Header

UZH-Logo

Maintenance Infos

Routinedaten – das ungenutzte Potenzial in der Versorgungsforschung


Djalali, Sima; Markun, Stefan; Rosemann, Thomas (2017). Routinedaten – das ungenutzte Potenzial in der Versorgungsforschung. Praxis, 106(7):365-372.

Abstract

Routinedaten entstehen als Nebenprodukt des normalen Betriebsalltags. Diese ohne Zusatzaufwand massenhaft generierten Daten lassen sich mit ökonomischen oder im Falle der Medizin auch mit gesundheitlichen Fragestellungen auswerten. Durch die nicht-kontrollierte Art der Sammlung von Routinedaten sowie aufgrund der uneinheitlichen Handhabung von elektronischen Krankengeschichten ergeben sich aber je nach Fragestellung Grenzen der Aussagekraft von Resultaten. Dieser Artikel widmet sich den Fragen rund um Herkunft, Verarbeitung, Interpretation und Nutzen von Routinedaten. Dabei werden auch Machine Learning und Big Data kritisch in den Kontext gebracht, sowie die Aspekte Datenschutz und Ethik. Hinsichtlich des Schweizer Gesundheitssystems zeigt der Artikel die notwendigen Voraussetzungen, damit das Potential von Routinedaten auch hierzulande zugunsten einer besseren medizinischen Versorgung genutzt werden kann.

Today, a huge amount of data is created when medical care is provided, either in a hospital setting or in ambulatory care. Even if those data are not collected with the purpose to answer scientific questions, they can be used to this effect. The fact that data collection differs in quality and extent from setting to setting and no standardization regarding the documentation exists, means that the use of these data is often limited. Switzerland is one of the countries with the highest variety regarding Electronic Medical Records (EMR), nevertheless, routine data can be used if some standardization is used in aggregating and summarizing these data. They can provide important information about the extent as well as the quality of care and contribute to improve the health care system.

Abstract

Routinedaten entstehen als Nebenprodukt des normalen Betriebsalltags. Diese ohne Zusatzaufwand massenhaft generierten Daten lassen sich mit ökonomischen oder im Falle der Medizin auch mit gesundheitlichen Fragestellungen auswerten. Durch die nicht-kontrollierte Art der Sammlung von Routinedaten sowie aufgrund der uneinheitlichen Handhabung von elektronischen Krankengeschichten ergeben sich aber je nach Fragestellung Grenzen der Aussagekraft von Resultaten. Dieser Artikel widmet sich den Fragen rund um Herkunft, Verarbeitung, Interpretation und Nutzen von Routinedaten. Dabei werden auch Machine Learning und Big Data kritisch in den Kontext gebracht, sowie die Aspekte Datenschutz und Ethik. Hinsichtlich des Schweizer Gesundheitssystems zeigt der Artikel die notwendigen Voraussetzungen, damit das Potential von Routinedaten auch hierzulande zugunsten einer besseren medizinischen Versorgung genutzt werden kann.

Today, a huge amount of data is created when medical care is provided, either in a hospital setting or in ambulatory care. Even if those data are not collected with the purpose to answer scientific questions, they can be used to this effect. The fact that data collection differs in quality and extent from setting to setting and no standardization regarding the documentation exists, means that the use of these data is often limited. Switzerland is one of the countries with the highest variety regarding Electronic Medical Records (EMR), nevertheless, routine data can be used if some standardization is used in aggregating and summarizing these data. They can provide important information about the extent as well as the quality of care and contribute to improve the health care system.

Statistics

Altmetrics

Downloads

0 downloads since deposited on 07 Apr 2017
0 downloads since 12 months

Additional indexing

Item Type:Journal Article, refereed, further contribution
Communities & Collections:04 Faculty of Medicine > University Hospital Zurich > Institute of General Practice
Dewey Decimal Classification:610 Medicine & health
Language:German
Date:2017
Deposited On:07 Apr 2017 11:45
Last Modified:31 May 2017 07:45
Publisher:Hogrefe Verlag
ISSN:1661-8157
Additional Information:Diese Artikelfassung entspricht nicht vollständig dem in der Zeitschrift veröffentlichten Artikel. Dies ist nicht die Originalversion des Artikels und kann daher nicht zur Zitierung herangezogen werden.
Publisher DOI:https://doi.org/10.1024/1661-8157/a002630
PubMed ID:28357901

Download

Preview Icon on Download
Content: Accepted Version
Filetype: PDF - Registered users only until 30 March 2018
Size: 101kB
View at publisher
Embargo till: 2018-03-30