Stimmen zum Telemedizinführer Deutschland

..."Der Telemedizinführer - das umfassende und aktuelle Werk zu den wichtigsten deutschen Entwicklungen im Bereich eHealth rund um die Gesundheitskarte, aber insbesondere und vor allem auch darüber hinaus ..." ...
 

Deutschlands unfassendstes Werk zum Thema Telemedizin, E-Health und Telematik im Gesundheitswesen

Deutschlands unfassendstes Werk zum Thema Telemedizin, E-Health und Telematik im Gesundheitswesen

Home arrow Inhalte arrow Ausgabe 2004 arrow Evidence Based Telemedicine?
Evidence Based Telemedicine? PDF E-Mail
Sinnvolle Nutzung von Daten als Mittel der Qualitätssicherung

A. Parasta (1), R. Metzger (2), M. Pabst (3), D. Nikmond (1), A. M. Parasta (4)

1 Epitop GmbH – Technology and Service Group München
2 Dr. von Haunersches Kinderspital – Ludwig Maximilian Universität München
3 Chirurgische Klinik, Kantonspital Schaffhausen, Schweiz
4 Augenklinik des Klinikum Rechts der Isar, Technische Universität München


Die Anzahl heterogener, nebeneinander existierender Datenerfassungssysteme (OP-, Behandlungs-, Bild-, Labordaten etc.) ist heute schon nahezu unüberschaubar. Obwohl evidenzbasierte medizinische Daten aus der täglichen Behandlungsroutine ein enormes Potential bieten, bleibt die objektive Verarbeitung dieser heterogen erfassten Daten (z.B. zur Fortbildung, Forschung, Qualitätssicherung, etc.) aufgrund der unterschiedlichen Datenstrukturen (s. u.) eine technische und inhaltliche Herausforderung. Die semantische Analyse von heterogenen Daten ist eine bislang weitestgehend dem Menschen vorbehaltene Fähigkeit. Das Ziel unserer Arbeitsgruppe in dem hier dargestellten Projekt war es, diese Fähigkeit in eine Software basierte Lösung umzusetzen.

Bereits ein großer Teil der Behandlungsdaten werden elektronisch erfasst. Betrachtet man die Menge an Erfahrungswerten, die in diesen täglich anfallenden Daten enthalten sind, ergibt sich hieraus ein enormes wissenschaftlich nutzbares Potential. Im Rahmen der zunehmenden Forderungen nach Evidenz basierter Medizin muss dieses Potential besser ausgeschöpft und zugänglicher gestaltet werden. Betrachtet man die bestehenden Möglichkeiten der Datenverwaltung, lassen sich leicht die großen Probleme, die bei der Aufarbeitung der Behandlungsdaten entstehen, ableiten.


1 Die Untersuchung bestehender Datenmodelle

Laut der offiziellen Statistik der Kassenärztlichen Bundesvereinigung (KBV) ergibt sich folgende Aufstellung von Systemen zur Verwaltung von Patientendaten (Abrechnung bzw. Behandlungsdaten): Bei 91.995 untersuchten Installationen werden 197 unterschiedliche Systeme1 eingesetzt. Rund 100 dieser Systeme können bei einer Installationsfrequenz von bundesweit unter 50 Installationen als Individuallösungen angesehen werden2. Ein gemeinsamer Standard zur Strukturierung und Speicherung von Patientendaten existiert derzeit nicht3. Zwar bestehen unterschiedliche Datenmodelle, die vor mehr als 8 Jahren als Standardisierungsversuch entwickelt wurden und die Vorgaben zur Strukturierung von Behandlungsdaten bieten (z.B. HL7, ADT, BDT etc.), diese bieten aber auch bei einer strikten Einhaltung nicht die notwendige Detailtiefe in der Datenstruktur, um detaillierte Aspekte einer Behandlung auslesen zu können. So wird z.B. die Eingangsanamnese eines Patienten meist als fortlaufender Text abgespeichert. Die Recherche in einem größeren Patientenkollektiv unter einer bestimmten Fragestellung (z.B. Nach Symptomen gegliedert, Form und Ausmaß einer beobachteten Nebenwirkungen einer Medikation etc.) ist bislang die Domäne der manuellen Bearbeitung durch einen Experten.

2 Technischer Hintergrund für genannte Defizite

Grundsätzlich lassen sich bislang zwei Datenstrukturen unterscheiden, in der medizinische Daten durch unterschiedliche Softwareprogramme exportiert werden. Der Export von Daten ist Voraussetzung für eine zentrale Datenanalyse.

2.1 Strukturmodell A: Defined Dataset

Hierbei bestimmt allein der Aufbau eines Datensatzes mit festgelegten Positionen die Definition der einzelnen Informationseinheiten (z.B.: Position 3 = Befund). Die Informationseinheiten werden hierbei in einer festegelegten Reihenfolge hintereinander geschrieben. Die genaue Position der einzelnen Einheiten wird entweder durch den herangezogenen Standard (z.B. HL7) oder individuell durch die genutzte Software bestimmt. Vor allem die Hersteller abhängigen individuellen Datenstrukturen stellen eine große Herausforderung bei der automatisierten Datenverarbeitung dar. So müssen für jede Softwarelösung individuelle Algorithmen erstellt werden, die Daten in eine standardisierte und vergleichbare Struktur übersetzen. Zusätzlich erschwert wird die Datenübersetzung durch die zusätzliche Individualisierung bestehender Softwarelösungen durch den Anwender selbst (Definition eigener Datenfelder innerhalb der Software). Entsprechend sind über die Hersteller bezogenen Übersetzungsalgorithmen hinaus zusätzliche anwenderabhängige Algorithmen notwendig. Aufgrund der Vielzahl an vorhandenen Systemen erscheint dies als eine nahezu unrealisierbare Aufgabenstellung...

Dokumentinformationen zum Volltext-Download
 

Titel:
Evidence Based Telemedicine?
Artikel ist erschienen in:
Telemedizinführer Deutschland, Ausgabe 2004
Kontakt/Autor(en):A. Parasta (1), R. Metzger (2), M. Pabst (3), D. Nikmond (1), A. M. Parasta (4)

1 Epitop GmbH – Technology and Service Group München
2 Dr. von Haunersches Kinderspital – Ludwig Maximilian Universität München
3 Chirurgische Klinik, Kantonspital Schaffhausen, Schweiz
4 Augenklinik des Klinikum Rechts der Isar, Technische Universität München
Seitenzahl:
2,5
Sonstiges

3 Abb.

Dateityp/ -größe: PDF /   1.210 kB 
Click&Buy-Preis in Euro: kostenlos

 

Rechtlicher Hinweis:

Ein Herunterladen des Dokuments ist ausschließlich  zum persönlichen Gebrauch erlaubt. Jede Art der Weiterverbreitung oder Weiterverarbeitung ist untersagt.  


 
< zurück   weiter >
 

ASP Authentifizierung Biometrie bIT4health Blended Healthcare CIMECS DACS DICOM e-Health E-Learning eBA EDC eEPA eFA EGA eGBR eGK eHBA eHealth EHR elektronische Gesundheitskarte elektronische Krankenakte elektronische Patientenquittung elektronische Signatur elektronischer Arztbrief elektronischer Heilberufsausweis elektronisches Rezept EPA EPR europäische Krankenversichertenkarte Fallakte gematik Gesundheitskarte Gesundheitstelematik GoITG GRID Hash HL7 HomeCare HPC iEPA IHE IMS Incident Reporting integrierte Gesundheitsversorgung integrierte Versorgung IuK KAS KIS Kryptographie LOINC Lösungsarchitektur MDD MPI MVZ NEST PACS PaSIS PDMS protego.net PVS Rahmenarchitektur RFID RIS Schnittstelle SDK Sicherheitsinfrastruktur Smart Card SNOMED SOA SQB Telekonsultation Telelearning Telematik Telematik Expertise Telematik-Infrastruktur Telemedizin Telemonitoring Verschlüsselung VHitG ZTG