Routinedaten aus hausärztlichen Arztinformationssystemen – Export, Analyse und Aufbereitung für die Versorgungsforschung

2010 
Eine einheitliche und ausgereifte Informations- und Kommunikationstechnologie ist unerlasslich fur die optimale Unterstutzung zukunftiger Prozesse im Gesundheitswesen einschlieslich der Versorgungsforschung. Sekundaranalysen von Routinedaten aus der ambulanten Primar- und Sekundarversorgung sind haufig auf die Untersuchung von Abrechnungsdaten begrenzt. Ziel dieser Untersuchung ist das Aufzeigen der Moglichkeiten und Grenzen der Forschung mit Routinedaten, welche aus hausarztlichen Praxen uber die Behandlungsdatentransfer (BDT)-Schnittstelle exportiert und fur die Verarbeitung in SPSS aufbereitet wurden. Im Zeitraum von Mitte 2005 bis Ende 2007 wurden alle 168 Lehrpraxen der MHH einmalig schriftlich um die Teilnahme an einer BDT-Datenerhebung gebeten, welche bei 28 Praxen anschliesend durchgefuhrt wurde. Der Bestand wurde erganzt um die Daten von 139 anderen Praxen aus dem Projekt „Medizinische Versorgung in der Praxis” (MedViP). Der gesamte Prozess der Datenaufbereitung umfasste einen kompletten Zyklus von der Erhebung per BDT-Export uber das Zusammenfugen der Daten in einer zentralen Datenbank, bis hin zur Aufbereitung dieser Daten fur die Forscher, Publikationen und einem Feedback-Bericht fur die teilnehmenden Praxen. Dabei sollten Moglichkeiten und Grenzen des Verfahrens systematisch herausgearbeitet werden. Von 168 Lehrpraxen der MHH haben 68 (40,5%) Interesse signalisiert, wobei 28 (16,7%) letztlich erfolgreich erhoben werden konnten. Bei 15 (8,9%) war aus technischen und bei 26 (15,5%) aus administrativen Grunden keine Erhebung moglich. Die BDT-Schnittstelle ist in den einzelnen Arztpraxisinformationssysteme (AIS) unterschiedlich implementiert, was sich auch auf die Erhebungsmoglichkeiten auswirkte. Mit den MedViP-Daten zusammen befinden sich aktuell 167 Praxen mit insgesamt 974 304 Patienten und 12 555 943 Behandlungen in der Datenbank des Instituts fur Allgemeinmedizin der Medizinischen Hochschule Hannover (MHH). Den 11 497 899 Verordungseintragen konnte in 44,1% der Falle durch Abgleich mit den Arzneimittelstammdaten des Wissenschaftlichen Instituts der Ortskrankenkassen (WIdO) ein Wirkstoff nach Anatomisch-Therapeutisch-Chemischer (ATC)-Klassifikation zugeordnet werden. Aus dem gesamten Datenbestand konnten mehrfach erfolgreich ein konsistentes Set von SPSS-Dateien fur die Forscher sowie Feedback-Berichte fur die teilnehmenden Praxen im Portable Document Format (PDF) erstellt werden. Die BDT-Schnittstelle ist bereits vor langem (1994) definiert worden, erlaubt jedoch immer noch Zugang zu interessanten Informationen, insbesondere Behandlungsdaten. Diese liegen haufig in Freitextfeldern vor, was die Auswertung erschwert. Kodierte Informationen wie Wirkstoffe (ATC) lassen sich zum Teil extrahieren und sind leicht fur die Forschung aufzubereiten. Inhalt und Qualitat der Daten liegen vor allem in der Hand der Nutzer, also der Arzte und Dokumentare. Fur die Versorgungsforschung waren mehr klassifizierte Daten hilfreich, dies konnte eine weiter entwickelte Schnittstelle vermutlich besser transportieren als BDT. An advanced and integrative information technology (IT)-landscape is needed for optimal support of future processes in health-care, including health services research. Most researches in the primary care sector are based on data collected for reimbursement. The aim of this study is to show the limits and options of secondary analysis based on data that was exported via the “Behandlungsdatentransfer” (treatment data transport) BDT-interface in the software systems of German general practitioners and afterwards prepared for further research in SPSS. From the middle of 2005 to the end of 2007 all 168 teaching practices of the Hannover Medical School (MHH) were invited to join the study. Finally routine data from 28 practices could be collected successfully. The data from 139 other practices which had been collected for the project “Health Care in Practice” (“Medizinische Versorgung in der Praxis” – MedViP) was also added to the pool. The process of data preparation included a complete cycle from data collection, merging the data in a relational database system, via statistics and analysis to publishing and generating a feedback report for the participating practices. During the whole study the limits and options of this method were systematically identified. Of the 168 practices, 68 (40.5%) were interested to participate. From 28 (16.7%) physicians the data could be exported from their software systems. In 15 (8.9%) cases no collection was possible due to technical and in 26 (15.5%) to administrative reasons. The method of data extraction varied, as the BDT-interface was differently implemented by the software companies. Together with the MedViP data, the database at the MHH now consists of 167 practices with 974 304 patients and 12 555 943 treatments. For 44.1% of the 11 497 899 prescription entries an anatomic therapeutic chemical (ATC) code could be applied, by matching the entries to the master data from the Scientific Institute of Local Health-Care Funds (“Wissenschaftliches Instituts der Ortskrankenkassen” – WIdO). Periodically consistent sets of SPSS files could successfully be created for further research and feedback reports for the participating practices were generated as portable document format (PDF) files. The BDT-interface seems quite out of date, but can still reveal interesting information, especially on data about medical treatments and findings. Much of the data is contained in fields based on free text, which makes analysis difficult. Coded information, like agents, as ATC, could partially be extracted from the data, which afterwards was easy to prepare for further research. Quality and content of the data depend mainly on the data enterer, the physicians and their practice staff. Future research could be improved by more classified and coded data, which would better be transported through an interface more advanced than BDT.
    • Correction
    • Source
    • Cite
    • Save
    • Machine Reading By IdeaReader
    0
    References
    12
    Citations
    NaN
    KQI
    []