Mi ez az oldal?

A Nemzeti Népegészségügyi és Gyógyszerészeti Központ (NNGYK) új felülete a kötelező kórházi jelentésekből építkezik. Az egyik modul a CDI-fertőzésekről közöl 2021 és 2025 közötti, intézményszintű adatokat: hány beteget láttak el, közülük hánynál alakult ki a fertőzés, és 2025-re egy kockázatkiigazított mutatót is, amiről mindjárt szó lesz.

CDI (Clostridioides difficile fertőzés): Toxintermelő baktérium által okozott, hasmenéssel járó bélfertőzés, amely gyakran antibiotikum-kezelés után, a normál bélflóra károsodásával összefüggésben alakul ki; súlyos esetben életveszélyes is lehet. Az NNGYK dashboardot bemutató szerdai háttérbeszélgetéséről készült cikkünkhöz egy fogalomtárat is mellékeltünk, amit ide kattintva lehet megnézni.

Miért hazudik a nyers szám?

Képzeljünk el két kórházat. Az egyik egy nagy, országos központ, ahova a legsúlyosabb, legidősebb, legtöbb alapbetegséggel küzdő betegeket irányítják – ők eleve fogékonyabbak a kórházi fertőzésre, függetlenül attól, hogy az adott kórház milyen munkát végez. A másik egy kisebb, alacsonyabb progresszivitási szintű intézmény, ahova jellemzően fiatalabb, egészségesebb betegek kerülnek. Ha a két kórházat egyszerűen a fertőzési arányuk alapján hasonlítjuk össze, szinte törvényszerű, hogy a nagy központ rosszabbul fog kinézni – nem azért, mert rosszabb munkát végez, hanem mert kockázatosabb betegeket lát el.

Ez a betegösszetétel-probléma az oka annak, hogy a nyers esetszám vagy arány önmagában félrevezető. Egy újsághír, amely csak ennyit ír – „X kórházban magasabb a fertőzési arány, mint Y-ban” –, tényszerűen igaz lehet, mégis rossz következtetésre vezet. „”

Érdekes, de ez bizonyos szempontból talán még rosszabb is, mert egy hamisított adatnál meg lehet mutatni, hogy hamisított, itt viszont több oldalnyi magyarázatot igényel, hogy mi a probléma...

– írja Ferenci az adatértelmező dokumentum egyik lábjegyzetében.

Hogyan próbálja ezt kezelni a magyar rendszer?

A tökéletes megoldáshoz ismerni kellene minden beteg valódi kockázati tényezőit – életkorát, cukorbetegségét, korábbi kezeléseit. Ilyen adat ma Magyarországon nem áll rendelkezésre minden betegre. A magyar módszertan ezért egy meglévő, minden esetre kitöltött adatot használ helyettesítőként: a finanszírozási célra amúgy is rögzített homogén betegségcsoportot (HBCS), kiegészítve az életkorral és a nemmel. A logika egyszerű: akiknek hasonló a HBCS-e, azoknak valószínűleg a kórházi fertőzés szempontjából releváns kockázata is hasonló.

Private Health Forum 2026

Az adatra épülő egészségügy: döntések, gyógyítás, betegutak, ellátás - Ezekről is szó lesz a szeptember 10-i egészségügyi konferenciánkon.

Információ és jelentkezés

Ezt a HBCS-besorolást felhasználva a rendszer minden kórházra kiszámolja, hány fertőzés lenne „várható” akkor, ha az adott kórház ugyanolyan teljesítményt nyújtana, mint az ország egésze (pontosabban: mint amit 2023–2024 adataiból mint referenciát meghatároztak). Ezt veti össze a ténylegesen észlelt esetszámmal. Az eredmény a kockázatkiigazított fertőzési hányados (SIR): 1,0 felett rosszabb, 1,0 alatt jobb a vártnál – az 1,0 itt nem orvosi ideálérték, csak a 2023–2024-es országos átlag. Mellé egy konfidenciaintervallum is tartozik, ami megmutatja, mennyire megbízható ez a szám – ha az intervallum tartalmazza az 1-et, a kapott eltérés simán adódhat a véletlenből is, tehát nem mondható ki, hogy az adott kórház ténylegesen eltér az országos átlagtól.

A bizonyíték: mit mutat ugyanaz a kórház kétféleképpen?

A dashboardról letölthető 2025-ös adatsor tökéletesen illusztrálja, miért veszélyes a nyers rangsor. Három valós példa (lásd a táblázatok alatti keretes írást):

FONTOS FIGYELMEZTETÉS: A táblázatban szereplő három kórházat kizárólag módszertani illusztrációként választottuk – nem minősítjük őket, és nem tekinthetők sem pozitív, sem negatív példának. A cél annak bemutatása, hogy a nyers szám és a kockázattal kiigazított mutató ugyanannál az intézménynél is homlokegyenest más képet adhat.

A táblázatból két tanulság adódik. Egyrészt a nyers rangsor két végpontján (a legmagasabb és legalacsonyabb fertőzési arányt mutató intézmények között) szereplők sem feltétlenül azok, akiknek lenniük kellene: van, aki a nyers lista alapján rosszul, valójában viszont rendben áll (Edelényi), és van, aki a középmezőnyben megbújva valójában statisztikailag kiugró (Észak-pesti Centrumkórház). Másrészt a „legjobb” helyezés önmagában semmit nem bizonyít, ha mögötte csak néhány eset áll – ott a véletlen ingadozás akkora, hogy a szám gyakorlatilag nem értelmezhető.

Mire jó ténylegesen a dashboard?

Ferenci szerint az eredményeket egyfajta „anomáliadetekciónak” kell tekinteni, ami megmutatja, hol érdemes alaposabban vizsgálódni.

Akár még az is kiderülhet, hogy egy nagyon jónak tűnő kórháznál problémák vannak (például mert nem elég alapos a kórházi fertőzések felderítése), vagy fordítva, egy rossznak tűnő kórház példaértékű (például mert kiváló a jelentési fegyelme).

Mire is való a dashboard akkor? Erre:

• Anomáliadetekcióra. Megmutatja, mely kórházaknál érdemes alaposabban megvizsgálni, mi áll a számok mögött – akár rossz irányban (valódi hiányosság), akár jó irányban (például kiváló jelentési fegyelem).
• Belső minőségbiztosításra. A kórházvezetők objektív viszonyítási pontot kapnak saját intézményük teljesítményének nyomon követéséhez, és érvekkel alátámasztva kérhetnek forrást fejlesztésekre.
• Átláthatóságra és bizalomépítésre, ami önmagában is érték, függetlenül attól, hogy azonnal rangsort ad-e.
• Hosszú távú trendek követésére, ha valaki ugyanazt a kórházat nézi több éven át.

Mire nem jó – és miért ne használja így senki?

• Kórházválasztásra egy tervezett beavatkozás előtt. A nagyobb centrumok és egyetemi klinikák eleve súlyosabb, idősebb betegeket látnak el, ez a dashboardból elsőre nem látszik ilyen egyszerűen.
• „Legjobb/legrosszabb kórház” listák gyártására, akár médiában, akár közösségi médiában. Pontosan ez ellen szól ez a cikk.
• A 2021–2024-es évek összehasonlítására intézmények között. Ezekre az évekre nincs kockázattal korrigált mutató, csak nyers szám – ott a betegösszetétel-probléma korrekció nélkül érvényesül.
• Az aluljelentés problémájának kizárására. A módszer a betegösszetétel-különbségeket szűri ki, nem azt, hogy egy kórház mennyire alaposan keresi és jelenti a saját fertőzéseit. Aki kevesebb székletmintát vizsgáltat, kevesebbet is fog találni – ettől még nem biztos, hogy ott valóban kevesebb a fertőzés.

A módszer korlátai – amit a fejlesztők is elismernek

A HBCS nem tökéletes helyettesítője a valódi orvosi kockázatnak, csak egy elérhető közelítés, mert ma nincs olyan országos adatkapcsolat, amely minden betegre ismertté tenné a tényleges kockázati tényezőket (cukorbetegség, korábbi antibiotikum-használat stb.). Kis esetszámú kórházaknál a SIR bizonytalansága nagy – ezt jelzi a széles konfidenciaintervallum. A rendszer egyelőre csak évente frissül, tehát nem valós idejű járványügyi riasztóeszköz. És végül: a felület tudatosan nem intézményi rangsorként jeleníti meg az adatokat, hanem az azonos típusú kórházak eloszlásában mutatja meg az egyes intézmények helyzetét, éppen azért, hogy ne generálódjon belőle egy könnyen félreérthető feketelista.

Ami igazán számít

A transzparencia célja a kórházi fertőzések visszaszorítása, nem az intézmények megbélyegzése.

A helyes kérdés, amit a dashboard adatai alapján fel lehet tenni, nem az, hogy „ki az első és ki az utolsó” – hanem az, hogy „ennél a konkrét kórháznál miért ez a szám jött ki, és mit érdemes emiatt megvizsgálni”. Ha valaki mégis rangsort akar csinálni belőle, azzal éppen azt az egyetlen dolgot rontja el, amiért az adatközlés egyáltalán elindult.

Az előbb említett problémák megoldása ugyanis nem az, hogy nem közlünk adatokat, hanem az, ha megfelelő magyarázattal ellátva közöljük azokat

– írja Ferenci.

Miért volt óriási szükség erre az adatbázisra és főleg a nyilvánosságra?

Hegedűs Zsolt új egészségügyi miniszter egyik legfontosabb célja az átláthatóság volt, hiszen ez a valódi szembenézés alapja. Ennek kulcseleme a most megnyíló fertőzési adatbázis vagy épp a mentők kiérkezési idejét bemutató adatsor. Ez a nyitás valóban új szemléletet hoz az elmúlt évek elzárkózása után.

Legalább ennyire tanulságos, hogy mekkora hangsúlyt fektetnek az adatok tálalására: a szakmai, kórházi, újságírói és laikus közönséget külön-külön csatornákon szólítják meg, megelőzve a félreértelmezéseket és a tudatos manipulációt. A közzétett adatsorok csak a hozzájuk kapcsolt, átgondolt magyarázattal együtt képesek visszaépíteni a magyar egészségügybe vetett bizalmat – erre pedig most óriási szükség van.

Címlapkép forrása: Vincent Kalut / Photonews via Getty Images