Datenqualität für Krankenhäuser und Kliniken

Datenqualität – kritischer Faktor für Krankenhäuser und Kliniken

Ärzte, Pflegepersonal und nicht zuletzt Patienten verlassen sich tagtäglich darauf, dass ihnen im Rahmen von Behandlungen vollständige, korrekte sowie eindeutige Daten vorliegen. Auch deshalb ist die Sicherstellung der Patientenidentifikation vor diagnostischen und therapeutischen Maßnahmen von hoher Bedeutung. Fakt ist, dass die systemübergreifende Zuordnung von Patienten-Daten zu Patienten-Identitäten zur Herausforderung werden kann, wenn Inkonsistenzen im Datenmanagement vorliegen. Die Data-Quality-Management-Plattform MIOvantage kann auf Basis eines mehrstufigen Ansatzes die Datenqualität langfristig wiederherstellen und sichern.

Mangelnde Datenqualität birgt Gefahren

Es bedarf nicht viel Vorstellungskraft, um zu erkennen, dass mangelnde Datenqualität im Kontext der Gesundheitsversorgung schwerwiegende Folgen haben kann. Tatsächlich sind mehrere Identitäten pro Patienten (Mehrfach-Identitäten), falsch zugeordnete Untersuchungsergebnisse und Datenlücken zwar nicht der Regelfall, aber auch nicht völlig auszuschließen. Dies birgt ein erhebliches Risiko für Fehlbehandlungen und für unerwünschte Vorkommnisse (z. B. bei Allergikern). Mangelhaftes Data Quality-Management kann darüber hinaus für moderne Krankenhäuser langfristig zum kritischen Businessfaktor werden, wenn Ressourcen-Fehlplanungen auf Basis von inkorrekten Daten zu Stress beim Personal führen.

Cluster-Analyse Datenqualität
Mehrfache Identitäten durch mangelnde Datenqualität

Ursachen für eine geminderte Informationsqualität

Die möglichen Ursachen für multiple Patientendaten können oft auf manuelle Fehleingaben zurückgeführt werden. Werden mehrere Krankenhaus-IT-Systeme zusammengeführt – z. B. im Rahmen der Integration einer neuen Klinik in einen Krankenhausverbund – so kann sich das Problem noch verschärfen: Mehrfach-Identitäten aus den Subsystemen werden vom Zentralsystem übernommen und verschlechtern die Datenqualität im gesamten Verbund. Dahingegen sind die Funktionsweisen von Subsystemen, die im Ergebnis unterschiedliche Patientenstammdaten erzeugen, Fehlerquellen von konzeptioneller Natur.

Die Kosten für die Bereinigung, in Form von Entwicklungen mit individuellen Datenbankanwendungen mit automatischer Prüfung, sind jedoch sehr hoch. Auch aus personellen Gründen sind vollständige manuelle Datenbereinigungen nicht realisierbar. Master-Patient-Index-Systeme können das Entstehen von multiplen Identitäts-Datensätzen zwar eindämmen, aber nicht gänzlich verhindern.


Der effiziente Weg zur Datenbereinigung mit der Cluster-Analyse

Die Software-Plattform MIOvantage kann verschiedene Datenquellen zusammenführen und bietet die kontextbasierte Analyse von Datenstrukturen. Unser Konzept sieht nicht nur die Betrachtung eines einzelnen Systems vor, sondern den Aufbau eines Kontext-Raumes über mehrere Datensilos. Die Patientendaten werden dabei zunächst aus mehreren Datenquellen zusammengetragen und dann nach ihren Verbindungen neu gruppiert. Findet man in einem solchen Kontext Patientendatensätze aus zwei Systemen, die zwar über eine Patienten-ID miteinander verknüpft sind, sich aber ansonsten grundlegend voneinander unterscheiden, so handelt es sich um eine falsche Zuordnung. Da sich im selben Kontext auch der richtige Patient – nur unter einer anderen Patienten-ID – findet, ist MIOvantage durch die Cluster-Analyse in der Lage, die richtigen Datensätze zusammenzuführen.

Relevante Informationen werden bereits während des Datenladens dem jeweils passenden Kontext zugeordnet. Der schnelle Zugriff auf kontextrelevante Zusammenhänge bietet enorme Vorteile gegenüber Datenbanken, welche die Kontexte erst zur Laufzeit und dann mit entsprechend hohem prozessualen Aufwand berechnen. MIOvantage stellt durch kontinuierliches Monitoring mit Hilfe von automatisierten Reparaturen in Echtzeit für jegliche Datenquelle die Qualität Ihrer Daten sicher.

MIOvantage Software-Platform

Der Ansatz im Überblick

  • Prüfung der Datenqualität
  • Zusammentragung der Patientendaten
  • Gruppierung / Kontextualisierung nach ihren Merkmalen
  • Erstellung eines Datenmodells
  • Berücksichtigung unterschiedlicher Sprachen, Kodierungen und Formate
  • Automatisierte Korrekturen gem. dem erstellen Datenmodell
  • Regelmäßige Kontrolle der Datenqualität in Echzeit

Ihr Nutzen

  • Einfacher, schneller Start
  • Kein Limit von Daten (Datenmenge, Datentyp, Datenkomplexität, verschachtelte Datenstrukturen)
  • Mehr Patientensicherheit durch eindeutige Zuordnungen
  • Regelmäßige Zuverlässigkeitsmessung für die Dateneingabe
  • Kosteneinsparung durch Minimierung des Zuordnungsaufwandes
Webinar: »Datenchaos und Dubletten – Datenqualität in Krankenhäusern und Kliniken managen & verbessern« am 02.04.2020

Webinar-Aufzeichnung

»Datenchaos und Dubletten – Datenqualität in Krankenhäusern und Kliniken managen & verbessern«

Erfahren Sie in unserem Webinar inkl. Demo, wie Sie Ihre Datenqualität mit MIOvantage analysieren und herstellen können.


Kontaktieren Sie uns

Können Sie Handlungsbedarf in einem oder mehreren Punkten identifizieren?
Benötigen Sie Beratung oder möchten Sie mehr über diese Lösung erfahren?

ihr kontakt
Thomas Ulrich, Director Business Consulting, DextraData GmbH
Thomas Ulrich

Director Business Consulting

T +49 201 95975132
M +49 163 8777709
E thomas.ulrich[at]dextradata[dot]com

Kontaktieren Sie Uns

DextraData GmbH
Girardetstraße 4
45131 Essen
T +49 201 959750
E info@dextradata.com

Folgen Sie Uns
FacebookXingLinkedInDextraData YouTube Channel
Abonnieren Sie Uns
Zum Newsletter anmelden
Karriere DatenschutzAGBImpressumSitemap