• Freier Vortrag

Validierung der Repräsentativität eines multizentrisch verteilten Datennetzwerkes für zukünftige epidemiologische Sekundärdatenanalysen

Appointment

Date:
Time:
Talk time:
Discussion time:
Location / Stream:
Arrival

Topics

  • Digitalisierung / Künstliche Intelligenz / eHealth / Telemedizin / Personalisierte Medizin
    • Sonstiges

Abstract

Einleitung:

Die fortschreitende Digitalisierung der Medizin, gesteigerte Rechenleistungen und kostengünstige Speicherkapazitäten ermöglichen die Nutzung KI-basierter Algorithmen für die epidemiologische Big Data-Analyse elektronischer Patientenakten. Ziel dieser Studie war es, die Repräsentativität eines über viele Krankenhäuser verteilten Datennetzwerks zu bewerten, dessen Infrastruktur auch maschinelles Lernen ermöglicht. Dies erfolgte durch den Vergleich von Basisdaten des ML-Datennetzes mit den öffentlich zugänglichen Daten des Statistischen Bundesamtes (DESTATIS), um die wissenschaftliche Validität für zukünftige epidemiologische Analysen zu prüfen.

Methoden:

In einer retrospektiven epidemiologischen Sekundäranalyse wurden 8.106.105 Datensätze des ML-Netzwerks sowie die DESTATIS-Daten in Bezug auf Alter, Geschlecht, Krankenhausverweildauer, ICD-10- und OPS-Codes untersucht. Zusätzlich wurden ICD-10-Codes des Substanzmissbrauchs sowie die regionale Verteilung zur Überprüfung sozioökonomischer Einflussfaktoren verglichen.

Ergebnisse:

Die Variablen Alter, Geschlecht und Verweildauer sowie die häufigsten allgemeinen ICD-10- und OPS-Codes und HNO-spezifischen OPS-Codes zeigten eine hohe Übereinstimmung innerhalb der festgelegten Toleranz. Bei den HNO-spezifischen ICD-10-Codes wiesen 2 von 11 der häufigsten Codes eine Abweichung von maximal 3,71 % auf. Die Analyse sozioökonomischer Einflussgrößen und der regionalen Verteilung ergab keine signifikanten Abweichungen.

Diskussion:

Die hohe Übereinstimmung der untersuchten Variablen spricht für die Repräsentativität des ML-Datensatzes im Vergleich zu den DESTATIS-Daten. Damit wird der Weg für zukünftige epidemiologische Untersuchungen auf Basis von Big Data eröffnet, die bisher in der Forschung nicht verfügbar waren

Nein.

Mit der Nutzung des Datennetzwerkes verfolgt die Fa. Tiplu keine ökonomischen Interessen. Es erfolgten keine finanziellen Transferleistungen.