gms | German Medical Science

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

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

02. - 06.09.2018, Osnabrück

Konzeption und Entwicklung eines Data-Warehouse-basierenden Werkzeugs zur Analyse und Auswertung von Forschungsdaten zur akuten myeloischen Leukämie unter Einbeziehung semantischer Bezugssysteme

Meeting Abstract

  • Julia Ruppel - Unviersität Bern, Krebsregister Bern, Bern, Schweiz
  • Svetlana Gerbel - Medizinische Hochschule Hannover, Zentrum für Informationsmanagement (ZIMt), Abteilung Systeme für Forschung und Lehre, Hannover, Deutschland
  • Iyas Hamwi - Medizinische Hochschule Hannover, Klinik für Hämatologie, Hämostaseologie, Onkologie und Stammzelltransplantation, Hannover, Deutschland
  • Michael Heuser - Medizinische Hochschule Hannover, Klinik für Hämatologie, Hämostaseologie, Onkologie und Stammzelltransplantation, Hannover, Deutschland
  • Oliver J. Bott - Hochschule Hannover, Fakultät III – Medien, Information und Design, Hannover, Deutschland

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 63. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Osnabrück, 02.-06.09.2018. Düsseldorf: German Medical Science GMS Publishing House; 2018. DocAbstr. 188

doi: 10.3205/18gmds132, urn:nbn:de:0183-18gmds1328

Published: August 27, 2018

© 2018 Ruppel et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Einleitung: Bei der akuten myeloischen Leukämie (AML) handelt es sich um eine maligne Erkrankung, der eine gestörte Hämatopoese zugrunde liegt. Insgesamt ist die AML eine seltene (ORPHA: 519, ICD-10: C92.0) und meist erst im höheren Alter auftretende Erkrankung. Charakterisiert wird die AML durch einen Blastenanteil von ≥ 20% im Knochenmark und/oder peripheren Blut. Die Arbeitsgruppe für Leukämieforschung an der Medizinischen Hochschule Hannover (MHH) beschäftigt sich mit der Erforschung der Entstehung sowie der Behandlung von Leukämien, darunter auch AML. Für diesen Zweck werden seit mehreren Jahren Forschungsdaten in verschiedenen Dokumentationssystemen dokumentiert. Diese wurden im Rahmen eines Projekts in einem klinischen Data Warehouse (KDWH) [1] konsolidiert. Für die Leukämieforschung sind u.a. die zyto- und molekulargenetischen Parameter sowie die klinisch-chemischen und hämatologischen Laboranalysen und -befunde von besonderer Bedeutung. Aufgrund der Heterogenität von Laboranalysen ist eine übergreifende Analyse und Auswertung von Laborbefunden trotz Bereitstellung im KDWH bislang nur eingeschränkt möglich. Insbesondere fehlt ein einheitliches semantisches Bezugssystem unter Einbeziehung geeigneter Terminologien, Klassifikationen bzw. Nomenklaturen.

Ziele der Arbeit sind die Bereitstellung einer entsprechenden Auswertungsplattform zur Analyse der in dem KDWH bereitgestellten Forschungsdaten sowie die Sicherstellung eines einheitlichen semantischen Bezugssystems für die Labordaten.

Methoden: Die Ergebnisse der auf Experteninterviews basierenden Anforderungsanalyse an eine Auswertungsplattform wurden in einem Pflichtenheft dokumentiert. Auf Grundlage des Pflichtenheftes wurden zur Umsetzung der Anforderungen potenziell geeignete Softwaresysteme gesichtet und eine Systemauswahl durchgeführt. Zur semantischen Codierung der Laboranalysen wurde die Nomenklatur LOINC (Logical Observation Identifiers Names and Codes) verwendet. Die Zuordnung von Laboranalysen zu LOINC-Codes erfolgte mithilfe der Anwendung RELMA (Regenstrief LOINC Mapping Assistant). Die Datenbasis des KDWH wurde entsprechend erweitert. Das Frontend für die Bereitstellung der als relevant identifizierten Auswertungen auf Basis des auf Microsoft (MS) SQL-Servertechnologie basierenden KDWH wurde mit MS Access konzipiert und prototypisch umgesetzt. Die Validierung und Verifikation der Auswertungsplattform erfolgte auf Grundlage von Testdaten und Experteninterviews.

Ergebnisse: Die entwickelte Plattform bietet neben einer übersichtlichen Darstellung der relevanten Daten auf Patienten- und Fallebene eine Suchfunktion sowie eine Datenexportfunktion nach Excel für weiterführende Auswertungen. Zusätzlich wurden die Excel BI Add-Ins (Power Query, Power Pivot, Power View und Power Map) in die Plattform integriert und bieten eine zusätzliche Möglichkeit für explorative Datenanalysen anhand vorgefertigter und abrufbarer Grafiken. Von 28 Laboranalysen konnten 27 zu einem LOINC-Code zugeordnet werden. Die anschließende Qualitätssicherung des durgeführten Mappings erfolgte durch das Fachpersonal mit Kenntnissen der lokalen Analysemethoden im Labor.

Diskussion: Ein Data-Warehouse-basierter Ansatz hat sich für die Sekundärdatennutzung an Universitätskliniken bewährt [2], [3] und gewinnt – nicht zuletzt durch die Medizininformatikinitiative – immer mehr an Bedeutung. Für eine standortübergreifende Datennutzung spielt dabei die semantische Interoperabilität und somit die Verwendung von internationalen Terminologien eine zentrale Rolle [4].

Trotz Verwendung des RELMA-Tools gestaltete sich das LOINC-Mapping in diesem Projekt aufwendig und zeitintensiv. Das wird dadurch begründet, dass aufgrund von unterschiedlichen Messmethoden, Maßeinheiten bzw. Entnahme-Material prinzipiell mehrere Codes einer einzelnen Laboruntersuchung gegenüberstehen können. Generell lässt sich sagen, je mehr Informationen zu einer Laboranalyse vorliegen, desto präziser und einfacher ist die Zuordnung. Um optimale Ergebnisse zu erzielen, ist für eine anschließende Validierung des LOINC-Mappings eine Fachexpertise im Laborbereich der entsprechenden Einrichtung unabdingbar.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.


Literatur

1.
Laser H, et al. Zusammenführung klinischer Forschungsdatenbestände in ein klinisches Data Warehouse für die Krebsforschung an einem Universitätsklinikum. In: HEC 2016: Health – Exploring Complexity. Joint Conference of GMDS, DGEpi, IEA-EEF, EFMI. München, 28.08.-02.09.2016. Düsseldorf: German Medical Science GMS Publishing House; 2016. DocAbstr. 765. DOI: 10.3205/16gmds141 External link
2.
Gerbel S, Laser H, Haarbrandt B. Das Klinische Data Warehouse der Medizinischen Hochschule Hannover. Forum der Medizin Dokumentation und Medizin Informatik. 2014;16(2):49-52.
3.
Tolxdorff T, Puppe F. Klinisches Data Warehouse. Inform Spektrum. 2016;39(3):233–237.
4.
Ganslandt, et al. Der Kerndatensatz der Medizininformatik-Initiative: Ein Schritt zur Sekundärnutzung von Versorgungsdaten auf nationaler Ebene. Forum der Medizin Dokumentation und Medizin Informatik. 2018;20(1):17-21.