Schlagwort-Archive: DIVI

Kreative Buchführung?

nachdenkseiten bezichtigt die DIVI Reports zur Intensivbelegung  der “kreativen Buchführung“. Dabei sind die nachdenkseiten nicht unumstritten: Lausen tritt mit Bhakdi auch auf kenFm auf.

Die vielfachen Änderungen der DIVI Datenbank sind bekannt (seit kurzem  ist auch das Alter der Patienten verfügbar – ein Jahr nach Inbetriebnahme…). Wir kennen die DIVI Fehler in der Darstellung , auch dass sich Verordnungen zur Bettenausweisungen mehrfach geändert haben,  Notfallreservekapazitäten separat , Kinder ein- oder ausgeschlossen, alles nichts Neues. Es geht hier ja nicht um eine statische Bettenzahl sondern es ist oft auch die Personalsituation, die sich kurzfristig ändern kann. Und wenn in Rosenheim dringend Betten gesucht werden, ist das Bett in Kiel irrelevant. Ganz abgesehen davon, dass die sogenannte weiche Triage auch schon vor der Vollbelegung einsetzt.

Ob die Bettenzahlen nun willkürlich den aktuellen Infektionszahlen angepasst werden? Schauen wir uns an ob das wirklich bei „sehr vielen Krankenhäusern“ zu beobachten war und in den genannten Städten.

Als Beispiele nannte er Leipzig, Bottrop, Goslar, Starnberg und Eisenach. Eindrücklich demonstriert er am Fall einer Klinik in Pinneberg, wie der „Bedarf“ an Betten je nach Belegungsumfang flexibel und „nach Belieben“ hoch und runter geregelt wurde …

Hier also nun eine Korrelationsanalyse  von Intensivbetten und COVID Patienten auf Kreisebene wobei nur die 50 höchsten Korrelationen gezeigt werden.

(klicken zur Vergrösserung) Stand 6.5.2021 RKI/DIVI Daten. Korrelation der täglich ausgewiesenen Bettenzahl seit Beginn der zweiten Welle (Farbe der Punkte geben die Zeitachse an) mit jeweils stationär liegenden COVID-19 Patienten auf der Intensivstation. Einzelkrankenhäuser der Region werden jeweils zusammen dargestellt. Pearson Korrelationskoeffizient dazu Loess Smoother. Darstellung der Regionen mit den 60 höchsten Werten, beachte die unterschiedliche Skalierung in den Regionen.

Neben diversen Artefakten sehe ich einige lineare Anstiege, etwa Landshut,  Tirschenreuth oder Lahn-Dill Kreis. Die Regionen Leipzig, Bottrop, Goslar, Starnberg, Eisenach und Pinneberg sind hier allerdings nicht dabei. Auch ist die Verteilung der R Werte nur etwas nach links aber ansonsten nicht zu den Extremwerten verschoben.

Stand 6.5.2021 RKI/DIVI Daten. Korrelation der täglich ausgewiesenen Bettenzahl seit Beginn der zweiten Welle liegenden COVID-19 Patienten auf der Intensivstation. Verteilung der Pearson Korrelationskoeffizienten in den Landkreisen.

Es gibt somit einige wenige dubiose aber keine systematisch falsche Meldung. Die nachdenkseiten betreiben  die klassische Legendenbildung um einen wahren Sachverhalt herum – wie auch sonst in der der Corona Leugner Szene üblich.

Die DIVI Datenbank ist sowieso nur begrenzt zur Pandemiesteuerung geeignet. Es ist ja nicht das Ziel die Intensivstationen bis zu einem gewissen Grad zu belegen, sondern möglichst jede Infektionskette zu unterbrechen.

P.S. Es wird auch nicht intelligenter wenn @luebberding (WELT) das nun am 14.5. nachdruckt und Antes es am 15.5. auf Twitter teilt. Ob es wirklich zu #divigate reicht, was die selbsternannte Autorengruppe um Matthias Schrappe in ihrer 3. Ad Hoc Stellungnahme am 16.5. meinen? Die Truppe beklagt sich über fehlende Daten aber schliesst dann daraus welche Daten falsch sind …

Beatmungsstrategie bei CARDS (COVID-19 ARDS)

Seit Beginn der Pandemie ist es ein strittiges Thema, ab wann intubiert wird, da mit der mechanischen Beatmung auch das Risiko enorm steigt, an COVID-19 zu sterben.

Mit den aktuellen Behandlungsempfehlungen sollte – solange es keine Triagesituation gibt – die Häufigkeit der Beatmung unabhängig von der Zahl der Neuinfektionen sein. Dem ist aber leider nicht so, wenn wir die tageweise Korrelation von DIVI und RKI Meldungen über die letzten 5 Monate ansehen. Zu Beginn der zweiten Welle, gab es noch keinen Überhang von bereits länger liegenden Patienten, es lagen also pro Neuerkrankten weniger Patienten auf der Intensivstation – die jeweils untere Punktreihe etwa bis zur Mitte der Grafik unten.

Mittlerweile sind die Patienten aber jünger, gesünder und liegen länger, daher die jeweils obere Punktreihe. Was dazu auffällt, dass immer weniger Patienten auf der Intensivstation beatmet werden gemessen an Zahl der Intensivpatienten in Deutschland. Wie die Epidemiologie zu interpretieren ist, kann nur anhand klinischer Daten entschieden werden.

Ich vermute aber, es liegt nicht an den Patienten, da im Augenblick im Bereich von 20.000 – 25.000 relativ stabile Infektionsraten in einer relativ stabilen Ausgangspopulation auf relativ stabile Intensivversorgung trifft. Ich vermute es liegt daran, dass bei nahezu vollen Intensivstationen und nur begrenzt verfügbarem Personal die Entscheidung  zur Beatmung später fällt und wovon Patienten profitieren.

Literaturliste COVID-19 ICU Mortalität in Deutschland

The COVID-19 disease burden in Germany in 2020—years of life lost to death and disease over the course of the pandemic
Dtsch Arztebl Int 2021; 118: 145-51; DOI: 10.3238/arztebl.m2021.0147

Schilling J, Lehfeld A-S, Schumacher D et al. Krankheitsschwere der ersten COVID-19-Welle in Deutschland basierend auf den Meldungen gemäß Infektionsschutzgesetz. https://www.rki.de/DE/Content/Gesundheitsmonitoring/Gesundheitsberichterstattung/GBEDownloadsJ/JoHM_S11_2020_Krankheitsschwere_COVID_19.html

Roedl K, Jarczak D, Thasler L et al. Mechanical ventilation and mortality among 223 critically ill patients with coronavirus disease 2019: A multicentric study in Germany. Australian Critical Care. 2020

Rieg S, Cube M von, Kalbhenn J, Utzolino S, Pernice K, Bechet L, et al: COVID-19 in-hospital mortality and mode of death in a dynamic and non-restricted tertiary care model in Germany. medRxiv 2020. https://www.medrxiv.org/content/10.1101/2020.07.22.20160127v1

Karagiannidis C, Mostert C, Hentschker C, Voshaar T, Malzahn J, Schillinger G, et al: Case characteristics, resource use, and outcomes of 10 021 patients with COVID-19 admitted to 920 German hospitals: an observational study. The Lancet Respiratory Medicine 2020;8:853–862

Nachtigall I, Lenga P, Jóźwiak K, Thürmann P, Meier-Hellmann A, Kuhlen R, et al: Clinical course and factors associated with outcomes among 1904 patients hospitalized with COVID-19 in Germany: an observational study. Clinical Microbiology and Infection 2020. http://www.sciencedirect.com/science/article/pii/S1198743X20304936

Karagiannidis C, Windisch W, McAuley DF, Welte T, Busse R. Major differences in ICU admissions during the first and second COVID-19 wave in Germany. Lancet Respir Med. 2021 Mar 5:S2213-2600(21)00101-6. doi: Observational study of changes in utilization and outcomes in non-invasive ventilation in COVID-19
Christian Karagiannidis, Corinna Hentschker, Michael Westhoff, Steffen Weber-Carstens, Uwe Janssens, Stefan Kluge, Michael Pfeifer, Claudia Spies, Tobias Welte, Rolf Rossaint, Carina Mostert, Wolfram Windisch
doi: https://doi.org/10.1101/2021.03.28.21254477

J. Schüttler, J.M. Mang, L.A. Kapsner, S.A. Seuchter, H. Binder, D. Zöller, O. Kohlbacher, M. Boeker, K. Zacharowski, G. Rohde, J. Balig, M.O. Kampf, R. Röhrig, H.-U. Prokosch
Letalität von Patienten mit COVID-19: Untersuchungen zu Ursachen und Dynamik an deutschen Universitätsklinika. https://www.ai-online.info/online-first/letalitaet-von-patienten-mit-covid-19-untersuchungen-zu-ursachen-und-dynamik-an-deutschen-universitaetsklinika.html

 

Jürgen Klauber · Jürgen Wasem Andreas Beivers · Carina Mostert (Hrsg). Krankenhaus 2021. Report S. 296

Corona Mortalität IV: Was hat sich an der S3 Leitlinie geändert?

Leider ist fast nichts von meiner früheren Kritik an der S2 Leitlinie in die Änderung eingegangen.

Textunterschiede sind auf https://draftable.com/compare/hYlCJnJHcxXm und Literaturunterschiede auf https://draftable.com/compare/PridZkDctdoA zu sehen. Zitat aus der revidierten Leitlinie

Daten aus Vorteilen bzw Risiken einer invasiven Beatmung versus einer möglichst ausgedehnten NIV- Therapie bei COVID-19 Patienten fehlen bisher. Bisher publizierte kleinere Kohortenstudien wiesen in Bezug auf die berichteten Endpunkte ein hohes Risiko für Bias auf. Außerdem muss die Evidenz als indirekt bewertet werden, weil keine RCTs mit definierter Interventions- und Kontrollgruppe eingeschlossen werden konnten, sondern bei klinischer Verschlechterung von einem hohen Cross-over vom NIV- in den IMV-Arm ausgegangen werden muss. Aus der systematischen Recherche wurden für diese Leitlinie retrospektive Studien aus dem Review von Schünemann et al., sowie den nachfolgenden Updates einbezogen, deren Aussagesicherheit zum Vergleich NIV – Invasive Beatmung sehr schwach ist (74, 75). Zusätzlich haben die Autoren neuere und größere Fallserien berücksichtigt (76-85) die allerdings die Aussagesicherheit der Evidenz nicht ändern, jedoch die Vergrößerung des Erfahrungswissens deutlich machen.

Der Hauptautor der Leitlinie verschweigt seine eigenen, eigentlich katastrophal schlechten Ergebnisse (https://www.australiancriticalcare.com/article/S1036-7314(20)30334-9/fulltext) und unterschlägt zudem kritische Meinungen, etwa von Tobin im ERJ (dort auch noch weitere Studien, die alle keinen Eingang in die Leitlinie gefunden haben).

Es sterben doppelt so viele Patienten an COVID-19 in Hamburg als in München. Wir wissen auch warum (“Erfahrungswissen”) “Absence of evidence is not evidence of absence“. Ist denn dieser Satz so schwierig zu verstehen?

Kaum zu glauben: Die Autoren der Leitlinie haben im letzten Jahr trotz Millionenförderung sowohl eine DIVI Registerstudie als auch ein neues RCT zur NIV abgelehnt und beklagen jetzt ernsthaft, dass es kein RCT gibt.

EbM hat mittlerweile religiös-sektiererische Züge angenommen, ganz offen an dem ebm Netzwerk zu sehen.  Leider hat nun auch die AWMF ein grösseres Problem.

COVID-19 Mortalität II: Hamburg und München im Vergleich

Sehen wir uns den Verlauf der an das RKI gemeldeten Fälle (grau), Todesfälle (rot) sowie in blau die Case Fatality Ratio oder Fall-Verstorbenen-Anteil und zwar als “verzögerungsbereinigter Fall-Verstorbenen-Anteil”, in dem in einem Verschiebefenster die Fälle plus / minus 3 Tage um den Indextag mit den Todesfällen an Tag  14 plus / minus 3 Tage korreliert werden. Im ersten Märzdrittel ist die CFR stabil in München; über den gesamten Zeitraum beträgt sie 219/6526=3.4%.

CFR in München bis 3.6.2020 (1. Welle). Datenstand RKI 18.11.2020. Eigene Auswertung, Skript auf Anfrage.

Im Vergleich dazu nun Hamburg. Hier ist die CFR im selben Zeitraum mit 264/5090=5.2% höher und hat zusätzlich noch einen Peak im letzten Märzdrittel.

CFR in Hamburg bis 3.6.2020. Datenstand RKI 18.11.2020. Eigene Auswertung, Skript auf Anfrage.

Das Sterberisiko ist  in der Gesamtpopulation signifikant höher in Hamburg mit einem OR von 1.6 (1.3-1.9). Schauen wir uns daher auch noch die Alters- und Geschlechtsverteilung der Verstorbenen an.

Sterbefälle Rohzahlen in Hamburg und München bis 3.6.2020. Datenstand RKI 18.11.2020. Eigene Auswertung, Skript auf Anfrage.

In Hamburg versterben in allen Altersklassen mehr Menschen. Aus technischen Gründen kann ich leider nicht für Alter und Geschlecht adjustieren weil in den RKI Meldedaten nach IfSchG Todesfall und Erkrankungsfall auf unterschiedlichen Zeilen stehen.

Sterbefälle gegen Erkrankungsfälle in Land -bzw Stadtkreisen bis 3.6.2020. Datenstand RKI 9.12.2020. Hamburg, Wesel und München sind markiert. Eigene Auswertung, Skript auf Anfrage.

Wie sieht es auf Intensivstationen aus? Nach den klinischen Studien von Kluge (Hamburg) und den Angaben von Wendtner (München) wurden in Hamburg 996 und in München 1300 Patienten hospitalisiert. Hamburg hat davon 261 Patienten auf die Intensivstation verlegt, München 270.

Sterbefälle auf den Intensivstationen in Hamburg und München. Quelle: https://linkinghub.elsevier.com/retrieve/pii/S1036731420303349 sowie https://www.sueddeutsche.de/muenchen/muenchen-klinik-corona-patienten-zwischenbilanz-1.5142374. Eigene Zusammenstellung, Skript auf Anfrage.

Von 223 Fällen auf der Intensivstation in Hamburg starben 78, also 35%. Bei 261 Fällen gesamt waren es damit hochgerechnet ca 91 Todesfälle. In München starben 28% also 76 Menschen. Hamburg behandelte somit signifikant mehr Patienten auf der Intensivstation (OR 1.4, P=0.002). Auf der Intensivstation sterben  mehr Patienten als in München (ebenfalls OR 1.4, P=0.09) damit ergibt sich ein  gepooltes Mantel-Haenszel  OR von 1.6 ( 1.2-2.2, P=0.003) in der Klinik.

Dass bei der Auswertung der klinischen Daten nun exakt dasselbe Ergebnis herauskommt wie in den populationsbasierten  RKI Daten belegt meiner Ansicht nach, dass die CFR von der klinischen Versorgung bestimmt wird.

Screenshot https://www.muenchen-klinik.de/covid-19/intensivzahlen/

Das wird zwar bisher von den Intensivmedizinern vehement bestritten, ist aber nachvollziehbar da nach RKI Angaben deutschlandweit 73% der Infektionsfälle  hospitalisiert werden.

Was macht Hamburg nur anders als München? Ich vermute die Behandlung ist etwas unterschiedlich.

Screenshot https://www.muenchen-klinik.de/covid-19/intensivzahlen/