Gemäß den Daten des European Observatory on Health Systems and Policies sind kardiovaskuläre Erkrankungen die häufigste Todesursache in Deutschland. Ein erheblicher Anteil dieser Todesfälle gilt als durch Prävention vermeidbar (1). Große multinationale Studien haben arterielle Hypertonie, Dyslipidämie, Diabetes, Body-Mass-Index und aktuelles Rauchen als die wichtigsten Risikofaktoren für kardiovaskuläre Erkrankungen und Mortalität identifiziert (2). In jüngerer Zeit wurde zudem die chronische Nierenerkrankung (CKD) als unabhängiger Risikofaktor für kardiovaskuläre Morbidität und Mortalität etabliert (3). Obwohl randomisierte, kontrollierte Studien und nachfolgende Metaanalysen keinen Nachweis für einen Effekt auf die Mortalität erbringen konnten, sind Gesundheits-Check-ups in vielen westlichen Gesundheitssystemen ein etablierter Bestandteil der Versorgung (4, 5).

In Deutschland wurde die Screening-Untersuchung „Check-up 35“ im Jahr 1989 eingeführt, um wesentliche Risikofaktoren für Morbidität und Mortalität in der Bevölkerung zu identifizieren. Kurz gefasst umfasst die Untersuchung eine Anamnese und eine körperliche Untersuchung, eine Blutuntersuchung auf Dyslipidämie und Nüchternglukose sowie einen Urinteststreifen auf Protein, Glukose, Nitrit, Leukozyten und Hämoglobin. Gesetzlich krankenversicherte Personen ab 35 Jahren sind alle drei Jahre anspruchsberechtigt, Personen zwischen 18 und 34 Jahren können die Untersuchung einmalig in Anspruch nehmen.

>> Die meisten veröffentlichten Studien zum Check-up 35 untersuchen die Teilnahme in bestimmten sozioökonomischen Gruppen (6–9). Studien zur Bewertung der Wirksamkeit des Check-up 35 fehlen jedoch weitgehend. Untersuchungen in Gesundheitssystemen anderer Länder, insbesondere im Vereinigten Königreich und in Dänemark, haben gemischte Ergebnisse hinsichtlich der Effektivität von Gesundheits-Check-ups bei der Erkennung gezielter Risikofaktoren gezeigt (10–12). Um in Erfahrung zu bringen, welchen Einfluss die Teilnahme an der Check-up-35-Untersuchung auf die Detektionsraten der genannten Zielerkrankungen hat, sowie zu evaluieren, welche Auswirkungen sich daraus auf Arzneimittelverordnungen ergeben, wurde eine retrospektive Kohortenstudie durchgeführt, in der Teilnehmende und Nicht-Teilnehmende in deutschen hausärztlichen Praxen verglichen wurden.

methods

Database

Die retrospektive Kohortenstudie basiert auf Daten der Disease-Analyzer-Datenbank (IQVIA), die anonymisierte Informationen zu Arzneimittelverordnungen, Diagnosen sowie medizinischen und demografischen Basisdaten aus den Praxisverwaltungssystemen von Haus- und Fachärzten enthält. Die Datenbank umfasst >1.200 hausärztliche Praxen in Deutschland und gilt als repräsentativ für die ambulante Versorgung (13).

study population

Eingeschlossen in die Studie wurden Erwachsene (≥18 Jahre) mit mindestens einem Besuch bei einem der 1.216 Hausärzte zwischen Januar 2019 und Dezember 2023. Dieses Zeitfenster wurde gewählt, da der „Einheitliche Bewertungsmaßstab“ (EBM) für den Check-up 35 ab Januar 2019 geändert wurde. Für die Analysen wurden Personen mit Check-up 35 (n = 1.365.445) mit Personen ohne Check-up 35 (n = 4.841.157) verglichen.

Ein vollständiger Check-up 35 wurde definiert über die EBM-Codes 01732 (Anamnese/Untersuchung), 32880 (Urin), 32881 (Nüchternglukose) und 32882 (Lipidprofil). Diese Untersuchungen dienen primär dem Screening auf Hypertonie, Diabetes, Dyslipidämie und Nierenerkrankungen. Die Blutdruckmessung erfolgte nicht standardisiert; auffällige Werte werden üblicherweise durch häusliche Messungen überprüft. Das Diabetes-Screening basierte auf Nüchternglukose, gefolgt von HbA1c-Bestimmung bei Auffälligkeiten. Das Lipidprofil entspricht dabei dem Goldstandard. Das CKD-Screening beschränkte sich auf einen nicht-standardisierten Urinteststreifen mit geringer Sensitivität.

Zur Verbesserung der Vergleichbarkeit wurden Personen ausgeschlossen, die zusätzliche Laboruntersuchungen erhielten oder weniger als 12 Monate Beobachtungszeit vor dem Indexdatum hatten. Weiter ausgeschlossen wurden Personen mit vorbestehender Diagnose von Diabetes, Dyslipidämie, Hypertonie oder CKD sowie Personen mit koronarer Herzkrankheit (oder Schlaganfall, da hier Unterkodierung wahrscheinlich ist). Anschließend erfolgte ein Propensity-Score-Matching (1:5) nach Alter, Geschlecht und vor dem Check-up kodierter Adipositas.

Primäre Endpunkte waren Erstdiagnosen von Typ-2-Diabetes, arterieller Hypertonie, Dyslipidämie oder CKD innerhalb von drei Monaten nach dem Indexdatum. Aufgrund der quartalsweisen Abrechnung wird angenommen, dass Diagnosen spätestens innerhalb dieses Zeitraums kodiert wurden. Das Indexdatum war der Check-up-Zeitpunkt bzw. in der Kontrollgruppe ein zufällig gewählter Besuch zwischen 2019 und 2023.

Statistical analyses

Die Qualität des Propensity-Score-Matchings wurde anhand der Standardized Mean Differences (SMD) bewertet; SMD < 0,1 galt als ausreichende Balance. Die dreimonatige kumulative Inzidenz der vier Diagnosen wurde mittels Kaplan-Meier-Kurven analysiert, um unterschiedliche Nachbeobachtungszeiten zu berücksichtigen. Anschließend wurden univariable Cox-Regressionen zur Untersuchung der Assoziation zwischen Check-up 35 und den Diagnosen durchgeführt, getrennt nach Geschlecht und Altersgruppen. Ergebnisse wurden als Hazard Ratios (HR) und 95%-Konfidenzintervalle (CI) berichtet. Aufgrund multipler Tests (12 Modelle) galt p < 0,001 als statistisch signifikant. Die Analysen erfolgten mit SAS 9.4 (SAS Institute, Cary, USA).

Results

In dieser Studie wurden 51.829 Personen mit einem Check-up 35 mit 259.145 Personen ohne Check-up 35 gematcht (Abbildung 1). Die Gruppen waren gut vergleichbar, wie in Tabelle 1 dargestellt. Das durchschnittliche Alter der Kohorten betrug 47,8 Jahre (SD 13,7) und alle Altersgruppen waren ausreichend vertreten. Fast 60% der Personen waren weiblich, und die Check-up-Untersuchungen verteilten sich gleichmäßig über die Jahre. Adipositas war nur bei 5,7% der Personen kodiert. Alle Merkmale sind in Tabelle 1 aufgeführt.

Drei Monate nach der Check-up-Untersuchung (Check-up-35-Kohorte) bzw. dem Indexdatum (Kontrollen) zeigte sich eine signifikant höhere Rate neu kodierter Diagnosen von arterieller Hypertonie, Dyslipidämie, Typ-2-Diabetes mellitus und CKD bei Teilnehmenden im Vergleich zu den Kontrollen (Abb. 2). Diese Assoziationen blieben in univariaten Cox-Regressionsanalysen über verschiedene Altersgruppen sowie bei Frauen und Männern bestehen. Besonders für Dyslipidämie und CKD war die Teilnahme am Check-up 35 deutlich mit einer anschließenden Diagnose assoziiert. Die stärkste Assoziation zwischen Teilnahme und Dyslipidämie zeigte sich bei Personen ≤40 Jahren mit einem mehr als fünffach erhöhten Risiko (Tab. 2).

discussion

Der Check-up 35 wurde 1989 in das deutsche Gesundheitssystem eingeführt und 2019 aktualisiert. Unsere Studie zeigt, dass die Teilnahme am Check-up 35 mit einer höheren anschließenden Kodierungsrate der entsprechenden Diagnosen – Typ-2-Diabetes mellitus, arterielle Hypertonie, Dyslipidämie und CKD – verbunden ist.

Gesundheits-Checks sind insbesondere in westlichen Ländern fest etabliert. In Deutschland liegt ein besonderer Schwerpunkt auf metabolischen Erkrankungen und der Krebsfrüherkennung. Für viele dieser Untersuchungen fehlen jedoch spezifische Studien – insbesondere randomisierte kontrollierte Studien –, die ihre Wirksamkeit zur Früherkennung der jeweiligen Erkrankungen bewerten. Diese Studie erweitert die Evidenz, indem sie zeigt, dass die Teilnahme an der seit 2019 aktualisierten Version des Check-up 35 mit einer höheren Wahrscheinlichkeit einer Diagnose der genannten Erkrankungen verbunden ist. Besonders ausgeprägt war dies für Dyslipidämie und CKD, was das oft unbemerkte Vorhandensein dieser Erkrankungen unterstreicht. Angesichts der Tatsache, dass etwa 56,6% der Männer und 60,5% der Frauen in Deutschland an Dyslipidämie leiden und rund 11,9% der erwachsenen Bevölkerung an CKD (14, 15), sind diese Ergebnisse plausibel. Sie stimmen weitgehend mit Studien aus dem britischen NHS überein, die zeigen, dass Gesundheits-Check-ups die Erkennung von Dyslipidämie deutlich und die von Hypertonie und Diabetes nur geringfügig erhöhen (11, 16). Dies könnte darauf hindeuten, dass in der Primärversorgung ein hohes Bewusstsein für Hypertonie und Diabetes, aber ein geringes Bewusstsein für Dyslipidämie und CKD besteht.

Obwohl alle Personen mit vorbestehenden kodierten Diagnosen vor Teilnahme am Check-up 35 ausgeschlossen wurden – ebenso wie Personen mit Erkrankungen wie koronarer Herzkrankheit, bei denen eine Unterkodierung der Zielerkrankungen wahrscheinlich ist –, müssen diese Ergebnisse im Kontext des Studiendesigns interpretiert werden. Ein Selektionsbias kann nicht vollständig ausgeschlossen werden: Personen mit höherem A-priori-Risiko für bspw. Hypertonie könnten einen Check-up 35 zu einem früheren Zeitpunkt erhalten haben. Ebenso kann nicht ausgeschlossen werden, dass Teilnehmende gesundheitsbewusster oder sozioökonomisch bessergestellt waren als die Kontrollgruppe. Eine kürzlich veröffentlichte Studie zur Integration eines Leberfibrose-Scores in den Check-up 35 zeigte jedoch, dass fast 50% der Teilnehmenden den empfohlenen gastroenterologischen Folgetermin nicht wahrnahmen, was darauf hindeutet, dass das Krankheitsbewusstsein in dieser Gruppe nicht wesentlich höher ist als in der Allgemeinbevölkerung (17).

Die insgesamt niedrige Detektionsrate von CKD in der untersuchten Kohorte verdeutlicht die Einschränkungen des Urinteststreifens als Screening-Instrument, insbesondere angesichts der hohen CKD-Prävalenz von etwa 10% in der Bevölkerung (18–20). Dies unterstreicht die Notwendigkeit umfassenderer Screening-Methoden, etwa der Bestimmung von Serumkreatinin zur Berechnung der geschätzten glomerulären Filtrationsrate (eGFR).

Soweit bekannt, ist dies die erste Studie, die die Wirksamkeit des Check-up 35 bei der Erkennung der Zielerkrankungen untersucht. Die größte Stärke dieser Studie ist die große Stichprobengröße, die ein gründliches Matching und robuste Analysen ermöglicht. Dennoch bestehen Einschränkungen. Die Analyse basiert auf ICD-10-Codes und ist daher anfällig für Unterkodierung, wobei dieser Bias in beiden Gruppen ähnlich sein dürfte. Ein weiterer Nachteil ist, dass der Einfluss des Check-up 35 auf harte klinische Endpunkte wie Mortalität nicht untersucht werden konnte, da diese Informationen in der Disease-Analyzer-Datenbank nicht vollständig enthalten sind. Auch der gewählte Zeitraum von drei Monaten für Diagnosen könnte spätere Diagnosen übersehen haben; ein längerer Zeitraum hätte jedoch zusätzliche Verzerrungen erzeugt. Zudem konnten wir die Gruppen nicht hinsichtlich der geografischen Herkunft oder des sozioökonomischen Status matchen, was zu unbeobachteten Unterschieden führen kann. Weiterhin ist der Check-up 35 ein spezifisches Screening-Programm des deutschen Gesundheitssystems, sodass die Ergebnisse nicht ohne Weiteres auf andere Länder übertragbar sind.

Diese Studie zeigt, dass die Teilnahme am Check-up 35 in Deutschland mit einer höheren anschließenden Kodierungsrate der entsprechenden Diagnosen verbunden ist. Damit weisen diese Ergebnisse auf den Nutzen des Check-up 35 hin, und eine breitere Teilnahme in der Bevölkerung sollte gefördert werden, zumal Präventionsmaßnahmen, zu denen Check-ups zu zählen sind, künftig aufgrund des demografischen Wandels bei gleichzeitig knapper werdenden Gesundheitsbudgets an Bedeutung und Relevanz gewinnen werden. <<