Skip to main content
Erschienen in: Zeitschrift für Allgemeinmedizin 2/2023

Open Access 30.01.2023 | Wissenschaftliche Methoden

Analyse von Routinedaten in der Gesundheitsforschung: Validität, Generalisierbarkeit und Herausforderungen

verfasst von: Prof. Dr. Anna Slagman, Falk Hoffmann, Dirk Horenkamp-Sonntag, Enno Swart, Verena Vogt, Wolfram J. Herrmann

Erschienen in: Zeitschrift für Allgemeinmedizin | Ausgabe 2/2023

Zusammenfassung

Hintergrund

Routinedaten aus der Abrechnung von Gesundheitsleistungen und der Dokumentation der Gesundheitsversorgung gewinnen zunehmend an Bedeutung für wissenschaftliche Analysen – auch in der Allgemeinmedizin. Dies spiegelt sich auch in einer steigenden Zahl an Publikationen, denen eine Routinedatenanalyse zugrunde liegt, wider. Eine kritische Reflektion der Stärken und Schwächen von Routinedatenanalysen in der Gesundheitsforschung ist essenziell.

Ziel der Arbeit

Dieser Artikel soll die Leser*innen befähigen, eine kritische Einordnung von auf Routinedaten beruhenden Studien systematisch und kriteriengestützt vorzunehmen

Material und Methoden

Nutzung vorhandener Leitlinien, selektiver Literaturrecherche und Expertise der Autor*innen.

Ergebnisse

Routinedaten („Sekundärdaten“) sind im Vergleich zu Daten aus klassischen prospektiven Interventions- und Beobachtungsstudien mit Primärdatenerhebung kostengünstiger und vergleichsweise schneller verfügbar sowie in der Regel mit einem geringeren Selektionsbias behaftet und damit eher geeignet, die tatsächliche Versorgungsrealität abzubilden. Ein weiterer Vorteil zeigt sich in hohen Fallzahlen und damit der Möglichkeit der Analyse von Subgruppen, auch mit seltenen Merkmalen, die in Studien mit Primärdatenerhebung häufig nicht in ausreichender Fallzahl verfügbar sind. Dem gegenüber stehen Limitation auf Grund der Qualität und Validität der Daten, die die Aussagekraft von Routinedatenanalysen gegebenenfalls einschränken und durch geeignete Methoden, wie interne und externe Validierung, adressiert werden können.

Diskussion

Die Routinedatenanalyse ist eine wichtige Methode der Gesundheitsforschung, insbesondere um die Versorgungsrealität, auch für Subgruppen mit seltenen Merkmalen, abbilden zu können. Eine transparente Berichterstattung, insbesondere der generellen und projektspezifischen Limitationen, ist für die Interpretation der Analyseergebnisse notwendig
Hinweise
QR-Code scannen & Beitrag online lesen
Routinedaten aus der Abrechnung von Gesundheitsleistungen und der Dokumentation der Gesundheitsversorgung sind zunehmend wichtige Datenquellen für Studien in der Versorgungsforschung – auch in der Allgemeinmedizin. Dabei haben Studien mit diesen Daten besondere Vor- und Nachteile. In diesem Beitrag stellen wir die Vor- und Nachteile der Nutzung von Routinedaten in Studien vor. Der Artikel soll die Leser*innen befähigen, eine kritische Einordnung von auf Routinedaten beruhenden Studien systematisch und kriteriengestützt vorzunehmen.

Hintergrund

Die Nutzung von sog. Sekundärdaten, die ursprünglich nicht für Forschungszwecke vorgesehen waren, gewinnt in der Gesundheitsforschung zunehmend an Bedeutung, was sich auch in einer zunehmenden Zahl an Publikationen, nicht zuletzt auch aus der Allgemeinmedizin, ablesen lässt [2, 6, 10, 11, 24, 25]. Daher ist es für die Leser*innen wissenschaftlicher Publikationen wichtig, Artikel, die auf der Analyse von Sekundär- bzw. Routinedaten beruhen, einordnen und kritisch bewerten zu können. Dieser Beitrag soll die Leser*innen befähigen, diese kritische Einordnung systematisch und kriteriengestützt vorzunehmen [27]. Dafür werden wir zuerst definieren, was Routinedatenanalyse bzw. Sekundärdatenanalyse ist und übliche Datenquellen nennen. Nach einem Verweis auf die wichtigsten Leitlinien in diesem Feld werden wir die Potenziale und Limitationen von Routinedatenanalysen darstellen und typische Aspekte, auf die Leser*innen achten sollten, herausarbeiten. Wir konzentrieren uns dabei auf nicht-interventionelle Studien, zeigen aber im Ausblick dann die Bedeutung von Routinedatenanalysen in der Interventionsforschung auf.

Definitionen

In der Gesundheitsversorgung fallen bei der Dokumentation und Abrechnung zahlreiche Daten an. Für die Nutzung dieser Daten in der wissenschaftlichen Forschung sind unterschiedliche Begriffe gebräuchlich, so betont der Begriff Routinedaten die Art und Entstehung der Daten, während der Begriff Sekundärdaten die Nutzung der Daten jenseits des originären Ergebungszwecks betont. Die wissenschaftliche Nutzung von Daten, die primär nicht zu Forschungszwecken erhoben und dokumentiert wurden (Sekundärdaten), wird dabei von Primärdaten abgegrenzt, die im Rahmen wissenschaftlicher Forschung explizit für die Beantwortung wissenschaftlicher Fragestellungen erhoben, aufbereitet und analysiert werden. Eine dritte häufige und eher inhaltlich geprägte Begrifflichkeit sind versorgungsnahe Daten, um zu betonen, dass die Daten aus dem Kontext der unmittelbaren Gesundheitsversorgung stammen.

Datenquellen für Sekundärdatenanalysen in der Gesundheitsforschung

Die möglichen Quellen für Sekundärdaten sind vielfältig und stetigen Erweiterungen und Veränderungen unterzogen. Sehr häufig werden Abrechnungsdaten der Gesundheitsversorgung genutzt, diese können von Krankenkassen bzw. anderen Sozialversicherungsträgern, jedoch auch von kassenärztlichen Vereinigungen oder von den Leistungserbringern direkt verfügbar gemacht werden. Neben Abrechnungsdaten sind die Daten zur Gesundheitsversorgung des Forschungsdatenzentrums (z. B. Krankenhausstatistik) zu nennen [7], aber auch Behandlungsdaten stellen eine wichtige Form von Routinedaten dar. Dazu gehören beispielsweise im niedergelassenen Bereich Daten aus Arztinformationssystemen und im stationären Sektor solche, die unmittelbar in der Krankenversorgung entstehen, wie klinische Behandlungsdaten, Diagnosen oder Labordaten. Aufgrund der zunehmenden Digitalisierung der Gesundheitsversorgung ergeben sich auch neue Quellen für Sekundärdatenanalysen, beispielsweise Daten aus der Telemedizin, dem Telemonitoring, Gesundheitsapplikationen und digitalen Gesundheitsanwendungen. Teilweise werden diese Datenquellen auch miteinander oder mit zu wissenschaftlichen Zwecken erhobenen Primärdaten verknüpft (Daten-Linkage; [12, 13]).

Leitlinien zur Durchführung und Berichterstattung von Sekundärdatenanalysen

Für die Routine‑/Sekundärdatendatenanalyse auf der Basis etablierter Standards fortgeschriebene Leitlinien bieten eine Orientierung für Forscher*innen zur Planung und Durchführung von Sekundärdatenanalysen („Gute Praxis Sekundärdatenanalyse – GPS“, basierend auf der Leitlinie zur „Guten Epidemiologischen Praxis – GEP“; [26]). Andererseits bieten sie Autor*innen und Leser*innen Hinweise zur Berichterstattung und kritischen Bewertung von Sekundärdatenanalysen („standardisierte Berichtsroutine für Sekundärdatenanalysen“, STROSA; Tab. 1; [27]; bzw. international die „RECORD“-Leitlinie [1]). Wir greifen verschiedene für kritische Leser*innen wichtige Aspekte dieser Leitlinien im Folgenden auf.
Zur Beurteilung von Publikationen, die auf der Analyse von Routinedaten beruhen, eignen sich die grundlegenden Leitfragen, adaptiert nach Donner-Banzhoff (2007) [3]. Um Studiendesign, Datenbasis und Plausibilität entsprechend dieser Leitfragen zu beurteilen, bietet sich das STROSA-Statement an, das in Bezug auf methodische Aspekte der Sekundärdatenanalyse stärker ins Detail geht [3]. Dabei sollte ein besonderes Augenmerk auf die in Tab. 1 fett gedruckten Punkte gelegt werden, an denen die für Sekundärdaten geltenden Spezifika abgelesen werden können. Aus der Publikation müssen die Datenherkunft, der Prozess der Datenaufbereitung und -prüfung, die Ein- und Ausschlusskriterien sowie die Operationalisierung untersuchter Entitäten und die Analyseeinheit hervorgehen. In der späteren Diskussion der Ergebnisse sollten Potenziale und Limitationen der Routinedaten und konkret die interne Validität des Studienansatzes explizit thematisiert werden.
Tab. 1
Berichterstattung von Sekundärdatenanalysena
Itemb
Erläuterung
Titel und Abstrakt
Titel und Abstrakt
Hinweis auf das Studiendesign, Studienpopulation, Sekundärdatenanalyse
Schlagworte
Sekundärdatenanalyse als Schlagwort
Einleitung
Hintergrund und Rationale
Kontext, Rationale und Zugang über Sekundärdaten
Zielsetzung
Klar formulierte Fragestellung und Zielsetzung
Methoden
Studiendesign
Eindeutige Identifizierung von Sekundärdatenanalyse und Studiendesign (z. B. Querschnitts‑, Kohorten‑, Fall-Kontroll-Studie)
Ggf. Studienplan vorab publiziert/registriert
Datenquelle
Umfassende Beschreibung der Datenquelle: Inhalte, Entstehung, ursprünglicher Verwendungszeck, Dateneigener, Bezugspopulation, Zeitraum, Klassifikationssysteme
Rechtsgrundlage
Rechtsgrundlage für die Datenverarbeitung und -analyse
Datenschutz
Schutz der personellen und institutionellen Daten
Datenfluss
Beschreibung des Datenflusses enthalten Angaben zu Datenbereitstellung, -aufbereitung, -verknüpfung und -analyse
Auswahlkriterien
Ein- und Ausschlusskriterien für die Studienpopulation
Hat innerhalb der Datengrundlage eine Vollerhebung stattgefunden oder wird beschrieben, wie eine systematische oder zufällige Stichprobe gezogen wurde oder eine Randomisierung erfolgt ist?
Analyseeinheit
Analyse auf Fall- oder Personenebene?
Darstellung von Aggregationsniveau, Falldefinition und ggf. Gruppenbildung
Variablen
Operationalisierung von Ziel- und Störgrößen, Expositionen, Prädiktoren und Effektmodifikatoren
Angaben zu Variablenaufbereitung und -modifikation (z.B. Kategorienbildung, Umgang mit numerischen Variablen)
Beschreibung von Maßnahmen zur internen Validierung und Plausibilisierung
Studiengröße
Angabe zur Ermittlung der Studiengröße und ggf. Power
Statistische Methoden
Beschreibung statistischer Methoden und insbesondere Umgang mit fehlenden/unplausiblen Daten
Ergebnisse
Selektion der Studienpopulation
Selektion der Ursprungs- und der Studienpopulation z. B. als Flussdiagramm
Ergebnisse
Angaben zur Deskription der Studienpopulation (auch Aggregationsniveau: Fall‑/Personenbezug), rohe und standardisierte/adjustierte Effektmaße und Informationen zu Subgruppen und Sensitivitätsanalysen
Diskussion
Hauptergebnisse
Zusammenfassung von Hauptergebnissen in Bezug auf die Studienziele
Interne Validität und Risiko von Verzerrungen
Diskussion des Risikos von Verzerrungen (z. B. Selektionsbias, Informationsbias, Confounding) und Maßnahmen, um diese Verzerrungen zu prüfen und in Ausmaß und Richtung zu bestimmen
Stärken und Schwächen
Darstellung genereller Stärken und Schwächen
Angaben zu Validität der Sekundärdaten und Eignung zur Beantwortung der Fragestellung
Fehlende Informationen
Interpretation
Interpretation mit Bezug zur Datengrundlage und vorhandener Evidenz
Übertragbarkeit
Darstellung der externen Validität der Studienergebnisse
Schlussfolgerungen
Fazit
Inhaltliches und methodisches Fazit
Interessenkonflikte
Finanzierung
Angaben zu Finanzierung und Rolle der Geldgeber
Rolle der Dateneigner
Rolle der Dateneigner bei Planung, Durchführung, Analyse und Interpretation der Studie
Sonstige Interessenskonflikte
Angabe weiterer Interessenskonflikte
a Für die Berichterstattung von Sekundärdatenanalysen wurde die „standardisierte Berichtsroutine für Sekundärdatenanalysen“ (STROSA) basierend auf der STROBE-Leitlinie entwickelt. Spezifische Ergänzungen zu STROBE wurden fett und kursiv markiert
b Items, auf die Autor*innen und Leser*innen von Sekundärdatenanalysen in Publikationen von Sekundärdatenanalysen achten sollten

Vor- und Nachteile von Sekundärdatenanalysen

Generelle Aspekte

Ein wichtiger Vorteil von Routinedaten ist, dass diese üblicherweise in hohen Fallzahlen und longitudinal also längsschnittlich vorliegen. Daher eignen sich Sekundärdatenanalysen besonders zur Analyse von Trends [21, 23], für regionale Vergleiche [30] oder zur Analyse von Minderheiten und kleinen Subpopulationen [22] bzw. seltenen Erkrankungen sowie für deskriptive Darstellungen der Versorgungsrealität und können in der Vorbereitung von prospektiven Primärdatenerhebungen hypothesengenerierend und für Fallzahlschätzungen herangezogen werden [5, 14, 15, 19, 20]. Ergänzend finden Routinedaten zunehmend Einsatz in Evaluationen neuer Versorgungsformen bzw. -interventionen sowie gesundheitsökonomischen Analysen [9].
Sekundärdatenanalysen sind hinsichtlich Kosten und zeitlichem Aufwand ressourcenschonender als prospektive Primärdatenerhebungen, da die Daten bereits vorliegen und nach der, teils mit erheblichem Aufwand verbundenen, Datenaufbereitung unmittelbar für die statistische Auswertung genutzt werden können.
Generelle Limitationen sind insbesondere in der Datenqualität zu sehen. In Studien mit Primärdatenerhebung werden die für die Beantwortung der Fragestellung erforderlichen Informationen prospektiv und spezifisch für Studienzwecke erhoben. Eine Herausforderung bei der Analyse von Routinedaten ist somit die Operationalisierung und Validierung aller für die Beantwortung der Fragestellung notwendigen Informationen, die teilweise in den Daten fehlen, nicht ideal operationalisiert vorliegen oder lediglich als Surrogatparameter verfügbar sind. Je nach Datenquelle variiert weiterhin der Anteil fehlender oder auch unplausibler Werte, die vor Beginn einer Sekundärdatenanalyse identifiziert und berücksichtigt werden müssen. Auch müssen mögliche Einflüsse auf die Datendokumentation kritisch hinterfragt werden. So ist im Bereich der klinischen Dokumentation im Vergleich zu Abrechnungsdaten neben der oft schlechten Datenqualität auch die häufig fehlende Standardisierung in der Dokumentation zu beachten. Ein wichtiger Punkt bei Abrechnungsdaten hingegen ist, dass diese zu Abrechnungszwecken erstellt wurden und es daher zu systematischen Einflüssen aus Fehlanreizen kommen könnte, beispielsweise welche Diagnosen kodiert werden, um den besten Abrechnungseffekt („upcoding“) zu erreichen [17]. Darüber hinaus werden vorrangig abrechnungsrelevante Aspekte kodiert; so spielt in der Praxis der hausärztlichen Versorgung die Genauigkeit von ICD-Codierungen aufgrund fehlender Codiervorschriften beispielsweise eine untergeordnete Rolle (z. B. ICD-Code XX.9). Mitunter leidet die Abbildbarkeit einzelner Leistungen an der Abrechnung über Pauschalen, z. B. in der vertragsärztlichen Versorgung. So führt die Abrechnung über Versichertenpauschalen pro Quartal dazu, dass die Häufigkeit der Konsultationen nicht genau bestimmt werden kann.

Selektionsbias und Generalisierbarkeit

Im Vergleich zu prospektiven Primärdatenerhebungen ist der Selektionsbias bei Routinedaten generell als niedriger zu bewerten, da häufig kein individueller Einwilligungsprozess erforderlich ist. Limitationen ergeben sich hier jedoch aus der Wahl der Datenquelle. So werden in Forschungsprojekten häufig die Daten einer oder einiger großer Krankenkassen oder Einrichtungen verfügbar gemacht und analysiert. Daraus ergibt sich gegenüber der Gesamtbevölkerung in Deutschland, mit einer besonders heterogenen Struktur und Vielfalt an Versicherungen und Einrichtungen, ein Selektionsbias, der sich nicht immer in Richtung und Ausmaß abschätzen lässt. So haben AOK-Versicherte im Vergleich zur Gesamtbevölkerung einen niedrigeren sozioökonomischen Status und einen höheren Anteil von Menschen mit Migrationshintergrund [8]. Durch einen solchen Selektionsbias ist es beispielsweise erklärbar, dass die Prävalenz von Herzinsuffizienz in der AOK-Versichertenpopulation im Jahr 2007 einen Prozentpunkt höher war als in der Allgemeinbevölkerung.
Aus diesen Gründen sollten die Ergebnisse nicht unkritisch als generalisierbar oder die Versorgungsrealität im Allgemeinen abbildend interpretiert, sondern stets kritisch vor dem Hintergrund der Selektion interpretiert und reflektiert werden. Bei der Bewertung von Publikationen von Sekundärdatenanalyse ist deshalb besonders auf die Beschreibung der Datenquelle zu achten und wie der Einfluss der Datenselektion auf die Ergebnisinterpretation von den Autor*innen diskutiert wird. Die Datenquelle sollte der Fragestellung angemessen und die Repräsentativität bzw. Einschränkungen in der Generalisierbarkeit transparent dargestellt werden.

Validität und Plausibilität von Sekundärdaten und Sekundärdatenanalysen

Die Validität von Sekundärdaten und darauf basierenden Analysen ist immer vor dem Hintergrund der jeweiligen Fragestellung und der dafür erforderlichen Informationen zu bewerten.
Mögliche Einflüsse auf die Validität von Sekundärdaten, wie der Einfluss von Fehlanreizen auf Abrechnungsdaten, wurden bereits angesprochen. Da die Daten nicht primär für wissenschaftliche Zwecke erhoben wurden, kommt deren Validität eine große Bedeutung zu. Dies muss bereits in der Planung einer Sekundärdatenanalyse mitgedacht und die Möglichkeit einer internen (oder externen) Validierung geprüft werden.
Eine interne Validierung von Diagnosen in Abrechnungsdaten könnte z. B. bedeuten zu prüfen, ob eine chronische Diagnose in mehreren Quartalen hintereinander codiert wurde, ob entsprechende, mit der Diagnose assoziierte Leistungen abgerechnet wurden und ob die Arzneimittelverordnungsdaten Verordnungen von in Umfang und Dosis der Person und einer leitliniengerechten Medikation entsprechenden Mengen enthalten [18]. Idealerweise würde zusätzlich eine externe Validierung auf individueller Fall- oder Personenebene durch Hinzuziehen weiterer Datenquellen, wie beispielsweise eines Registers oder von Krankenakten, durchgeführt.
Weiterhin ist im Rahmen von Qualitätssicherungsmaßnahmen z. B. ein Abgleich mit anderen Datenquellen, Expertenmeinung und bereits veröffentlichen Berichten möglich. So verglichen beispielhaft Ulrich u. a. ihre Ergebnisse zur Langzeitversorgung nach Herzinfarkt ausführlich mit bereits publizierten Daten [29]. Weiterhin sollten soziodemografische und sozioökonomische Merkmale der Studienpopulation nach Möglichkeit mit der Zielpopulation verglichen werden [4]. In einer Publikation von Sekundärdatenanalysen sollten die verwendeten Variablen sowie deren Auswahl, Operationalisierung und Methoden der Validierung und Plausibilisierung entsprechend berichtet werden.

Weitere spezifische Herausforderungen

Wie bereits unter dem Aspekt der Validität und Plausibilität beschrieben sind in die vorbereitenden theoretischen Überlegungen bei der Studienplanung auch andere Einflüsse auf zu untersuchende Zusammenhänge, wie Confounding oder Effektmodifikation, zu berücksichtigen. Daten, die zur Kontrolle dieser möglichen Störgrößen geeignet sind, sollten mitbetrachtet und die entsprechenden erwarteten Zusammenhänge sowie deren Kontrolle im Rahmen von statistischen Verfahren transparent dargestellt werden.
Im Gegensatz zu Studien mit Primärdatenerhebung ist eine Herausforderung dabei, dass Störgrößen häufig nicht prospektiv mit erhoben werden können und diese möglicherweise nicht oder lediglich durch Surrogatparameter kontrolliert werden können. Bei der Bewertung von Bias, Confounding und Effektmodifikation sollten Autor*innen und Leser*innen von Publikationen also hinterfragen, ob alle Einflüsse angemessen kontrolliert werden konnten oder die im Datensatz vorhandene Information (Variablen) unzureichend war und sich hieraus Limitationen hinsichtlich der Ergebnissee ergeben.
Ein weiterer wichtiger Aspekt ist, dass der zeitliche Bezug in Sekundärdatenquellen zwar häufig tagesgenau abgebildet ist, teilweise aber zeitliche Ungenauigkeiten durch das Abrechnungsprozedere entstehen (z. B. durch quartalsweise Abrechnung ambulanter Diagnosen) und Versorgungsverläufe damit teilweise nur grob abgebildet werden können. Dabei sollte auch je nach Datenquelle berücksichtigt werden, ob wirklich die gesamte Versorgung in den Daten abgebildet werden kann oder bestimmte Daten systematisch fehlen: Klinikinterne Daten enthalten beispielsweise nur die Daten des jeweiligen Krankenhausstandorts und überwiegend stationäre Falldaten, wohingegen in Daten der kassenärztlichen Vereinigungen stationäre Daten vollständig fehlen. Daten zur Rehabilitation bei erwerbsfähigen Personen sind in der Regel wiederum nicht bei Krankenkassen gespeichert, sondern bei den Rentenversicherungsträgern und umgekehrt.
Ein wichtiger Aspekt ist, die Analyseeinheit zu beachten, die in der Regel Personen oder Fälle darstellt. Eine Person kann sowohl in klinischen als auch in Abrechnungsdaten zu mehreren sog. Fällen führen, z. B. bei einer wiederholten Inanspruchnahme. Andersherum können zu Abrechnungszwecken jedoch auch mehrere Fälle zu einem Abrechnungsfall zusammengeführt werden. Es sollte daher immer klar dargestellt sein, ob es sich um Daten auf Personenebene oder auf Fallebene handelt und wie Mehrfachinanspruchnahmen in der Analyse gehandhabt wurden. In GKV-Abrechnungsdaten ist diese Differenzierung zwischen Fall- und Versichertenebene – und damit entsprechend differenzierte Analysen – durch Nutzung (pseudonymisierter) Versicherten- und Fallnummern eindeutig möglich. In anonymisierten Registerdaten ist das in der Regel nicht mehr möglich und Daten werden häufig auf Fallebene analysiert. Eine Risikopopulation kann jedoch in den meisten Datenquellen über Personen identifiziert und quantifiziert werden und damit können epidemiologische Maßzahlen, wie Inzidenz und Prävalenz, innerhalb der zugrunde liegenden Population oder andernfalls auch auf Fallebene bestimmt werden.
Während Drop-out und „loss to follow-up“ (Personen, die aktiv aus einer Studie ausschieden oder nicht mehr erreichbar sind) bei Primärdaten häufiger sind, kann es auch bei Routinedaten zu einer lückenhaften Datengrundlage über den zeitlichen Verlauf kommen. Gründe dafür sind beispielsweise Versicherungswechsel oder bei arztbasierten Daten ein Wechsel des Hausarztes. Insgesamt ist dieses „passive“ Follow-up in Sekundärdaten jedoch oftmals weniger selektiv als in Studien auf Basis von Primärdaten, weshalb z. B. in der NAKO-Gesundheitsstudie die Nachbeobachtung mit Sekundärdaten bezüglich relevanter epidemiologischer Endpunkte mit zunehmender Dauer der Studie an Bedeutung gewinnt [16].

Ausblick

Insgesamt eröffnen sich für die allgemeinmedizinische Forschung durch die Nutzung von Sekundärdaten neue Einblicke in das alltägliche Versorgungsgeschehen, die bis vor einigen Jahren nicht oder nur mit großem Aufwand möglich gewesen wären. Wir gehen davon aus, dass Routinedatenanalysen zukünftig, u. a. durch eine bessere Verfügbarkeit der Daten in dem neu etablierten Forschungsdatenzentrum Gesundheit [28] oder auch in der Evaluation von Interventionseffekten in randomisiert kontrollierten Studien [9], zum Beispiel in der Erfassung von Kosten und Endpunkten im Rahmen des Follow-ups, weiterhin an Bedeutung gewinnen.
Leser*innen von wissenschaftlichen Artikeln, die auf der Analyse von Routinedaten basieren, sollten daher darauf achten, ob diese angesprochenen Punkte adressiert wurden. Handelt es sich um eine relevante Fragestellung? Wurde begründet, warum eine Sekundärdatenanalyse statt einer Primärdatenerhebung gewählt wurde? Wurde die Auswahl, Selektion und Aufbereitung sowie die Operationalisierung der Variablen der verwendeten Routinedaten dargestellt und diskutiert? Wurden die Ergebnisse validiert und Verzerrungsrisiken diskutiert? Wurden die Einschränkungen der Aussagekraft und Generalisierbarkeit der Sekundärdatenanalyse kritisch betrachtet? Wenn diese Punkte kritisch und transparent dargestellt wurden, können Artikel mit Sekundärdatenanalysen tiefe Einblicke in die Versorgungsrealität bieten und damit wichtige Erkenntnisse für die Handlungspraxis von Hausärzt*innen generieren.

Fazit für die Praxis

  • Routinedaten werden zu einem anderen Zweck als für die wissenschaftliche Forschung erhoben, aber in der Sekundärdatenanalyse dann wissenschaftlich ausgewertet.
  • Routinedaten haben einen vergleichsweise geringen Selektionsbias und eignen sich daher für die Darstellung des realen Versorgungsgeschehen.
  • Aufgrund der verfügbaren größeren Fallzahl bieten sich Routinedaten für die Analysen von Subgruppen mit selteneren Merkmalen an.
  • Jedoch sollten die vorliegenden Routinedaten sowie die Ergebnisse der Sekundärdatenanalyse möglichst intern und extern validiert werden.
  • Publikationen von Sekundärdatenanalysen sollten anhand der entsprechenden Checklisten von Leser*innen genauso kritisch geprüft werden, wie Studien mit Primärdaten.

Einhaltung ethischer Richtlinien

Interessenkonflikt

A. Slagman, F. Hoffmann, D. Horenkamp-Sonntag, E. Swart, V. Vogt und W.J. Herrmann geben an, dass kein Interessenkonflikt besteht.
Für diesen Beitrag wurden von den Autor/-innen keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.
Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.
Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.
Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://​creativecommons.​org/​licenses/​by/​4.​0/​deed.​de.

Unsere Produktempfehlungen

Zeitschrift für Allgemeinmedizin

Print-Titel

  • NEU: ZFA TALKS - der Podcast für praxisrelevantes Wissen
  • Zertifizierte CME-Fortbildungen


e.Med Interdisziplinär

Kombi-Abonnement

Für Ihren Erfolg in Klinik und Praxis - Die beste Hilfe in Ihrem Arbeitsalltag

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf SpringerMedizin.de.

e.Med Allgemeinmedizin

Kombi-Abonnement

Mit e.Med Allgemeinmedizin erhalten Sie Zugang zu allen CME-Fortbildungen und Premium-Inhalten der allgemeinmedizinischen Zeitschriften, inklusive einer gedruckten Allgemeinmedizin-Zeitschrift Ihrer Wahl.

Weitere Produktempfehlungen anzeigen
Literatur
1.
Zurück zum Zitat Benchimol EI, Smeeth L, Guttmann A, Harron K, Moher D, Petersen I, Sørensen T, von Elm E (2015) The REporting of studies conducted using observational routinely-collected health data (RECORD) statement. PLoS Med 12:e1001885CrossRefPubMedPubMedCentral Benchimol EI, Smeeth L, Guttmann A, Harron K, Moher D, Petersen I, Sørensen T, von Elm E (2015) The REporting of studies conducted using observational routinely-collected health data (RECORD) statement. PLoS Med 12:e1001885CrossRefPubMedPubMedCentral
2.
Zurück zum Zitat Busse R, Nimptsch U (2021) Krankenhäuser: Bettenauslastung auf Rekordtief. Dtsch Arztebl 118:A-1852 / B‑530 Busse R, Nimptsch U (2021) Krankenhäuser: Bettenauslastung auf Rekordtief. Dtsch Arztebl 118:A-1852 / B‑530
3.
Zurück zum Zitat Donner-Banzhoff N, Schrappe M, Lelgemann M (2007) Studien zur Versorgungsforschung. Eine Hilfe zur kritischen Rezeption. Z Ärztliche Fortbild Qual Gesundheitswes 101:463–471 Donner-Banzhoff N, Schrappe M, Lelgemann M (2007) Studien zur Versorgungsforschung. Eine Hilfe zur kritischen Rezeption. Z Ärztliche Fortbild Qual Gesundheitswes 101:463–471
4.
Zurück zum Zitat Epping J, Geyer S, Eberhard S, Tetzlaff J (2021) Völlig unterschiedlich oder doch recht ähnlich? Die soziodemografische Struktur der AOK Niedersachsen im Vergleich zur niedersächsischen und bundesweiten Allgemein- und Erwerbsbevölkerung. Gesundheitswesen 83:77–86CrossRef Epping J, Geyer S, Eberhard S, Tetzlaff J (2021) Völlig unterschiedlich oder doch recht ähnlich? Die soziodemografische Struktur der AOK Niedersachsen im Vergleich zur niedersächsischen und bundesweiten Allgemein- und Erwerbsbevölkerung. Gesundheitswesen 83:77–86CrossRef
5.
Zurück zum Zitat Frick J, Möckel M, Muller R, Searle J, Somasundaram R, Slagman A (2017) Suitability of current definitions of ambulatory care sensitive conditions for research in emergency department patients: a secondary health data analysis. BMJ Open 7:e16109PubMedPubMedCentral Frick J, Möckel M, Muller R, Searle J, Somasundaram R, Slagman A (2017) Suitability of current definitions of ambulatory care sensitive conditions for research in emergency department patients: a secondary health data analysis. BMJ Open 7:e16109PubMedPubMedCentral
6.
Zurück zum Zitat Geraedts M, Ebbeler D, Timmesfeld N, Kaps M, Berger K, Misselwitz B, Günster C, Dröge P, Schneider M (2021) Quality assurance measures and mortality after stroke. Dtsch Arztebl Int 118:857–863PubMedPubMedCentral Geraedts M, Ebbeler D, Timmesfeld N, Kaps M, Berger K, Misselwitz B, Günster C, Dröge P, Schneider M (2021) Quality assurance measures and mortality after stroke. Dtsch Arztebl Int 118:857–863PubMedPubMedCentral
8.
Zurück zum Zitat Hoffmann F, Icks A (2012) Unterschiede in der Versichertenstruktur von Krankenkassen und deren Auswirkungen für die Versorgungsforschung: Ergebnisse des Bertelsmann-Gesundheitsmonitors. Gesundheitswesen 74:291–297CrossRefPubMed Hoffmann F, Icks A (2012) Unterschiede in der Versichertenstruktur von Krankenkassen und deren Auswirkungen für die Versorgungsforschung: Ergebnisse des Bertelsmann-Gesundheitsmonitors. Gesundheitswesen 74:291–297CrossRefPubMed
9.
Zurück zum Zitat Hoffmann F, Kaiser T, Apfelbacher C, Benz S, Bierbaum T, Dreinhöfer K, Hauptmann M, Heidecke CD, Koller M, Kostuj T, Ortmann O, Schmitt J, Schünemann H, Veit C, Hoffmann W, Klinkhammer-Schalke M (2021) Versorgungsnahe Daten zur Evaluation von Interventionseffekten: Teil 2 des Manuals. Gesundheitswesen 83:470–480CrossRefPubMed Hoffmann F, Kaiser T, Apfelbacher C, Benz S, Bierbaum T, Dreinhöfer K, Hauptmann M, Heidecke CD, Koller M, Kostuj T, Ortmann O, Schmitt J, Schünemann H, Veit C, Hoffmann W, Klinkhammer-Schalke M (2021) Versorgungsnahe Daten zur Evaluation von Interventionseffekten: Teil 2 des Manuals. Gesundheitswesen 83:470–480CrossRefPubMed
10.
Zurück zum Zitat Kohl R, Schwinger A, Jürchott K, Hering C, Gangnus A, Steinahegen-Thiessen E, Kuhlmey A, Gellert P (2022) Mortality among hospitalized nursing home residents with COVID-19. Dtsch Arztebl Int 119:293–294PubMedPubMedCentral Kohl R, Schwinger A, Jürchott K, Hering C, Gangnus A, Steinahegen-Thiessen E, Kuhlmey A, Gellert P (2022) Mortality among hospitalized nursing home residents with COVID-19. Dtsch Arztebl Int 119:293–294PubMedPubMedCentral
11.
Zurück zum Zitat Kreis K, Neubauer S, Klora M, Lange A, Zeidler J (2016) Status and perspectives of claims data analyses in Germany—a systematic review. Health Policy 120:213–226CrossRefPubMed Kreis K, Neubauer S, Klora M, Lange A, Zeidler J (2016) Status and perspectives of claims data analyses in Germany—a systematic review. Health Policy 120:213–226CrossRefPubMed
12.
Zurück zum Zitat March S, Andrich S, Drepper J, Horenkamp-Sonntag D, Icks A, Ihle P, Kieschke J, Kollhorst B, Maier B, Meyer I, Müller G, Ohlmeier C, Peschke D, Richter A, Rosenbusch ML, Scholten N, Schulz M, Stallmann C, Swart E, Wobbe-Ribinski S, Wolter A, Zeidler J, Hoffmann F (2019) Gute Praxis Datenlinkage (GPD). Gesundheitswesen 81:636–650CrossRefPubMed March S, Andrich S, Drepper J, Horenkamp-Sonntag D, Icks A, Ihle P, Kieschke J, Kollhorst B, Maier B, Meyer I, Müller G, Ohlmeier C, Peschke D, Richter A, Rosenbusch ML, Scholten N, Schulz M, Stallmann C, Swart E, Wobbe-Ribinski S, Wolter A, Zeidler J, Hoffmann F (2019) Gute Praxis Datenlinkage (GPD). Gesundheitswesen 81:636–650CrossRefPubMed
13.
Zurück zum Zitat March S, Antoni M, Kieschke J, Kollhorst B, Maier B, Müller G, Sariyar M, Schulz M, Swart E, Zeidler J, Hoffmann F (2018) Quo vadis Datenlinkage in Deutschland? Eine erste Bestandsaufnahme. Gesundheitswesen 57:e20–e31CrossRef March S, Antoni M, Kieschke J, Kollhorst B, Maier B, Müller G, Sariyar M, Schulz M, Swart E, Zeidler J, Hoffmann F (2018) Quo vadis Datenlinkage in Deutschland? Eine erste Bestandsaufnahme. Gesundheitswesen 57:e20–e31CrossRef
14.
Zurück zum Zitat Möckel M, Searle J, Muller R, Slagman A, Storchmann H, Oestereich P, Wyrich W, Ale-Abaei A, Vollert J, Koch M, Somasundaram R (2013) Chief complaints in medical emergencies: do they relate to underlying disease and outcome? The Charité Emergency Medicine Study (CHARITEM). Eur J Emerg Med 20:103–108CrossRefPubMed Möckel M, Searle J, Muller R, Slagman A, Storchmann H, Oestereich P, Wyrich W, Ale-Abaei A, Vollert J, Koch M, Somasundaram R (2013) Chief complaints in medical emergencies: do they relate to underlying disease and outcome? The Charité Emergency Medicine Study (CHARITEM). Eur J Emerg Med 20:103–108CrossRefPubMed
15.
Zurück zum Zitat Riedlinger D, Möckel M, Müller C, Holert F, Searle J, von Recum J, Slagman A (2018) High-sensitivity cardiac troponin T for diagnosis of NSTEMI in the elderly emergency department patient: a clinical cohort study. Biomarkers 23:551–557CrossRefPubMed Riedlinger D, Möckel M, Müller C, Holert F, Searle J, von Recum J, Slagman A (2018) High-sensitivity cardiac troponin T for diagnosis of NSTEMI in the elderly emergency department patient: a clinical cohort study. Biomarkers 23:551–557CrossRefPubMed
16.
Zurück zum Zitat Schipf S, Schöne G, Schmidt B, Günther K, Stübs G, Greiser KH, Bamberg F, Meinke-Franze C, Becher H, Berger K, Brenner H, Castell S, Damms-Machado A, Fischer B, Franzke CW, Fricke J, Gastell S, Günther M, Hoffmann W, Holleczek B, Jaeschke L, Jagodzinski A, Jöckel KH, Kaaks R, Kauczor HU, Kemmling Y, Kluttig A, Krist L, Kurth B, Kuß O, Legath N, Leitzmann M, Lieb W, Linseisen J, Löffler M, Michels KB, Mikolajczyk R, Pigeot I, Mueller U, Peters A, Rach S, Schikowski T, Schulze MB, Stallmann C, Stang A, Swart E, Waniek S, Wirkner K, Völzke H, Pischon T, Ahrens W (2020) Die Basiserhebung der NAKO Gesundheitsstudie: Teilnahme an den Untersuchungsmodulen, Qualitätssicherung und Nutzung von Sekundärdaten. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 63:254–266CrossRefPubMed Schipf S, Schöne G, Schmidt B, Günther K, Stübs G, Greiser KH, Bamberg F, Meinke-Franze C, Becher H, Berger K, Brenner H, Castell S, Damms-Machado A, Fischer B, Franzke CW, Fricke J, Gastell S, Günther M, Hoffmann W, Holleczek B, Jaeschke L, Jagodzinski A, Jöckel KH, Kaaks R, Kauczor HU, Kemmling Y, Kluttig A, Krist L, Kurth B, Kuß O, Legath N, Leitzmann M, Lieb W, Linseisen J, Löffler M, Michels KB, Mikolajczyk R, Pigeot I, Mueller U, Peters A, Rach S, Schikowski T, Schulze MB, Stallmann C, Stang A, Swart E, Waniek S, Wirkner K, Völzke H, Pischon T, Ahrens W (2020) Die Basiserhebung der NAKO Gesundheitsstudie: Teilnahme an den Untersuchungsmodulen, Qualitätssicherung und Nutzung von Sekundärdaten. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 63:254–266CrossRefPubMed
17.
Zurück zum Zitat Schönfelder T, Balázs S, Klewer J (2009) Kosten aufgrund von DRG-Upcoding durch die Einführung der Diagnosis Related Groups in Deutschland. Heilberufe 61:77–81CrossRef Schönfelder T, Balázs S, Klewer J (2009) Kosten aufgrund von DRG-Upcoding durch die Einführung der Diagnosis Related Groups in Deutschland. Heilberufe 61:77–81CrossRef
18.
Zurück zum Zitat Schubert I, Ihle P, Köster I (2010) Interne Validierung von Diagnosen in GKV-Routinedaten: Konzeption mit Beispielen und Falldefinition. Gesundheitswesen 72:316–322CrossRefPubMed Schubert I, Ihle P, Köster I (2010) Interne Validierung von Diagnosen in GKV-Routinedaten: Konzeption mit Beispielen und Falldefinition. Gesundheitswesen 72:316–322CrossRefPubMed
19.
Zurück zum Zitat Slagman A, Searle J, Vollert JO, Müller C, Muller R, Somasudndaram R, Möckel M (2015) Predicting in-hospital mortality using routine parameters in unselected nonsurgical emergency department patients. Notfall Rettungsmed 18:501–509CrossRef Slagman A, Searle J, Vollert JO, Müller C, Muller R, Somasudndaram R, Möckel M (2015) Predicting in-hospital mortality using routine parameters in unselected nonsurgical emergency department patients. Notfall Rettungsmed 18:501–509CrossRef
20.
Zurück zum Zitat Slagman A, Searle J, Vollert JO, Storchmann H, Zum Büschenfelde DM, von Recum J, Vlasny D, Abaei AA, Koch M, Müller C, Müller R, Somasundaram R, Möckel M (2015) Sex differences of troponin test performance in chest pain patients. Int J Cardiol 187:246–251CrossRefPubMed Slagman A, Searle J, Vollert JO, Storchmann H, Zum Büschenfelde DM, von Recum J, Vlasny D, Abaei AA, Koch M, Müller C, Müller R, Somasundaram R, Möckel M (2015) Sex differences of troponin test performance in chest pain patients. Int J Cardiol 187:246–251CrossRefPubMed
21.
Zurück zum Zitat Slagman A, Harriss L, Campbell S, Muller R, McDermott R (2019) Folic acid deficiency declined substantially after introduction of the mandatory fortification programme in Queensland, Australia: a secondary health data analysis. Public Health Nutr 22:3426–3434CrossRefPubMed Slagman A, Harriss L, Campbell S, Muller R, McDermott R (2019) Folic acid deficiency declined substantially after introduction of the mandatory fortification programme in Queensland, Australia: a secondary health data analysis. Public Health Nutr 22:3426–3434CrossRefPubMed
22.
Zurück zum Zitat Slagman A, Harriss L, Campbell S, Muller R, McDermott R (2019) Low proportions of folic acid deficiency after introduction of mandatory folic acid fortification in remote areas of northern Queensland, Australia: a secondary health data analysis. Biomarkers 24:684–691CrossRefPubMed Slagman A, Harriss L, Campbell S, Muller R, McDermott R (2019) Low proportions of folic acid deficiency after introduction of mandatory folic acid fortification in remote areas of northern Queensland, Australia: a secondary health data analysis. Biomarkers 24:684–691CrossRefPubMed
23.
Zurück zum Zitat Slagman A, Behringer W, Greiner F, Klein M, Weismann D, Erdmann B, Pigorsch M, Möckel M (2020) Medical emergencies during the COVID-19 pandemic. Dtsch Arztebl Int 117:545–552PubMedPubMedCentral Slagman A, Behringer W, Greiner F, Klein M, Weismann D, Erdmann B, Pigorsch M, Möckel M (2020) Medical emergencies during the COVID-19 pandemic. Dtsch Arztebl Int 117:545–552PubMedPubMedCentral
24.
Zurück zum Zitat Strumann C, Steinhauser J (2021) Evaluation of a direct-to-patient telehealth service in Germany (docdirekt) based on routine data. Dtsch Arztebl Int 118:872–873PubMedPubMedCentral Strumann C, Steinhauser J (2021) Evaluation of a direct-to-patient telehealth service in Germany (docdirekt) based on routine data. Dtsch Arztebl Int 118:872–873PubMedPubMedCentral
25.
Zurück zum Zitat Swart E, Ihle P, Gothe H, Matusiewicz D (2014) Routinedaten im Gesundheitswesen. In: Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven, 2. Aufl. Huber, Bern Swart E, Ihle P, Gothe H, Matusiewicz D (2014) Routinedaten im Gesundheitswesen. In: Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven, 2. Aufl. Huber, Bern
26.
Zurück zum Zitat Swart E, Gothe H, Geyer S, Jaunzeme J, Maier B, Grobe TG, Ihle P (2015) Gute Praxis Sekundärdatenanalyse (GPS): Leitlinien und Empfehlungen. Gesundheitswesen 77:120–126CrossRefPubMed Swart E, Gothe H, Geyer S, Jaunzeme J, Maier B, Grobe TG, Ihle P (2015) Gute Praxis Sekundärdatenanalyse (GPS): Leitlinien und Empfehlungen. Gesundheitswesen 77:120–126CrossRefPubMed
27.
Zurück zum Zitat Swart E, Bitzer E, Gothe H, Harling M, Hoffmann F, Horenkamp-Sonntag D, Maier B, MArch S, Petzold T, Röhrig R, Rommel A, Schink T, Wagner C, Wobbe S, Schmitt J (2016) Standardisierte Berichtsroutine für Sekundärdaten Analysen (STROSA) – ein konsentierter Berichtsstandard für Deutschland, Version 2. Gesundheitswesen 78:e145–e60CrossRefPubMed Swart E, Bitzer E, Gothe H, Harling M, Hoffmann F, Horenkamp-Sonntag D, Maier B, MArch S, Petzold T, Röhrig R, Rommel A, Schink T, Wagner C, Wobbe S, Schmitt J (2016) Standardisierte Berichtsroutine für Sekundärdaten Analysen (STROSA) – ein konsentierter Berichtsstandard für Deutschland, Version 2. Gesundheitswesen 78:e145–e60CrossRefPubMed
28.
Zurück zum Zitat Swart E, Gothe H, Hoffmann F, Ihle P, Semler SC, March S (2021) Jetzt die Weichen stellen für ein leistungsfähiges Forschungsdatenzentrum Gesundheit. Gesundheitswesen 83:139–141CrossRef Swart E, Gothe H, Hoffmann F, Ihle P, Semler SC, March S (2021) Jetzt die Weichen stellen für ein leistungsfähiges Forschungsdatenzentrum Gesundheit. Gesundheitswesen 83:139–141CrossRef
29.
Zurück zum Zitat Ulrich R, Pischon T, Robra B‑P, Freier C, Heintze C, Herrmann WJ (2020) Health care utilisation and medication one year after myocardial infarction in Germany—a claims data analysis. Int J Cardiol 300:20–26CrossRefPubMed Ulrich R, Pischon T, Robra B‑P, Freier C, Heintze C, Herrmann WJ (2020) Health care utilisation and medication one year after myocardial infarction in Germany—a claims data analysis. Int J Cardiol 300:20–26CrossRefPubMed
30.
Zurück zum Zitat Vogt V, Siegel M, Sundmacher L (2014) Examining regional variation in the use of cancer screening in Germany. Soc Sci Med 110:74–80CrossRefPubMed Vogt V, Siegel M, Sundmacher L (2014) Examining regional variation in the use of cancer screening in Germany. Soc Sci Med 110:74–80CrossRefPubMed
Metadaten
Titel
Analyse von Routinedaten in der Gesundheitsforschung: Validität, Generalisierbarkeit und Herausforderungen
verfasst von
Prof. Dr. Anna Slagman
Falk Hoffmann
Dirk Horenkamp-Sonntag
Enno Swart
Verena Vogt
Wolfram J. Herrmann
Publikationsdatum
30.01.2023
Verlag
Springer Medizin
Erschienen in
Zeitschrift für Allgemeinmedizin / Ausgabe 2/2023
Print ISSN: 1433-6251
Elektronische ISSN: 1439-9229
DOI
https://doi.org/10.1007/s44266-022-00004-0

Weitere Artikel der Ausgabe 2/2023

Zeitschrift für Allgemeinmedizin 2/2023 Zur Ausgabe

Nachrichten aus der Gesellschaft für Hochschullehre in der Allgemeinmedizin (GHA)

Nachrichten aus der Gesellschaft für Hochschullehre in der Allgemeinmedizin (GHA)

Leitlinien kompakt für die Allgemeinmedizin

Mit medbee Pocketcards sicher entscheiden.

Seit 2022 gehört die medbee GmbH zum Springer Medizin Verlag

Facharzt-Training Allgemeinmedizin

Die ideale Vorbereitung zur anstehenden Prüfung mit den ersten 49 von 100 klinischen Fallbeispielen verschiedener Themenfelder

Mehr erfahren

Wie der Klimawandel gefährliche Pilzinfektionen begünstigt

24.05.2024 Candida-Mykosen Nachrichten

Dass sich invasive Pilzinfektionen in letzter Zeit weltweit häufen, liegt wahrscheinlich auch am Klimawandel. Ausbrüche mit dem Hefepilz Candida auris stellen eine zunehmende Gefahr für Immungeschwächte dar – auch in Deutschland.

Das sind die führenden Symptome junger Darmkrebspatienten

Darmkrebserkrankungen in jüngeren Jahren sind ein zunehmendes Problem, das häufig längere Zeit übersehen wird, gerade weil die Patienten noch nicht alt sind. Welche Anzeichen Ärzte stutzig machen sollten, hat eine Metaanalyse herausgearbeitet.

Chronische Verstopfung: „Versuchen Sie es mit grünen Kiwis!“

22.05.2024 Obstipation Nachrichten

Bei chronischer Verstopfung wirken Kiwis offenbar besser als Flohsamenschalen. Das zeigen die Daten aus einer randomisierten Studie, die der Gastroenterologe Oliver Pech beim Praxis-Update vorstellte.

So häufig greift rheumatoide Arthritis auf Organe über

21.05.2024 Rheumatoide Arthritis Nachrichten

Im Verlauf von rheumatoider Arthritis entwickeln viele Patienten extraartikuläre Manifestationen. Schwedische Forscher haben sich mit der Inzidenz und den Risikofaktoren befasst.

Update Allgemeinmedizin

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.