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

Schaffung einer Datenbasis für integrierte Versorgungsplanung: Machbarkeitsstudie für ein sektorübergreifendes Datenzentrum für Gesundheitsdaten in Estland

Meeting Abstract

Search Medline for

  • Adriana Poppe - Universität zu Köln, Medizinische Fakultät und Universitätsklinikum, PMV forschungsgruppe, Köln, Germany; Universität zu Köln, Wirtschafts- und Sozialwissenschaftliche Fakultät, Institut für Soziologie und Sozialpsychologie (ISS), Köln, Germany
  • Ingo Meyer - Universität zu Köln, Medizinische Fakultät und Universitätsklnikum, PMV forschungsgruppe, Köln, 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. 86

doi: 10.3205/22gmds008, urn:nbn:de:0183-22gmds0082

Published: August 19, 2022

© 2022 Poppe 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

Ein großes Problem bei der Verwirklichung einer personenzentrierten und integrierten Versorgung – in Deutschland und anderen Ländern – ist die Fragmentierung der Leistungserbringung in verschiedene Versorgungsbereiche und Zuständigkeiten. Diese Fragmentierung setzt sich auch im Bereich der Daten- und Informationssysteme fort. Die Europäische Kommission hat zur Lösung dieses Problems integrierte Versorgungsmodelle als einen vielversprechenden, wichtigen und innovativen Weg benannt [1]. Im Jahr 2017 haben sich viele Bereiche des Gesundheitswesens weltweit verpflichtet, integrierte Gesundheitsmanagement-Informationssysteme aufzubauen [2]. Verschiedene Ansätze wie beispielsweise aus Neuseeland [3], Südkalifornien [4], Köln [5] and Badalona [6] sind bereits bekannt.

Ähnlich wie andere Länder versucht auch Estland die Probleme des fragmentierten Gesundheitssystems anzugehen. Dafür wurde in Estland in den Jahren 2018 bis 2021 im Rahmen einer EU-geförderten Reforminitiative für integrierte Versorgung eine Proof-of-Concept-Version eines integrierten Datensatzes entwickelt. Aufgrund der Vielfalt der beteiligten Stakeholder wurde für die Entwicklung ein Co-Design gewählt, um die Vielfalt der Expertisen zusammenzubringen [7], [8], [9]. Es wurde ein Set von Anwendungsfällen für den Datensatz herausgestellt. Darunter fallen die Bereiche der integrierten Versorgungsstrategie, Finanzierung, Versorgungsmodelle und Versorgungskoordination sowie Evaluation und Monitoring. Im Zuge des Proof-of-Concepts wurden vom Projektteam in Zusammenarbeit mit Stakeholdern im Vorfeld Forschungsfragen entwickelt, welche mit dem Testdatensatz beantwortet werden sollten. Die Fragestellungen beziehen sich u.a. auf die Inanspruchnahme von bestimmten Leistungsbereichen, Kombinationen der Inanspruchnahme, Gesamtkosten der Versorgung /spezifischer Versorgungsbereiche oder Dauer der Versorgung.

Der finale Datensatz enthielt Daten des Sozialversicherungsamtes, zu sozialen Leistungen (z.B. Bestattungsbeihilfen, Betreuungsgeld) der Gemeinden (verantwortlich für verschiedene Dienstleistungen), der Arbeitslosenversicherung, der Krankenversicherung/Gesundheitsversorgung und des Bildungssystems. Durch die Verwendung personalisierter IDs wurden die Profile der verschiedenen Sektoren miteinander verknüpft. Zugriff konnte nur in einer gesicherten Atmosphäre über die Server von Statistics Estonia geschehen.

Nach Überlieferung der Daten aller Sektoren wurden diese zunächst in SQL eingeführt und in einer Datenbank verknüpft. Im nächsten Schritt wurde die Qualität der überlieferten und gematchten Daten überprüft. Unterschiedliche Kodierungsmethoden zwischen den Sektoren, z. B. von Datumsangaben, wurden identifiziert, welche zu einer Fehleranfälligkeit bei der Verknüpfung der Daten führen können. Einige Datumsangaben enthielten nur einen Monat und/oder ein Jahr, was ihre Verwendung erschwert, wenn es beispielsweise darum geht, Zeiträume der Leistungserbringung zu ermitteln. Größere Probleme wurden in den Daten eines Sektors identifiziert, welche nicht plausible Kodierungen ausweisen. Rücksprachen haben ergeben, dass keine einheitliche Kodierung innerhalb des Sektors vorliegt, womit die Daten nicht interpretiert werden konnten. Im nächsten Schritt wurden Analysen zu den vorher festgelegten Fragestellungen durchgeführt. Diese konnten, mit Ausnahme von Fragestellungen zu dem Datensatz, der bereits vorher größere Probleme aufgezeigt hat, erfolgreich abgeschlossen werden.

Gesamtergebnis der Proof-of-Conept-Analyse war, dass der Testdatensatz generell geeignet ist, aggregierte Daten für Planungs- und Entscheidungsprozesse, aber auch für Forschung und Evaluation im Rahmen der integrierten Versorgung zu liefern. Es deckt die verschiedenen Sektoren und ihre Leistungen ab, die zusammengeführt werden können. Es kann aufgezeigt werden, welche Beurteilungen, (Dienst-)Leistungen etc. zu einem bestimmten Zeitpunkt bezogen wurden. Für die Datenintegration weiterer Regionen und/oder für weitere Analysen sind verschiedene Einschränkungen zu beachten, wie z. B. die Genauigkeit der Kodierung.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass ein positives Ethikvotum vorliegt.


Literatur

1.
Council of the European Union. Council conclusion on the Reflection process on modern, responsive and sustainable systems. 2013 [Zugegriffen: 04. März 2021]. Verfügbar unter: http://www.consilium.europa.eu/uedocs/cms_data/docs/pressdata/en/lsa/140004.pdf External link
2.
World Health Organisation. Framework and standards for country health information systems. 2017. Verfügbar unter: https://www.afro.who.int/sites/default/files/2017-06/AHO_Country_H_Infos_Systems_2nd_edition.pdf External link
3.
Milne BJ, Atkinson J, Blakely T, Day H, Douwes J, Gibb S, Nicolson M, Shackleton N, Sporle A, Teng A. Data Resource Profile: The New Zealand Integrated Data Infrastructure (IDI). Int J Epidemiol. 2019;48(3):677-677e. DOI: 10.1093/ije/dyz014 External link
4.
Koebnick C, Langer-Gould AM, Gould MK, Chao CR, Iyer RL, Smith N, Chen W, Jacobsen SJ. Sociodemographic characteristics of members of a large, integrated health care system: comparison with US Census Bureau data. The Permanente journal. 2012;16(3):37–41. DOI: 10.7812/tpp/12-031 External link
5.
Karbach U, Ansmann L, Scholten N, Pfaff H, Albus C, Jessen F, Kuntz L, Rietz C, Schubert I, Schulz-Nieswandt F, Stock S, Strupp J, Voltz R. Bericht aus einem laufenden Forschungsprojekt: CoRe-Net, das Kölner Kompetenznetzwerk aus Versorgungspraxis und Versorgungsforschung, und der Value-based Healthcare-Ansatz. Z Evid Fortbild Qual Gesundhwes. 2018;130:21–26. DOI: 10.1016/j.zefq.2017.11.005 External link
6.
Rossi Mori A, Albano V, Piera Jimenez J. Badalona Story: integrating the integration initiatives. Int J Integr Care. 2017;17(5):315. DOI: 10.5334/ijic.3632 External link
7.
Osborne SP. Delivering Public Services: Time for a new theory? Public Management Review. 2010;(12):1–10.
8.
Ryan B. Co-production: Option or Obligation? Australian Journal of Public Administration. 2012;71(3):314–324. DOI: 10.1111/j.1467-8500.2012.00780.x External link
9.
Osborne SP, Strokosch K. It takes Two to Tango? Understanding the Co-production of Public Services by Integrating the Services Management and Public Administration Perspectives. Brit J Manage. 2013;24:S31-S47. DOI: 10.1111/1467-8551.12010 External link