gms | German Medical Science

Hintergrund: Mit dem Begriff „Sekundärdaten“ werden Daten bezeichnet, die nicht eigens für wissenschaftliche Analysen erhoben werden, sondern ohne Bezug zum primären Erhebungsanlass, z.B. als Prozessdaten zur Leistungsabrechnung in der GKV, entstehen. Sekundärdatenanalysen weisen gegenüber Primärdatenanalysen eine Reihe von Vor- und Nachteilen auf: Einerseits bilden sie die Versorgungsrealität ohne studienbedingte Verzerrung (Bias) authentisch ab, sind relativ rasch verfügbar und umfassen große, oft über lange Zeiträume beobachtbare Probandenkollektive. Andererseits können Analyseprobleme daraus erwachsen, dass die Daten nicht für wissenschaftliche Zwecke gesammelt wurden. Dies stellt hohe methodische Anforderungen an Sekundärdatenauswertungen.

Material und Methoden: Mit dem vorliegenden Beitrag wird ein Überblick über die Methodik der Sekundärdatenanalyse anhand der verfügbaren Literatur, der einschlägigen Guidelines und Empfehlungen sowie einiger Beispiele gegeben.

Ergebnisse: Methodische Herausforderungen bei Sekundärdatenanalysen liegen in der Datenaufbereitung, der Validierung und Plausibilisierung der einzelnen Variablen, der Stichprobenziehung sowie der Operationalisierung von Falldefinitionen und der Identifikation von Fällen. Besondere Aufmerksamkeit erfordert die Festlegung der Studienpopulation anhand von Diagnosen und/oder Inanspruchnahmeparametern, die Berechnung von Inzidenz und Prävalenz sowie die angemessene Berücksichtigung von Schweregrads-, Komorbiditäts- und Risikoprofilen der jeweils behandelten Patientenkollektive. Je nach Fragestellung sind geeignete Verfahren zur Kontrolle von Confoundern (Randomisierung) und/oder zur Risikoadjustierung (z.B. Propensity Scores) anzuwenden.

Schlussfolgerung: Die methodische Qualität von Sekundärdatenanalysen wird häufig kritisiert. Entsprechend hoch ist der Stellenwert, der heutzutage einer korrekten Anwendung adäquater Methoden und einer präzisen Beschreibung des methodischen Vorgehens in den verschiedenen Schritten der Analyse beigemessen wird. Auch wenn den methodischen Anforderungen und den inzwischen kursierenden Empfehlungen bezüglich der Analysestandards in idealer Weise entsprochen wird, gilt es zu bedenken, dass für die sinnvolle Analyse bestimmter Fragestellungen die Informationstiefe von Kontext-Variablen wie beispielsweise stationären Aufenthalten oder Arbeitsunfähigkeitsfällen zu gering sein kann. Eine kritische Haltung gegenüber der Interpretierbarkeit der Analyseergebnisse ist selbst bei Berücksichtigung aller methodischen Vorgaben stets anzuraten.