

sowie eine Effektivitätsdifferenz:

Hieraus ergibt sich eine inkrementelle Kosteneffektivitätsrelation:

Die inkrementelle Kosteneffektivitätsre-lation bedeutet, dass die Erreichung der Verbesserung der Behandlungswirksam-keit um einen QALY durch den neuen Wirkstoff A im Vergleich zu dem bishe-rigen Wirkstoff B mit Mehrkosten von 22.879 € verbunden ist. Der ICER liegt da-mit im Quadranten Q2 der Kosteneffekti-vitätsfläche (.Abb. 2).

Zur Interpretation des ICER wird im vorliegenden Fall eine maximale Zah-lungsbereitschaft (MWTP) von 25.000 € angenommen, die durch die Gerade λ mit der Steigung ΔE*25000 symbolisiert wird. Da der ICER von 22.879 niedriger liegt, als der Wert für die MWTP, würde die An-wendung des neuen Wirkstoffs B im vor-liegenden Fall als kosteneffektiv beurteilt. Allerdings bleibt bei dieser Interpretation die Tatsache unberücksichtigt, dass der ICER auf einer aus einer Studienpopula-tion gewonnen Punktschätzung basiert und deshalb mit einer mehr oder weniger großen Fehlerwahrscheinlichkeit behaftet ist [1, 3, 37, 43].

Die Behandlung stochastischer Unsicherheit im Rahmen der Kosteneffektivitätsanalyse

Die Berechnung der Kosteneffektivi-tätsrelation erfolgt in der Regel auf der Grundlage von Stichprobendaten, aus de-

nen induktiv auf die tatsächlichen Wer-te in der jeweiligen Grundgesamtheit ge-schlossen werden soll. Stichprobendaten sind grundsätzlich mit einer Fehlerwahr-scheinlichkeit behaftet, die bei der Inter-pretation der Ergebnisse berücksichtigt werden muss [1, 3, 37, 43]. Die zur Berück-sichtigung der stochastischen Unsicher-heit üblicherweise verwendete Metho-de der parametrischen Bestimmung von Konfidenzintervallen setzt voraus, dass Annahmen über die Form der Verteilung von Messwerten bzw. der Lage zentraler Verteilungsparameter in der Grundge-samtheit getroffen werden können [1]. Als Quotient der Differenz zweier nor-mal verteilter Variablen kann der Zäh-ler des ICER theoretisch den Wert 0 an-nehmen. Da in diesem Fall der Wert des ICER nicht bestimmbar ist, ergibt sich für die theoretische Verteilung des ICER ein nicht definierter Bereich für alle Wer-te von EA−EB=0. Wegen dieses undefi-nierten Wertebereichs entspricht die the-oretische Verteilung des ICER einer Cau-chy-Verteilung [29], für die Erwartungs-wert, Standardabweichung und Varianz nicht definiert sind. Eine parametrische Bestimmung von Konfidenzintervallen ist damit unmöglich [1, 2, 16, 43].

Eine geeignete Methode zur nicht para-metrischen Bestimmung von Konfidenz- intervallen bildet das Bootstrapping-Ver-fahren [1], bei dem die theoretische Ver-teilung durch ein Resampling-Verfah-ren simuliert wird [1, 2, 16, 43]. Als Er-gebnis dieser Methode erhält man einen elliptischen Konfidenzbereich, welcher die Variationsbreite des ICER definiert (.Abb. 3, [1, 16]).

Die Konfidenzellipse des ICER kann theoretisch entweder in einem oder meh-reren der 4 Felder der Kosteneffektivitäts-fläche liegen. Neben der Lage des Punkt-schätzwertes in der Kosteneffektivitäts-fläche muss bei der Interpretation des ICER demzufolge auch die Verteilung der Schätzwerte berücksichtigt werden. Liegt die Konfidenzellipse in verschiedenen Quadranten, so lässt sich zunächst be-stimmen, welcher Anteil der Schätzwerte in den Quadranten Q1 und Q4 liegen. Da-mit lässt sich eine Aussage darüber tref-fen, mit welcher Wahrscheinlichkeit eine neue Intervention im Vergleich zu einem etablierten Verfahren eindeutig ineffizi-

0.063

1.441MWTP =

ICER = 22.879

(-) K

oste

ndiff

eren

z (+

)

(-) Effektivitätsdifferenz (+)

Abb. 2 8 Die Interpretation der ICER

1.441€A BA B K KK − = − =∆

0.063 QALYsA BA B E EE − = − =∆

/

1.441 22.879 €0,063A BICER = =

138 |  Prävention und Gesundheitsförderung 3 · 2008

Gesundheitspolitik

Page 5: Gesundheitsökonomische Evaluation in der psychiatrischen ...

enter, d. h. teurer und schlechter oder ein-deutig effizienter, d. h. billiger und besser ist. Für die in den Quadranten Q2 und Q3 liegenden Schätzwerte lassen sich jeweils die Anteile bestimmten, die rechts von der MWTP-Geraden liegen. Für die im Qua-dranten Q2 liegenden Werte ergibt sich so die Wahrscheinlichkeit, mit der eine In-tervention mit einer Effektivitätsverbesse-rung zu unter der Schwelle der maxima-len Zahlungsbereitschaft liegenden Kos-ten verbunden ist (.Abb. 3).

Über die Varianz des ICER lässt sich analog zu einem parametrischen Konfi-denzintervall auch bestimmen, wie hoch die maximale Zahlungsbereich für eine Effektivitätssteigerung um 1 QALY sein müsste, damit die Wahrscheinlichkeit für die Kosteneffektivität der neuen Behand-lungsmethode einen bestimmten Wert erreicht. Zu diesem Zweck muss die Stei-gung der Geraden λ so weit erhöht wer-den, bis ein vorher bestimmter Anteil der Streuung des ICER (z. B. 95%) rechts von dieser Geraden liegt. .Abb. 3 zeigt die Veränderung der Wahrscheinlichkeit für die Akzeptanz des neuen Wirkstof-fes A mit einer Erhöhung der MWTP auf 50.000 und 65.000 €.

Die Bestimmung der Akzeptanzwahr-scheinlichkeit in Abhängigkeit von der maximalen Zahlungsbereitschaft erfolgt mit der Kosteneffektivitätsakzeptanzkur-ve (cost-effectiveness acceptability curve, CEAC) (.Abb. 4). Die CEAC zeigt auf der X-Achse die Werte für die maximale Zahlungsbereitschaft und auf der Y-Ach-

se den Anteil der Varianz des ICER, rechts von der MWTB-Geraden [1, 2, 16, 43].

Für das vorliegende Beispiel zeigt .Abb. 4, dass ab einer Zahlungsbereit-schaft von 63.000 € für den Gewinn eines zusätzlichen QALY die Wahrscheinlich-keit für die Kosteneffektivität der neuen Behandlungsmethode bei 95% liegt.

Die Bedeutung des Nettonutzenansatzes für die Versorgungsforschung

Mit dem dargestellten Verfahren lässt sich die Kosteneffektivität einer medizinischen Intervention im Vergleich zu einer Alter-nativintervention oder zur Nichtbehand-lung auf der Grundlage von Stichproben-daten mit einer bestimmten Irrtumswahr-scheinlichkeit bestimmen. Die Metho-de ist dann ausreichend, wenn lediglich zwei Behandlungsalternativen verglichen werden und wenn die Stichprobendaten im Rahmen einer randomisierten Studie gewonnen wurden. Wie oben dargestellt, besteht eines der zentralen methodischen Probleme der Versorgungsforschung je-doch darin, Einflussfaktoren der Behand-lungswirkung, die nicht durch eine Ran-domisierung der Studienteilnehmer aus-geschlossen werden können, durch den Einsatz multivariater statistischer Ana-lyseverfahren zu kontrollieren. Wegen der spezifischen stochastischen Eigen-schaften des ICER und der Tatsache, dass sich Kosteneffektivitätsrelationen nur auf Stichproben- und nicht auf Individualebe-ne bestimmen lassen ist eine Anwendung

derartiger Verfahren im Rahmen des oben dargestellten Verfahrens nicht möglich.

Eine den spezifischen Anforderungen der Versorgungsforschung entsprechende Alternative stellt der Nettonutzenansatz (net benefit apporach) dar [16, 47]. Der auch als „net monetary benefit“ (NMB) oder „net health benefit“ (NHB) bezeich-nete Ansatz basiert auf der Tatsache, dass mit dem Konzept der maximalen Zah-lungsbereitschaft eine monetäre Bewer-tung des Nutzens von Gesundheitsleis-tungen vorgenommen wird und dass sich deshalb die aus der Gegenüberstellung von ICER und maximaler Zahlungsbe-reitschaft abgeleitete Akzeptanzentschei-dung auch in folgender Form ausdrücken lässt:

Der monetäre Nettonutzen (NMB) einer Gesundheitsleistung im Vergleich zu ei-ner anderen Leistung oder einer Nichtbe-handlung ergibt sich aus dem Produkt der maximalen Zahlungsbereitschaft λ für ei-nen Effektivitätsgewinn und dem Mittel-wert μ der Effektivitätsdifferenz ΔE minus dem Mittelwert der Kostendifferenz ΔK. Für das oben dargestellte Bespiel ergibt sich bei Zugrundelegung einer maxima-len Zahlungsbereitschaft von 25.000 €:

und damit ein positiver monetärer Netto-nutzen von 134 € für jeden für die Finan-

-01 -02 -04 -06 -080 -1 -12 -15

-100

500

1000

1500

2000

2500

QALY di�erence

cost

di�

eren

ceλ = 65.000

λ = 50.000

λ = 25.000

ICER = 22.879 €

Abb. 3 8 Die Varianz der inkrementellen Kosteneffektivitätsrelation

0.2

.4.6

.81

% A

ccep

tabl

e

0 20000 40000 60000 80000 100000Willingness to pay

95%

63.000 €

Abb. 4 8 Die Kosteneffektivitätsakzeptanzkurve

= > 0E KNMB µ µλ ∆ ∆

∗ −

= =

25.000 0.063NMB1.441 134 €

A B− ∗−

139Prävention und Gesundheitsförderung 3 · 2008  | 

Page 6: Gesundheitsökonomische Evaluation in der psychiatrischen ...

zierung der Behandlungsalternative A im Vergleich zur Behandlungsalternative B zusätzlich eingesetzten Euro. Allerdings ist bei dieser Berechnung wiederum die Varianz der Schätzwerte unberücksich-tigt. Im Unterschied zum ICER gilt je-doch für den NMB die Annahme einer Normalverteilung und damit ergibt sich die Varianz σ des NMB [16, 17]:

und damit das Konfidenzintervall:

Zα symbolisiert den kritischen Wert der Standardnormalverteilung für das Signifikanzniveau α. Für ein Signifikanz-niveau von p<0,05 ergibt sich für den mo-netären Nettonutzen von 134 € aus obigem Beispiel ein 95%-Konfidenzintervall von −993 € als unterer Grenze und 1304 € als oberer Grenze. Da das Konfidenzintervall den Wert Null einschließt, ergibt sich der Schluss, dass bei einer maximalen Zah-lungsbereitschaft von 25.000 € auf einem Signifikanzniveau von p<0,05 kein mone-tärer Nettonutzen durch die Anwendung von Wirkstoff A im Vergleich zu Wirk-stoff B zu erwarten ist.

Zur Ermittlung der für die Erreichung eines positiven Nettonutzens notwen-digen maximalen Zahlungsbereitschaft lässt sich der Zusammenhang von MWTP und Nettonutzen wie bei der Kosteneffek-tivitätsakzeptanzkurve in einem Koordi-natensystem darstellen (.Abb. 5).

.Abb. 5 zeigt die Gerade für den Zu-sammenhang des monetären Nettonut-zens mit der maximalen Zahlungsbereit-

schaft sowie das 95%-Konfidenzinter-vall für das obige Beispiel. Der Schnitt-punkt mit der y-Achse bei –1441 € reprä-sentiert die Kostendifferenz ΔK zwischen den Wirkstoffen A und B. Da der Wert für die maximale Zahlungsbereitschaft an dieser Stelle Null ist, ergibt sich nega-tiver Nettonutzen von 1441 €. Der Schnitt-punkt der Nettonutzengeraden mit der x-Achse markiert die Punktschätzung der inkrementellen Kosteneffektivitätsrelati-on (ICER), der im vorliegenden Beispiel 22.879 € beträgt. Der Schnittpunkt der un-teren Grenze des 95%-Konfidenzintervalls markiert den Wert für die maximale Zah-lungsbereitschaft, ab dem sich durch den Einsatz von Wirkstoff A im Vergleich zu Wirkstoff B ein, mit einer Irrtumswahr-scheinlichkeit von p<0,05, signifikanten positiver Nettonutzen ergibt. Im vorlie-genden Beispiel ist dies der bereits über die Kosteneffektivitätsakzeptanzkurve er-mittelte Wert von 63.000 €.

Die Anwendung des Nettonutzenansatzes im Rahmen multivariater Analyseverfahren

Ein zentrales Problem der oben dargestell-ten Verfahren zur Berechnung der Kos-teneffektivitätsrelation besteht darin, dass die Anwendung multivariater statistischer Analyseverfahren zur Kontrolle von Ein-flussfaktoren der Behandlungseffizienz nicht möglich ist, weil sich die inkremen-telle Kosteneffektivitätsrelation nur auf Stichprobenebene bestimmen lässt. Wie eingangs dargestellt, erfordert aber gerade die für die Versorgungsforschung zentrale Bewertung medizinischer Behandlung in der Routineversorgung den Einsatz derar-tiger Verfahren in besonderem Maße.

Im Unterschied zum ICER bietet der Nettonutzenansatz neben dem generellen Vorteil einer parametrischen Verteilung zusätzlich die Möglichkeit der Bestim-mung von Nettonutzenwerten auf indivi-dueller Basis da:

Demzufolge lassen sich aus den im Rah-men einer Stichprobenuntersuchung er-mittelten individuellen Werten für die Wirksamkeit Ei und die Kosten Ki die in-dividuellen monetären Nettonutzenwerte NMBi für jeden Untersuchungsteilneh-mer i bestimmen:

Der individuelle Nettonutzenwert NMBi repräsentiert den monetären Nutzen, den die Anwendung einer Behandlungs-methode bei einer bestimmten maxima-len Zahlungsbereitschaft λ für eine Per-son i aus einer Untersuchungsstichprobe hat und weist alle stochastischen Eigen-schaften einer normalverteilten Zufalls-variable auf [16, 17, 18].

Diese Eigenschaften erlauben es, das gesamt Spektrum multivariater statisti-scher Auswertungsverfahren zur Analy-se der Einflussfaktoren der Effizienz me-dizinischer Maßnahmen anzuwenden. Ei-ne inkrementelle Kosteneffektivitätsana-lyse lässt sich im Rahmen dieses Ansatzes als lineares Regressionsmodell mit einer dummykodierten Treatmentvariable dar-stellen:

Hierbei repräsentieren NMBi den mone-tären Nettonutzen für Person i unter An-nahme einer maximalen Zahlungsbereit-schaft λ, α die Regressionskonstante, βt0-k-1i das Regressionsgewicht für die Treat-mentbedingung für Person i und εi den Vorhersagefehler. Da bei einer Dummy-kodierung nur k-1 Kategorien der kate-gorialen Einflussvariablen einbezogen re-präsentiert unter der Bedingung, dass au-ßer der Treatmentbedingung keine wei-tere unabhängige Variable in das Modell einbezogen wird, die Regressionskonstan-

( ) ( )( ) ( )* *

*

A B

A A B B

A B A B

NMB NMBE K E KE E K KE K

NMB

λ λλ

λ

= − − −

= − − −

= −

=∆ ∆

* i iiNMB E Kλ= −

0 k-1 ii itNMB βα ε−= + +

-200

00

2000

4000

6000

8000

0 20000 40000 60000 80000 100000Willingness to pay

63.000 €

22.879 €

-1.441 €

95 % CI NMB

Abb. 5 9 Der mo-netäre Nettonutzen (NMB) in Abhängigkeit von der maximalen Zahlungsbereitschaft (MWTP)

2( ) ( ) ( )

2 cov( , )

NMB E K

E K

σ σ σ

λλ= ∆ + ∆

− ∆ ∆

2( )

2 NMB

KI NMB NMB Z α

σ= ±

140 |  Prävention und Gesundheitsförderung 3 · 2008

Gesundheitspolitik

Page 7: Gesundheitsökonomische Evaluation in der psychiatrischen ...

te α den monetären Nettonutzen der Re-ferenzkategorie und βt die Differenz des Nettonutzens zwischen den Therapieal-ternativen A und B, wobei im Rahmen des Regressionsansatzes nicht nur zwei, son-dern mehrere Therapiealternativen ver- glichen werden können. Interessant für die Versorgungsforschung wird der Re-gressionsansatz jedoch insbesondere dann, wenn neben den Dummyvariablen für die Therapiealternativen auch Variab-len zur Kontrolle möglicher Störfaktoren in das Regressionsmodell einbezogen wer-den. Das Regressionsmodell nimmt dann folgende Form an:

wobei β2-j die Regressionsgewichte für die Kontrollvariablen x1–xl repräsentieren.

Ein Anwendungsbeispiel aus der psychiatrischen Versorgungsforschung

Die Anwendung des Nettonutzenansatzes im Rahmen der psychiatrischen Versor-gungsforschung soll am oben eingeführ-ten Beispiel des Vergleichs der Kostenef-fektivität verschiedener Formen der me-dikamentösen Therapie im Rahmen der Routinebehandlung von Patienten mit schizophrenen Erkrankungen demon-

striert werden. Als Behandlungsalterna-tiven werden ein neuer Wirkstoff A, ein etablierter Wirkstoff B, eine Kombination der Wirkstoffe A und B sowie die Nichtbe-handlung mit Antipsychotika verglichen.

.Abb. 6 zeigt die Kosteneffektivitäts-flächen für die Vergleiche zwischen einer Behandlung mit dem neuen Antipsycho-tikum A und den übrigen Behandlungs-formen. Die Behandlung mit Wirkstoff A erweist sich gegenüber der Behandlung mit Wirkstoff B als wirksamer, aber auch teurer.

Eine Behandlung mit einer Kombina-tion der Wirkstoffe A und B ist ebenfalls teuer als eine Behandlung mit dem Wirk-stoff B, allerdings zeigt sich nur in weniger als der Hälfte der Schätzwerte eine größe-re Wirksamkeit. Eine Behandlung oh-ne Antipsychotika erweist sich als durch-gängig billiger als eine Behandlung mit dem Wirkstoff B, für ungefähr die Hälf-te der Schätzwerte zeigt sich jedoch auch eine geringere Wirksamkeit. Aus den vor-liegenden Verteilungen für die Variation der Kosteneffektivitätsrelationen ergibt sich die Schlussfolgerungen, dass von den untersuchten Behandlungsmethoden eine Behandlung mit dem neuen Wirkstoff A im Vergleich zu einer Behandlung mit dem etablierten Wirkstoff B eine bessere Behandlungswirkung verspricht.

Wenn der Vergleich der Behandlungs-alternativen auf Ergebnisse einer rando-misierten klinischen Studie basiert, bietet die oben dargestellte Methode der Kos-teneffektivitätsanalyse eine ausreichende Grundlage zur Beurteilung der Kostenef-fektivität der verschiedenen Behandlungs-verfahren. Wenn jedoch, wie dies im Rah-men der Versorgungsforschung üblicher-weise der Fall ist, der Vergleich auf den Ergebnissen einer naturalistischen Studie ohne randomisierte Zuweisung der Stu-dienteilnehmer zu den Behandlungsver-fahren basiert, müssen Maßnahmen zur Kontrolle eines möglichen Selektionsbi-as getroffen werden. Als besonders geeig-net erweist sich hierbei die „Propensity-Score-Methode“ [9, 20, 28], bei der zu-nächst über ein kategoriales Regressions-modell die Einflussfaktoren für die Wahr-scheinlichkeit eine bestimmte Behand-lungsform zu erhalten bestimmt werden. Auf der Grundlage eines derartigen Mo-dells lassen sich dann für jeden Untersu-chungsteilnehmer die seine spezifischen Merkmale bedingten Wahrscheinlich-keiten dafür bestimmen, eine bestimmte Form der Behandlung zu erhalten. Durch die Einbeziehung dieser bedingten Wahr-scheinlichkeiten in ein Regressionsmo-dell für die Prüfung der Behandlungs-wirksamkeit können alle bekannten und

-100

00

1000

2000

3000

Kost

endi

ffere

nz

-.2 -.1 0 .1 .2QALY Differenz

Wirkstoff A vs. Wirkstoff B

-100

00

1000

2000

3000

Kost

endi

ffere

nz

-.2 -.1 0 .1 .2QALY Differenz

Wirkstoffe A und B vs. Wirkstoff B

-100

00

1000

2000

3000

Kost

endi

ffere

nz

-.2 -.1 0 .1 .2QALY Differenz

keine Behandlung vs. Wirkstoff B

Abb. 6 7 Die Varianz der inkrementellen Kostenef-

fektivität verschiedener Formen der antipsycho-

tischen Behandlung

120 k-11 l ii jit xNMB β βα ε−−−

= + + +

141Prävention und Gesundheitsförderung 3 · 2008  | 

Page 8: Gesundheitsökonomische Evaluation in der psychiatrischen ...

im Rahmen der Untersuchung erfassten potentiellen Ursachen für einen Selekti-onsbias kontrolliert werden [9, 26].

Da eine derartige Kontrolle des Selek-tionsbias im Rahmen der oben dargestell-ten Kosteneffektivitätsanalyse nicht mög-lich ist, soll nun mit der Nettonutzenme-thode untersucht werden, wie hoch unter Berücksichtigung möglicher Selektions-faktoren die maximale Zahlungsbereit-schaft sein müsste, damit eine Behand-lung mit dem neuen Wirkstoff A im Ver-gleich zu einer Behandlung mit dem etab-lierten Wirkstoff B bei einer Fehlerwahr-scheinlichkeit von p<0,05 als kosteneffek-tiv akzeptiert würde.

Für die Anwendung der Nettonutzen-methode wurden zur Berechnung der monetären Nettonutzenwerte NMBi die QALY-Werte für jeden Untersuchungs-teilnehmer mit den folgenden hypothe-tischen Werten für die maximale Zah-lungsbereitschaft λ multipliziert: λ=0 €, λ=25.000 €, λ=45.000 € und λ=65.000 €. Für jedes Lambda wurde dann ein Re-gressionsmodell in folgender Form be-rechnet:

Wobei NMBitλ der monetäre Nettonut-zen für Person i bei einer maximalen Zahlungsbereitschaft λ. β1t1i–β3t3i reprä-sentieren die Regressionsgewichte für die unterschiedlichen Formen der antipsy-chotischen Behandlungen. β5PSt1it–β8PSt3it repräsentieren die Propensity-Scores für die Behandlungsformen A, A und B so-wie für die Nichtbehandlung zur Bias-kontrolle.

Die Ergebnisse der 4 Regressionsmo-delle sind in .Tab. 1 dargestellt. Die Re-gressionskoeffizienten für die 3 Katego-

rien der medikamentösen Behandlung zeigen den monetären Nettonutzen der jeweiligen Kategorie im Vergleich zur Be-handlung mit dem etablierten Wirkstoff B unter Bedingung der jeweiligen maxima-len Zahlungsbereitschaft λ. Bei einem λ=0 entscheiden allein die Kosten der Behand-lung über den monetären Nutzen. Die Ko-effizienten des entsprechenden Modells repräsentieren demnach die Kostenun-terschiede der jeweiligen Behandlungs-form im Vergleich zur Behandlung mit Wirkstoff B.

Für eine maximale Zahlungsbereit-schaft von λ=0 ergeben sich im Vergleich zu einer Behandlung mit dem etablier-ten Wirkstoff B für alle anderen Behand-lungsformen signifikante Verluste. Bei ei-ner maximalen Zahlungsbereitschaft für den Gewinn eines QALY von λ=25.000 € ergibt sich nur noch für die Behandlung mit einer Kombination der Wirkstoffe A und B gegenüber einer Behandlung mit Wirkstoff B allein ein signifikanter Net-toverlust, allerdings erweist sich der po-sitive Nettonutzen für Wirkstoff A im Vergleich zu Wirkstoff B als nicht signi-fikant. Das Gleiche gilt für eine maxima-le Zahlungsbereitschaft von λ=45.000 €. Erst bei einer maximalen Zahlungsbereit-schaft von 65.000 € ergibt sich ein signifi-kanter positiver Nettonutzen für eine Be-handlung mit dem neuen Wirkstoff A im Vergleich zur Behandlung mit dem etab-lierten Wirkstoff B.

Diskussion und Ausblick

Angesichts der angespannten Kostensitu-ation im Gesundheitswesen gewinnt die gesundheitsökonomische Bewertung ver-schiedener Behandlungsoptionen auch in der psychiatrischen Versorgungsfor-

schung eine zunehmende Bedeutung. Ei-ne vollständige gesundheitsökonomische Evaluation erfordert dabei immer die Gegenüberstellung des Nutzens und der Kosten verschiedener Behandlungsalter-nativen.

Während der Messfehlerwahrschein-lichkeit bis vor kurzem fast ausschließ-lich durch Sensitivitätsanalysen Rech-nung getragen wurde, erlauben moder-ne Verfahren der Kosteneffektivitätsana-lyse die Schätzung der Varianz der inkre-mentellen Kosteneffektivitätsrelation und damit die Berücksichtigung der stochasti-schen Unsicherheit analog zu klassischen statistischen Testverfahren. Da im Rah-men der Versorgungsforschung die Ef-fizienz verschiedener Behandlungsopti-onen v. a. unter Routinebedingungen ver-glichen werden soll, werden hierfür Ver-fahren benötigt, die es erlauben, Aussa-gen auf der Basis naturalistischer Studi-en zu treffen. Die klassischen Methoden der Kosteneffektivitätsanalyse erlauben dies nur in eingeschränktem Umfang, da wegen des Fehlens individueller Schätz-werte für die Wirksamkeits- und die Kos-tendifferenz eine Anwendung multivari-ater statistischer Analyseverfahren nicht möglich ist.

Mit der oben vorgestellten Nettonut-zenmethode wird diese Hürde überwun-den. Damit bildet die Nettonutzenmetho-de insbesondere für die Versorgungsfor-schung einen wesentlichen Fortschritt, da sie es ermöglicht, Aussagen darüber zu machen, wie hoch unter den Bedin-gungen der Routinebehandlung die Zah-lungsbereitschaft für den Gewinn eines Zusatznutzens durch eine neue Behand-lungsmethode mindestens sein muss, da-mit diese Behandlungsmethode als effizi-ent beurteilt werden kann.

Tab. 1  Die Anwendung der Nettonutzenmethode im Rahmen multivariater Regressionsanalysen

Modell λ=0 λ=25.000 € λ=45.000 € λ=65.000 €

b p b p b p b p

Wirkstoff B Referenz Referenz Referenz Referenz

Wirkstoff A −1317,63 0,000 274,66 0,641 1548,50 0,121 2822,33 0,046

Wirkstoffe A + B −1631,80 0,000 −2339,83 0,010 −2906,26 0,064 −3472,68 0,121

Keine Behandlung −583,92 0,000 747,55 0,293 878,44 0,487 1009,34 0,579

PS Wirkstoff A −204,71 0,720 −727,94 0,664 −1146,53 0,678 −1565,12 0,686

PS Wirkstoffe A+B −1443,99 0,106 1234,33 0,693 3376,98 0,587 5519,64 0,554

PS keine Behandlung −1807,35 0,152 −410,68 0,897 706,66 0,888 1823,99 0,791

Konst. −560,55 0,000 14.435,71 0,000 26.432,72 0,000 38.429,72 0,000

1 2 31 2 3

1 2 36 7 8

i i ii j

it i t i t i

t t tNMBPS PS PS

λ β β βαβ β β ε

= + + +

+ + + +

142 |  Prävention und Gesundheitsförderung 3 · 2008

Gesundheitspolitik

Page 9: Gesundheitsökonomische Evaluation in der psychiatrischen ...

Bei der Verwendung standardisierter Nutzenparameter, wie z. B. QALY oder DALY, wird es damit möglich, die Op-portunitätskosten neuer Behandlungs-formen sowohl innerhalb bestimmter Er-krankungsformen als auch über verschie-dene Erkrankungen hinweg zu schät-zen. Allerdings muss hierbei der Tatsache Rechnung getragen werden, dass die Effi-zienz nicht das einzige Kriterium für den Einsatz einer bestimmten Behandlungs-methode sein kann. So zeigen Chisholm et al. [4, 5], dass bei der Behandlung psy-chischer Erkrankungen die Verfügbarkeit von Behandlungsmethoden für unter-schiedliche Erkrankungsformen berück-sichtigt werden muss. So liegt die durch-schnittliche Kosteneffektivität für die Be-handlung depressiver Erkrankungen bei ca. 30.000 $ für die Vermeidung eines DALY durch eine Standardbehandlung im Vergleich zur Nichtbehandlung. Für schizophrene Erkrankungen liegt diese durchschnittliche Kosteneffektivität da-gegen bei ca. 100.000 $ pro Vermeidung eines DALY [5]. Nach dem Opportuni-tätskostenprinzip ergäbe sich damit ein größerer Gesamtnutzen, wenn statt der Behandlung beider Erkrankungen nur de-pressive Erkrankungen behandelt werden. Dies würde jedoch dem ethischen Grund-prinzip der Behandlungsgerechtigkeit wi-dersprechen, nach dem jeder Mensch im Krankheitsfall einen Anspruch auf medi-zinische Behandlung hat.

Krankheitsübergreifende Vergleiche der Kosteneffektivität verschiedener Be-handlungsformen, wie sie in sog. „league tables“ vorgenommen werden, sind dem-nach nur begrenzt sinnvoll. Innerhalb bestimmter Erkrankungsformen (z. B. schizophrener oder depressiver Erkran-kungen) können Aussagen über die maxi-mal notwendige Zahlungsbereitschaft für den Gewinn eines Zusatznutzens durch eine bestimmte Behandlungsmethode in hohem Maße dazu beitragen, die Diskus-sion über die Finanzierung innovativer Behandlungsmethoden zu versachlichen.

Fazit für die Praxis

Gesundheitsökonomische Analysen ge-winnen für die Ressourcenallokation im Gesundheitswesen eine zunehmende Bedeutung. Herkömmliche Methoden 

der gesundheitsökonomischen Evaluati-on sind mit erheblichen Beschränkungen besonders hinsichtlich ihrer Anwendung in für die Versorgungsforschung beson-ders wichtigen, naturalistischen Studi-en verbunden. Mit der vorgestellten Net-tonutzenmethode wird es möglich, auch auf der Grundlage von naturalistischen Studien, Aussagen darüber zu machen, wie hoch unter den Bedingungen der Routinebehandlung die Zahlungsbereit-schaft für den Gewinn eines Zusatznut-zens durch eine neue Behandlungsme-thode mindestens sein muss, damit diese Behandlungsmethode als effizient beur-teilt werden kann.

KorrespondenzadressePD Dr. R. Kilian rer. soc.

Universität Ulm, Klinik für Psychiatrie und Psychotherapie II am Bezirkskrankenhaus Günzburg,Ludwig-Heilmeyer-Straße 2, 89312 Günzburgreinhold.kilian

@bkh-guenzburg.de

Interessenkonflikt. Der korrespondierende Autor gibt an, dass kein Interessenkonflikt besteht.

Literatur

1. Briggs A, Fenn P (1998) Confidence intervals or surfaces? Uncertainty on the cost-effectiveness plane. Health Econ 7: 723–740

2. Briggs AH, O’Brien B (2001) The death of cost-mini-mization analysis? Health Econ 10: 179–184

3. Briggs A (1999) Economics notes: handling uncer-tainty in economic evaluation. Br Med J 319: 120

4. Chisholm D (2003) Cost-effective strategies for re-ducing the global burden of mentall ill-helth: a ge-neralised approach. Mental Health Res Rev 9: 27–29

5. Chisholm D (2005) Choosing cost-effective inter-ventions in psychiatry: results from the CHOICE programme of the World Health Organization. World Psychiatry 4: 37–44

6. Chisholm D (2005) Keeping pace with assessing cost-effectiveness: economic efficiency and prio-rity-setting in mental health. Aust N Z J Psychiatry 39: 645–647

7. Chisholm D, Healey A, Knapp M (1997) QALYs and mental health care. Soc Psychiatry Psychiatr Epide-miol 32: 68–75

8. Chisholm D, van OM, yuso-Mateos JL, Saxena S (2005) Cost-effectiveness of clinical interventions for reducing the global burden of bipolar disorder. Br J Psychiatry 187: 559–567

9. D’Agostino RB (1998) Tutorial in biostatistics. Pro-pensity score methods for bias reduction in the comparison of a treatment to a non-randomized control group. Stat Med 17: 2265–2281

10. Dolan P (2001) Utilitarianism and the measure-ment and aggregation of quality – adjusted life years. Health Care Anal 9: 65–76

11. Garber AM, Weinstein MC, Torrance GW, Kamlet MS (2005) Theoretical foundations of cost-effec-tiveness analysis. In: Gold MR, Siegel JE, Russel LB, Weinstein MC (eds) Cost-effectiveness in health and medicine. Oxford University Press, New York Oxford, pp 25–53

12. Gold MR, Patrick DL, Torrance GW et al. (1996) Identifying and valuing outcomes. In: Gold MR, Siegel JE, Russel LB, Weinstein MC (eds) Cost-effec-tiveness in health and medicine. Oxford University Press, New York Oxford

13. Gold MR, Siegel JE, Russel LB, Weinstein MC (1996) Cost-effectiveness in health and medicine. New York Oxford: Oxford University Press

14. Hargreaves WA, Shumway M, Hu TW, Cuffel B (1998) Cost-outcome methods for mental health. Academic Press, San Diego London New York

15. Healey A, Chisholm D (1999) Willingness to pay as a measure of the benefits of mental health care. J Ment Health Policy Econ 2: 55–58

16. Hoch JS, Briggs AH, Willan R (2002) Something old, something new, something borrowed, something blue: a framework for the marriage of health eco-nometrics and cost-effectiveness analysis. Health Econ 11: 415–430

17. Hoch JS, Rockx MA, Krahn AD (2006) Using the net benefit regression framework to construct cost-ef-fectiveness acceptability curves: an example using data from a trial of external loop recorders versus Holter monitoring for ambulatory monitoring of „community acquired“ syncope. BMC Health Serv Res 6: 68

18. Hoch JS, Smith MW (2006) A guide to economic evaluation: methods for cost-effectiveness analysis of person-level data. J Trauma Stress 19: 787–797

19. Kilian R (2007) Die Anwendung der Kosteneffekti-vitätsanalyse in der psychiatrischen Versorgungs-forschung. Methodische Probleme und Lösungs-ansätze (The application of cost-effectiveness ana-lysis in mental health services research. Metho-dological prolbems and solutions. Psychiat Prax 34(1): 138–139

20. Kilian R, Angermeyer MC (2005) The effects of an-tipsychotic treatment on quality of life of schizo-phrenic patients under naturalistic treatment con-ditions: An application of random effect regression models and propensity scores in an observational prospective trial. Qual Life Res 14: 1275–1289

21. Kilian R, Becker T (2006) Aktuelle Entwicklungsten-denzen psychiatrischer Versorgungsforschung. In: Pawils S, Koch U (Hrsg) Psychosoziale Versorgung in der Medizin. Schattauer, Stuttgart, S 331–342

22. Kilian R, Becker T (2007) Versorgungsforschung und medizinischer Fortschritt. Etablierung einer Brückendisziplin in der Psychiatrie. Neurotransmit-ter 18: 37–38

23. Kilian R, Knenelly B, McDaid D, Becker T (2007) Ge-sundheitsökonomische Aspekte der Suizidpräven-tion. Health economic aspects of suicide preventi-on. Suizidprophylaxe 34: 220–236

24. Kilian R, Roick C, Angermeyer MC (2004) Metho-dische Probleme und Lösungsansätze der Koste-nerfassung und der Kostenanalyse in der psychi-atrischen Versorgung am Beispiel der Schizophre-niebehandlung. In: Vogel H, Wasem J (Hrsg) Ge-sundheitsökonomie in Psychotherapie und Psych-iatrie. Gesundheitsökonomische Untersuchungen in der psychotherapeutischen und psychiatrischen Versorgung. Schattauer, Stuttgart New York, S 76–99

143Prävention und Gesundheitsförderung 3 · 2008  | 

Page 10: Gesundheitsökonomische Evaluation in der psychiatrischen ...

25. Kilian R, Angermeyer MC (2004) The impact of an-tipsychotic medication on the incidence and the costs of inpatient treatment in people with schizo-phrenia: results from a prospective observational study. Psychiatr Prax 31: 138–146

26. Kilian R, Angermeyer MC (2005) The effects of an-tipsychotic treatment on quality of life of schizo-phrenic patients under naturalistic treatment con-ditions: an application of random effect regression models and propensity scores in an observational prospective trial. Qual Life Res 14: 1275–1289

27. Kilian R, Angermeyer MC, Becker T (2004) Metho-dolocical issues of naturalistic observational stu-dies on the economic evaluation of neuroleptic treatment for schizophrenic disease. Gesundheits-wesen 66: 180–185

28. Kilian R, Dietrich S, Toumi M, Angermeyer MC (2004) Quality of life in persons with schizophrenia in out-patient treatment with first- or second-ge-neration antipsychotics. Acta Psychiatr Scand 110: 108–118

29. Kilian R, Roick C, Angermeyer MC (2003) The im-pact of the study design and the sampling proce-dure on the assessment of mental health services. Nervenarzt 74: 561–570

30. Laha RG (1958) An example of a nonnormal distri-bution where the quotient follows the cauchy law. Proc Natl Acad Sci USA 44: 222–223

31. Lopez AD, Mathers CD, Ezzati M et al. (2006) Glo-bal and regional burden of disease and risk factors 2001: systematic analysis of population health da-ta. Lancet 367: 1747–1757

32. March JS, Silva SG, Compton S et al. (2005) The case for practical clinical trials in psychiatry. Am J Psychiatr 162: 836–846

33. Mason J, Drummond M, Torrance G (1993) Some guidelines on the use of cost effectiveness league tables. Br Med J 306: 570–572

34. Mont D (2007) Measuring health and disability. Lancet 369: 1658–1663

35. Muening P (2002) Desinging and conducting cost-effectiveness analyses in medicine and health ca-re. Jossey-Bass, San Francisco

36. Mulvaney-Day NE (2005) Using willingness to pay to measure family members‘ preferences in men-tal health. J Ment Health Policy Econ 8: 71–81

37. Polsky D, Glick HA, Willke R, Schulman K (1997) Confidence intervals for cost-effectiveness ra-tios: A comparison of four methods. Health Econ 6: 243–252

38. Reidpath DD, Allotey PA, Kouame A, Cummins RA (2003) Measuring health in a vacuum: examining the disability weight of the DALY. Health Policy Plan 18: 351–356

39. Revicki DA (1995) Measuring health outcomes for cost-effectiveness studies: are all quality adjusted life years created equal? Drug Inf J 29: 1459–1467

40. Russel LB, Siegel JE, Daniels N et al. (1996) Cost-ef-fectiveness analysis as a guide to resource alloca-tion in health: roles and limitations. In: Gold MR, Siegel JE, Russel LB, Weinstein MC (eds) Cost-effec-tiveness in health and medicine. Oxford University Press, New York Oxford, pp 3–24

41. Schöffski O, Glaser P, Graf von der Schulenburg M (1998) Gesundheitsökonomische Evaluationen. Grundlagen und Standortbestimmungen. Sprin-ger, Berlin Heidelberg New York

42. Schrappe M, Glaeske G, Gottwik M et al. (2005) Konzeptionelle, methodische und strukturelle Vor-aussetzungen der Versorgungsforschung. Dtsch Med Wochenschr 130: 2918–2922

43. Sendi PP, Briggs AH (2001) Affordability and cost-effectiveness: Decision making on the cost-effec-tiveness plane. Health Econ 10: 675–680

44. Stant AD, Buskens E, Jenner JA et al. (2007) Cost-effectiveness analysis in severe mental illness: out-come measures selection. J Ment Health Policy Econ 10: 101–108

45. Ustun TB, Chisholm D (2001) Global „burden of di-sease“-study for psychiatric disorders. Psychiatr Prax 28(Suppl 1): 7–11

46. Viscusi WK (2003) The value of life: Estimates with risks by occupation and industry. Disussion Paper No 422 Cambridge: HAVARD John M Olin Center for Law, Economics and Business, Cambridge

47. Willan AR, Briggs AH, Hoch JS (2004) Regression methods for covariate adjustment and subgroup analysis for non-censored cost-effectiveness data. Health Econ 13: 461–475

48. World Health Organization (2001) Atlas Mental health resources in the world 2001. World Health Organization, Geneva

Franz Petermann, Ute Koglin, Heike Natzke, Nandoli von MaréesVerhaltenstraining in der GrundschuleEin Präventionsprogramm zur Förderung sozialer und emotionaler KompetenzenHogrefe 2007, (ISBN 978-3-8017-2017-9)

Die Bremer Gruppe um Franz Petermann hat sich in den vergangenen Jahren der verdienstvollen Aufgabe gewidmet, ver-haltenspräventive Trainingsprogramme für verschiedene Altersphasen von Kindern und Jugendlichen zu entwickeln und zu erproben.

Das vorliegende Programm „Verhal-tenstraining in der Grundschule“ will die sozialen und emotionalen Kompetenzen sowie die moralische Entwicklung von Grundschulkindern fördern. Es umfasst 26 Trainingseinheiten und wendet sich primär an Kinder in der dritten und vierten Klasse der Grundschule.

In dem Handbuch werden in den ers-ten sechs Kapiteln die theoretisch-konzep-tionellen Fundamente gelegt. Im zweiten Teil des Buches werden die einzelnen Trainingseinheiten detailliert beschrieben. Dem Buch ist eine DVD mit dem Herz-stück des Programmes, ein eigens für das Training entwickeltes Hörspiel „Abenteuer auf Duesternbrook“, sowie einer Fülle von Praxismaterialien, beigefügt.

Das Programm besticht durch seine wissenschaftliche Fundierung, einer span-nend aufbereiteten Geschichte und seiner für die Umsetzung in der Schulpraxis hilf-reichen Materialien. Bezüge zur aktuellen Diskussion der schulischen Gesundheits-förderung, wie etwa dem Konzept der gu-ten, gesunden Schule, werden vermisst.

Es bleibt zu hoffen, dass das Programm an Schulen eine weite Verbreitung findet.

Rüdiger Meierjürgen (Wuppertal)

Buchbesprechungen

144 |  Prävention und Gesundheitsförderung 3 · 2008