gms | German Medical Science

GMDS 2012: 57. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

16. - 20.09.2012, Braunschweig

Indikatoren zur Datenqualität in der vernetzten medizinischen Forschung: Ausbau der TMF-Leitlinie

Meeting Abstract

  • Jürgen Stausberg - LMU München, Deutschland
  • Johannes Drepper - TMF e.V., Berlin, Deutschland
  • Michael Nonnemacher - Institut für Medizinische Informatik, Biometrie und Epidemiologie (IMIBE), Medizinische Fakultät der Universität Duisburg-Essen, Universitätsklinikum Essen, Deutschland
  • Ron Pritzkuleit - Institut für Krebsepidemiologie e.V., Universität Lübeck, Deutschland
  • Thomas Schrader - FH Brandenburg, Deutschland
  • Carsten Schmidt - Universität Greifswald, Deutschland

GMDS 2012. 57. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Braunschweig, 16.-20.09.2012. Düsseldorf: German Medical Science GMS Publishing House; 2012. Doc12gmds055

DOI: 10.3205/12gmds055, URN: urn:nbn:de:0183-12gmds0556

Published: September 13, 2012

© 2012 Stausberg et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Einleitung: Die Qualität der verwendeten Daten ist für die Aussagekraft von empirischen Analysen ein entscheidender Faktor. Ein hoher Anteil der Ausgaben in prospektiven Untersuchungen wird daher für Maßnahmen zu ihrer Sicherstellung aufgewendet [1]. Erfolgskontrolle und Steuerung dieser Maßnahmen können mit Hilfe von Indikatoren erfolgen. Dies dient gleichzeitig als Beleg für die erreichte Datenqualität. Im Rahmen eines TMF-Projekts wurde daher eine Leitlinie erarbeitet und 2007 publiziert, die ein adaptives Management von Datenqualität in Kohortenstudien und Registern unterstützt [2]. Die Leitlinie ist in weitere Empfehlungen eingegangen [3]. Positive Erfahrungen wurden berichtet [4], [5]. Die Aktualität des Indikatorensets der Leitlinie wurde nun über drei Best Practice-Beispiele geprüft.

Material und Methoden: Als Best Practice-Beispiele wurden die Study on Health in Pomerania (SHIP) [6], das Open European Nephrology Science Center (OpEN.SC) [7], sowie die Gesellschaft der epidemiologischen Krebsregister in Deutschland e.V. (GEKID) [8] eingeschlossen. Diese Vorhaben repräsentieren Kohortenstudien (SHIP), Data Repositories (OpEN.SC) und Register (GEKID). Anders als bei der initialen Leitlinienentwicklung mit einem Top-down-Ansatz wurden nun die von SHIP, OpEN.SC und GEKID genutzten Kennzahlen zur Datenqualität identifiziert, deren Abbildbarkeit auf Struktur und Inhalte der Leitlinie geprüft sowie die Konsequenzen in eine Fortschreibung des Indikatorensets der Leitlinie eingearbeitet.

Ergebnisse: Die Struktur des Indikatorensets wurde um die Kategorie Metadaten erweitert; die Kategorie Plausibilität wurde in Integrität umbenannt. Zusätzlich wurde eine weitere Gliederungsebene eingeführt, wobei die Gliederungselemente zugleich Indikator sein können. Ein Indikator von 24 wurde gestrichen, 28 Indikatoren wurden ergänzt. Davon entfallen 18 auf die Kategorie Integrität (insgesamt 29 Kennzahlen), 9 auf die Kategorie Organisation (insgesamt 15 Kennzahlen) und eine Kennzahl auf die Kategorie Metadaten (insgesamt eine Kennzahl). Neue Indikatoren der Kategorie Ergebnis wurden nicht aufgenommen (insgesamt 6 Kennzahlen).

Diskussion: Aus den Ergebnissen lässt sich für die Leitlinie „Datenqualität in der medizinischen Forschung“ [2] folgendes festhalten: a) Die Verwendung von Indikatoren zur Datenqualität ist akzeptiert, b) die Struktur der Leitlinie trägt über die unmittelbar beteiligten Einrichtungen und Typen empirischer Forschung hinaus, c) ein Zuschnitt der Empfehlungen für bestimmte Typen empirischer Forschung ist sinnvoll, d) die 2007 veröffentlichten Kennzahlen sind unverändert relevant, e) die Aufnahme weiterer Kennzahlen ist sinnvoll. Letztere können dem über die TMF-Website zugänglichen Bericht aus Projekt V020-04 entnommen werden (s. http://www.tmf-ev.de/). Ausgehend vom neuen Indikatorset ist nun eine komplette Überarbeitung der Leitlinie geplant.

Danksagung: Das Vorhaben wurde von der TMF – Technologie- und Methodenplattform für die vernetzte medizinische Forschung e.V. unter der Projektnummer V020-04 gefördert.


Literatur

1.
Arts DG, De Keizer NF, Scheffer GJ. Defining and improving data quality in medical registries: a literature review, case study, and generic framework. J Am Med Inform Assoc. 2002;9(6):600-11.
2.
Nonnemacher M, Weiland D, Stausberg J. Datenqualität in der medizinischen Forschung. Leitlinie zum adaptiven Management von Datenqualität in Kohortenstudien und Registern. Berlin: Medizinisch Wissenschaftliche Verlagsgesellschaft; 2007.
3.
Müller D, Augustin M, Banik N, Baumann W, Bestehorn K, Kieschke J, Lefering R, Maier B, Mathis S, Rustenbach S, Sauerland S, Semler SC, Stausberg J, Sturm H, Unger C, Neugebauer EAM. Memorandum Register für die Versorgungsforschung. Gesundheitswesen. 2010;72(11):824-39. DOI: 10.1055/s-0030-1263132 External link
4.
Jacke C, Kalder M, Etter J, Koller M, Mueller UO, Wagner U, Albert US. Optimierung der Datenqualität von Kohortenstudien mittels Qualitätsindikatoren. Monitor Versorgungsforschung. 2010;3(Sonderausgabe):54.
5.
Prokein J, Steinmann S, Wiese B, Schäfer I. Bestimmung der Datenqualität und Qualitätsberichterstattung in epidemiologischen Studien am Beispiel der Studie MultiCare1. In: 56. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 6. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi); 2011 Sep 26-229; Mainz, Deutschland. Doc11gmds129. DOI: 10.3205/11gmds129 External link
6.
Volzke H, Alte D, Schmidt CO, Radke D, Lorbeer R, Friedrich N, et al. Cohort Profile: The Study of Health in Pomerania. Int J Epidemiol. 2010;40(2):294-307. DOI: 10.1093/ije/dyp394 External link
7.
Hanss S, Schaaf T, Wetzel T, Hahn C, Schrader T, Tolxdorff T. Integration of decentralized clinical data in a data warehouse: a service-oriented design and realization. Methods Inf Med. 2009;48(5):414-8. DOI: 10.3414/ME9240 External link
8.
Hentschel S, Katalinic A, editors. Das Manual der epidemiologischen Krebsregistrierung. München, Wien, New York: Zuckschwerdt-Verlag; 2008.