gms | German Medical Science

GMDS 2013: 58. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

01. - 05.09.2013, Lübeck

Implementierung eines Online-Datenmonitoring Systems in einer bevölkerungsbasierten epidemiologischen Kohortenstudie

Meeting Abstract

  • Martin Albers - Universitätsmedizin Greifswald, Greifswald, DE
  • Jörg Henke - Universitätsmedizin Greifswald, Greifswald, DE
  • Henry Völzke - Universitätsmedizin Greifswald, Greifswald, DE
  • Sabine Schipf - Universitätsmedizin Greifswald, Greifswald, DE
  • André Werner - Universitätsmedizin Greifswald, Greifswald, DE
  • Marcello Ricardo Paulista Markus - Universitätsmedizin Greifswald, Greifswald, DE
  • Sebastian Baumeister - Universitätsmedizin Greifswald, Greifswald, defau
  • Carsten Schmidt - Universitätsmedizin Greifswald, Greifswald, DE

GMDS 2013. 58. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Lübeck, 01.-05.09.2013. Düsseldorf: German Medical Science GMS Publishing House; 2013. DocAbstr.142

doi: 10.3205/13gmds244, urn:nbn:de:0183-13gmds2443

Published: August 27, 2013

© 2013 Albers 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 und Fragestellung: Eine Herausforderung epidemiologischer Datenerhebungen besteht in der Erreichung maximaler Datenqualität bei limitierten Ressourcen. Ziel muss es sein, ein optimales Datenmonitoring mit minimalen personellen Ressourcen sicherzustellen. In einer komplexen bevölkerungsbasierten Studie mit mehreren tausenden Messwerten, welche in dutzenden sehr unterschiedlichen Verfahren gewonnen werden, ist eine laufende Überprüfung der Datenqualität kaum ohne Hilfe standardisierter semiautomatischer Verfahren möglich. In der Study of Health in Pomerania (SHIP) erfolgte die Datenanalyse vor 2010 durch den zuständigen Wissenschaftler für das jeweilige Untersuchungsmodul, was mit einem erheblichen zeitlichen Aufwand verbunden war. Deshalb wurde ein Online-Datenmonitoring mit teilautomatisierter Berichtserstellung implementiert.

Material und Methoden: Die SHIP bezieht zwei große populationsbasierte Kohorten mit ein, SHIP und SHIP-Trend, die aus jeweils 38 Untersuchungsmodulen (ohne assoziierte Projekte) bestehen. Die letzte Datenerhebung erfolgte vom 25.06.2008 bis zum 26.10.2012 mit 2.333 Probanden in SHIP-2 und 4.422 Probanden in SHIP-Trend-0. Der 2010 implementierte Datenmonitoringprozess besteht aus drei Abschnitten: (1)Datenaufbereitung, (2)Datenanalyse und (3)Berichterstattung. Nach einer ersten Bereinigung der Daten durch das Datenmanagement werden mit standardisierten Analysemodulen fehlende Werte, Extremwerte, Observer- und Geräteunterschiede sowie Zeittrends der einzelnen Untersuchungen analysiert. Die abschließende Berichtserstattung erfolgt mit einer Webanwendung, die Ergebnisse (Tabellen, Graphiken) und Texte unter Verwendung von Latex zu übersichtlichen PDF-Dateien zusammensetzt. Die auf Basis dieses Berichts erhaltenen Kernergebnisse werden bei vierteljährlichen Treffen von Untersuchern und Wissenschaftlern diskutiert. Die Datenanalyse erfolgt durch STATA (Stata Corp., College Station, Tx).

Ergebnisse: Durch das standardisierte Datenmonitoring konnte die Qualität und Effizienz des Datenmonitorings in SHIP gesteigert werden. Insgesamt wurden ca. 1 000 Variablen für das vollständige Monitoring berücksichtigt. Die Standardisierung der Berichterstellung hat zur Folge, dass eine wesentlich zeiteffizientere, aber auch differenziertere Datenanalyse möglich ist. Dabei zeigte sich, dass die in Zertifizierungsuntersuchungen ermittelte Qualität für die Regeluntersuchungen nicht repräsentativ war. Die engmaschige Kommunikation der Ergebnisse mit den Untersuchern ermöglicht eine zeitnahe Reaktion auf mögliche Unterschiede und somit eine schnelle Umsetzung von resultierenden Handlungsempfehlungen. Durch Interventionsmaßnahmen konnten in Problembereichen Intraklassenkorrelationen zwischen Untersuchern um den Faktor 2 gesenkt werden.

Diskussion: Die Einführung des semiautomatischen Datenmonitorings führte zu einer deutlichen Qualitäts- und Effizienzsteigerung. Einerseits wurde der individuelle Bearbeitungsaufwand bei der Berichterstellung minimiert, andererseits konnte der Abstand zwischen den Datenmonitorings von mehreren Monaten auf wenige Wochen reduziert. Hierdurch wurde das Datenmonitoringsystem erheblich sensitiver für Auffälligkeiten in den Daten und die Reaktionszeit bei deren Behebung effektiv reduziert.