Sponsored

Viele Daten, zu wenig Anwendung – ein Daten-Strategie-Ansatz für Gesundheitsinstitutionen

Zur sinnvollen Nutzung von Datenanalysen und künstlicher Intelligenz im Gesundheitswesen kann eine ins eigene Datenökosystem integrierte Daten-Strategie erfolgsversprechend sein.

image
«Gesundheitsdaten sind das Öl der Zukunft» lautet ein Spruch, den wir oft in Gesprächen mit diversen Gesundheitsakteuren hören. Gleichzeitig werden immer mehr Daten produziert. Ein Beispiel hierfür ist die Erfassung von PROMs-Daten im Rahmen der Bestrebungen hin zu Value-based healthcare. Unserer Erfahrung nach werden jedoch zu wenig Daten einer konkreten primären, sekundären oder tertiären Nutzung zugeführt. Das Potenzial, Daten zur Verbesserung der medizinischen und pflegerischen Betreuung von Patienten, zur verbesserten Steuerung des Gesundheitswesens und seiner Institutionen sowie zu Forschungszwecken zu nutzen, ist bei weitem nicht ausgeschöpft. Der Grund hierfür ist, dass Daten oft erfasst werden, ohne dass die konkrete Nutzung vorab geklärt ist. Es fehlen ein strukturiertes Datenökosystem sowohl auf nationaler als auch auf Institutions-Ebene und eine konkrete Umsetzungsstrategie.
Ein Datenökosystem im Gesundheitswesen
Datenanalysen beruhen auf intelligenten Methoden und Algorithmen, welche heterogene Daten zusammentragen, integrieren und in Echtzeit analysieren und auswerten (Datenanalyse: Abbildung 1)1. Damit diese jedoch effizient, zielführend und sicher angewendet werden können, muss das darum liegende Ökosystem entsprechend aufgestellt sein2. Ob das Ökosystem auf individueller, regionaler oder nationaler Ebene besteht, ist zweitrangig. Wichtig ist, dass alle für die Analyse entscheidenden Stakeholder und Erfolgsfaktoren berücksichtigt werden und ein möglichst freier und sicherer Datenaustausch zwischen den beteiligten Akteuren gewährleistet ist3. Personalisierte Medizin, neue, technische Innovationen und eine effiziente, sichere Gesundheitsversorgung versprechen ein stringentes Gesundheitsdatenökosystem3.
image
Abbildung 1: Datenökosystem im Gesundheitswesen (eigene Darstellung in Anlehnung an 1–3)

Gesundheitsdaten beziehen sich längst nicht mehr nur auf den klinischen Kontext. Alle Angaben, die auf den Gesundheitszustand und das Wohlbefinden einer Person hindeuten (z.B. CT-Scans, Umweltdaten oder auch Smart-Watch-Aufzeichnungen), sind Bestandteile des Systems2. Eine grundlegende Dateninfrastruktur, mit welcher Daten erhoben, gespeichert und geteilt werden können, ist somit zentral für ein Datenökosystem. Hierfür kann ein sogenanntes «Data-Warehouse» genutzt werden, womit Daten aus unterschiedlichen Datenquellen zusammengeführt, gesammelt und gesichert werden können4.
Durch das Schweizer Datenschutzgesetz werden Gesundheitsdaten als besonders schützenswert klassifiziert (DSG, Art. 3, c). Rechtliche Grundlagen, Sicherheitsvorkehrungen und Zugriffsrechte müssen in einem abgeschlossenen Ökosystem von Beginn an klar bestimmt, fortlaufend überprüft und eingehalten werden. Eigene Standards bezüglich Datenqualität, Infrastruktur und Datennutzung können diesbezüglich helfen. Dabei sollten jeweils technische Limitationen und ethische Fragestellungen mitberücksichtigt werden, damit das nötige Vertrauen und eine Interoperabilität geschaffen werden können5.3
Beteiligte in einem Datenökosystem einer Gesundheitsinstitution können Patienten*innen, Gesundheitsfachpersonen, Leistungserbringer*innen oder auch Datenanalyse-Fachkräfte sein. Den Datenanalyse-Fachkräften kommt eine zentrale Rolle zu, da für sie die Funktionsweise der angewandten Methoden und Algorithmen jederzeit verständlich sein muss und sie die Ergebnisse richtig einordnen können müssen6. Sie benötigen zudem die Kompetenz, das System zu unterhalten, zu betreiben und zu nutzen.3
Ein Daten-Strategie-Ansatz
Damit die vielen Vorteile von Datenanalysen und künstlicher Intelligenz in Gesundheitsinstitutionen genutzt werden können, kann die Abstimmung derer auf das eigene Datenökosystem und die Unternehmensstrategie zentral sein. Wir, Muller Healthcare Consulting, verwenden hierfür eine vierteilige Daten-Strategie-Entwicklung (Abbildung 2):
image
Abbildung 2: Daten-Strategie-Entwicklung Muller Healthcare Consulting (eigene Abbildung)

Das Fundament der Daten-Strategie-Entwicklung ist die Unternehmensstrategie. Diese gibt als Basis die strategischen Ziele vor, welche durch Datenanalysen und datengesteuerte Tools unterstützt und angegangen werden sollen. Die aus der Daten-Strategie erzielten Beiträge, dies können beispielsweise neue Tools, Erkenntnisse oder Effizienzgewinne sein, fliessen langfristig wieder in die Unternehmensstrategie mit ein.
Die Daten-Strategie-Entwicklung beginnt mit einer Zieldefinition. Basierend auf dem Strategiefeld/-ziel, welches durch Datenanalysen optimiert werden soll, wird evaluiert, welche Erkenntnisse aus den Daten gewonnen werden sollen und welche Daten hierfür gebraucht werden. Dieser Schritt wird in enger Abstimmung mit der Unternehmensleitung vollzogen. Zudem werden die Ziele nach primärer, sekundärer und tertiärer Datennutzung bestimmt. Ein konkretes Beispiel hierfür könnte das Ziel zur Patientenauslastungs-Steigerung sein. Es sollen also mehr Patienten mit der bestehenden Infrastruktur behandelt werden können. Dieses Ziel kann beispielsweise durch die Optimierung von OP-Auslastungszeiten mittels durch künstliche Intelligenz unterstützte Projektionen angegangen werden und würde in den Bereich der sekundären Datennutzung fallen.
Im zweiten Schritt geht es um die Analyse des Datenökosystems, wobei alle zentralen Ökosystem-Bestandteile (Abbildung 1) auf das anzugehende Ziel geprüft werden. Welche «Reportings» werden in welcher Frequenz an wen gemacht? Wer hat Zugang zu den betroffenen Daten? Was gibt es für Tools und Lösungen, die für das angegangene Ziel geeignet sind? Welche Daten werden wo erfasst? Wo werden anonymisierte oder pseudonymisierte Daten verwendet? Wie viel Know-How hat das Personal und wie sehen die rechtlichen Rahmenbedingungen für diese Daten aus? Zudem wird jeweils untersucht, in welcher Form die Daten vorliegen. Sind es strukturierte Daten in einer normalisierten Form oder sind sie unstrukturiert, wie beispielsweise handschriftliche Texte oder Video-Dateien. Meist bestehen hier bereits technisch hochentwickelte Systeme, welche viele Daten erheben und speichern. OP-Planungstools erfassen z.B. die Schnitt-Naht-Zeit der unterschiedlichen Chirurgen, diese Daten können zur optimierten Planung eingesetzt werden und helfen somit die Kapazitätsauslastung zu verbessern.
Basierend auf diesen Analysen wird eine Daten- und Datenfluss-Definition ausgearbeitet. Dazu wird geprüft, wie der optimale Datenfluss aussehen muss, damit die zu Beginn gesetzten Ziele erreicht werden können. Zusätzlich werden die geeignete Form und Qualität der Daten definiert. Hier empfiehlt sich die Erstellung eines «Data-Definition-Manual», welches die zu erhebenden Daten normiert. Aufgrund dieser Abwägungen wird schliesslich eine Datenarchitektur ausgearbeitet, welche die Datenflüsse und auch Zugänge aufzeigt. Bezüglich des Beispiels könnte zur besseren Auslastung eine agile OP-Planung angestrebt werden, wobei vergangenen OP-Daten (OP-Zeiten), Angaben über behandelnde Ärzte und Fachkräfte sowie Patientenangaben (Hinweise auf mögliche Komplikationen) miteinfliessen.
Abschliessend geht es um die konkrete Umsetzung. In diesem Schritt ist es wichtig, die Einhaltung der gesetzlichen Rahmenbedingungen und die Gewährleistung der Datensicherheit laufend im Auge zu behalten. Je nach Umsetzungsansatz müssen neue Tools, wie beispielsweise Softwarelösungen oder ein Data-Warehouse (DWH), beschaffen werden. Die konkrete Umsetzung, mit allen neuen Bestimmungen und Anpassungen, wird in einer «Umsetzungsroadmap» festgehalten. 
Über Muller Healthcare Consulting
Die Beratungsgesellschaft Muller Healthcare Consulting GmbH wurde 2014 von François Muller gegründet. Das Unternehmen mit Büros in der Schweiz und in Luxemburg bietet Institutionen des Gesundheitswesens Beratungsdienstleistungen an. Muller Healthcare Consulting verfügt über eine Expertise in der Optimierung klinischer und nicht-klinischer Prozesse, in der Entwicklung von innovativen Geschäftsmodellen sowie in gesundheitsökonomischen Fragestellungen. Muller Healthcare Consulting unterstützt Spitäler, Psychiatrien, Pflegeheime und andere Leistungserbringer im Gesundheitswesen, aber auch Regierungen in Strategie-, Prozess- und Organisationsfragen.
Literatur
1. Abidi SSR, Abidi SR. Intelligent health data analytics: A convergence of artificial intelligence and big data. Healthc Manag Forum. 2019;32(4):178–182. doi:10.1177/0840470419846134
2. Brauchbar M, Steiger D, Stevanovic N. « Den Wert von Daten beleben » Datenbasierte Gesundheitswirtschaft in der Schweiz. Life Sci Clust Basel – eine Initiat der Handel beider Basel. Published online 2021.
3. ERFOLGSFAKTOR Digitales Gesundheitsdatenökosystem. Interpharma. Published online 2021
4. Luber S, Litzel N. Was ist ein Data Warehouse? Published 2017
5. Buholzer R. Warum die Schweiz ein Gesundheitsdatenökosystem braucht und wie der Weg dorthin aussehen könnte. Heime & Spitäler. Published online 2021
6. Chen M, Decary M. Artificial intelligence in healthcare: An essential guide for health leaders. Healthc Manag Forum. 2020;33(1):10–18. doi:10.1177/0840470419873123
Artikel teilen

Loading

Comment

Home Delivery
2 x pro Woche. Abonnieren Sie unseren Newsletter.

oder

Mehr zum Thema

image

Gesundheitsdaten: Wem die Schweizer Bevölkerung am meisten vertraut

Geht es um die Verwendung von Gesundheitsdaten, ist das Vertrauen in die Spitäler am grössten. Am wenigsten vertraut die Schweizer Bevölkerung den Krankenkassen oder der Pharmaindustrie.

image

Cloud Computing im Spital – der Weg ist das Ziel

Gewachsene IT-Strukturen, persönliche Präferenzen und zu wenig Digitalisierungswissen: Die Digitalisierung des Spitals stellt eine wachsende Herausforderung dar. Eine Menge Potenzial für eine Komplexitätsreduktion der Prozesse liegt dabei in der Cloudifizierung der Spitalarchitektur.

image

Schulthess-Klinik-Mitarbeiter gewinnt Forschungspreis

Am diesjährigen Weltkongress der Handchirurgie hat Michael Oyewale einen Preis gewonnen. Der Application Manager ICT der Schulthess Klinik wurde in London für seine «App» geehrt.

image

Mit SHIP in die digitale Zukunft

Der offene Kommunikationsstandard SHIP automatisiert, digitalisiert und harmonisiert die administrativen Prozesse zwischen Leistungserbringern und Kostenträgern. Ein Grossteil der Krankenversicherer und Spitäler hat die digitale Lösung bereits für sich entdeckt – und es werden laufend mehr.

image

Ärzteverband und Apotheker arbeiten an gemeinsamem E-Rezept

Die beiden Verbände FMH und Pharmasuisse wollen ein elektronisches Rezept schaffen. Dieses soll sicher und für Patienten sowie für Leistungserbringer einfach anzuwenden sein.

image

Digitalisierung: Uni Zürich und St.Gallen schaffen zwei Lehrstühle

Die Universität St. Gallen und die Universität Zürich schaffen gemeinsam zwei Brückenprofessuren zur Digitalisierung in der Medizin.

Vom gleichen Autor

image

Umfassendes Knowhow für Führungskräfte des Gesundheitswesens

Wer als Führungskraft im Gesundheitswesen erfolgreich agieren will, benötigt mehr als nur theoretisches Fachwissen. Daher vermittelt wittlin stauffer, seit 1993 die führende Bildungsexpertin für Kaderpersonen des Gesundheitswesens, vielfältige Praxisinstrumente sowie persönliche Kompetenzen.

image

80 Jahre Kompetenz und Innovation in der Grund- und Weiterbildung

1941 wurde in Zürich die «Schule für Arzt- und Spitalsekretärin.» gegründet. Diese entwickelte sich zur Juventus Schule für Medizin – ein landesweit anerkanntes Kompetenzzentrum für Aus- und Weiterbildungen im Gesundheitsbereich, das Mut zur Innovation beweist.

image

Mit körpereigenen Zellen den Krebs bekämpfen

Najla M. hatte ein diffuses grosszelliges B-Zell-Lymphom mit Befall der Leber. Die CAR-T-Zell-Therapie war nach erfolgloser Chemotherapie ihre letzte Chance. Für die Behandlung wurde sie ins KSA überwiesen