gms | German Medical Science

Einleitung/Hintergrund: Die Integration von Forschungs- und Behandlungsdaten bildet einen Schwerpunkt bei der Entwicklung von interdisziplinären Strukturen für die Verknüpfung von klinischer Forschung und Grundlagenforschung [1]. Dazu gehört die Verarbeitung und Speicherung von Studien- und Behandlungsdaten sowie die Bereitstellung von Werkzeugen zur übergreifenden Recherche und Auswertung der Datenbestände für klinische Forscher und Mediziner.

Die Anreicherung von Studiendaten durch Informationen, die während der Behandlung der Patienten gewonnen werden, ermöglichen zudem weitergehende Auswertungen. So lassen sich beispielsweise im Integrierten Forschungs- und Behandlungszentrum (IFB) Sepsis und Sepsisfolgen [2] Untersuchungen zu Infektionsrisiken aus klinischen Studien im Zusammenhang mit den Bewegungsdaten im Krankenhaus auswerten.

Ziel ist es, die Informationen am richtigen Ort, zur richtigen Zeit und in der richtigen Form für Ärzte, klinische Forscher und Biometriker zur Verfügung zu stellen [3]. Dies soll durch Informationsintegration [4] in einer Forschungsdatenbankinfrastruktur (FDB) [5] realisiert werden.

Material/Methoden: Zur Überführung der relevanten Daten aus den heterogenen und verteilten Datenquellen wurden zunächst Skripte zum Extrahieren, Transformieren und Laden (ETL) programmiert. Um eine bessere Wartbarkeit und Automatisierbarkeit zu erzielen, wurden diese Skripte in einem nächsten Schritt mit Hilfe weiterer Transformationen (XSLT) verfeinert und mit der OpenSource Software „Talend Open Studio“ [6] implementiert.

Patienten- und Behandlungsdaten werden im Krankenhausinformationssystem des Universitätsklinikums Jena dokumentiert. Studien- und Registerdaten werden mit der Studiendatenmanagementsoftware OpenClinica [7] erhoben. Die Patienten-individuelle Verknüpfung der Exporte aus den beiden Datenquellen wird über eine ID-Management-Komponente unter Verwendung des TMF-PID-Generators [8], [9] realisiert. Die exportierten Daten werden in einen Data-Mart mit relationalem Datenbankschema und in ein Data-Warehouse (OpenSource Software i2b2 [10]) importiert.

Ergebnisse: Die ID-Management-Komponente liefert entsprechende Mappings, um die Daten aus den verteilten Datenquellen zusammenzuführen.

Die relationale Struktur des Data-Mart bietet eine verlustfreie Datenhaltung und eine im Vergleich weniger aufwendige Einbindung weiterer Datenquellen. Datenexporte für statistische Auswertungen sind leicht realisierbar, z.B. durch die direkte Anbindung von Analysewerkzeugen wie SPSS per ODBC. Das Retrieval verlangt jedoch Expertenwissen zur Datenbank-Struktur und SQL-Kenntnisse. Das OpenSource Data-Warehouse i2b2 bietet dagegen eine benutzerfreundliche, intuitive Benutzeroberfläche. Die Datenstruktur von i2b2 basiert auf dem Entity-Attribut-Value-Schema und erfordert umfangreichere Transformationen beim Importvorgang. Die Abbildung der Versorgungsdaten und der Studiendaten ist aufwendiger, da zunächst eine Ontologie erstellt werden muss. Über diese Ontologie sind dann jedoch übergreifende Abfragen ohne Kenntnis der einzelnen Datenquellen möglich. Die Abbildung mehrstufiger Abhängigkeiten und komplexer Datenitems ist jedoch problematisch, sodass der Rückgriff auf die Primärdaten bzw. den Data-Mart in Einzelfällen notwendig wird.

Diskussion/Ausblick: Die Komplexität der ETL-Jobs des Data-Marts ist geringer, da die relationalen Quellstrukturen weitestgehend beibehalten werden können. Die Anpassung an die i2b2-Datenstrukturen ist aufwendiger, bietet aber eine intuitive Benutzeroberfläche. Die Exportmöglichkeiten sind nach ersten Erfahrungen bei i2b2 eingeschränkter und im Data-Mart besser umsetzbar. Beide Speicherstrukturen haben je nach Anforderung Vor- und Nachteile, welche sich in der kombinierten Bereitstellung ergänzen. Die Integration weiterer Datenbestände, wie Laboruntersuchungen und Intensivmedizinische Dokumentation, ist in Vorbereitung. Verbesserungspotential bietet der Datamart durch Evaluation von Microsoft Access als Benutzerschnittstelle und i2b2 mit Erweiterung der Exportmechanismen über entsprechende Plugins.

Diese Arbeit wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert. FKZ:01EO1001 (IFB AdipositasErkrankungen), FKZ:01EO1002 (IFB Sepsis und Sepsisfolgen), FKZ:01KN1102 (Zentrum für klinische Studien Leipzig)