gms | German Medical Science

Die Entwicklung, Einführung und Einsatz der elektronischen Patientenakten ist mittlerweile in vielen Kliniken und Spitälern in einem unaufhaltsamen Prozess zum unverzichtbaren täglichen Arbeitsinstrument geworden. Eine zukunftsorientierte elektronische Patientenakte wird interdisziplinär genutzt und unterstützt alle wichtigen Arbeitsprozesse. Daneben existieren eine erhebliche Anzahl anderer Informationssysteme, welche über Schnittstellen kommunizieren und ihre Daten in verschiedenen Datenbanken abspeichern. Dabei werden in diesen verschiedenen Informationssystemen erhebliche Datenmengen erfasst und bearbeitet, die für verschiedene Zwecke ausgewertet werden können - wenn denn ein entsprechendes Instrument zur Verfügung steht. Dies ist jedoch aufgrund verschiedener Datenbanken und -modelle nicht einfach. Im Folgenden stellen wir eine Lösung vor, mit der wir die grundlegenden Schwierigkeiten überwinden konnten.

Im SPZ Nottwil ist seit 1999 eine moderne elektronische Patientenakte (MedFolio^®) im Einsatz. Die dazugehörige Datenbank läuft unter Oracle 8.1.7 und wird für die Auswertungen direkt über die ODBC-Schnittstelle angesprochen. Neben anderen Oracle-Datenbanken für das Terminplanungssystem (Prodispo^®), Laborinformationssystem LIS, GWI) und das Radiologieinformationssystem (RIS, GE) existieren weitere Datenbanken (Sybase^® und SQL-Server^®) im administrativen System (Hospis/Torex). Diese Systeme sind über das Schnittstellenmanagementsystem Datagate verbunden und beziehen die Schlüssel für Patienten, Fälle und weiteren Daten vom administrativen System.

Zur Auswertung wurde ein Tool gesucht, welches die Daten in möglichst einer Datei konsolidieren kann, offline arbeitet und vielfältige funktionale und graphische Elemente für Darstellungen aller Art bietet. Die erwarteten Auswertungsmöglichkeiten wurden bei den Entscheidungsträgern und den mit wissenschaftlich Arbeitenden erfragt, analysiert und bei der Auswahl der Software als starke gewichtete Kriterien berücksichtigt.

Nach eingehender Analyse der nicht immer herstellerseitig verfügbaren Datenmodelle wurden diese in mehreren Schritten in das evaluierte Auswertungstool übertragen und über eine Zeittriggerung automatisiert.

Als Auswertungstool wurde QlikView^® der Firma Qliktech in der Version 5.0.4 eingesetzt.

Die Evaluation der Software war nicht einfach. Eher zufällig stiessen wir auf das gewählte Produkt, es zeigte sich jedoch, dass dieser Zufall uns alle nur erdenklichen Auswertungsmöglichkeiten bescherte.

Unsere Management Dashboard Engine bietet die Möglichkeit, alle Daten mit dem gleichem Tool auszuwerten. Diese Daten werden aus allen Systemen eingelesen und stehen zudem, unabhängig von welchem System bzw. welcher Datenbank sie kommen, immer über den vom Patientenadministrationssystem, welches die Datenhoheit über die demographischen Daten der Patienten- und Falldaten hat, vergebenen Schlüssel in Beziehung zueinander. Es ist zudem möglich, weitere Schlüssel zu generieren, wenn zum Beispiel Zeitperioden betrachtet werden sollen. Es können zusätzlich Tabellen aus Tabellenkalkulationsprogrammen eingelesen werden, was zur Verdichtung der Daten von immensem Vorteil sein kann.

Die Funktionalität umfasst Drilldown über alle vom Programm erstellten Entitäten, welche aus den ausgelesenen Daten für jede Tabellenspalte separat generiert werden.

Es wurden folgende Themengebiete umgesetzt:

• Pflegemanagement und Pflegeforschung: LEP Nursing 2.1 Auswertungen, Pflegeprozess inkl. Auswertung der Wirksamkeit von Pflegemassnahmen,

• Ärztemanagement und klinische Forschung: Medikamentenauswertung, Auswertung der Laborwerte, ICD-10 Auswertung, CHOP Code Auswertung, Auswertung der Zusammenhänge zwischen ICD-10 und Medikamenten,

• Betriebsökonomische Auswertungen: Zusammenhänge zwischen CHOP Code (vorwiegend Ärztliche Eingriffe) und Pflegeleistungen, Kostenstellenrechnung mit Budget- und Mehrjahresvergleich

Alle diese und viele anderen Auswertungen werden über die gemeinsame, einheitliche Startseite bedient und können mit Zugriffsrechten belegt werden.

Als weitere Möglichkeiten stehen ein nicht von uns entwickelter DRG-Kalkulator und eine Kostenträgerrechnung, die auch unbewertete Leistungen einbezieht zur Verfügung.

Eine Flut von weiteren Auswertungen ist bereits angemeldet und ein Ende der Aufträge nicht absehbar. Bereits bestehen Gedanken, dieses System für die Abbildung der BSC-Kennzahlen zu nutzen.

Data-Warehousing oder Management-Informationssysteme werden heute zunehmend in den Dienst des Wissensmanagements gestellt. Im schweizer Spitalwesen, wo Wissensmanagement noch wenig institutionalisiert ist, sind diese Systeme oft dem Controlling zugeordnet, was sich dort aber letztlich in der Regel auf betriebswirtschaftliche Auswertungen niederschlägt. Wichtiger und sowohl für die Forschung wie auch ökonomisch und bezüglich Qualität interessanter ist der Zusammenschluss aller auf einer Datenbank basierenden Systeme zu einem integrierten Auswertungssystem, dem Data-Warehouse. Dort entsteht dann allerdings meist ein Problem mit den schieren Datenmengen, weshalb das System sinnigerweise aus selektiv aufgerufenen Modulen aufgebaut werden soll. Die notwendige Voraussetzung für ein solches System ist natürlich der durchgängige Einsatz des Master-Patient-Index bzw. des Master-Case-Index in der ganzen Institution. Die potentiellen Auswertungsmöglichkeiten sind dann enorm; nicht verrechenbare und somit dem administrativen System meist nicht weitergeleitete Leistungen können zusammengezogen werden und auf Patientengruppen oder Fälle herunter gebrochen werden.

Die Möglichkeiten sind so vielfältig, dass vorab einige entscheidende Fragen geklärt werden müssen. Diese sind einerseits im Bereich des Datenschutzes nicht nur gegenüber dem Patienten sondern auch gegenüber den Mitarbeitenden, andererseits in den ethischen Konsequenzen zu suchen. Rein theoretisch wäre es denkbar, zum Beispiel zu errechnen, welcher Arzt pro Patient durchschnittlich für welchen Gegenwert Medikamente verordnet, um jene zu sanktionieren, welche oben aus schwingen - ökonomisch wäre das vielleicht sinnvoll, datenschutztechnisch ist dies ein äusserst fragwürdiges Vorgehen. Auch könnten systematisch jene Patienten in andere Spitäler umgeleitet werden, die erfahrungsgemäss ein schlechtes Kosten/Rückvergütungs-Verhältnis haben, was einer ethisch nicht wirklich vertretbaren Haltung entspricht.

Entscheidend bei der Integration solcher Tools muss also sein, welche Fragen beantwortet werden sollen, d.h. die Anforderungen der Entscheidungsträger und nicht die Möglichkeiten sollen darüber entscheiden, welche Auswertungen zur Verfügung gestellt werden. Vorab muss sich also das Management bewusst werden, welches Wissen aus einem solchen System geschöpft werden soll.

Die definierten Ziele dienen dann dazu, jene Daten zu erfassen, welche zu diesem neuen Wissen konsolidiert werden können; meist sind es dann Daten aus verschiedenen Datenbanken. Damit solche Daten ausgewertet werden können, müssen diese in jedem Fall zuerst elektronisch erfasst werden. Die Auswertungsqualität ist dabei direkt von der Qualität der eingegebenen Daten abhängig. Zusätzlich müssen grundsätzlich zwei Kriterien erfüllt sein: Die Daten müssen in einer auswertbaren Form (Textbausteine oder Zahlen, numerisch oder alphanumerisch) erfasst werden. Die Erfassung der Daten im Freitext soll nach Möglichkeit vermieden werden. Die Freitextauswertungen können zwar Inhaltlich ausgewertet werden, können aber für statistische Zwecke kaum gebraucht werden. Zu dem ist es ganz wichtig eine ODBC-fähige Datenbank und eine intelligente Datenbankstruktur darin zu haben. Die proprietären, nicht ODBC - fähigen Datenbanken können nur mit viel Geschick und mit einer geeigneten Exportfunktion ausgewertet werden.

Bei der Überlegung welches Tool die erfassten Daten auswerten soll, ist es uns wichtig gewesen, dass dieses Tool auch die Daten, die aus verschiedenen Datenbanken kommen gemeinsam ausgewertet werden können. Zudem ist es erheblich, das Userinterface möglichst einfach und benutzerfreundlich zu gestalten. Auch verschiedene Filterkriterien (Zeit, Abteilung, Patient, Personal, usw…) und Auswertungsthemen selber (Leistungen, Medikamenten, Laborwerte, ICD-10, CHOP, ICNP, usw…) müssen von den Benutzern einfach und effizient selektiert werden können.