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

Zusammenfassung

Eine einheitliche und ausgereifte Informations- und Kommunikationstechnologie ist unerlässlich für die optimale Unterstützung zukünftiger Prozesse im Gesundheitswesen einschließlich der Versorgungsforschung. Sekundäranalysen von Routinedaten aus der ambulanten Primär- und Sekundärversorgung sind häufig auf die Untersuchung von Abrechnungsdaten begrenzt. Ziel dieser Untersuchung ist das Aufzeigen der Möglichkeiten und Grenzen der Forschung mit Routinedaten, welche aus hausärztlichen Praxen über die Behandlungsdatentransfer (BDT)-Schnittstelle exportiert und für 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 anschließend durchgeführt wurde. Der Bestand wurde ergänzt 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 über das Zusammenfügen der Daten in einer zentralen Datenbank, bis hin zur Aufbereitung dieser Daten für die Forscher, Publikationen und einem Feedback-Bericht für die teilnehmenden Praxen. Dabei sollten Möglichkeiten 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 Gründen keine Erhebung möglich. Die BDT-Schnittstelle ist in den einzelnen Arztpraxisinformationssysteme (AIS) unterschiedlich implementiert, was sich auch auf die Erhebungsmöglichkeiten 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 für Allgemeinmedizin der Medizinischen Hochschule Hannover (MHH). Den 11 497 899 Verordungseinträgen konnte in 44,1% der Fälle 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 für die Forscher sowie Feedback-Berichte für 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 häufig in Freitextfeldern vor, was die Auswertung erschwert. Kodierte Informationen wie Wirkstoffe (ATC) lassen sich zum Teil extrahieren und sind leicht für die Forschung aufzubereiten. Inhalt und Qualität der Daten liegen vor allem in der Hand der Nutzer, also der Ärzte und Dokumentare. Für die Versorgungsforschung wären mehr klassifizierte Daten hilfreich, dies könnte eine weiter entwickelte Schnittstelle vermutlich besser transportieren als BDT.

Abstract

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.

Schlüsselwörter

Routinedaten - BDT - Schnittstellen - Versorgungsforschung - Allgemeinmedizin

Key words

routinely collected data - BDT - interfaces - health services research - primary care

Literatur

• 1 Koch H, Kerek-Bodden H. Die 50 häufigsten ICD-10-Schlüsselnummern nach Fachgruppen.  2008;  Available at: http://www.zi-berlin.de/morbilitaetsanalyse/downloads/Die_50_haeufigsten_ICD_07_11072008.pdf Accessed 7/3/2009
• 2 PMV forschungsgruppe – Gesundheitsberichterstattung Available at: http://www.pmvforschungsgruppe.de/content/02_forschung/02_d_sekundaerd_1.htm Accessed 10/30/2009, 2009
• 3 gematik – Gesellschaft für Telematikanwendungen der Gesundheitskarte mbH. Available at: http://www.gematik.de/(S(fwp5dzizgiamxe455w0ous45))/Homepage.Gematik Accessed 7/3/2009, 2009
• 4 VHitG, Verband der Hersteller von IT-Lösungen für das Gesundheitswesen e.V. . Available at: http://www.vhitg.de/vhitg/int/02_News_Presse/News.php Accessed 6/24/2009, 2009
• 5 KBV – IT in der Arztpraxis – EDV-Statistik – Installationsstatistik Available at: http://www.kbv.de/ita/4299.html Accessed 10/30/2009, 2009
• 6 de Lusignan S, van Weel C. The use of routinely collected computer data for research in primary care: opportunities and challenges.  Fam.Pract. 2006 April 1;  23 (2) 253-263
• 7 de Lusignan S, Hague N, van Vlymen J. et al . Routinely-collected general practice data are complex, but with systematic processing can be used for quality improvement and research.  Inform.Prim.Care. 2006;  14 (1) 59-66
• 8 Groot MM, Vernooij-Dassen MJFJ, Verhagen SCA. et al . Obstacles to the delivery of primary palliative care as perceived by GPs.  Palliat Med. 2007;  21 (8) 697-703
• 9 Meulepas MA, Braspenning JCC, de Grauw WJ. et al . Logistic support service improves processes and outcomes of diabetes care in general practice.  Fam Pract. 2007;  24 (1) 20-25
• 10 Grol R, Dautzenberg M, Brinkmann H. Quality Management in Primary Care. European Practice Assessment: Bertelsmann Stiftung; 2004
• 11 KBV – IT in der Arztpraxis – Schnittstellen – Weitere Informationen zu xDT. Available at: http://www.kbv.de/ita/4274.html Accessed 6/23/2009, 2009
• 12 Snijder E, Kersting M, Theile G. et al . Hausbesuche: Versorgungsforschung mit hausärztlichen Routinedaten von 158 000 Patienten.  Gesundheitswesen. 2007;  69 (12) 679-685
• 13 Kruschinski C, Kersting M, Breull A. et al . Diagnosehäufigkeiten und Verordnungen bei Schwindel im Patientenkollektiv einer hausärztlichen Routinedatenbank.  Zeitschrift für Evidenz, Fortbildung und Qualität im Gesundheitswesen. 2008 7/31;  102 (5) 313-319
• 14 Hummers-Pradier E, Simmenroth-Nayda A, Scheidt-Nave C. et al . Versorgungsforschung mit hausärztlichen Routinedaten.  Gesundheitswesen. 2003;  65 (02) 109-114
• 15 Himmel W, Hummers-Pradier E, Kochen MM. Medizinische Versorgung in der hausärztlichen Praxis.  Bundesgesundheitsblatt. 2006 02;  49 (2) 151-159
• 16 Zentralinstitut für die kassenärztliche Versorgung in der Bundesrepublik Deutschland. Accessed 10/30/2009, 2009. 
• 17 Friedrich Lichtner, Jürgen Sembritzki. BDT-Satzbeschreibung – Schnittstellenbeschreibung zum systemunabhängigen Datentransfer von Behandlungsdaten.  1995; 
• 18 Weitling F. Untersuchung hausärztlicher Routinedokumentation unter Qualitätsaspekten und Ausarbeitung von Methoden zur Qualitätssteigerung.  2006; 
• 19 MySQL: MySQL 5.0 Reference Manual. Available at: http://dev.mysql.com/doc/refman/5.0/en/index.html Accessed 6/24/2009, 2009
• 20 Ubuntu Home Page | Ubuntu Available at: http://www.ubuntu.com/ Accessed 10/30/2009, 2009
• 21 java.com: Java für Sie Available at: http://www.java.com/de/ Accessed 10/30/2009, 2009
• 22 Eclipse.org home Available at: http://www.eclipse.org/ Accessed 10/30/2009, 2009
• 23 The GNU General Public License – GNU Project – Free Software Foundation (FSF). . Available at: http://www.gnu.org/copyleft/gpl.html Accessed 06/23/2009, 2009
• 24 DIMDI – ATC/DDD Anatomisch-therapeutisch-chemische Klassifikation mit definierten Tagesdosen. . Available at: http://www.dimdi.de/static/de/klassi/atcddd/index.htm Accessed 6/23/2009, 2009
• 25 Voorham J, Denig P. Groningen Initiative to Analyse Type 2 Diabetes Treatment. Computerized Extraction of Information on the Quality of Diabetes Care from Free Text in Electronic Patient Records of General Practitioners.  J Am Med Inform Assoc. 2007;  14 (3) 349-354
• 26 Erler A, Beyer M, Muth C. et al . Garbage in – Garbage out? Validity of Coded Diagnoses from GP Claims Records.  Gesundheitswesen. 2009 Apr 22; 
• 27 KBV – EBM – Einheitlicher Bewertungsmaßstab. . Available at: http://www.kbv.de/8156.html Accessed 10/30/2009, 2009
• 28 Kühlein T, Laux G, Gutscher A. et al .Kontinuierliche Morbiditätsregistrierung in der Hausarztpraxis – Vom Beratungsanlass zum Beratungsergebnis.. Urban & Vogel, München; 2008
• 29 PostgreSQL, das fortschrittlichste Open Source Datenbanksystem – Startseite Available at: http://www.postgresql.de/ Accessed 10/28/2009, 2009
• 30 XML Essentials – W3C Available at: http://www.w3.org/standards/xml/core Accessed 10/30/2009, 2009
• 31 HL7 Benutzergruppe in Deutschland e.V. Available at: http://www.hl7.de/standard/standards.php Accessed 10/30/2009, 2009
• 32 Heitmann KU, Kassner A, Gehlen E. et al . Arztbrief auf Basis der HL7 Clinical Document Architecture Release 2 für das deutsche Gesundheitswesen – Implementierungsleitfaden.  2006; 
• 33 TMF e. V. – Pseudonymisierungsdienst – Available at: http://www.tmf-ev.de/Themen/Projekte/V00001PSD.ASPX Accessed 10/30/2009, 2009

Korrespondenzadresse