gms | German Medical Science

Einleitung und Fragestellung: Die Beschreibung von Versorgungsprozessen stellt einen zentralen Untersuchungsgegenstand der Versorgungsforschung dar. Ziel dabei ist es Optimierungsmöglichkeiten zu identifizieren und die Qualität und Effizienz der Versorgungsprozesse zu verbessern. Die manuelle Identifikation der Versorgungsprozesse durch die Befragung der beteiligten Akteure ist jedoch fehleranfällig und mit großem Aufwand verbunden. Zudem beschränken sich die Beschreibung häufig nur auf eine Institution, wohingegen für die Versorgungsforschung vor allem eine allgemeine, institutionsübergreifende Sicht auf die Prozesse relevant ist. Eine solche Sicht auf die Prozesse kann zum Beispiel durch eine Analyse der bei der Prozessdurchführung anfallenden Ereignisdaten (etwa Abrechnungsdaten der GKV) erfolgen. Dies ist jedoch mit beträchtlichem Aufwand verbunden, der durch den Einsatz von Process Mining deutlich reduziert werden kann [1]. Dies sind Techniken, mit denen Prozessmodelle automatisiert aus den Ereignisdaten extrahiert werden können [2]. Herkömmliche Process Mining Ansätze bieten typischerweise jedoch nur eine Gesamtsicht auf die Prozesse. Für die Versorgungsforschung ist es hingegen von wesentlichem Interesse die Prozesse aus Sicht unterschiedlicher Patientengruppen zu betrachten und miteinander zu vergleichen. Dabei ist der Ablauf eines Versorgungsprozesses von einer Vielzahl von Einflussfaktoren (z.B. Alter, Geschlecht, Vorerkrankungen etc.) abhängig, anhand derer eine Unterteilung in verschiedene Patientengruppen erfolgen kann.

Material und Methoden: Durch einen gezielten Vergleich der Prozesse zwischen verschiedenen Patientengruppen lassen sich Gemeinsamkeiten und Unterschiede in der Versorgung identifizieren und der Einfluss der Faktoren auf die Behandlung bestimmen. Diese Faktoren lassen sich dabei als Dimensionen interpretieren, sodass die dem Process Mining zugrundeliegenden Ereignisdaten einen multidimensionalen Datenwürfel aufspannen. Durch OLAP-Operationen [3] lassen sich verschiedene Sichten auf diesen Datenwürfel definieren und so spezifische Prozessmodelle für unterschiedliche Patientengruppen extrahieren. Diese können dann einander gegenübergestellt und miteinander verglichen werden, um Probleme in der Versorgung identifizieren zu können.

Ergebnisse: Zurzeit entwickeln wir einen Ansatz zum multidimensionalem Process Mining zur explorativen Analyse von Versorgungsprozessen, der die Techniken des Process Mining mit Datawarehouse-Technologien kombiniert. Ziel dieses Beitrag ist es, einen Überblick über den Ansatz und den aktuellen Stand der Entwicklung zu geben. Darüber hinaus soll der Ansatz aus Anwendungssicht motiviert und dessen Nutzen für die Versorgungsforschung aufgezeigt werden.

Diskussion: Mit diesem Beitrag soll der Ansatz zum multidimensionalen Process Mining interessierten Wissenschaftlern, insbesondere aus der Versorgungsforschung, vorgestellt werden, um einen interdisziplinären Austausch anzuregen. So sollen im Anschluss an den Vortrag der Nutzen des Ansatzes und Vorteile gegenüber anderen Ansätzen diskutiert werden. Dabei erhoffen wir uns auch, Kritik und Verbesserungsvorschläge zu dem dargestellten Ansatz sowie Bewertungen und Einschätzungen durch Fachexperten zu erhalten. Darüber hinaus soll diskutiert werden, wie die praktische Einsetzbarkeit des Ansatzes in der Versorgungsforschung evaluiert werden kann.