gms | German Medical Science

67. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS), 13. Jahreskongress der Technologie- und Methodenplattform für die vernetzte medizinische Forschung e. V. (TMF)

21.08. - 25.08.2022, online

Entwicklung einer Software zur automatisierten Erstellung eines ÖGD-Reports zur gesetzlich geforderten Übermittlung von Informationen bezüglich multiresistenter Erreger im Krankenhaus

Meeting Abstract

  • Hauke Tönnies - Institut für Hygiene, Universitätsklinikum Münster, Münster, Germany
  • Johannes Oehm - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Michael Storck - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Tobias Brix - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Alice Janssen - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Kemal Yildirim - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Philipp Neuhaus - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Sarah Riepenhausen - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Maximilian Fechner - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Julian Varghese - Institut für Medizinische Informatik, Universität Münster, Münster, Germany
  • Alexander Mellmann - Institut für Hygiene, Universitätsklinikum Münster, Münster, Germany

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 67. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS), 13. Jahreskongress der Technologie- und Methodenplattform für die vernetzte medizinische Forschung e.V. (TMF). sine loco [digital], 21.-25.08.2022. Düsseldorf: German Medical Science GMS Publishing House; 2022. DocAbstr. 181

doi: 10.3205/22gmds065, urn:nbn:de:0183-22gmds0658

Veröffentlicht: 19. August 2022

© 2022 Tönnies et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Einleitung: Krankenhäuser und Einrichtungen für ambulantes Operieren sind nach §23 IfSG verpflichtet, nosokomiale Infektionen und Krankheitserreger mit speziellen Resistenzen und Multiresistenzen aufzuzeichnen und zu bewerten, um gegebenenfalls geeignete Präventionsmaßnahmen zu ergreifen. Im Rahmen des Projektes EURSAFETY HEALTH-NET (https://eursafety.eu/projekt/) ist ein grenzübergreifendes Qualitätsnetzwerk zum Schutz vor Krankenhausinfektionen entstanden, das euregionale Qualitätssiegel an Akutkrankenhäuser, Pflege- und Rehaeinrichtungen vergibt, wenn bestimmte Qualitätsziele erfüllt wurden. Eines der Qualitätsziele besteht in der Umsetzung der Forderungen aus §23 IfSG, durch standardisierte Übermittlung der dokumentierten Krankheitserreger mit speziellen Resistenzen im Rahmen des sogenannten „ÖGD (Öffentlicher Gesundheitsdienst) -Reportes“. Ziel dieser Arbeit war ein Programm zu entwickeln, welches den ÖGD-Report für multiresistente Erreger (MRE) in der geforderten Form automatisiert erstellt.

Stand der Technik: Im ÖGD-Report wird gefordert, alle Fälle des Berichtsjahres aufzuführen, in denen bei stationär aufgenommenen Personen entweder ein MRSA (Methicillin-resistenter Staphylococcus aureus), VRE (Vancomycin-resistenter Enterococcus faecium) oder 3MRGN bzw. 4MRGN (Multiresistente Gram-negative Erreger) gefundenen wurde. Dabei werden drei verschiedene Excel-Vorlagen verschickt, in denen je nach MRE-Spezies verschiedene Informationen (zum Beispiel Material des Erstnachweises, Infektion oder Kolonisation, Antibiogramm, Typisierungsinformationen) hinterlegt werden müssen. Zur vollständigen Dokumentation müssen im Allgemeinen verschiedene Datenquellen und Krankenhaussysteme manuell durchsucht werden. Zum Beispiel liegen Typisierungsinformationen zu einem Erreger naturgemäß erst Tage später vor und sind am Universitätsklinikum Münster (UKM) in einer separaten Datenbank gespeichert. Ob ein Erreger nosokomial erworben oder importiert wurde, muss ebenfalls erst recherchiert werden. Um den ÖGD-Report zu erstellen, war bislang viel manuelle Recherche erforderlich.

Konzept: Zur vollständigen automatisierten Erstellung des gesamten ÖGD-Reportes wurden die relevanten Daten aus drei verschiedenen Datenquellen in eine XML-basierte Datenbank überführt. Alle mikrobiologischen Daten werden am UKM mit dem Laborinformationssystem OPUS-L erfasst, alle klinischen Daten der Patienten mit dem Krankenhausinformationssystem ORBIS und die MRE-Typisierungsinformationen mit der Software SeqSphere+. Im Rahmen der Medizininformatik-Initiative (MII) waren die entsprechenden ETL-Strecken aus diesen Datenquellen in eine XML-Datenbank mit einer von uns festgelegten Struktur bereits geschaffen. Aufbauend auf dieser XML-Datenbank definierten wir geeignete Abfragen, um an die für den ÖGD-Report relevanten Informationen zu gelangen und implementierten ein Programm zur Darstellung und Visualisierung der Ergebnisse.

Implementierung: Die Abfragen wurden mit XQuery auf einer BaseX-Datenbank entwickelt. Das Programm wurde in Kotlin mit Ktor, Bootstrap und Chart.js entwickelt und kann unter https://imigitlab.uni-muenster.de/published/medic/mre-report/-/releases heruntergeladen werden.

Gewonnene Erkenntnisse: Die automatisierte Datenanalyse im Gesundheitswesen ist aufgrund der speziellen fachlichen, rechtlichen und ethischen Rahmenbedingungen weniger ausgeprägt als in anderen Branchen und bietet noch großes Potential für Big Data [1], [2]. Durch das hier vorgestellte Programm wurde gezeigt, dass durch Automatisierungs- und Datenintegrierungstechniken die im stationären Gesundheitswesen gewonnenen Daten so aufbereitet werden können, dass der geforderte ÖGD-Report automatisiert erstellt werden kann. Die Erstellung des ÖGD-Reportes nahm, bevor das Programm eingesetzt wurde, erfahrungsgemäß mehrere Arbeitstage in Anspruch. Mit Hilfe des Programmes konnte die Arbeitszeit auf wenige Minuten reduziert werden. Im Rahmen der MII arbeiten wir zurzeit daran, Schnittstellen und Formate so interoperabel zu standardisieren, dass solche Programme ohne größere Anpassungen in jedem Krankenhaus eingesetzt werden können.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.


Literatur

1.
Ristevski B, Chen M. Big Data Analytics in Medicine and Healthcare. J Integr Bioinform. 2018;15(3). DOI: 10.1515/jib-2017-0030 Externer Link
2.
Rüping S. Big Data in Medizin und Gesundheitswesen. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2015;58(8):794–798. DOI: 10.1007/s00103-015-2181-y Externer Link