25gmds144 10.3205/25gmds144 urn:nbn:de:0183-25gmds1443 Meeting Abstract Saleh Saleh Kutaiba K

Datenintegrationszentrum, Universitätsklinikum Jena, Jena, Germany

author Heidel Heidel Andrew A

Datenintegrationszentrum, Universitätsklinikum Jena, Jena, Germany

author Hoffmann Hoffmann Martin M

Datenintegrationszentrum, Universitätsklinikum Jena, Jena, Germany

author Kruse Kruse Henner M. HM

Datenintegrationszentrum, Universitätsklinikum Jena, Jena, Germany

author Schubert Schubert Christian C

Datenintegrationszentrum, Universitätsklinikum Jena, Jena, Germany

author Thomas Thomas Eric E

Datenintegrationszentrum, Universitätsklinikum Jena, Jena, Germany

author Ammon Ammon Danny D

Datenintegrationszentrum, Universitätsklinikum Jena, Jena, Germany

author Scherag Scherag André A

Institut für Medizinische Statistik, Informatik und Datenwissenschaften, Universitätsklinikum Jena, Jena, Germany

author German Medical Science GMS Publishing House

Düsseldorf

610 Datenqualität Datenkuration ETL MII-Kerndatensatz 20251103 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0631 144 Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie 70. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS) PS 7: IT-Infrastruktur 2 Jena 20250907 20250911 Abstr. 222 TextEinleitung: Datenqualität im Gesundheitswesen ist von entscheidender Bedeutung für Forschung, Versorgung und Verbesserung von Entscheidungsprozessen , . Im Datenintegrationszentrum (DIZ) werden Daten aus unterschiedlichen klinischen IT-Systemen konform zum Kerndatensatz der Medizininformatik-Initiative zusammengeführt und für die Forschung standardisiert bereitgestellt . Um Datenqualität hinsichtlich der Vollständigkeit und Konformität sicherzustellen, wurde ein Logdatei-Monitoring etabliert. Dieses überwacht ETL-Prozesse auf Fehler, um Datenkuration zu unterstützen und frühzeitige Korrekturen anzustoßen.Methoden: Eine zentrale Komponente der ETL-Strukturen am DIZ ist ein FHIR-Server, der über eine HL7v2-Nachrichtenschnittstelle verfügt. Auf Basis dieser Schnittstelle wurden im DIZ mehrere ETL-Strecken etabliert. Dadurch werden HL7v2-Nachrichteninhalte in KDS-konforme FHIR-Ressourcen transformiert und direkt persistiert.Fehler, die bei der Transformation oder Speicherung auftreten, werden in Logdateien protokolliert. Um aufgetretene Fehler im Rahmen der Datenintegration in den Logdateien zu identifizieren und zu klassifizieren, wurden eigene Analyseskripte entwickelt. Die Identifikation und Klassifikation erfolgte anhand vordefinierter Muster, die aus vorhergehenden Analysen der ETL-Logdateien abgeleitet wurden. Die identifizierten Fehler und mögliche Ursachen wurden direkt an das Entwicklungsteam der ETL-Strecke gemeldet um entsprechende Maßnahmen zu ergreifen.Als weiteres Werkzeug zur Fehleranalyse wurden Dashboards entwickelt, in denen der Datenfluss visualisiert wird, so dass Fehlerquellen in Echtzeit nachvollzogen und zeitnah behoben werden können. Diese Dashboards dienen auch als direkte Rückkopplung der Ergebnisse aus den Fehlerkorrekturen an das Entwicklungsteam.Ergebnisse: Die Analyse der Logdateien über einen Zeitraum von 15 Monaten mit insgesamt 2,44 Millionen Fehlermeldungen zeigte, dass zu Beginn der Datenerhebung mit 98,62% der Hauptanteil der Fehler durch fehlende Referenzen entstand. Diese wurden vor allem hevorgerufen durch Bezüge auf historische Daten oder nicht eingehaltene Nachrichtenreihenfolgen. Unvorhergesehene Veränderungen an Entities (z.B. Locations oder Organizations) zur Laufzeit der Importe verursachten initial 1,26% der Fehler. Einen verschwindend geringen Anteil von 0,01% machten hingegen Fehler, hervorgerufen durch semantische Inkonsistenzen, beispielsweise durch nicht aktuelle ConceptMaps, aus. Hinzu kam noch ein Anteil von 0,11% nicht näher klassifizierter Fehler.Aus der näheren Analyse der Fehler wurden Verbesserungen an den ETL-Strecken vorgenommen, die zu einer Reduktion der Gesamtfehler um 89,67% im Vergleich zum Beginn, gemessen über jeweils einen Monat, führten.Des weiteren konnten die angewendeten Korrekturen genutzt werden um Daten, welche durch die Fehler initial nicht verarbeitet werden konnten, nachzuliefern oder aus alternativen Quellen zu ergänzen und so zu einer Korrektur fehlerhafter oder fehlender Daten beitragen. Außerdem konnten im Rahmen der Ursachenanalysen notwendige Anpassungen an internen Prozessen identifiziert werden, welche direkte Auswirkungen auf die Datenintegration hatten.Schlussfolgerung: Die ermittelten Fehlerquellen entsprechen weitestgehend denen aus vorherigen Arbeiten . Aus den ermittelten Fehlerraten über die unterschiedlichen Zeiträume lässt sich eine eindeutige Verbesserung der ETL-Strecken nachweisen. Die systematische Analyse der Logs und Rückkopplung der Ergebnisse an das Entwicklungsteam hat nicht nur zu einer optimierten Verarbeitung, sondern in direkter Folge auch zu einer besseren Datenqualität geführt. Des weiteren ließen sich fehlerhafte Daten frühzeitig identifizieren und durch zeitnahes Eingreifen korrigieren.Eine Fortführung und Erweiterung des kontinuierlichen Monitorings soll zukünftig dafür sorgen, die Datenqualität zu erhalten und noch weiter zu verbessern. Auch eine Ausweitung auf weitere ETL-Komponenten wie z.B. die Data Integration Pipeline wurde begonnen.Langfristig ist es wichtig, in den Quellsystemen strukturelle Maßnahmen zur Datenqualitätsverbesserung zu fördern.Die Autoren geben an, dass kein Interessenkonflikt besteht.Die Autoren geben an, dass kein Ethikvotum erforderlich ist. Declerck J Kalra D Thienpont G Health Data Quality: A Dynamic Complexity 2023 HealthManagemen Declerck J, Kalra D, Thienpont G. Health Data Quality: A Dynamic Complexity. HealthManagement. 2023;23(1). Weber S Die Auswirkungen von Primärdatenqualität und -interoperabilität auf Analysen von Real-World-Daten 2024 Bundesgesundheitsblatt 195–202 Weber S. Die Auswirkungen von Primärdatenqualität und -interoperabilität auf Analysen von Real-World-Daten. Bundesgesundheitsblatt. 2024;67:195–202. DOI: 10.1007/s00103-023-03824-y http://dx.doi.org/10.1007/s00103-023-03824-y Albashiti F Thasler R Wendt T Die Datenintegrationszentren – Von der Konzeption in der Medizininformatik-Initiative zur lokalen Umsetzung in einem Netzwerk Universitätsmedizin 2024 Bundesgesundheitsbl 629–636 Albashiti F, Thasler R, Wendt T, et al. Die Datenintegrationszentren – Von der Konzeption in der Medizininformatik-Initiative zur lokalen Umsetzung in einem Netzwerk Universitätsmedizin. Bundesgesundheitsbl. 2024;67:629–636. DOI: 10.1007/s00103-024-03879-5 http://dx.doi.org/10.1007/s00103-024-03879-5 Kamal MM Kutafina E Beyan O Real-Time Process Monitoring Hospital Data 2024 Gesundheit – gemeinsam. Kooperationstagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS), Deutschen Gesellschaft für Sozialmedizin und Prävention (DGSMP), Deutschen Gesellschaft für Epidemiologie (DGEpi), Deutschen Gesellschaft für Medizinische Soziologie (DGMS) und der Deutschen Gesellschaft für Public Health (DGPH). Dresden, 08.-13.09.2024 Kamal MM, Kutafina E, Beyan O. Real-Time Process Monitoring Hospital Data. In: Gesundheit – gemeinsam. Kooperationstagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS), Deutschen Gesellschaft für Sozialmedizin und Prävention (DGSMP), Deutschen Gesellschaft für Epidemiologie (DGEpi), Deutschen Gesellschaft für Medizinische Soziologie (DGMS) und der Deutschen Gesellschaft für Public Health (DGPH). Dresden, 08.-13.09.2024. Düsseldorf: German Medical Science GMS Publishing House; 2024. DocAbstr. 945. DOI: 10.3205/24gmds046 https://doi.org/10.3205/24gmds046 Phan-Vogtmann LA Helhorn A Kruse HM Approaching Clinical Data Transformation from Disparate Healthcare IT Systems Through a Modular Framework 2019 ICT for Health Science Research: Proceedings of the EFMI 2019 Special Topic Conference, Hannover, 7.–10. April 2019 85–89 Phan-Vogtmann LA, Helhorn A, Kruse HM, et al. Approaching Clinical Data Transformation from Disparate Healthcare IT Systems Through a Modular Framework. In: Shabo (Shvo) A, Madsen I, Prokosch HU, Häyrinen K, Wolf KH, Martin-Sanchez F, Löbe M, Deserno TM, Hrsg. ICT for Health Science Research: Proceedings of the EFMI 2019 Special Topic Conference, Hannover, 7.–10. April 2019. Amsterdam: IOS Press; 2019. S. 85–89. (Studies in Health Technology and Informatics; 258). DOI: 10.3233/978-1-61499-959-1-85 https://doi.org/10.3233/978-1-61499-959-1-85 0 0 0 0