Die gesundheitsökonomische Evaluation der GLICEMIA 2.0-Studie als Beispiel für eine komplexe Intervention

Abstract

Background A piggyback approach was used to evaluate the cost-effectiveness of the prevention program delivered at the point of care pharmacy in the GLICEMIA 2.0 study that sought to guide participants in the intervention group to improved glycemic control in type 2 diabetes with sustained incentivization of lifestyle changes, therapeutic compliance, and adherence. The control group received passive medication management and monitoring.

Methods Primary endpoint of the GLICEMIA 2.0 study was the stabilization of HbA1c values. For health economic evaluation, incremental differences in output changes were examined, defined as the difference in the distribution of the HbA1c values between both groups over time. Direct program costs and anticipated indirect costs of service utilization were used as cost parameters. A net monetary benefit approach was used to validate cost-effectiveness thresholds via the formation of ICER values.

Results The intervention group had significantly higher reductions in HbA _1c -values. Risk stratification of initial HbA _1c showed (short-term) cost effectiveness for initially higher HbA1c values. Due to the limited study period, no long-term differences in medical resource utilization could be assessed.

Conclusion The GLICEMIA program indicates considerable effectiveness potentials, especially for high-risk patients. The study design seems to have assisted the intervention group’s adherence in contrast to the control group. Detailed impacts within the complex intervention could not be validated due to restrictions of the study design as a complex intervention. Overall, statements about effect sustainability and further utilization rates progressions are limited due to a lack of follow-up.

Einleitung

Unterschiedliche Studien zeigen die Zunahme der Prävalenz als auch der Inzidenz für Typ-2 Diabetes mellitus in Deutschland ^{1 2} . Heidemann und Scheidt-Nave ordnen – Stand 2017 – je nach soziodemographischer Abschätzung die Prävalenz zwischen 7,2% für die 18–79-Jährigen sowie fast 10% für die Gesamtbevölkerung ein, mit einer korrespondierenden Inzidenz etwa von 6,9 pro 1.000 Personenjahre für die 18–79-Jährigen ² . Im internationalen Vergleich lässt sich festhalten, dass postindustrialisierte Länder wie etwa Deutschland von einem weiteren Wachstum der Prävalenzrate ausgehen müssen. Es ist jedoch auch weltweit, gerade in sogenannten Schwellenländern, von einem Anstieg beider Werte auszugehen, Sun et al. schätzen beispielsweise den Anstieg der Prävalenz für diese Länder im längsschnittlichen Vergleich von 2021 bis 2045 auf über 20% der Gesamtbevölkerung ³ . Diese hohen Zahlen lassen sich teilweise mit der zunehmenden Alterung der Bevölkerung erklären, die Entwicklungen stehen wohl allerdings auch im Zusammenhang mit Änderungen im Lebensstil und in den Wohn-, Arbeits-, und Lebensbedingungen.

Die gesundheitsökonomische Relevanz des Diabetes-Managements von Diabetes wird anhand der mit der Krankheit assoziierten Kosten deutlich, somit sind induzierte und korrespondierende Ressourcen aus Ko-Morbiditäten sowie Folgeerscheinungen von Diabetes impliziert ⁴ . Bei Versicherten mit der Diagnose Typ-2-Diabetes betragen diese assoziierten Kosten das 1,8-fache der direkten Kosten vergleichbarer Versicherter ohne Typ-2-Diabetes, wobei sich diese Daten auf Ergebnisse aus unterschiedlichen Studien mit zum Teil kleinen Fallzahlen stützen. Für das Jahr 2009 fielen hierfür 21 Mrd. € an, dies entsprach 11% der Gesamtausgaben der Krankenversicherungen ⁵ .

Eine Erkrankung wie Typ-2-Diabetes hängt von einem komplexen Zusammenspiel aus genetischer Vorbelastung, individuellem Gesundheitsverhalten und den Lebensverhältnissen des Menschen ab. Als anerkannte Krankheitsursache kann etwa der Zusammenhang zwischen Typ-2-Diabetes und Übergewicht sowie Bewegungsmangel genannt werden ⁶ . Gerade in den Bereichen Gewichtsreduktion und Bewegung gewinnen Ansätze zur Förderung des Selbstmanagements der Patient*innen an Bedeutung. Jedoch ist bei diesen Programmen die Kosteneffektivität der Diabetesprävention und zur Verlangsamung der Krankheitsprogredienz noch nicht ausreichend untersucht ^{7 8 9} .

Ein besonderer Blick gilt der richtigen medikamentösen Einstellung des HbA _1c -Wertes, der glykämischen Kontrolle und damit auch den mit der Erkrankung in Zusammenhang stehenden Komplikationen, so zum Beispiel das Risiko kardiovaskulärer Ereignisse ¹⁰ . Eine Reduktion des HbA _1c -Wertes um 1% wird in einer Studie von Turnbull et al. beispielsweise mit einer 15-prozentigen Risikoreduktion eines Myokardinfarktes in Verbindung gebracht ¹¹ . Somit lässt sich festhalten, dass ein gesteuertes Diabetesmanagement neben der Vermeidung von Folgeerkrankungen und einem Zugewinn an Lebensqualität aus Patient*innensicht auch ein hohes Potenzial zur Verringerung von Krankheitskosten mit sich bringt.

Die Diskussionen über die ökonomischen Potenziale von Typ-2-Diabetes-Management sind vielfältig, zeigen aber die Bedeutung des Glucose-Management als einen Teil davon auf, vor allem da der HbA _1c -Wert direkt vom individuellen Glucose-Management abhängig ist ¹² . Gleichwohl greifen viele dieser Ansätze an einem gezielten Mix aus verhaltensbezogenen, den Patienten adressierenden Maßnahmen an, die etwa in Disease-Management-Kontexten eingebunden sind ¹³ . Die Frage eines angeleiteten Selbstmanagements von Patient*innen – Stärkung der Health Literacy – über definierte Unterstützungssysteme lenkt den Blick auf die Bedeutung von organisierten Gesundheitsstrukturen und -einrichtungen, die sich als Setting kennzeichnen lassen, an denen das Krankheitsmanagement der Patient*innen entweder unter Anleitung oder in Selbstmanagement-Strategien in Gruppen oder Einzelmaßnahmen stattfindet. Hier sind verschiedene Setting-Bezüge denkbar und richten gerade den Blick auf die gesundheitsökonomische Bedeutung einer settingbezogenen Konstruktion als Teil einer verhaltensbeeinflussenden Umgebung, die als Anknüpfungspunkt zur Aktivierung personenbezogener Gesundheitskompetenz dienen kann ¹⁴ . Nachfolgend soll der Ansatz eines apothekengestützten Settings analysiert werden, wo im Sinne der GLICEMIA 2.0 Primärstudie ¹⁵ am Setting Apotheke zwei unterschiedliche Formen eines gruppenbezogenen Präventionsprogramms pharmakologisch untersucht worden sind und parallel dazu im Sinne eines Piggyback-Ansatzes eine gesundheitsökonomische Evaluation erfolgen konnte.

Methodik

Die gesundheitsökonomische Analyse des GLICEMIA 2.0-Programmes wurde in Analogie an ein Piggyback-Design auf das vorhandene Studiendesign und insbesondere die genutzten Datenquellen der Primärstudie gelegt ¹⁶ . Dabei gilt es festzuhalten, dass der Präventionsansatz der GLICEMIA 2.0-Studie gruppentherapeutische Schulungen, persönliche Beratungsgespräche und ein begleitendes Medikationsmanagement kombiniert hat ¹⁵ und somit durch den interaktiven Aspekt zwischen und innerhalb der Gruppen dem Charakter einer komplexen Intervention Rechnung trägt, wo sowohl Prozessevaluation als auch Ergebnisevaluation zu berücksichtigen sind ¹⁷ . Ähnliche Studien legen ebenso nahe, dass Apotheken zu einem verbesserten Diabetesmanagement beitragen können ^{18 19} , auch wenn diese bislang rar sind.

Primärer Endpunkt im Untersuchungskontext war die Stabilisierung des Glucose-Wertes (HbA _1c -Wertes) im Vergleich zur Kontrollgruppe, wo zwar pharmazeutische Grundinformationen angeboten worden sind, jedoch keine gruppenpräventive Schulung und somit kein kontinuierliches interaktives Präventionsprogramm erfolgen konnte.

Das interaktive, kontrollierte Präventionsmonitoring fand über das Setting Apotheke statt und zielte über sekundäre Endpunkte noch darauf ab, Veränderungen des Nüchternblutglukose-Wertes, Veränderungen des Blutdrucks, Gewichtsreduktionen von mehr als 5% des Körpergewichts, Veränderungen des Aktivitätsumsatzes und -umfangs anhand des Freiburger Fragebogens zur körperlichen Aktivität (FFKA) in der Kurzform ²⁰ , Veränderungen der Lebensqualität anhand des EQ-5D-3L-Fragebogens ²¹ , Veränderungen der Adhärenz mithilfe des Medication Adherence Report Scale (MARS-D) ²² zu erheben.

Im Rahmen der gesundheitsökonomischen Untersuchung galt es, Hinweise auf ein Kosten-Effektivitäts-Potenzial des GLICEMIA 2.0-Ansatzes zu gewinnen, insbesondere basierend auf der Hypothese, ein kontinuierliches Absenken des HbA _1c -Wertes über einen längeren Zeitraum (2-Jahres-Periode) könnte zur Kosteneinsparung beitragen ¹² . Als methodische Klammer wurde auf die inkrementalen Kosteneffektivitätsunterschiede Bezug genommen, im Vergleich der Patient*innen, die nach dem ausführlichen GLICEMIA 2.0-Protokoll behandelt worden sind (Interventionsgruppe) und der Kontrollgruppe.

Studienpopulation und -dauer

Studienpopulation

Die Rekrutierung der Studienteilnehmer*innen erfolgte über die beteiligten Apotheken im Sinne einer Cluster-Randomisierung. Hierzu wurden alle Apotheken in Bayern angeschrieben und konnten bei Interesse einen Fragebogen über Strukturdaten und Bereitschaft an der Studienteilnahme ausfüllen. Apotheken, die nur als Interventions- oder nur als Kontrollapotheke teilnehmen wollten, wurden ausgeschlossen sowie Apotheken des gleichen Inhabers, wenn sie das Personal zwischen den Apotheken ausgetauscht haben, um Verzerrungen zu vermeiden, falls eine Filiale Interventions- und die andere Kontrollgruppe wurde.

Die Zuordnung zu Interventions- und Kontrollgruppe erfolgte bei den eingeschlossenen Apotheken dann per Zufall. Für die GLICEMIA 2.0-Studie wurden so 26 Apotheken ausgewählt, von denen jeweils 13 der Interventionsgruppe und 13 der Kontrollgruppe mit passivem Medikationsmanagement und Monitoring zugeordnet wurden. Die Verteilung der Patient*innen erfolgte clusterrandomisiert ^{15 30} . Zu berücksichtigen ist dabei, dass die Teilnahme sowohl der Apotheken als auch der Patient*innen freiwillig ist. Deshalb ist eine Selbstselektion bestimmter Patient*innen und Apotheken in das Programm nicht auszuschließen. In die Studie wurden Patient*innen mit der Diagnose Typ-2-Diabetes eingeschlossen, die einen HbA _1c -Wert≥7% und einen BMI≥25 kg/m² aufwiesen, mindestens 18 Jahre alt waren, mindestens ein orales Antidiabetikum und insgesamt mindestens drei verordnete Medikamente als Dauermedikation einnahmen. Ausgeschlossen wurden Patient*innen, die ausschließlich mit Insulin behandelt wurden, bei denen eine Krebserkrankung, andere schwere Erkrankungen oder eine Schwangerschaft vorlag. Patient*innen, die in der Vergangenheit bereits ein kardiovaskuläres Ereignis erlitten, wurden ebenfalls aufgrund des erhöhten Risikos eines weiteren kardiovaskulären Ereignisses unter körperlicher Aktivität ausgeschlossen. Die 26 teilnehmenden Apotheken rekrutierten schließlich insgesamt 198 Patient*innen, von denen 94 der Kontrollgruppe und 104 der Interventionsgruppe zugeordnet wurden. Während der Studiendauer haben in der Kontrollgruppe 12 Teilnehmende und in der Interventionsgruppe 24 Teilnehmende die Studie vorzeitig abgebrochen (p=0,06), was einer Drop-Out-Rate von 18,2% entspricht.

Die Studiendauer betrug 12 Monate mit folgenden drei Messzeitpunkten: eine Baseline-Untersuchung (t ₀ ), eine Folgeuntersuchung (t ₁ ) nach 6 Monaten und eine Abschlussuntersuchung (t ₂ ) nach 12 Monaten. Auf Grundlage dieser Messzeitpunkte konnte die Erfassung der Inanspruchnahme-Raten im Piggyback-Ansatz per Fragebogen erfolgen. Ein Zugang zu Routinedaten war nicht gegeben.

Kostenabschätzung

Die Kostenabschätzung unterteilt sich zunächst in die unmittelbaren Programmkosten des GLICEMIA 2.0-Designs und die korrespondierenden induzierten Kosten des Diabetikers, bezogen auf die Untersuchungsperiode. Die Programmkosten in beiden Gruppen setzen sich aus den standardisierten Honorarsätzen zusammen, die in den Apotheken für die jeweiligen Leistungen angefallen sind und die als standardisierte Werte die Kosten der Dienstleistung der Gruppenintervention simulieren. In der Interventionsgruppe fielen Gebühren für die drei Erhebungen (je 60 €), die drei Medikationsanalysen (je 80 €) und die sechs Vorträge (je 5 €) an. Insgesamt beliefen sich die Kosten im Sinne an zu zahlenden Ausgaben pro Teilnehmenden in der Interventionsgruppe somit auf 450 €. In der Kontrollgruppe fielen Gebühren für die drei Erhebungen an (je 30 €) sowie für eine einmalige Medikationsanalyse (45 €). Die Kosten pro Teilnehmenden beliefen sich somit in der Kontrollgruppe auf 135 €.

Zur Abschätzung von induzierten Kosten wurde für die gesundheitsökonomische Analyse weiterhin die Inanspruchnahme ärztlicher Leistungen erfasst und in beiden Gruppen über die Inanspruchnahme von Arztleistungen sowie die Medikationsinanspruchnahme gemessen, um Hinweise auf längerfristige Kostenunterschiede zwischen den Gruppen zu erhalten, die über die reinen Programmkosten hinausgehen. Für Hinweise auf Unterschiede in der Medikation wurde zu den drei Messzeitpunkten die absolute Zahl eingenommener Medikamente der als Dauermedikation eingenommenen zugelassenen Arzneistoffe in den Blick genommen. Ebenso wurden gesonderte Erfassungen für die Medikationsänderung der absoluten Zahl eingenommener Antidiabetika sowie für eine Medikationssubgruppe bestehend aus Antidiabetika und Medikamenten für das kardiovaskuläre sowie das Blutsystem vorgenommen. Dieses Vorgehen erlaubt es aufgrund der Heterogenität der Medikationseinnahmen, etwa der jeweils eingenommenen Arzneimittel sowie deren Dosis und Häufigkeit der Einnahmen, Hinweise auf mögliche Unterschiede in der Inanspruchnahme abzuleiten. Aufgrund der reinen patientenbezogenen Erhebung im Sinne eines Self-assessed-Vorgehens wurden keine dezidierten Kostengewichte etwa anhand der Preise pro Defined Daily Dosis der jeweiligen Medikationen erhoben. Zur Verdeutlichung von Unterschieden in der Anzahl an Arztkontakten wurde zu den drei Messzeitpunkten die Anzahl der Arztkontakte innerhalb der letzten sechs Monate anhand der Antwortkategorien „einmal im letzten halben Jahr“, „einmal pro Quartal“ und „mehrmals pro Quartal“ erhoben. Ziel war es zunächst Unterschiede in der Inanspruchnahme festzustellen, die überzufällig wären, um dann über eine Bewertung anhand der Grundpauschalen der entsprechenden Gebührenordnungspositionen wie sie im EBM-Katalog festgeschrieben sind, Hinweise auf Kosteneinsparungspotenziale innerhalb des Interventionszeitraums zu erhalten. Bei Hausarzt und Internist wurde zudem zwischen Arztbesuchen allgemein und aufgrund der Diabeteserkrankung differenziert.

Gesundheitsökonomischer Outcome

Als gesundheitsökonomisch relevanter Effekt wurde die Differenz der Häufigkeitsverteilung der HbA _1c -Werte zwischen den Gruppen im zeitlichen Verlauf definiert. Die Analyse orientiert sich somit an einer Kosten-Effektivitäts-Logik, bei der ein natürlicher Endpunkt als Outcome-Wert heranzogen wird und keine weiteren patientenseitigen Outcome-Parameter zu Rate gezogen werden ²³ .

Es wurde die Hypothese aufgestellt, dass höhere HbA _1c -Ausgangswerte ein größeres Verbesserungspotenzial zur Folge haben und damit die Effektivität des Programmes von den Ausgangsbedingungen der jeweiligen Teilnehmenden beeinflusst wird. Die Begründung liegt in der plausiblen Annahme zugrunde, dass Patient*innen mit HbA _1c -Werten nahe dem Normalwert von 6,5% weniger Potential für eine Reduktion aufweisen ²⁴ . Hierfür wurde sowohl in der Interventions- als auch in der Kontrollgruppe zunächst nach dem Prinzip des unzureichenden Grundes eine Risikostratifizierung über den Median aller HbA _1c -Ausgangswerte vorgenommen, sodass sowohl die Teilnehmenden an der Intervention als auch diejenigen in der Kontrollgruppe jeweils in eine Risikogruppe I (Strata: Personen mit niedrigeren HbA _1c -Ausgangswerten als der Median) und eine Risikogruppe II (Strata: Personen mit höheren HbA _1c -Ausgangswerten als der Median) unterteilt wurden.

Kosteneffektivitäts-Analyse

Die Ableitung einer Kosteneffektivitätsabschätzung der Piggyback-erhobenen Daten der Primärstudie erfolgte gemäß dem Kosteneffektivitäts-Modell durch eine Monetarisierung der Kosten, wohingegen der oben beschriebene Outcome als natürliches Maß bestehen blieb ²⁵ . Die inkrementale Veränderung der Kosten bezogen auf den korrespondierenden Rückgang der HbA _1c -Werte stellte die inkrementale Annäherung an eine Kosteneffektivität im Sinne eines ICER her ²⁶ . Der ICER (incremental cost-effectiveness ratio) ist definiert als die Kostendifferenz zwischen zwei möglichen Interventionen, geteilt durch die Differenz der Effekte. Die inkrementalen Wirk-Effekte wurden anhand eines Differenz-in-Differenzen-Ansatzes gegenübergestellt ²⁶ . Bei diesem Ansatz wird eine bestimmte Kennzahl (hier der HbA _1c -Wert) zwischen der Interventions- und der Kontrollgruppe nach Abschluss des GLICEMIA 2.0-Programmes verglichen. Um zu berücksichtigen, dass sich die beiden Gruppen möglicherweise unabhängig von der Teilnahme systematisch voneinander unterscheiden (z. B. in Bezug auf ihre HbA _1c -Ausgangswerte), wurde von dieser Differenz der Unterschied abgezogen, der bereits vor Eintritt in das Programm bestanden hat ²⁷ . Für eine Regressionsanalyse wurde in der grundlegenden GLICEMIA 2.0-Studie ¹⁵ ein Linear mixed-effects model verwendet. Aufgrund der geringen Anzahl an Messzeitpunkten wurde auf eine Imputation fehlender Werte verzichtet und eine Auswertung der Available Cases zu den jeweiligen Messzeitpunkten vorgenommen. Zur Untersuchung der Plausibilität des Effektes sind aufgrund der Clusterrandomisierung ¹² der Einfluss der Apothekenzugehörigkeit ebenso wie fehlende Werte von Studienabbrecher*innen und eine gesonderte Betrachtung von Ausreißerwerten mitberücksichtigt worden.

Net-Monetary-Benefit

Aufgrund der anzunehmenden wachsenden Programmeffektivität bei steigenden HbA _1c -Ausgangswerten, wurde mithilfe von ICER-Berechnungen eine Net-Monetary-Benefit-Funktion aufgestellt. Der ICER stellt die durchschnittlichen inkrementellen Kosten dar, die mit einer zusätzlichen Einheit, in der der Effekt gemessen wird, verbunden sind. Bei Transformierung der ICER-Berechnungen in eine Net-Monetary-Benefit-Funktion kann bei eingeschränkten Ressourcen die Äquivalenz der zu erwarteten Gesundheitsinvestition im Vergleich zur gesellschaftlichen Zahlungsbereitschaft dargestellt werden ²⁸ .

Diese Herangehensweise hilft, einen Kosteneffektivitätsvorteil zu beschreiben, der sich in Abhängigkeit der Programmdifferenzen einerseits und der Kostendifferenzen anderseits widerspiegelt. Die Differenz im Outcome wird dabei um eine zusätzliche Zahlungsbereitschaft gewichtet. Bei Annahme unbeschränkter Kosten- und Ausgabenwerte im Sinne einer idealtypischen Schwellenwertdiskussion vergleicht eine Net-Monetary-Benefit-Funktion ²⁸ im Sinne einer Opportunitätskostenbetrachtung den monetären Aufwand (Δ Outcome  ∙ WTP), der in einer alternativen Therapie hätte aufgewandt werden müssen, um den gleichen Outcome zu erreichen. Es wird ein Wert für die Zahlungsbereitschaft (WTP) definiert, für den gilt, dass die Zahlungsbereitschaft mindestens die Höhe des gewonnenen Outcomes unterstützt oder noch höher ausfällt ( WTP∊ [1,∞[ ) . Ein Net-Monetary-Benefit verknüpft gerade aus sozialer Sicht die Bedeutung zusätzlicher Zahlungsbereitschaft und ist so lange für die Intervention unterstützend wirksam, solange folgende Funktion gilt:

Net Monetary Benefit=Δ Outcome ∙ WTP - ΔKosten>0

Hiermit wird deutlich, dass mögliche Kostennachteile einer Programmintervention durch „Side-Payments“ aufgrund zusätzlicher Zahlungsbereitschaft (WTP) ausgeglichen werden können. Ein Net-Monetary-Benefit berücksichtigt somit die Kosteneffektivität aus dem direkten Vergleich zwischen den Gruppen und nimmt auch noch Bezug zu möglichen Seitenzahlungen, die ein Programm aus übergeordneten Gründen für förderwürdig erklärt.

Ergebnisse

Effektivität des Programmes

Die Auswertung der GLICEMIA 2.0-Studie von Prax et al. (2021) ¹⁵ ergab für die Interventionsgruppe eine inkrementale Verbesserung von 0,71 im Vergleich zur Kontrollgruppe (p=0,0001). Der HbA _1c -Wert in der Interventionsgruppe verbesserte sich bis zu t ₂ durchschnittlich um 0,89, bis zu t ₁ bereits um 0,86. In der Kontrollgruppe konnte bis zu t ₂ eine Verminderung im HbA _1c -Wert um 0,18 festgestellt werden, der sich nach einer Verminderung von 0,25 bis zur Folgeerhebung danach wieder leicht erhöhte. Abb. 1 zeigt die Veränderungen in Interventions- und Kontrollgruppe im Zeitverlauf mit der Interventionsgruppe at baseline als Referenz.

Abb. 1.

Vergleich der HbA1c-Entwicklung zwischen den Gruppen.

Die Durchführung eines Welch t-Test zeigte zwischen der Interventions- und der Kontrollgruppe keine signifikanten Unterschiede in der Verteilung der HbA _1c -Ausgangswerte zwischen den beiden Gruppen (p=0,2447; 95% CI=−0,53–0,14).

Ein Vergleich der HbA _1c -Ausgangswerte zwischen den Studienteilnehmenden (n=162) und den vorzeitigen Studienabbrecher*innen (n=36) zum Zeitpunkt t ₀ ergab keine signifikanten Unterschiede zwischen den Werten in den beiden Gruppen. (p=0,1382; 95% CI=−1,17–0,18). Für die gesundheitsökonomische Betrachtung wurden die Ergebniswerte nun in einer differenzierten Herangehensweise analysiert. Zunächst lässt sich festhalten, dass der Median aller HbA _1c -Ausgangswerte bei 7,9% lag. Es wurde daher zunächst bei 7,9% ein Cut-Off gebildet und die Effekte in der Gruppe, die unterhalb dieses Cut-Offs startet, mit der Gruppe, die mit Werten oberhalb des Cut-Offs startet, verglichen.

Dieses Vorgehen sollte als Arbeitsheuristik die Prüfung unterstützen, ob der Merkmalstatbestand höherer HbA _1c -Ausgangswerte als bedingte Grundlage einer Subgruppe zur Erklärung der Wirksamkeit der Intervention geeignet scheint. Diese Aufteilung in eine Risikogruppe I (Personen mit niedrigeren HbA _1c -Ausgangswerten als der Median) und eine Risikogruppe II (Personen mit höheren HbA _1c -Ausgangswerten als der Median) zeigte eine deutlich höhere Effektivität bei Teilnehmenden in Risikogruppe II, bei der die Interventionsgruppe bis zu t ₁ bereits unter den Cut-Off rutscht, während die Kontrollgruppe sich deutlich weniger verbessert und die Cut-Off-Grenze nicht unterschreiten kann, sodass hier von einem Zusammenhang ausgegangen werden kann. In Risikogruppe I ändern sich die Werte sowohl in Interventions- als auch in Kontrollgruppe kaum ( Abb. 2 ).

Abb. 2.

Veränderung der HbA1c-Werte bei einem Cut-Off-Wert von 7,9%.

Um einen aus den verfügbaren Daten empirisch begründeten Cut-Off zu bestimmen, wurde dieser Schritt in analoger Weise inkrementell in 0,1-er-Schritten für alle HbA _1c -Ausgangswerte zwischen 7,5 und 8,7% wiederholt und die erhaltenen Werte der Interventions- und Kontrollgruppe für die jeweiligen Risikogruppen I und II berechnet. ( Tab. 1 )

Tab. 1 Zusammenschau der HbA1c-Reduktionen nach potenziell-möglichen Cut-Off-Werten.

HbA1c-Cut-off	HbA1c Marginaleffekte
	IG≤Cut-off	KG≤Cut-off	IG>Cut-off	KG>Cut-off
7,5	−0,31	0,05	−1,14	−0,61
7,6	−0,35	0,00	−1,21	−0,83
7,7	−0,35	0,07	−1,25	−0,83
7,8	−0,33	0,02	−1,30	−0,74
7,9	−0,29	−0,05	−1,50	−0,73
8,0	−0,33	−0,09	−1,53	−0,66
8,1	−0,41	−0,16	−1,68	−0,85
8,2	−0,39	−0,21	−1,85	−0,89
8,3	−0,43	−0,28	−1,95	−0,97
8,4	−0,43	−0,26	−1,96	−0,62
8,5	−0,49	−0,31	−2,19	−0,94
8,6	−0,49	−0,30	−2,19	−0,94
8,7	−0,49	−0,30	−2,19	−0,94

Die Analyse der sekundären Endpunkte zeigte laut Primärstudie keine signifikanten Unterschiede. Lediglich die Analyse der Gewichtsreduktion ergab einen signifikanten Effekt, bei dem in der Kontrollgruppe 9,3% (n=7) und in der Interventionsgruppe 26,9% (n=21) der Teilnehmenden eine Gewichtsreduktion von mindestens 5% erreichen konnten (p=0,0129) ¹⁵ .

Als Kontrolle der Sensitivität des Effektivitätsergebnisses wurde der gesundheitsökonomische Outcome (natürlicher Endpunkt) durch eine Sättigungskurve für die Interventions- und Kontrollgruppe zu den drei Messzeitpunkten simuliert ( Abb. 3 ). Die Differenz in den Verteilungen zeigt, dass obwohl sich beide Gruppen verbessern, die GLICEMIA 2.0-Intervention zu einer früheren Sättigung (mehr Fälle mit geringeren HbA _1c -Werten sind in der Interventionsgruppe vorhanden) in der Interventionsgruppe führt, sodass hier eine günstigere Verteilung der HbA _1c -Werte erreicht werden konnte. Das Ergebnis verdeutlicht, dass sich die Teilnehmenden in der Interventionsgruppe durchwegs stärker verbessern als in der Kontrollgruppe.

Abb. 3.

Vergleich der Sättigungskurven der Interventions- und der Kontrollgruppe.

Kostenabschätzung

Die induzierten Kosten wurden in beiden Gruppen über die Inanspruchnahme von Arztleistungen sowie die Medikationsinanspruchnahme gemessen, um Hinweise auf längerfristige Kostenunterschiede zwischen den Gruppen zu erhalten, die über die reinen Programmkosten hinausgehen.

Medikation: Die Auswertung der als Dauermedikation eingenommenen zugelassenen Arzneistoffe ergab keine signifikanten Unterschiede zwischen beiden Gruppen (p=0,7362; 95% CI=-0,40026–0,56572). Gesonderte Auswertungen für die Medikationsänderung eingenommener Antidiabetika und einer Medikationssubgruppe bestehend aus Antidiabetika und Medikamenten für das kardiovaskuläre sowie das Blutsystem wiesen ebenfalls keine signifikanten Unterschiede zwischen den beiden Gruppen auf (p=0,4808; 95% CI=-0,23396–0,11043 und p=0,955; 95% CI=-0,29191–0,30897).

Arztkontakte: Aufgrund fehlender langfristiger Beobachtbarkeit standen die Arztkontakte unter der Prämisse, dass die Inanspruchnahmen während der Projektlaufzeit durch das präventive Programm zumindest nicht stärker steigen sollten als in der Kontrollgruppe. Eine Kontingenzanalyse der Inanspruchnahme anhand eines Pearson Chi-Quadrat-Test zwischen den Gruppen lässt lediglich eine signifikante Verringerung der Inanspruchnahme von Arztkontakten bei Diabetolog*innen in der Interventionsgruppe vermuten (p=0,01825). Bei den weiteren Arztgruppen konnten keine signifikanten Unterschiede in den Inanspruchnahmen festgestellt werden.

Aufgrund der fehlenden Hinweise auf Unterschiede in den induzierten Kosten zwischen Interventions- und Kontrollgruppe wurde für die Kosteneffektivitäts-Abschätzung eine Kostengleichheit der induzierten Kosten unterstellt und auf die dezidierte Erfassung von Kosten verzichtet, da keine Implikationen für die inkrementale Kosteneffektivität abzuleiten war und grundsätzlich Hinweise auf Future-Costs aufgrund fehlendem Follow-Up nicht erhoben werden konnten.

Kosteneffektivität des Programmes

Über die Net-Monetary-Benefit-Funktion lässt sich, gerade aufgrund der nicht messbaren längerfristigen Effekte in den induzierten Kosten eine Kosteneffektivität anhand der gesellschaftlichen Zahlungsbereitschaft ableiten. Zunächst wurde unterstellt, diese sei nicht vorhanden und hierfür in der obigen Formel ein Wert von WTP=1 eingetragen.

Der Net-Monetary-Benefit veranschaulicht, dass für die Risikogruppe II (Personen mit hohen HbA _1c -Ausgangswerten) zumindest für die Dauer des GLICEMIA 2.0-Programmes eine Kosteneffektivität vorliegt, solange die Hypothese der Kostenhomogenität zwischen Interventions- und Kontrollgruppe gehalten werden. Für die Risikogruppe I (Personen mit niedrigeren HbA _1c -Ausgangswerten) kann dies jedoch nicht festgestellt werden.

Auch in einer einfachen Sensitivitätsanalyse, die bei konstanter Zahlungsbereitschaft (WTP=1) die Kostenunterschiede in der Kontrollgruppe um die Faktoren (1,5), (0,5) und (2,0) erhöht bzw. reduziert, bleibt der Trend bestätigt, dass erst mit höheren HbA _1c -Ausgangswerten ein selbstragender Kosteneffektivitätseffekt – gemessen am Net-Monetary-Benefit – deutlich wird (siehe Abb. 4 ).

Abb. 4.

Net Monetary Benefit ohne zusätzliche Zahlungsbereitschaft und Varianz der Kostendifferenzen zwischen Interventions- und Kontrollgruppe.

Da keine induzierten Kostenunterschiede zwischen Interventions- und Kontrollgruppe vorliegen, dominieren die Stratifizierungseffekte in den HbA _1c -Ausgangswerten die Kosteneffektivität und somit die Frage, ob sich die Interventionskosten auch ohne Sidepayments rechtfertigen lassen. Das Programm wäre bei niedrigen HbA _1c -Werten nur mit einer additiven Zahlungsbereitschaft kosteneffektiv, bei hohen HbA _1c -Ausgangswerten liegt auch ohne diese eine vorläufige Kosteneffektivität im Vergleich zur Kontrollgruppe vor. Ebenso zeigt sich, dass das Verhältnis von Risikogruppe I zu Risikogruppe II ähnlicher wird, je geringer die Kostenunterschiede (beziehungsweise der Programmeffekt) zwischen beiden Strategien ausfallen, was auf die Bedeutung von Selbstfinanzierungswirkungen in der Interventionsgruppe hinweist. Dies gilt, sofern die Interventionsgruppe größere Kosteneinsparungen bei den induzierten Kosten erzeugt und/oder die Interventionsgruppe mit einem geringeren Interventionskostenanteil auskommt.

Diskussion

Trotz tendenziell höherer HbA _1c -Ausgangswerte und einer höheren Zahl an Ausreißern in der Interventionsgruppe wurden keine signifikanten Unterschiede in den HbA _1c -Ausgangswerten zwischen Interventions- und Kontrollgruppe gefunden, sodass davon ausgegangen werden kann, dass es keinen Einfluss von unterschiedlich hohen HbA _1c -Ausgangswerten zwischen den Gruppen (IG: Mittelwert=8,3% mit Werten von 7,0% bis 14,6%; KG: Mittelwert=8,1% mit Werten von 7,0% bis 11,5%) auf den Wirkeffekt gibt. Ebenso wird angenommen, dass der Ausschluss der Daten der Studienabbrecher*innen keinen Einfluss auf die Effektivität des Programmes nimmt, da diese keine signifikanten Unterschiede in den HbA _1c -Ausgangswerten im Vergleich zu den Studienteilnehmenden aufweisen, die bis Studienende eingeschlossen waren. Ebenso wurden durch die Anwendung des Differenz-in-Differenzen-Ansatzes mögliche Selektionseffekte auf Seiten der Teilnehmenden aufgrund beobachteter und unbeobachteter Faktoren ausgeschlossen.

Dennoch gilt es zu berücksichtigen, dass die Teilnahme sowohl der Apotheken als auch der Patient*innen am GLICEMIA 2.0 Programm freiwillig war, weshalb eine Selbstselektion bestimmter Patient*innen und Apotheken mit einer höheren Compliance im Vergleich zur Allgemeinbevölkerung in das Programm nicht auszuschließen ist.

Projektion der Effektivitätspotenziale

Es konnte auch aus gesundheitsökonomischer Sicht zunächst durch die Risikoadjustierung gezeigt werden, dass es für die Interventionsgruppe im Sinne der GLICEMIA-2.0-Studie ein Effektivitätspotenzial vorliegt und insbesondere eine Verbesserung der glykämischen Kontrolle konstatiert werden kann. Ebenso liegt für die Laufzeit der Studie eine Kosteneffektivität zugunsten des GLICEMIA 2.0-Programmes für höhere Risikogruppen vor. Ähnliche Studien legen ebenso nahe, dass Apotheken zu einem verbesserten Diabetesmanagement beitragen können ^{23 24} , auch wenn diese bislang rar sind. Da es sich bei dem Programm allerdings um eine komplexe Intervention handelt ^{17 29} , die an verschiedenen Punkten zur Lebensstilverbesserung wie Ernährungsumstellung und Steigerung der körperlichen Aktivität, aber auch an einer Anpassung der medikamentösen Einstellung ansetzt, lässt sich der unmittelbare Wirkungskanal zwischen Schulung, Akteursverhalten und Organisationseinflüssen im Längsschnitt nicht eindeutig identifizieren. Somit kann nicht genau identifiziert werden, welche Bestandteile des apothekengestützten Programmes effektivitätstreibend sind. Daher gilt, dass das Programm vielmehr als ein Zusammenspiel aus den entsprechenden Faktoren verstanden werden muss.

Ebenso können aufgrund der Studienlaufzeit keine Aussagen zu längerfristigen, nachhaltig wirksamen Effekten getroffen werden. Hierzu wäre eine Follow-Up-Untersuchung hilfreich, um induzierte Kostenunterschiede in der Inanspruchnahme ärztlicher Leistungen in einer längeren Frist zu evaluieren und eine längerfristige Effektivität des Programmes zu ermitteln sowie Kostenunterschiede genauer herausarbeiten zu können. Weiterer Forschungsbedarf wäre hier ratsam, da die Antworten zur Selbsteinschätzung von Arztkontakten innerhalb der zweiten sechs Monate der Studiendauer Hinweise zu unbeobachtbaren Heterogenitäten aufwerfen. Durch die gewählten Antwortkategorien ist eine Auswertung anhand einer metrischen Skala weiterhin nicht möglich. Dennoch gibt die Auswertung der induzierten Kosten anhand der Inanspruchnahmeraten ärztlicher Leistungen trotz der unbeobachtbaren Heterogenität in den Antwortmöglichkeiten weiterhin Hinweise darauf, die Beziehung zu Beratungsleistungen der Diabetolog*innen weiterfolgend in den Blick zu nehmen.

Gerade zur Möglichkeit der Implementierung des GLICEMIA 2.0-Programmes in die Regelversorgung können zunächst die Hinweise auf eine Kosteneffektivität der höheren Risikogruppe einen Anlass bilden, die Implementierungsfähigkeit in einem größeren Arrangement – etwa im Sinne eines kontrollierten Experiments im Sinne eines Innovationsfondsprojekts – weiterfolgend zu untersuchen. Dabei sind Analysen des Lernverhaltens innerhalb der Organisationseinheit Apotheke (intraorganisationale Perspektive) als auch potenzielle Vergleiche zu alternativen Versorgungssettings (interorganisationale Perspektive) – etwa virtuelle Schulungsangebote oder Diabetes-Selbsthilfegruppen – erweiterbare Fragestellungen.