Management und Analyse von Gesundheitsdaten

Das Management und die Analyse von Gesundheitsdaten ist der Bereich der Gesundheitsinformatik, der sich damit befasst, wie die in klinischen, administrativen und öffentlichen Gesundheitssystemen generierten Daten gespeichert, integriert, verwaltet und in nützliches Wissen umgewandelt werden. Es umfasst die Entwicklung von Repositorien, die heterogene Gesundheitsdaten konsolidieren, die Disziplinen, die diese Daten vertrauenswürdig halten, und die Analysemethoden, die sie auswerten, um Fragen zu Effektivität, Populationen und Operationen zu beantworten.

Definition

Das Management und die Analyse von Gesundheitsdaten ist die Gesamtheit der Methoden und Infrastrukturen zur Organisation gesundheitsbezogener Daten und zur Anwendung statistischer, rechnerischer und Data-Mining-Techniken auf diese, um Evidenz zu generieren und Entscheidungen auf den Ebenen der Forschung, der Populationen und der Gesundheitssysteme zu unterstützen.

Scope

Dieser Bereich führt den Leser in den Lebenszyklus von Gesundheitsdaten ein: Erfassung und Integration, Speicherung in klinischen Data Warehouses, Governance und Qualitätssicherung sowie nachgelagerte Analysen für Forschung, Populationsmessung und Operationen. Er fasst fünf Themen zusammen, die von der Infrastruktur (Warehouse-Design) über die Verwaltung (Governance und Qualität) bis zur Nutzung (vergleichende Effektivität, Bevölkerungsgesundheit und Big-Data-Anwendungen) reichen. Es handelt sich um eine Referenzübersicht, nicht um eine Aufbauanleitung oder ein klinisches Entscheidungstool.

Sub-topics

• Big-Data-Technologien und Anwendungen im Gesundheitswesen
• Design und Architektur klinischer Data Warehouses
• Vergleichende Wirksamkeitsforschung unter Verwendung von Gesundheitsdaten
• Governance und Datenqualität im Gesundheitswesen
• Populationsbezogene Gesundheitsanalytik und -messung

Key concepts

• Klinisches Data Warehouse
• Datenintegration und Extract-Transform-Load (ETL)
• Gemeinsame Datenmodelle
• Datengovernance und -verwaltung
• Dimensionen der Datenqualität
• Sekundäre Nutzung klinischer Daten
• Vergleichende Effektivitätsforschung
• Messung der Bevölkerungsgesundheit
• Big-Data-Analysen
• Prädiktive Modellierung und Data Mining

Mechanisms

Gesundheitsdaten stammen aus elektronischen Gesundheitsakten, Abrechnungssystemen, Registern, Geräten und Überwachungsfeeds. Um wiederverwendbar zu sein, werden diese heterogenen Datenströme extrahiert, transformiert und in integrierte Repositorien wie klinische Data Warehouses geladen, oft auf ein gemeinsames Datenmodell abgebildet, sodass Abfragen institutionsübergreifend portierbar sind. Governance-Strukturen weisen die Verantwortlichkeit für die Daten zu, und die Qualitätsbewertung evaluiert Dimensionen wie Vollständigkeit, Korrektheit und Plausibilität, bevor die Daten analysiert werden. Analytische Methoden reichen dann von deskriptiven Messungen bis hin zu Data Mining und prädiktiver Modellierung, wobei die analytische Frage bestimmt, welches Design und welche Daten angemessen sind.

Clinical relevance

Die hier beschriebenen Infrastrukturen und Analysemethoden bilden die Grundlage eines Großteils der im Gesundheitswesen verwendeten Sekundärdaten, einschließlich Qualitätsmessung, vergleichender Effektivitätsstudien und Populationsüberwachung. Ihr Verständnis hilft Klinikern und Forschern zu beurteilen, wie datenbasierte Evidenz produziert wird und welche Einschränkungen sie hat. Dieser Bereich beschreibt, wie Evidenz und Entscheidungsunterstützung generiert werden; er ist selbst keine Quelle für individuelle diagnostische oder Behandlungsanweisungen.

History

Als elektronische Gesundheitsakten und administrative Systeme große Mengen routinemäßig gesammelter Daten akkumulierten, verlagerte sich die Aufmerksamkeit von der primären Datenerfassung auf die sekundäre Nutzung dieser Daten für Forschung und Management. Initiativen zum Aufbau gemeinsam nutzbarer Forschungsrepositorien, wie die i2b2-Plattform, und das Wachstum der Big-Data-Analysen im Gesundheitswesen in den 2010er Jahren etablierten das Datenmanagement und die Datenanalyse als eigenständigen Zweig der Gesundheitsinformatik mit eigenen Anliegen hinsichtlich Qualität, Governance und Reproduzierbarkeit.

Key figures

• David W. Bates
• Shawn N. Murphy
• Isaac Kohane

Seminal works

• murphy-2010
• weiskopf-weng-2013
• bates-2014

Frequently asked questions

Was ist der Unterschied zwischen Gesundheitsdatenmanagement und Gesundheitsdatenanalyse?

Das Datenmanagement umfasst, wie Gesundheitsdaten erfasst, integriert, gespeichert und verwaltet werden, damit sie vertrauenswürdig und wiederverwendbar sind; die Analyse umfasst die statistischen und rechnerischen Methoden, die auf diese Daten angewendet werden, um Wissen zu erzeugen. Beide sind voneinander abhängig: Die Analyse ist nur so zuverlässig wie das Management und die Qualität der zugrunde liegenden Daten.

Was bedeutet 'sekundäre Nutzung' klinischer Daten?

Es bezieht sich auf die Verwendung von Daten, die ursprünglich für die klinische Versorgung oder Abrechnung gesammelt wurden, für zusätzliche Zwecke wie Forschung, Qualitätsmessung oder Populationsüberwachung. Da die Daten nicht für diese Zwecke gesammelt wurden, sind Governance und Qualitätsbewertung für ihre verantwortungsvolle Nutzung von zentraler Bedeutung.