gms | German Medical Science

Einleitung: Durch Epidemien, Naturkatastrophen oder Wetterextreme kann das Gesundheitssystem an Kapazitätsgrenzen stoßen [1]. Digitale Tools können die Auslastung des Gesundheitssystems vorhersagen und die Verteilung begrenzter Ressourcen optimieren [2]. Im Rahmen des Forschungsprojekts Medical Informatics Hub in Saxony (MiHUBx) soll u.a. ein digitales Tool in Form eines Vorhersagemodells zur Auslastung des Gesundheitssystems bei akuten Hitzeereignissen in Sachsen erstellt werden. Für die Modellerstellung werden Klimadaten mit klinischen Daten kombiniert. Die Klimadaten werden von Wetterdiensten, die klinischen Daten von den Datenintegrationszentren (DIZ) der Medizininformatik-Initiative (MII) abgerufen. Um die Interoperabilität der Daten über mehrere Standorte hinweg zu gewährleisten, wurde sich innerhalb der MII auf einen gemeinsamen Kerndatensatz (KDS) geeinigt [3]. In dieser Arbeit wird?????? überprüft, inwiefern sich die für das Vorhersagemodell benötigten Daten durch den KDS der MII??? mithilfe von Fast Healthcare Interoperability Resources (FHIR) abbilden lassen.

Methodik: Zunächst erfolgte die Identifikation und Kategorisierung der zur Modellerstellung benötigten Datenelemente. Gebildet wurden die Kategorien: General patient information; Primary diagnosis; Secondary diagnosis; Facility contact; Department contact und Climate data.

Anschließend wurde überprüft, ob die einzelnen Datenelemente auf FHIR unter Verwendung der Spezifikationen der MII KDS-Basismodule v2.0 abgebildet werden können. Zu diesem Zweck haben sich FHIR-Experten mit den einzelnen Datenelementen befasst und geeignete FHIR-Profile aus den MII KDS-Basismodulen ausgewählt. Nachfolgend wurde ein Mapping durchgeführt, bei welchem jedem Datenelement (Quellelement), wenn möglich, ein FHIR-Profilattribut (Zieldatenelement) der FHIR-Profile zugeordnet wurde. Jedem Quellelement mit einem passenden Zielelement wurde der Wert Eins zugewiesen, ohne passendes Zielelement der Wert Null. Anschließend fand auf Basis dieser Bewertung die Bestimmung des Grads der Übereinstimmung mit den MII KDS-Basismodulen statt.

Ergebnisse: Die Datenelemente der Kategorien General patient information; Primary diagnosis; Secondary diagnosis und Facility contact ließen sich vollständig mit den MII KDS-Basismodulen darstellen. In der Kategorie Department Contact konnten sechs der sieben Datenelemente mit dem MII-KDS-Basismodulen abgebildet werden. In der Kategorie Climate Data konnte kein einziges der drei Datenelemente zugeordnet werden. Das detaillierte Mapping ist in der Zusatzdatei dargestellt [4].

Diskussion und Schlussfolgerung: Der MII KDS ist für die Abbildung der für die Modellerstellung benötigten klinischen Daten geeignet. Dies ermöglicht eine standardisierte und interoperable Integration der Daten in das Vorhersagemodell sowie regionale Modellerweiterungen in der Zukunft. Das Datenelement Emergency contact benötigt möglicherweise zusätzliche Spezifikationen. Die Klimadaten können derzeit nicht mit dem MII KDS abgebildet werden. Eine mögliche Lösung hierfür stellt die Entwicklung neuer Erweiterungsmodule dar. Derzeit werden über die bestehenden Erweiterungsmodule des MII KDS keine Datenelemente ohne direkten Bezug zur Gesundheitsversorgung erfasst [3]. Der beschriebene Use Case zeigt jedoch Potentiale für die Abbildung patientenunabhängiger Daten im MII KDS auf, welche in zukünftigen Weiterentwicklungen innerhalb der MII ggf. aufgegriffen werden können.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.