Sabine Eichhorn (Hagen), Franz Mitze (Hagen), Fritz Wagner (Hagen), Anne Stöckert (Hagen), André Zimmermann (Hamburg), Josef Ladenbauer (Hamburg), Erik Tadewaldt (Hamburg), Mehdi Dastur (Hamburg), Ralph Brinks (Witten), Jonas J.-H. Park (Hagen)
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.
We use cookies on our website. Cookies are small (text) files that are created and stored on your device (e.g., smartphone, notebook, tablet, PC). Some of these cookies are technically necessary to operate the website, other cookies are used to extend the functionality of the website or for marketing purposes. Apart from the technically necessary cookies, you are free to allow or not allow cookies when visiting our website.