Skip to main content
Erschienen in: Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz 8/2015

01.08.2015 | Leitthema

Die Versorgungsforschung als möglicher Profiteur von Big Data

verfasst von: Prof. Dr. Karl Wegscheider, U. Koch-Gromus

Erschienen in: Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz | Ausgabe 8/2015

Einloggen, um Zugang zu erhalten

Zusammenfassung

Versorgungsforschung befasst sich mit der Beschreibung und Analyse der Kranken- und Gesundheitsversorgung und ihrer Rahmenbedingungen. Die daraus abgeleiteten Innovationen sind Gegenstand der Erprobung und Evaluierung unter Routinebedingungen. Hierfür hat die Versorgungsforschung ein auf einem soliden theoretischen Fundament aufbauendes breites methodisches Instrumentarium entwickelt. Big Data ist demgegenüber ein informatisch geprägter, unabhängiger neuer Zugangsweg zu dem Inhalt großer Datensätze, der mit seinen neuartigen technischen Begriffsbildungen auf den ersten Blick nicht zur Versorgungsforschung zu passen scheint. Kernaufgaben wie Theoriebildung, wertende Evaluation oder der Nachweis von Interventionserfolgen werden von der ausschließlich auf Korrelationen aufbauenden Big-Data-Methodik weder unterstützt noch ersetzt. Es stellt sich jedoch heraus, dass Big Data durchaus das Potenzial hat, der Versorgungsforschung bei klassischen Aufgaben wie Datenverknüpfung, Abbildung von Versorgungspfaden, schnellem Zugriff auf aktuelle Versorgungs daten oder auf Daten zum Inanspruchnahmeverhalten sowie zur Prädiktion und zur Hypothesengenerierung hilfreich zur Seite zu stehen. Voraussetzung dafür ist die auf vertrauensvoller Gegenseitigkeit beruhende Vernetzung von unterschiedlichen medizinischen und nichtmedizinischen Datenquellen auf der Basis gesetzlicher Regelungen des Datenzugangs und Datenschutzes.
Fußnoten
1
Zitiert nach mündlicher Mitteilung Professor Douglas B Fridsma, Office of the National Coordinator (ONC) for Health information Technology, Washington, USA.
 
Literatur
2.
Zurück zum Zitat Mayer-Schönberger V, Cukier K (2013) Big Data – Die Revolution, die unser Leben verändern wird. Redline Verlag, München Mayer-Schönberger V, Cukier K (2013) Big Data – Die Revolution, die unser Leben verändern wird. Redline Verlag, München
4.
Zurück zum Zitat Erlangsen A, Fedyszyn I (2015) Danish nationwide registers for public health and health-related research. Scand J Public Health. doi:10.1177/1403494815575193 Erlangsen A, Fedyszyn I (2015) Danish nationwide registers for public health and health-related research. Scand J Public Health. doi:10.1177/1403494815575193
6.
Zurück zum Zitat Svensson AC, Fredlund P, Laflamme L et al (2013) Cohort profile: the Stockholm Public Health Cohort. Int J Epidemiol 42:1263–1272CrossRefPubMed Svensson AC, Fredlund P, Laflamme L et al (2013) Cohort profile: the Stockholm Public Health Cohort. Int J Epidemiol 42:1263–1272CrossRefPubMed
7.
Zurück zum Zitat Ginsberg J, Mohebbi MH, Patel RS, Brammer L, Smolinski MS, Brilliant L (2009) Detecting influenza epidemics using search engine query data. Nature 457:1012–1014CrossRefPubMed Ginsberg J, Mohebbi MH, Patel RS, Brammer L, Smolinski MS, Brilliant L (2009) Detecting influenza epidemics using search engine query data. Nature 457:1012–1014CrossRefPubMed
10.
Zurück zum Zitat Wichmann HE, Kaaks R, Hoffmann W, Jockel KH, Greiser KH, Linseisen J (2012) Die Nationale Kohorte. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 55:781–787CrossRef Wichmann HE, Kaaks R, Hoffmann W, Jockel KH, Greiser KH, Linseisen J (2012) Die Nationale Kohorte. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 55:781–787CrossRef
11.
Zurück zum Zitat Raspe H, Pfaff H, Härter M et al (2010) Versorgungsforschung in Deutschland: Stand – Perspektiven – Förderung. Wiley-VCH, Weinheim Raspe H, Pfaff H, Härter M et al (2010) Versorgungsforschung in Deutschland: Stand – Perspektiven – Förderung. Wiley-VCH, Weinheim
12.
Zurück zum Zitat Neugebauer EA, Icks A, Schrappe M (2010) Memorandum III: Methoden fur die Versorgungsforschung (Teil 2). Gesundheitswesen 72:739–748CrossRefPubMed Neugebauer EA, Icks A, Schrappe M (2010) Memorandum III: Methoden fur die Versorgungsforschung (Teil 2). Gesundheitswesen 72:739–748CrossRefPubMed
13.
Zurück zum Zitat Pfaff H, Glaeske G, Neugebauer EA, Schrappe M (2009) Memorandum III: Methoden fur die Versorgungsforschung (Teil I). Gesundheitswesen 71:505–510CrossRefPubMed Pfaff H, Glaeske G, Neugebauer EA, Schrappe M (2009) Memorandum III: Methoden fur die Versorgungsforschung (Teil I). Gesundheitswesen 71:505–510CrossRefPubMed
15.
Zurück zum Zitat Wegscheider K, Drabik A, Bleich C, Schulz H (2015) Nutzenbewertung aus Sicht der Versorgungsforschung und der Epidemiologie. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 58:298–307CrossRef Wegscheider K, Drabik A, Bleich C, Schulz H (2015) Nutzenbewertung aus Sicht der Versorgungsforschung und der Epidemiologie. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 58:298–307CrossRef
16.
Zurück zum Zitat Jensen PB, Jensen LJ, Brunak S (2012) Mining electronic health records: towards better research applications and clinical care. Nat Rev Genet 13:395–405CrossRefPubMed Jensen PB, Jensen LJ, Brunak S (2012) Mining electronic health records: towards better research applications and clinical care. Nat Rev Genet 13:395–405CrossRefPubMed
17.
Zurück zum Zitat Klausnitzer R (2013) Das Ende des Zufalls – Wie Big Data uns und unser Leben vorhersagbar macht. Ecowin, Salzburg Klausnitzer R (2013) Das Ende des Zufalls – Wie Big Data uns und unser Leben vorhersagbar macht. Ecowin, Salzburg
18.
19.
Zurück zum Zitat Weichert T (2013) Big Data – eine Herausforderung für den Datenschutz. In: Geiselberger H, Moorstedt T (Hrsg) Big Data. Das neue Versprechen der Allwissenheit. Suhrkamp, Berlin, S 131–148 Weichert T (2013) Big Data – eine Herausforderung für den Datenschutz. In: Geiselberger H, Moorstedt T (Hrsg) Big Data. Das neue Versprechen der Allwissenheit. Suhrkamp, Berlin, S 131–148
24.
Zurück zum Zitat Dai W, Brisimi TS, Adams WG, Mela T, Saligrama V, Paschalidis I (2015) Prediction of hospitalization due to heart diseases by supervised learning methods. Int J Med Inform 84:189–197CrossRefPubMed Dai W, Brisimi TS, Adams WG, Mela T, Saligrama V, Paschalidis I (2015) Prediction of hospitalization due to heart diseases by supervised learning methods. Int J Med Inform 84:189–197CrossRefPubMed
28.
Zurück zum Zitat Jensen AB, Moseley PL, Oprea TI et al (2014) Temporal disease trajectories condensed from population-wide registry data covering 6.2 million patients. Nat Commun 5:4022PubMedPubMedCentral Jensen AB, Moseley PL, Oprea TI et al (2014) Temporal disease trajectories condensed from population-wide registry data covering 6.2 million patients. Nat Commun 5:4022PubMedPubMedCentral
Metadaten
Titel
Die Versorgungsforschung als möglicher Profiteur von Big Data
verfasst von
Prof. Dr. Karl Wegscheider
U. Koch-Gromus
Publikationsdatum
01.08.2015
Verlag
Springer Berlin Heidelberg
Erschienen in
Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz / Ausgabe 8/2015
Print ISSN: 1436-9990
Elektronische ISSN: 1437-1588
DOI
https://doi.org/10.1007/s00103-015-2183-9

Weitere Artikel der Ausgabe 8/2015

Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz 8/2015 Zur Ausgabe

Bekanntmachungen – Amtliche Mitteilungen

Empfehlung zum Schutz von Badenden vor Cyanobakterien-Toxinen

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 24 von 100 klinischen Fallbeispielen verschiedener Themenfelder

Mehr erfahren

Update Allgemeinmedizin

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