Daten haben heute in allen Lebensbereichen eine enorme Bedeutung erlangt, das ist auch im Gesundheitssektor nicht anders. Die Gesundheitsbranche – die in der Regel sehr konservativ ist – befindet sich mitten in einer digitalen Transformation und erfährt regelmäßig neue Gesetze und Verordnungen, um Datengetriebene Entscheidungen zu fördern.
Zahlreiche digitale Lösungen werden eingesetzt, insbesondere für datengesteuerte Gesundheitspraktiken, um eine bessere Versorgung und Unterstützung zu gewährleisten. Basis hierfür ist eine Patienten-orientierte Datenbasis. In den letzten zehn Jahren haben die meisten medizinischen Organisationen ein EMR-System (“Elektronische Patientenakte”) bzw. Grundbausteine davon eingeführt und haben Zugang zu enormen klinischen und operativen Daten generiert. Durch die Nutzung dieser Daten können Gesundheitssysteme tiefere Einblicke gewinnen und Strategien für eine bessere Gesundheitsversorgung (und Wirtschaftlichkeit) entwickeln.

Datenanalysen sind enorm wichtig, da sie eine Faktenbasierte Ansicht Ihrer gesamten Gesundheitsorganisation bieten. Durch die Analyse von klinischen Daten können Patientenergebnisse verbessert werden, es können Hochrisikopatienten identifiziert werden und es können Modelle simuliert werden. Zudem können wirtschaftliche Analysen von Unternehmensdaten für eine verbesserte Ökonomie unterstützen. Soweit die Theorie. Um allerdings von gespeicherten Daten wirklich profitieren zu können, müssen Unternehmen zahlreiche Vorkehrungen treffen. Werden die richtige Daten zuverlässig gesammelt? Welche Bedeutung haben sie für unsere Entscheidungen? Wie viel Zeit und Aufwand investiere ich in Datengesteuerte Systeme?

Dieser Artikel soll Ihnen ein paar kritische Aspekte aufzeigen, die für ein datengesteuertes Klinikmanagement notwendig sind.

Was ist Big Data?

Vermutliche haben Sie den Begriff „Big Data“ schon mehrmals in Ihrem Leben gehört. Doch was ist Big Data eigentlich? 

Der Begriff „Big Data“ bezeichnet Datenbestände, die so groß, schnelllebig oder komplex sind, dass sie sich mit herkömmlichen Methoden nicht oder nur schwer verarbeiten lassen. Die Speicherung großer Datenmengen zu Analysezwecken ist nichts Neues, das Prinzip Festplatte gibt es seit den ersten Rechnern. Aber erst in den 2000er Jahren wurde der Begriff prominent, als der IT-Experte Doug Laney die heute anerkannte Definition von Big Data in einem 3-V-Modell formulierte:

  1. Volume (Masse): Organisationen sammeln Daten aus einer Vielzahl von Quellen wie geschäftlichen Transaktionen, intelligenten Geräten (IoT), Social Media oder klinischen Datensystemen. Früher wäre aufgrund der begrenzten Kapazitäten die Speicherung dieser Daten ein Problem gewesen – heute ist das jedoch viel kostengünstiger möglich.
  2. Velocity (Geschwindigkeit): Datenströme treffen in nie da gewesener Geschwindigkeit ein und müssen zeitnah verarbeitet werden, um ihren Informationswert zu erhalten.
  3. Variety (Vielfalt): Daten fallen in unterschiedlichsten Formaten und Standards an – von strukturierten, numerischen Daten aus herkömmlichen Datenbanken bis hin zu unstrukturierten Textdokumenten, E-Mails, Videos, Audioquellen, klinischen Befunden und Geräten.
Big-Data in der Medizin Beratung

Big Data im Gesundheitswesen

Gesundheitssysteme verwenden den Begriff “Big Data” sehr häufig, um sich auf große Mengen elektronischer Gesundheitsdaten als Teilbereich zu beziehen. Es besteht aus den Daten der Organisation aus elektronischen Patientenakten (EMR) und dem ERP-System (“Enterprise Resource System, z.B. SAP). 

Durch das Beobachten und Analysieren dieser Daten können wertvolle Erkenntnisse gewonnen werden, die dazu beitragen können, die Patienten besser zu versorgen, die Produktivität zu steigern und die Betriebskosten zu senken. Zudem können Patientendaten – wenn die Zustimmung der Patienten vorliegt – Forschungsprojekte wertvoll unterstützen. Um die Anforderungen an eine ausgefeilte Krankenhausverwaltungssoftware zu erfüllen, müssen medizinische Organisationen mit einem ERP-Anbieter zusammenarbeiten, da sie alleine nicht die Fähigkeiten und Weiterentwicklung garantieren können. Für ein effizientes Gesundheitssystem als Grundlage für “Big Data”, muss das ERP mehrere Datenquellen zusammenführen können und bestenfalls Auswertungsmöglichkeiten bieten.

Das gilt im Besonderen für den Gesundheitsbereich – denn egal ob Krankenversicherer, Kliniken oder Forschungsinstitutionen, es geht dabei immer um sensible Patientendaten. Doch nicht nur die Art der Daten, sondern auch die enorme Menge der erhobenen Daten, stellen besondere Herausforderungen. Durch die expandierende Nutzung von Informationssystemen in Krankenhäusern und Forschungseinrichtungen, wurde in den letzten Jahren ein überwältigendes Datenvolumen gesammelt.

Die Datenmengen innerhalb eines Gesundheitsunternehmens sind sehr groß und vielfältig. Im Folgenden sind die typischen Datentypen in einer Gesundheitseinrichtung aufgeführt:

  • Elektronische Patientenakte
  • HR-Systeme
  • Buchhaltungssysteme
  • Klinikmanagementsysteme
  • Apotheke
  • Laborsysteme (LIS)
  • Medizinische Bilder (RIS)
  • Austausch von Gesundheitsinformationen (HIE)
  • Medizinische Geräte und Ausrüstungen
  • Berechtigungsnachweissysteme
  • Bestandsverwaltungssysteme

Mit diesen Daten können auszugsweise nun die folgenden Analysen abgeleitet werden, um gut strukturierte und Faktenbasierte Strategien zu entwickeln:

  • Analyse der betrieblichen Effizienz
  • Ergebnisse der Behandlungsdaten je Fall
  • Finanzielle Leistungsanalyse
  • Klinische Analytik 
  • Gesundheitsanalysen der Population

Eine robuste und zuverlässige Krankenhausverwaltungssoftware kann all diese Daten effizient verarbeiten und Ihnen Einblicke für eine bessere Funktionsweise Ihres medizinischen Systems bieten.

Die Business-Seite verstehen

Digital-health-hospital Beratung

Nach SGB V sind Gesundheitsorganisationen verantwortlich effizient ihre Leistungen unter Berücksichtigung der Geschäftsanforderungen zu erbringen. Effizienz – also viel Output mit wenig Input – lässt sich nur erzielen, wenn Aufwand und Ergebnisse auch entsprechend gemessen werden können und werden. Deshalb muss eine Gesundheitsorganisation klar verstehen, was sie messen will und welche Ziele sie damit verfolgt. D.h. neben den klinischen Datenanalysen ist es von größter Bedeutung “Big Data” auch für die Business Ziele heranzuziehen.

Im folgenden sind einige ökonomische Geschäftsanforderungen, die im deutschen Gesundheitssystem zu erbringen sind:

  • Geschäftsbericht
  • Jahresabschluss
  • Aktueller Geschäftsausblick
  • Wichtige Geschäftsziele
  • Risiken und Einschränkungen
  • Projektabschluss Kriterien
  • Annahmen für die Zukunft
  • Neue / geänderte Geschäftsprozesse
  • Qualitätsberichte

Um die besten Ergebnisse zu erzielen, sollten Sie laufend Ihre Datenquellen, -synchronisation sowie -interpretation (Business Ziele) auf den Prüfstand stellen. Zudem ist es unabdingbar, dass Ihr Personal die notwendigen Kompetenzen dafür mitbringt, sodass Weiterentwicklungen möglich sind.

Warum ist Big Data so wichtig?

Bei Big Data geht es nicht darum, wie viele Daten Sie haben, sondern darum, was Sie daraus machen und welche Ziele Sie verfolgen. Sie können Daten aus beliebigen Quellen erfassen und analysieren und auf diese Weise Antworten finden, die es Ihnen ermöglichen, 1. Kosten zu senken, 2. Zeit zu sparen, 3. neue Produkte und optimierte Angebote zu entwickeln und 4. klügere geschäftliche Entscheidungen zu treffen. Die Gesundheitssysteme der Zukunft verlangen, dass Daten als strategischer Vermögenswert behandelt werden, der ein sicheres und intelligentes datengesteuertes Gesundheitsmanagementsystem bieten kann. Es sind neue Prozesse und Systeme erforderlich, mit denen die Daten effiziente Entscheidungen treffen können, um umsetzbare Ergebnisse zu erzielen. Denken Sie daran, dass keine Gesundheitssysteme über Nacht datengesteuert werden. Daher müssen Sie möglicherweise Ihre Ansätze überdenken und im Wesentlichen eine datengesteuerte Denkweise anwenden.

Allein die AOK, mit 24 Millionen Versicherten Deutschlands größte gesetzliche Krankenversicherung, sammelt Daten zu jährlich sechs Millionen Behandlungsfällen in 2.000 Krankenhäusern, sowie die jeweils dazugehörigen 55 Millionen Diagnosen, 18 Millionen Prozeduren und 55 Millionen Entgeltinformationen. Für die Forschung und Entwicklungsarbeit mit diesen Daten unterhält sie ein eigenes wissenschaftliches Institut, das WIdO. Dort wird beispielsweise erforscht, wie viele Versicherte ein erhöhtes Risiko tragen, in naher Zukunft ins Krankenhaus zu müssen. Oder wie viele Praxiskontakte ein chronisch Kranker im Vergleich zu einem Gesunden hat. Und ob zu viele Antibiotika fälschlich verschrieben werden. Um Antworten auf diese Fragen zu finden, braucht es sowohl statistisch ausreichendes und aussagekräftiges Datenmaterial als auch moderne Analysetechnologien und Data Warehouse-Lösungen, die die große Datenmengen aus unterschiedlichen Quellen schneller und sicherer verarbeiten.

Abonnieren Sie unseren Newsletter

Bleiben Sie immer auf dem neuesten Stand mit unserem Newsletter.

Vielen Dank für Ihre Nachricht.
Leider ist ein Fehler beim Sendevorgang aufgetreten. Bitte probieren Sie es später erneut.

Ich stimme zu, Benachrichtigungen von 8Health-Management zu erhalten.

Datenschutzerklärung.