Background The influence of both individual factors and, in particular, the regional labour market on the return to work after medical rehabilitation is to be analyzed based on comprehensive administrative data from the German Pension Insurance and Employment Agencies. Method For rehabilitation in 2016, pre- and post-rehabilitation employment was determined from German Pension Insurance data for 305,980 patients in 589 orthopaedic rehabilitation departments and 117,386 patients in 202 psychosomatic rehabilitation departments. Labour market data was linked to the district of residence and categorized into 257 labour market regions. RTW was operationalized as the number of employment days in the calendar year after medical rehabilitation. Predictors are individual data (socio-demographics, rehabilitation biography, employment biography) and contextual data (regional unemployment rate, rehabilitation department level: percentage of patients employed before). The estimation method used was fractional logit regression in a cross-classified multilevel model. Results The effect of the regional unemployment rate on RTW is significant yet small. It is even smaller (orthopaedics) or not significant (psychosomatics) when individual employment biographies (i.e., pre-rehabilitation employment status) are inserted into the model as the most important predictors. The interaction with pre-rehabilitation employment status is not substantial. Conclusions Database and methods are of high quality, however due to the nonexperimental design, omitted variables could lead to bias and limit causal interpretation. The influence of the labour market on RTW is small and proxied to a large extent by individual employment biographies. However, if no (valid) employment biographies are available, the labour market should be included in RTW analyses.
Zusammenfassung Ziel der Studie Die berufliche (Wieder-)Eingliederung der Rehabilitanden stellt neben der Lebensqualität ein wichtiges Behandlungsergebnis einer medizinischen Rehabilitationsmaßnahme in Trägerschaft der Deutschen Rentenversicherung dar. Um den sozialmedizinischen Verlauf in Form der beruflichen (Wieder-)Eingliederung als Qualitätsindikator nutzen zu können, musste zunächst eine geeignete Operationalisierung gefunden werden, um anschließend eine Risikoadjustierung hinsichtlich vorbestehender ergebnisrelevanter Rehabilitanden-, Fachabteilungs- und Arbeitsmarktmerkmale zu erarbeiten, welche die Fachabteilungen nicht unmittelbar beeinflussen können. Methodik Dazu wurde mittels multipler Regressionsanalysen und Kreuzvalidierung eine Adjustierungsstrategie entwickelt, welche die Einflüsse ergebnisrelevanter Confounder (Einflussgrößen) mathematisch kompensiert und so sachgerechte Fachabteilungsvergleiche bezüglich der sozialmedizinischen Verläufe der Rehabilitanden nach ihrer medizinischen Rehabilitation zulässt. Als geeignete Operationalisierung des sozialmedizinischen Verlaufs in Form der beruflichen (Wieder-)Eingliederung wurden unter Einbezug von Experten die sozialversicherungspflichtigen Beschäftigungstage im ersten und zweiten Jahr nach der Rehabilitationsmaßnahme ausgewählt. Methodische Herausforderungen bei der Entwicklung der Adjustierungsstrategie stellten die Auswahl einer geeigneten Regressionsmethode für die Verteilungsbesonderheiten der Zielgröße, die adäquate Modellierung der Mehr-Ebenenstruktur der Daten, und die Selektion der relevanten Einflussgrößen auf den sozialmedizinischen Verlauf dar. Auf Basis der adjustierten Ergebnisse wurde ein anwenderfreundliches Rückmeldekonzept entwickelt. Ergebnisse Als angemessene Regressionsmethode zur Modellierung der U-förmig verteilten Anzahl der Beschäftigungstage wurde die Fractional Logit Regression gewählt. Die Mehr-Ebenenstruktur der Daten (cross-classified Arbeitsmarktregionen und Fachabteilungen) ist aufgrund von durchweg niedrigen Intraklassenkorrelationen statistisch zu vernachlässigen. Potenzielle Einflussgrößen wurden theoretisch vorselektiert (unter Einbezug medizinischer Experten bei medizinischen Parametern) und indikationsspezifisch über Rückwärtsselektion auf ihre prognostische Relevanz geprüft. Die Strategie erwies sich nach Kreuzvalidierung als stabil. Die Ergebnisse der Adjustierung wurden unter Einbezug der Nutzerperspektive (Interviews und Fokusgruppen) anwenderorientiert in einem Rückmeldekonzept dargestellt. Schlussfolgerung Das entwickelte Adjustierungsverfahren ermöglicht durch die Kompensation vorbestehender Rehabilitandenmerkmale einen sachgerechten Fachabteilungsvergleich zur Beurteilung der Behandlungsergebnisse im Rahmen der Reha-Qualitätssicherung. Die methodischen Herausforderungen, Entscheidungen und Limitationen werden in diesem Beitrag ausführlicher dargestellt.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.