gms | German Medical Science

Einleitung: Die multidisziplinäre grenzüberschreitende Versorgungsforschung in der nördlichen niederländisch-deutschen Grenzregion soll durch die Entwicklung eines Cross-Border Health Data Compass (CHDC) unterstützt werden. Durch die interaktive Browseranwendung sollen Forschende konsolidierte Daten aus öffentlichen Informationsquellen für visuelle Analysen als heuristische Werkzeuge bereitgestellt bekommen. Zur Validierung der Designidee wurde eine qualitative Studie mit niederländischen und deutschen Gesundheitsforschenden der Initiative „Cross-Border Institute of Healthcare Systems and Prevention“ (n=9) durchgeführt. Hier konnte ein generelles Interesse an räumlichen Aspekten der Versorgungsforschung festgestellt werden, gleichzeitig aber die weitgehende Abwesenheit dieser Aspekte in bestehenden Forschungsarbeiten der Teilnehmenden.

Stand der Technik: Die Medizinische Geographie beschreibt räumliche Erreichbarkeit von Gesundheitseinrichtungen als eine von mehreren Dimensionen des Zugangs zu Gesundheitsangeboten. Von allen identifizierten Zugangsdimensionen sind die Aspekte „Erreichbarkeit“ und „Verfügbarkeit“ räumlich und entfernungsbezogen und daher empirisch erfassbar [1]. Darüber hinaus wird Gesundheitsversorgung als Prozess in einem Sozialraum betrachtet, der sich wiederum physisch in Raum und Zeit ereignet.

Zur Betrachtung der Versorgungsqualität über gebietsbezogene Versorgungsgrade hinaus ist eine kleinräumige Analyse nötig [2]. Besonders für die Analyse von Versorgung in – räumlich nicht klar definierten – Grenzregionen muss daher die versorgte Bevölkerung durch kleinräumige, demographisch strukturierte Daten modelliert werden. Bevölkerungsraster sind durch den regelmäßigen räumlichen Bezug besonders geeignet [3]. Empirische Daten zu realen Einzugsgebieten von Versorgungseinrichtungen wie Krankenhäusern sind nicht frei und flächendeckend verfügbar. Zur Modellierung von potenziellen Einzugsgebieten werden daher erreichbarkeitsbezogene Modelle [3] verwendet.

Konzept: Die Idee des CHDC beinhaltet die Komponenten Bevölkerungsmodell, Erreichbarkeitsmodell, Standorte von Einrichtungen der Gesundheitsversorgung und das in Entwicklung befindliche interaktive Analyse- und Visualisierungsmodul. Sozioökonomische Variablen fließen über das Bevölkerungsmodell kleinräumig verteilt in die Analysen ein. Zum Aufbau der grenzübergreifenden Datenmodelle müssen zunächst Daten aus nationalen Quellen integriert werden. Durch transparente Darstellung der verwendeten Datenquellen entsteht eine grenzübergreifende Synopse.

Implementierung: Zur Erstellung der Datenmodelle werden Daten deutscher und niederländischer Anbieter mit Python und Pandas zusammengeführt. Der Bezug zwischen den gebietsbezogenen Daten und den kleinräumigen Bevölkerungsrastern wird mit Python und GeoPandas hergestellt. Zur Harmonisierung der Kartengrundlage wird zusätzlich das Werkzeug Mapshaper verwendet. Das Erreichbarkeitsmodell basiert auf dem Kartenmaterial von OpenStreetMap und nutzt OpenRouteService zur Berechnung von individuellen Isochronen-Polygonen für jede Einrichtung der Gesundheitsversorgung.

Datenmodelle und Einzugsgebiete von Einrichtungen werden in einem ETL-Prozess weitgehend vorberechnet und stehen dem interaktiven Analyse- und Visualisierungsmodul vorverarbeitet zur Verfügung. Analysen mit interaktiv beeinflussbaren analytische Parametern (z.B. Reisezeit) werden hingegen zur Laufzeit im Browser berechnet.

Gewonnene Erkenntnisse: Die grenzübergreifende Zusammenführung von kleinräumigen Daten zur Unterstützung der Versorgungsforschung gestaltet sich in ihren einzelnen Aspekten unterschiedlich komplex. Die Erzeugung eines straßenbasierten Erreichbarkeitsmodells ist durch die grenzübergreifende Verfügbarkeit von OpenStreetMap von geringer Komplexität. Technisch wenig komplex ist ebenfalls die Zusammenführung von Rasterbezogenen Bevölkerungsdaten, wenn inhaltliche Abstriche bei konsistentem Zeitbezug oder der Verfügbarkeit von demographischen Variablen akzeptabel sind. Deutlich komplexer gestaltet sich die Recherche von inhaltlich vergleichbaren Daten zu Einrichtungen oder Leistungen des Gesundheitswesens sowie die Zusammenführung von sozioökonomischen Indikatoren, bei denen ohne statistische Transformation oder Kategorisierung keine sinnvolle visuelle Analyse erfolgen kann. Inwiefern die auf den Datenmodellen basierenden Werkzeuge die Forschenden bei der Analyse kleinräumiger grenzübergreifender Aspekte von Versorgung unterstützen können, ist Gegenstand einer weiteren qualitativen Studie.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.