Gesundheitsdatenmanagement im InstPrävMedBw: Daten verbinden – Wissen schaffen

Hans-Jörg Rotha, Manuela Andrea Hoffmanna

a Institut für Präventivmedizin der Bundeswehr, Andernach

Als zentrale Einrichtung zur Archivierung und Analyse von Gesundheitsdaten von Soldatinnen und Soldaten verfügt das Institut für Präventivmedizin der Bundeswehr (InstPrävMedBw) über einen immensen Datenschatz: Sämtliche Gesundheitsdaten der Bundeswehr, beispielsweise aus den Sanitätsversorgungseinrichtungen, den Bundeswehrkrankenhäusern Bw(Z)Krhs, den Karrierecentern der Bundeswehr (KarrCBw) und den Einsatzgebieten, werden im InstPrävMedBw zentral gesammelt, zusammengeführt, validiert und schließlich in den Datenbanken des Instituts gemäß den gesetzlichen Verpflichtungen archiviert. Die übermittelten Daten, z. B. Truppenarztmeldungen, Krankenkarten, Einstellungs- und Entlassungsuntersuchungen, die Mitternachtsstatistik in den Bw(Z)Krhs, Überweisungen und Kostenübernahmeerklärungen, erreichen das Institut teils in elektronischer, vorwiegend jedoch in Papierform. Die Melde- und Übermittlungsprozesse sind im Prinzip seit vielen Jahren unverändert geblieben. Sich ändernde Weisungen und Formulare, organisatorische und personelle Veränderungen und nicht zuletzt die technischen Gegebenheiten haben so im Laufe der Jahre zu einer heterogenen Datenlandschaft geführt – mit „unschönen“ Eigenschaften wie beispielsweise:

  • auf einzelne Dateien über mehrere Laufwerke verteilte Daten,
  • uneinheitliche Attribute, Attributbezeichnungen und Datentypen,
  • nicht normalisierte Daten und
  • verschiedene Datenbankmanagementsysteme.

Für eine zeitgemäße und zukünftig digital zu leistende Gesundheitsberichterstattung ergeben sich hieraus erhebliche Herausforderungen. So wird beispielsweise eine systematische Auswertung der Daten für standardisierte Gesundheitsberichte, insbesondere die Erstellung von Zeitreihen, deutlich erschwert.

Eigentlich wäre eine umfassende Neumodellierung aller Datenbanken des InstPrävMedBw erforderlich. Diese wird zwar in einigen Jahren mit dem auf einem SAP-System (Datenbanklösung der Fa. SAP „Systeme, Anwendungen, Produkte“) basierenden HIMS/HERAS (Health Information Management System/Health Evaluation and Reporting Analysis System) erfolgen. Um bis zur Verfügbarkeit dieser Lösung handlungsfähig zu bleiben, hat der Erstautor den nachfolgend skizzierten, ausdrücklich als Übergangslösung gedachten Ansatz entwickelt, um mit den bestehenden Daten und Datenstrukturen effizient weiter arbeiten zu können.

In der Regel wird das Ergebnis einer Auswertung in zweidimensionaler Form dargestellt, meistens mit einer Zeitachse, die auch noch weiter unterteilt sein kann (Abbildung 1).

 

Abb. 1: Typische Form einer Auswertung

Jede Zahl ist typischerweise das Ergebnis einer Abfrage an eine (oder mehrere) Datentabellen, im obigen (fiktiven) Beispiel mit den Abfragekriterien „Jahr“, „Geschlecht“ und „ICD-Kode“ (ICD = International Statistical Classification of Diseases and Related Health Problems). Dies funktioniert gut, solange die Datenbasis „sauber“ strukturiert ist. Wie oben schon angedeutet, treffen wir in der Realität jedoch auf Datenstrukturen mit Strukturbrüchen, bei denen beispielsweise die Daten einzelner Jahre in unterschiedlichen Tabellen abgespeichert sind (inkonsistente Datenablage), das Merkmal „Jahr“ in der Datentabelle für 2020 nicht mehr mit Jahr, sondern mit Berichtsjahr bezeichnet ist (Änderung der Attributbezeichnung) und das Geschlecht nicht mehr mit ‚w‘ und ‚m‘, sondern mit 1 und 2 kodiert wird (Änderung des Datentyps).

Solche Inhomogenitäten erfordern im obigen Beispiel für jedes Jahr eine separate Auswertung bzw. Auswertefunktion f (Abbildung 2). Bei einem Blick hinter die Kulissen verbirgt sich hinter der Funktion f ein SQL-Statement (SQL = Structured Query Language, Abfragesprache für relationale Datenbanken), welches über VBA (Visual Basic for Applications = Programmiersprache für alle Microsoft-Office-Anwendungen) an die Datenbank gesendet wird, in unserem Beispiel für 2019 etwa das SQL-Statement SELECT count(ID) FROM KK_2019 WHERE Jahr = 2019 AND Geschlecht = ‘m‘ AND ICD = ‘H00‘, welches das Ergebnis „123“ an die Tabellenkalkulation zurückgibt.

Abb. 2: Strukturbrüche in der Datenbasis

Diese Vorgehensweise mag auf den ersten Blick umständlich erscheinen, da es in der Tat elegantere Möglichkeiten gibt, Daten aus Datenbanken abzurufen. Sie erweist sich aber als sehr flexibel, wenn man die erwähnten Inhomogenitäten in den Griff bekommen will. Der Erstautor hat diesbezüglich eine Meta-Datenbank (inklusive der zugehörigen Programmierung) erstellt, in der für jedes Jahr für jede Datenbank hinterlegt ist, wo sie sich befindet, wie sie heißt, wie die benötigten Tabellen heißen, wie die einzelnen Merkmale heißen und welchen Datentyp sie jeweils haben. Mit Hilfe dieser Meta-Datenbank wird nun für jeden einzelnen zu berechnenden Wert in der Tabellenkalkulation der richtige Pfad zu den Daten gefunden und ein passendes SQL-Statement generiert, welches – und das ist der entscheidende Aspekt – die Strukturbrüche mit berücksichtigt. Insbesondere Auswertungen für Zeitreihen sind nun wesentlich einfacher möglich (Abbildung 3).

Abb. 3: Auswertung anthropometrischer Daten

Der oben beschriebene Ansatz hat sich in der Gesundheitsberichterstattung des InstPrävMedBw bei Einzelanfragen (z. B. aus dem Bundesministerium der Verteidigung, dem Kommando Sanitätsdienst der Bundeswehr u. a.) bereits mehrfach bewährt. Das nächste Teilziel ist die Ausweitung auf die Standardberichterstattung und eine Vereinheitlichung bestimmter Rechenwege.

Darüber hinaus wird deutlich, dass es auch unter den gegebenen Umständen möglich und sinnvoll ist, bis zur endgültigen Einführung der Zielsysteme und -lösungen (z. B. HERAS, HIMS, SAP) bereits jetzt mit vorhandenen „Bordmitteln“ erste Schritte in neue Richtungen der Digitalisierung und Datenaggregation zu unternehmen. Diese Schritte ermöglichen nicht nur ad hoc verbesserte und erweiterte Auswerte- und Berichtsmöglichkeiten, sondern bringen darüber hinaus auch wichtige Erkenntnisse für die laufenden Digitalisierungsprozesse.

ORR Hans-Jörg Roth

Sachgebietsleiter Gesundheitsberichterstattung

Institut für Präventivmedizin der Bundeswehr

Aktienstraße 87

56626 Andernach