84 I Uniklinikum Erlangen Datenanalytik wird für die Verbesserung der Versorgungsqualität und die Erschließung von Wirtschaftlichkeitsreserven im Gesundheitssystem immer wichtiger. Die fortschreitende Digitalisierung im Gesundheitswesen schafft hierfür jetzt und in Zukunft zunehmende Potentiale in der Verfügbarkeit und Nutzung von Gesundheitsdaten. Routine- und Versorgungsdaten der gesetzlichen Krankenkassen stellen sich in diesem Kontext als besonders attraktiv dar. In keinem anderen verfügbaren Datensatz im deutschen Gesundheitswesen lässt sich das reale Versorgungsgeschehen umfänglicher, d. h. über alle Sektoren hinweg, darstellen. Durch die systematische Auswertung dieser versorgungsnahen Real-World-Daten mit modernen Analyse- und Data-Mining-Werkzeugen lassen sich die Aspekte Über-, Unter- und Fehlversorgung untersuchen sowie Leistungen mit Qualitätsaspekten verbinden. Die Qualität und die Wirtschaftlichkeit der Versorgungspraxis lassen sich faktenbasiert darstellen, neue Versorgungswege können bedarfsgerecht geplant sowie die Ergebnisqualität und die Kosten verschiedener Therapieansätze verglichen werden. Die Nutzung von GKV-Routinedaten ermöglicht ein Abbild der stattfindenden Versorgung im Zeitverlauf. Insbesondere der viel längere Zeithorizont im Vergleich zu konventioneller klinischer Forschung ist hierbei ein zentraler Vorteil. In Analysen kann die tatsächliche Nutzung des Gesundheitssystems, z. B. das tatsächliche Verordnungsverhalten von Ärztinnen und Ärzte untersucht werden und in Relation zu gesundheitsbezogenen Outcomes (z. B. Hospitalisierung) sowie Kosten gesetzt werden. Dies ermöglicht Therapievergleiche (Kosten-Nutzwert-Betrachtungen, Therapieadhärenz im realen Versorgungsgeschehen) oder die Prüfung leitliniengerechter Behandlung. Vor dem Hintergrund knapper werdender finanzieller, vor allem aber auch menschlicher Ressourcen (demografische Entwicklung und Fachkräftemangel) gewinnt eine Effizienz- und Qualitätsorientierung im Sinne einer nachhaltigen Gesundheitsversorgung zunehmend an Bedeutung. Eine Mengenorientierung – wie sie derzeit häufig im Fokus steht – darf dabei nicht länger die maßgebende Maxime sein. Die Auswahl und Vergütung von Therapien und auch Leistungserbringenden müssen qualitätsorientiert und maßvoll erfolgen. Dieses Interesse liegt dabei nicht nur bei den Krankenkassen, sondern auch bei einer Reihe von Leistungserbringende mit hohem Qualitätsanspruch. Die transparente und datengestützte Verfügbarkeit von Informationen ermöglicht somit eine neue Form der qualitätsorientierten Zusammenarbeit zwischen Krankenkasse und Leistungserbringenden mit dem Fokus auf den Patientinnen- und Patientennutzen. Unter dieser Prämisse ist eine erfolgreiche Kooperation zwischen dem Allgemeinmedizinischen Institut des Uniklinikums Erlangen von Prof. Dr. Kühlein und unseres GWQ Health Data Labs entstanden. Ziel der Kooperation ist die Nutzung von Synergien durch die Expertise beider Partner. Gemeinsam werden in interdisziplinärer Zusammensetzung aus Medizinerinnen und Medizinern sowie Datenanalystinnen und -analysten Versorgungsfragestellungen erarbeitet, Analysedesigns erstellt, Analysen durchgeführt, Ergebnisse diskutiert und zielgruppengerecht publiziert. In der Analyse von GKV-Routinedaten ist diese interdisziplinäre Herangehensweise essenziell, um die Versorgungsrealität aus Abrechnungsdaten bestmöglich abzuleiten und die Ergebnisse aus medizinischer Sicht zu plausibilisieren. Gleichzeitig wird so ein direkter Transfer der Ergebnisse in die Wissenschaft, in die Praxis und zu den Versicherten ermöglicht. Es erfolgen regelmäßig gemeinsame Workshops zur Erarbeitung von Fragestellungen und zur Diskussion der Ergebnisse. Die Ergebnisse werden gemeinsam publiziert und auf Fachtagungen präsentiert. Inhaltlich stehen die Themen Fehl- und Überversorgung sowie die primärärztliche Versorgung im Fokus. Die Schwerpunkte liegen dabei auf der Analyse der Behandlung von z. B. kardiovaskulären Erkrankungen (Therapievergleiche, leitliniengerechte Behandlung etc. in den Indikationen Herzinsuffizienz, KHK, Diabetes Mellitus u. a.) oder auf Über-, Unter- und Fehlversorgung erkennen – Gesundheitsdaten gemeinsam für eine ressourcenschonende Versorgung einsetzen
RkJQdWJsaXNoZXIy ODIyMTAw