gms | German Medical Science

50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds)
12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie (dae)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie
Deutsche Arbeitsgemeinschaft für Epidemiologie

12. bis 15.09.2005, Freiburg im Breisgau

Das Krankenhausinformationssystem: Datengrab oder Chance für das Auffinden klinischer Zusammenhänge ?

Meeting Abstract

Suche in Medline nach

  • Thomas Bürkle - Universitätsklinik Erlangen, Erlangen
  • Thomas Ganslandt - Universitätsklinik Erlangen, Erlangen
  • Hans-Ulrich Prokosch - Universitätsklinik Erlangen, Erlangen

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. Deutsche Arbeitsgemeinschaft für Epidemiologie. 50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie. Freiburg im Breisgau, 12.-15.09.2005. Düsseldorf, Köln: German Medical Science; 2005. Doc05gmds072

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2005/05gmds472.shtml

Veröffentlicht: 8. September 2005

© 2005 Bürkle et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung und Fragestellung

Mittlerweile haben viele Kliniken Krankenhausinformationssysteme (KIS) eingeführt. Die Systeme werden zunehmend für die elektronische Abbildung von Kommunikationsvorgängen, für die Terminierung und für die Dokumentation eingesetzt. Über Befundschnittstellen stehen üblicherweise Labordaten und weitere Befundarten, beispielsweise aus Radiologie, Pathologie oder Mikrobiologie zur Verfügung. Arztbriefe und Verlaufsdokumentationen werden dort erstellt. Dennoch hapert es häufig dann wenn der Kliniker seine typischen Fragestellungen an ein solches System stellen möchte:

  • Bei welcher Medikation oder Therapieform erziele ich für die Erkrankung x einen besseren Heilungserfolg ?
  • Welches sind die Patienten die ich in der Studie y einschliessen sollte, weil sie die Bedingungen dafür erfüllen ?
  • Wieviele Patienten habe ich im letzten halben Jahr endoskopiert und dabei einen Gallengangstumor gefunden ?

Dabei spielen oft auch zeitliche Zusammenhänge eine Rolle [1], beispielsweise

  • Welche Patienten hatten 7 Tage nach der Operation z Komplikationen ?

Material und Methoden

Wir setzen hier zunächst voraus, daß die zur Beantwortung der Fragestellung notwendigen Daten im Informationssystem tatsächlich vorliegen, das heißt elektronisch dokumentiert oder als Befund importiert wurden. Dann verbleiben immer noch einige Probleme:

  • Oft liegen benötigte Daten unstrukturiert in einem relativ großen Textdokument (beispielsweise Arztbriefe in einer eingelagerten Worddatei) vor
  • Für den Kliniker ist es meist nicht möglich, die gewünschte Abfrage selbst an das System zu richten. Häufig muß er einen DV Administrator mit intimen Kenntnissen der Datenbankstruktur bitten, die Recherche durchzuführen.
  • Verfügt das KIS über einen Werkzeugkasten für das Erstellen eigener Auswertungen, dann sind oft die notwendigen nutzerabhängigen Einschränkungen des Datenzugriffes nicht möglich.

Zwei prinzipiell unterschiedliche Ansätze zur Verbesserung der Auswertbarkeit klinischer Datenbanken existieren. Zum einen der Data Warehouse Ansatz, bei dem selektierte Daten zu bestimmten Zeiten in eine zweite offline-Datenbank übertragen werden und dort entsprechende Auswertungsmöglichkeiten, beispielsweise über online analytical processing (OLAP) bereitgestellt werden [1], [2], zum anderen der interaktive Ansatz, bei dem Daten mit Hilfe eines entsprechenden Werkzeuges direkt aus der online-Datenbank abgefragt werden können [3].

Der Data Warehouse Ansatz bietet einige Vorteile hinsichtlich der Auswertbarkeit und hat weniger Einfluß auf die Performance des Online Systems, er ist jedoch aufwendiger (komplette zweite Serverarchitektur) und der klinische Nutzer benötigt einen lizenzpflichtigen Zugang zu einer weiteren Anwendung. Meist stehen nicht alle Daten des Echtsystemes im Data Warehouse zur Verfügung. Häufig ist ein direkter Durchgriff auf die Basisdaten aus dem klinischen Routinesystem im Sinne des Drill-Through nicht möglich. Vor- und Nachteile des Direktzugriffes auf die Online Datenbank hängen wiederum stark von den Möglichkeiten der Werkzeuge ab, mit dem der Zugriff erfolgt.

Basierend auf den Erfahrungen an 2 Häusern der Maximalversorgung stellen wir den Ansatz eines Direktzugriffes auf Basis eines kommerziellen KIS [4] dem Ansatz einer Data Warehouse basierten Auswertung gegenüber. Wir werden dazu verschiedene Auswertungsbeispiele aus dem KIS, unter anderem aus den Bereichen Endoskopie [5] und Infektionsüberwachung [6] kontrastieren zu Auswertungen im Data Warehouse System des zweiten Hauses für Anästhesie und Medizincontrolling.

Die Auswertungen im KIS System wurden dabei mit einem sogenannten Reportgenerator erstellt, ein Werkzeug des KIS Herstellers mit dem zügig neue Anfragen an die Datenbank erstellt werden können. Der Data Warehouse Ansatz im zweiten Haus geht von einem kommerziellen Data Warehouse Produkt aus, das über direkte Anbindungen an die Datenbanken der Informations- und Abteilungssysteme im Haus mit tagesaktuellen befüllt wird. Neben klinischen Routinedaten (DRG-Dokumentation) stehen klinische Befunde [7] und detaillierte Daten weiterer Abteilungssysteme (OP- und Narkosedokumentation) zur Verfügung. Weitere Datenquellen bis hin zu Materialwirtschaft und Finanzbuchhaltung können jederzeit über definierte Schnittstellen erschlossen werden.

Ergebnisse

Mit beiden Ansätzen lassen sich für die jeweilige Fragestellung befriedigende Ergebnisse generieren. Erstaunlicherweise hat bisher die Auswertung auch direkt im KIS-System keine zu große Performanceeinbusse gebracht, wobei hier eingewendet werden kann, dass die Abfragen vielleicht nicht ganz den Komplexitätsgrad der Data Warehouse basierten Lösung erreichen. Das Werkzeug des KIS Herstellers zum Direktzugriff ist nur bedingt für den Endanwender geeignet, weil zum einen für das Design von Abfragen die Kenntnis des Datenmodells notwendig ist, zum anderen dort nur wenig Möglichkeiten der Zugriffsbeschränkung bestehen. Im Data Warehouse ist eine detaillierte Rechtevergabe möglich. Die Erstellung von Auswertungsmodellen (z.B. OLAP-Cubes) im Data Warehouse erfordert wiederum tiefgehende Kenntnisse des Datenmodells, diese erlauben aber anschliessend den Nutzern weitergehende Einflussmöglichkeiten auf die Auswertung im Sinne einer explorativen Datenanalyse. Der gegenüber dem vorhandenen Krankenhausinformationssystem erweiterte Datenbestand macht eine detaillierte vergleichende Auswertung der Anästhesiezeiten innerhalb des Projekts überhaupt erst möglich.

In beiden Fällen werden den Endanwendern weitgehend fertig konfektionierte Abfragen bereitgestellt, die sie dann wiederum parametrisieren können (z.B. Einschränkung auf bestimmte Zeiträume, bestimmte Abteilungen etc). Die Werkzeugebene hat sich in beiden Beispielen als extrem hilfreich für die DV-Entwickler im Hause herausgestellt, weil damit die Entwicklungszeit auch für komplexe Abfragen der Datenbank wie in [6] beschrieben von vorher Tagen auf wenige Stunden gesenkt werden konnte. Ein Vorteil des Data Warehouse Ansatzes ist, dass die Sourcedaten vor Übernahme zunächst gefiltert und gereinigt werden können. Etwaige Inkonsistenzen oder unvollständige Datensätze können an dieser Stelle erkannt und eliminiert werden.

Diskussion

Eine Ideallösung für die nutzerindividuelle Auswertung von Patientendaten des Krankenhausinformationssystems existiert bis heute noch nicht. Vorhandene Werkzeugmöglichkeiten sowohl im KIS als auch in Gestalt eines Data Warehouses sind in ihrem Einsatzbereich weitgehend auf DV Entwickler der Institution beschränkt, für den Endnutzer in Klinik oder Verwaltung können aus verschiedenen Gründen meist nur fertig konfektionierte Abfragen bereitgestellt werden. Erstaunlich aus bisheriger Sicht war der geringe bisher beobachtete Perfomanceeinfluß bei Direktabfrage im KIS. In einer heterogenen Systemumgebung, bei der Daten aus verschiedenen DV Systemen bewertet werden sollen, ist jedoch der Data Warehouse Ansatz vorzuziehen, da er flexiblere Möglichkeiten für die Erschließung von Datenquellen bietet.


Literatur

1.
Dorda W, Gall W, Duftschmid G. Clinical Data Retrieval: 25 Years of Temporal Query Management at the University of Vienna Medical School. Methods Inf Med 2002;2: 89-97.
2.
Wisniewski MF et al. Development of a Clinical Data Warehouse for Hospital Infection Control. JAMIA 2003;10(5):454-462.
3.
Safran C et al. ClinQuery: A system for online searching of data in a teaching hospital. Ann Intern Med 1989;111(9):751-756.
4.
Bürkle T. Wege zur elektronischen Krankenakte - Ein Erfahrungsbericht. PR-Internet 11;2002:100-106.
5.
Bürkle T et al. Guideline Based Structured Documentation: The Final Goal ? Stud Health Technol Inform 2002;90:256-261.
6.
Bürkle T, Friedrich AW, Loskamp M. Infectious disease surveillance - a topic revisited with a commercial hospital information system. Medinfo. 2004;2004(CD):1538.
7.
Wentz B, Kraska D, Seggewies C, Bell R, Seibold H. The Erlangen university hospital communication hub--proprietary and standardised communication. Medinfo 1998; 9 Pt 2:995-998.