Einleitung: In Zeiten des digitalen Fortschritts und wachsender Speicherkapazitäten wird es möglich, immer größere Datenmengen zu verarbeiten. Gleichzeitig besteht der Wunsch, aus diesen Daten neue Informationen im Sinne des „Information retrieval“ zu gewinnen. PaDaWaN ist ein parametrisierbares Data Warehouse Framework zur effizienten Abfrage und Auswertung homogener und heterogener Datenbestände, das 2011 an der Universität Würzburg entwickelt wurde.
Methoden: Zur Validierung des Data Warehouses in der Viszeralchirurgie wurden die automatisiert generierten Daten aus PaDaWaN mit den manuell erhobenen Registerdaten des EuraHS Registers verglichen. Eingeschlossen wurden Patienten mit der Diagnose einer inzisionalen oder primär ventralen Hernie (n=510). Hierfür wurden Informationen zu Diagnosen, Operationen und die intraoperativ verwendeten Materialien aus strukturierten und unstrukturierten Datenquellen des CIS ausgelesen. Das Maß der Übereinstimmung wurde mittels Cohens Kappa-Koeffizienten berechnet (IBM SPSS Statistics 24).
Ergebnisse: Im Rahmen der Studie konnten Diskrepanzen zwischen strukturierten Datenquellen (ICD-10 Codes, OPS Codes) und unstrukturierten Datenquallen (Arztbriefe, Operationsberichte) aufgedeckt werden. Unstimmigkeiten in der ICD-10 Klassifikation für primär ventrale und inzisionale Hernien führten zu einer deutlichen Unterschätzung der inzisionalen umbilikalen Hernien. Sehr gute Übereinstimmungen wurden in den Kategorien Netzimplantation in IPOM-Technik, Underlay- und Sublay-Position erreicht. Faktoren, die die Konkordanz der Datensätze beeinflussten, waren: Erfassung von Vordiagnosen, Voroperationen, mangelndes Erkennen von Negierungen und die Verwendung mehrerer Netze während einer Operation. Klassifikationen wie die "Dietz-Klassifikation" konnten automatisch erkannt und in ihre Bestandteile zerlegt werden.
Fazit: Durch die Etablierung von Data Warehousing als Plattform für die klinische Forschung können Daten in Zukunft schneller strukturiert und generiert werden. Durch die dynamische tägliche automatisierte Datenaktualisierung kann das klinische Personal Behandlungskonzepte und Ergebnisse schneller validieren und bewerten. Darüber hinaus können Empfehlungen für zukünftige medizinische Dokumentation gegeben werden, um die Informationsextraktion von PaDaWaN zu verbessern. Die Ergebnisse dieser Studie zeigen deutliche Diskrepanzen zwischen strukturierten und unstrukturierten Datenquellen. Vorhandene Register und Daten des CIS können zukünftig im Sinne einer internen Validierung verifiziert und damit manuelle Dokumentationsfehler nachhaltig aufgedeckt werden. / Introduction: Since technology is advancing and storage capacities are growing, it is possible to process larger amounts of data. Meanwhile, there is the desire to generate useful knowledge from this aggregated data, which is not found explicitly or cannot be identified at once in the data. PaDaWaN is a parameterizable data warehouse framework for an efficient query and evaluation of homogeneous as well as heterogeneous data sets, which was developed at the University of Würzburg in 2011.
Methods: To validate the data warehouse in visceral surgery, automatically generated data from PaDaWaN was compared with manually collected registry data from the EuraHS registry. Patients with a diagnosis of incisional or primary ventral hernia (n=510) were included. For this purpose, information on diagnoses, operations and the materials used intraoperatively were extracted from structured and unstructured data sources of the CIS. Concordance between the information obtained from the different data sources (regarding the exactly same patients) was calculated using the kappa coefficient (IBM SPSS Statistics 24).
Results: Applying these methods, discrepancies between ICD-10 codes and medical reports were found. Relying on ICD-10 codes resulted in a marked underestimation of incisional umbilical hernias due to inconsistencies in the ICD 10 classification for primary ventral and incisional hernias. Very good concordance was achieved in the categories mesh implantation in IPOM technique, underlay and sublay position. Factors that influenced the concordance of the data sets were: Recording of prediagnoses, preoperations, inability to recognize negations, and the use of multiple meshes in the same procedure. Classifications such as the “Dietz classification” could be automatically recognized and separated into their components.
Conclusion: By establishing Data Warehousing as a clinical research platform, data can be structured and generated faster in the future. The dynamic daily automated data update enables clinical staff to validate and evaluate treatment concepts and results more easily. Furthermore, recommendations for future medical reports can be given in order to improve information extraction of Data Warehousing. The results also show that depending on the intention of data collection, there is a great discrepancy between data regarding the very same patient. Existing registers and data of the CIS can be verified in the sense of an internal validation and thus manual documentation errors can be detected sustainably.
Identifer | oai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:24674 |
Date | January 2021 |
Creators | Günster, Simone Andrea |
Source Sets | University of Würzburg |
Language | deu |
Detected Language | English |
Type | doctoralthesis, doc-type:doctoralThesis |
Format | application/pdf |
Rights | https://opus.bibliothek.uni-wuerzburg.de/doku/lic_mit_pod.php, info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds