gms | German Medical Science

MAINZ//2011: 56. GMDS-Jahrestagung und 6. DGEpi-Jahrestagung

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.
Deutsche Gesellschaft für Epidemiologie e. V.

26. - 29.09.2011 in Mainz

Forschungsdatenbank-Infrastuktur im IFB AdipositasErkrankungen

Meeting Abstract

  • Frank Meineke - Universitätsmedizin Leipzig, IFB AdipositasErkrankungen, Leipzig
  • Sebastian Stäubert - Universitätsmedizin Leipzig, IFB AdipositasErkrankungen, Leipzig
  • Alfred Winter - Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig, Leipzig
  • Markus Löffler - Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig, Leipzig

Mainz//2011. 56. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 6. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi). Mainz, 26.-29.09.2011. Düsseldorf: German Medical Science GMS Publishing House; 2011. Doc11gmds441

doi: 10.3205/11gmds441, urn:nbn:de:0183-11gmds4410

Veröffentlicht: 20. September 2011

© 2011 Meineke 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 vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung/Hintergrund: Nahezu zeitgleich starteten in Leipzig das Integrierte Forschungs&Behandlungszentrum (IFB) AdipositasErkrankungen [1] und das Großforschungsprojekt Leipziger Forschungszentrum für Zivilisationserkrankungen (LIFE) [2]. Die Forschungsvorhaben sind bzgl. Untersuchungen und Probandengruppen verzahnt. Das IFB DataCenter unterstützt die Erhebung von Anamnese und Verlaufsdokumentation in der Versorgung und das Datenmanagement der klinischen Studien im IFB. In Kooperation mit LIFE wird eine zentrale Forschungsdatenbank (FDB) aufgebaut. Hier werden die prospektiv erhobenen geno- und phänotypischen Daten studienkonform patientenindividuell verknüpft. Die FDB schafft die Voraussetzungen für studienübergreifende Auswertungen, unterstützt die Patientenrekrutierung, ermöglicht Machbarkeitsanfragen (Feasibility) und Hypothesengenerierung. Weitere externe Datenquellen, sowohl versorgungs- als auch forschungsorientiert, sollen angebunden werden.

Material und Methoden: Bei der Konzeption der Forschungsdatenbank-Infrastruktur wurden Methoden der Prozessmodellierung und des Enterprise Architecture Modelling verwendet [3]. Das Konzept beschreibt mit Hilfe von 3LGM²-Modellen [4] die unter Berücksichtigung der Anforderungen entwickelte Zielarchitektur. Vorrausetzung für die valide biometrische Auswertung ist eine stukturierte Erfassung der klinischen Daten. Dabei liegt der Fokus im LIFE Projekt auf Surveys und Daten diagnostischer Geräte; im IFB auf den Forschungsdaten des Studiendatenmanagementsystems, der Daten des klinischen Arbeitsplatzes (KAS) und des Labors. Ein Integrationswerkzeug (ETL) überführt diese heterogenen Quelldaten in einen konsolidierten Staging-Bereich. Die semantische Integration der Daten wird durch Mappingtechniken und ein QM Modul vorbereitet und über ein ontologie basiertes Meta Data Repository [5] realisiert. Als Auswertungs- und Analysewerkzeug wird ein Clinical DataWarehouse System (i2b2) eingesetzt, welches auf zeitlich und inhaltlich konsolidierten Snapshots für spezifische klinische Fragestellungen arbeitet. Die Einhaltung der regulativen Vorschriften (z.B. GCP, AMG, Datenschutz) wird über ein SOP geleitetes QS-System und einem mit dem LIFE Projekt abgestimmten ID-Management [6] für Forschungsverbünde gewährleistet.

Ergebnisse: Vorgestellt wird das Konzept und die ersten Erfahrungen in der praktischen Umsetzung der entwickelten Komponenten sowie der evaluierten und angepassten Werkzeuge. Untersuchungen am Universitätsklinikum Leipzig [7] zeigten, dass gerade die Daten des KAS nicht den Anforderung der FDB genügen. Durch Investition in geeignete Erfassungmittel auf der Versorgungsseite konnte dies kompensiert werden.

Diskussion/Schlussfolgerungen: Die FDB präsentiert sich als Teil einer komplexen Infrastruktur, die über verschiedene Zwischenstufen eine semantische Interoperabilität herstellt auf der reliable Auswertungen zur Forschungsunterstützung möglich sind. Verfolgt wird weniger ein Single-Source Ansatz als vielmehr ein Datenintegrationsprojekt. Dies ist noch im Aufbau, die klinischen Studien noch in der Rekrutierungsphase. Der generelle Ansatz des Projektes muss sich erst noch beweisen; dies geschieht derzeit über den analogen Einsatz im IFB Sepsis&Sepisfolgen.

Diese Arbeiten wurden durch das Bundesministerium für Bildung und Forschung (BMBF), FKZ:01E01001, gefördert.


Literatur

1.
BMBF. http://www.ifb-adipositas.de Externer Link
2.
Vorhaben der sächsischen Landesexzellenzinitiative. http://www.uni-leipzig-life.de Externer Link
3.
Stäubert S, Winter A, Speer R, Löffler M. Designing a concept for an IT-infrastructure for an integrated research and treatment center. Stud Health Technol Inform. 2010;160(Pt 2):1319-23.
4.
Winter A, Brigl B, Funkat G, Häber A, Heller O, Wendt T. 3LGM2-Modeling to Support Management of Health In-formation Systems. International Journal of Medical Informatics. 2007;76(2-3):145-50.
5.
Stausberg J, Löbe M, Verplancke P, Drepper J, Herre H, Löffler M. Foundations of a metadata repository for databases of registers and trials. Studies in health technology and informatics. 2009;150:409-13.
6.
Faldum A, Pommerening K. An optimal code for patient identifiers. Computer Methods and Programs in Biomedicine. 2005;79(1):81-8.
7.
Voitel L, Werner D, Stäubert S, Löbe M, Winter A. Unterstützung der Patientenrekrutierung für klinische Studien auf Basis von is-h.med-Reports und i2b2 –– eine Machbarkeitsuntersuchung am Universitätsklinikum Leipzig [eingereicht zur GMDS 2011].