Source: ADH/SHA+ICD10 2019-2021
6 Intensieve zorgen
Op basis van de geanalyseerde verblijven zien we dat het gebruik van de afdeling intensieve zorgen (Kenletter ‘I’ bedden) na een chirurgische interventie binnen dezelfde nomenclatuurcode varieert tussen de centra.
Voor deze analyse werden de volgende elementen in rekening gebracht:
- Patiënten die voor de ingreep op de afdeling intensieve zorgen verbleven, zijn niet geïncludeerd.
- Patiënten die op de afdeling intensieve zorgen verbleven op de dag van de ingreep, of op de daaropvolgende dagen zijn geïncludeerd.
- Patiënten die overleden zijn op de dag van de ingreep of de daaropvolgende dag zijn niet geïncludeerd.
Per prestatiegroep (nomenclatuurcode) wordt per ziekenhuis het gebruik van intensieve zorgen weergegeven1, gebaseerd op het beleid dat ze hanteerden in de geanalyseerde jaren. In Figuur 6.1 zijn op de Y-as de ziekenhuizen weergegeven, en op de X-as de verschillende prestatiegroepen volgens nomenclatuurcode. Hoe roder het blokje op elk kruispunt, des te hoger het gebruik van intensieve zorgen binnen die prestatiegroep. Hoe groter het blokje, des te meer patiënten zich in die prestatiegroep bevinden. Door met de cursor over een blokje te bewegen, worden de details zichtbaar.
Weergegeven in Figuur 6.2, in een drietal ziekenhuizen worden patiënten postoperatief — dat wil zeggen op de dag van de ingreep of de eerste postoperatieve dag — minder vaak opgenomen op de afdeling intensieve zorgen.
Deze observatie wordt toegelicht tijdens de interviews. Sommige ziekenhuizen beschikken over een ‘middle care’ afdeling, en hierdoor worden er minder patiënten postoperatief opgenomen op de dienst Intensieve zorgen.
Source: ADH/SHA+ICD10 2019-2021
Source: ADH/SHA+ICD10 2019-2021
Formeel kan het model hiervoor worden uitgedrukt als \(log\left(\frac{P_{IC}}{1-P_{IC}}\right)= \alpha + \beta_1 age + \beta_2 man + \beta_3 pref + \mu_{h}\), waarbij \(h\) het ziekenhuis in kwestie is. De effecten worden dus uitgezuiverd voor de leeftijd, geslacht en voorkeursregime terugbetaling van de patiënt. Hierdoor worden de verschillen in patiënten case-mix tussen de ziekenhuizen deels in rekening gebracht. De elementen \(\mu_h\) zijn zogenaamde empirical bayes estimates, deze zorgen ervoor dat ziekenhuizen met relatief kleine patiëntenaantallen door het algemeen model worden aangetrokken en zodoende minder de mogelijk krijgen om sterk af te wijken van de andere ziekenhuizen.↩︎