Advertisement

Datenlinkage von Primär- und Sekundärdaten

Ein Zugewinn auch für die kleinräumige Versorgungsforschung in Deutschland?
  • E. SwartEmail author
  • C. Stallmann
  • J. Powietzka
  • S. March
Leitthema

Zusammenfassung

Die Versorgungsforschung in Deutschland behandelt eine Vielzahl von Themen im regionalen Kontext und nutzt dafür überwiegend eine (in der Regel: Sekundär-)Datenquelle. Deren spezifische Nachteile und methodischen Einschränkungen können sich limitierend auf eine Analyse auswirken. Zur regionalen Aufgliederung existieren vielfältige Datenquellen, die für die regionale Versorgungsforschung von Interesse sein könnten. Eine Verknüpfung verschiedener Datenquellen (Datenlinkage) könnte somit die Analysemöglichkeiten erweitern. In der Versorgungsforschung selbst werden derzeit verschiedene Ansätze diskutiert, um die jeweiligen Schwächen von Primär- und Sekundärdaten über ein Datenlinkage zu überwinden. Der vorliegende Beitrag thematisiert die verschiedenen Formen des Datenlinkage (auf aggregiertem bzw. individuellem Niveau) sowie deren Potenziale und Restriktionen für die kleinräumige Versorgungsforschung. Der Fokus liegt auf dem individuellen Datenlinkage, das ein schriftliches Einverständnis voraussetzt (informed consent). Unter Berücksichtigung der methodischen und insbesondere datenschutzrechtlichen Herausforderungen werden Schlussfolgerungen über zukünftige Anwendungsfelder und -möglichkeiten der kleinräumigen Versorgungsforschung gezogen und an Beispielen konkretisiert.

Schlüsselwörter

Datenlinkage Primärdaten Sekundärdaten Kleinräumige Versorgungsforschung Datenschutz 

Data linkage of primary and secondary data

A gain for small-area health-care analysis?

Abstract

In Germany, research on health-care services addresses many topics within a regional context, and it predominantly uses a single (typically secondary) data sources for this purpose. The specific disadvantages and methodological challenges associated with these data sources may limit analysis. Various data sources break the data down by region and may be of interest in regional health-care research. Linking multiple data sources (data linkage) could therefore expand analysis options in this area. Researchers in this field are currently discussing various approaches for using data linkage to overcome the respective weaknesses of primary and secondary data. This contribution covers the various types of data linkage (on an aggregate or individual level) and their potentials and limitations in small area health services research. The focus lies on individual data linkage, which requires written informed consent. Taking into account methodological and particularly data protection challenges, conclusions are drawn regarding future application areas and options of small area health services research and specific examples are provided.

Keywords

Data linkage Primary data Secondary data Small-area health-care services research Data protection 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt. E. Swart, C. Stallmann, J. Powietzka und S. March geben an, dass kein Interessenkonflikt besteht. Dieser Beitrag beinhaltet keine Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Wennberg JE, Gittelsohn A (1973) Small area variation in health care delivery. Science 182:1102–1108PubMedCrossRefGoogle Scholar
  2. 2.
    Wennberg JE (1984) Dealing with medical practice variations: a proposal for action. Health Aff 3:6–32CrossRefGoogle Scholar
  3. 3.
    Wennberg JE (2010) Tracking medicine. A researcher’s quest to understand health care. Oxford Univ. Press, New YorkGoogle Scholar
  4. 4.
    Swart E (2005) Kleinräumige Versorgungsforschung mit GKV-Routinedaten. In: Swart E, Ihle P (Hrsg) Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden und Perspektiven. Huber, Bern, S 243–252Google Scholar
  5. 5.
    Swart E, Deh U, Robra B-P (2008) Die Nutzung der GKV-Daten für die kleinräumige Analyse und Steuerung der stationären Versorgung. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 51:1183–1192CrossRefGoogle Scholar
  6. 6.
    Nowossadeck E, Kroll LE, Nowossadeck S et al (2011) Kleinräumige Bedarfsprognosen – Eine Machbarkeitsstudie für Deutschland. Robert Koch-Institut, BerlinGoogle Scholar
  7. 7.
    Thode N, Bergmann E, Kamtsiuris P et al (2005) Einflussfaktoren auf die ambulante Inanspruchnahme in Deutschland. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 48:296–306CrossRefGoogle Scholar
  8. 8.
    Ozegowski S (2013) Regionale Kodierqualität ambulanter Diagnosen. G+G Wissenschaft 13(1):23–34Google Scholar
  9. 9.
    Robra B-P, Swart E, Schlichthaar H et al (1999) Reduktion der Krankenhaushäufigkeit des Diabetes mellitus nach Diabetes-Vereinbarung im ambulanten Sektor – kleinräumige Evaluation anhand regionaler Krankenhausdaten. Diabetes Stoffwechs 8:107–112Google Scholar
  10. 10.
    Hering R, Augustin J (o J) Methoden zur Zusammenführung inkompatibler räumlicher Ebenen im Gesundheitswesen am Beispiel Hamburgs. Gesundheitswesen (eingereicht)Google Scholar
  11. 11.
    March S, Iskenius M, Hardt J et al (2013) Methodische Überlegungen für das Datenlinkage von Primär- und Sekundärdaten im Rahmen arbeitsepidemiologischer Studien. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 56:571–578CrossRefGoogle Scholar
  12. 12.
    Bitzer EM, Neusser S, Lorenz C et al (2007) Krankenhaus-Rangfolgen nach Ergebnisqualität in der Hüftendoprothetik – Routinedaten mit oder ohne Patientenbefragungen? – Teil 2: Patientenbefragung in Kombination mit Routinedaten. GMS Med Inform Biom Epidemiol 3(1):Doc07Google Scholar
  13. 13.
    Hoffmann W, Bobrowski C, Fendrich K (2008) Sekundärdatenanalyse in der Versorgungsepidemiologie – Potenzial und Limitationen. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 51:1193–1201CrossRefGoogle Scholar
  14. 14.
    March S, Rauch A, Thomas D et al (2012) Datenschutzrechtliche Vorgehensweise bei der Verknüpfung von Primär- und Sekundärdaten in einer Kohortenstudie: die lidA-Studie. Gesundheitswesen 74:e122–e129PubMedCrossRefGoogle Scholar
  15. 15.
    Swart E, March S, Thomas D et al (2011) Erfahrungen mit der Datenverknüpfung von Primär- und Sekundärdaten in einer Interventionsstudie. Gesundheitswesen 73:e126–e132PubMedCrossRefGoogle Scholar
  16. 16.
    Schröder H, Kersting A, Gilberg R et al (2013) Methodenbericht zur Haupterhebung lidA – leben in der Arbeit. FDZ-Methodenreport 01/2013. Institut für Angewandte Sozialwissenschaft, BonnGoogle Scholar
  17. 17.
    Hasselhorn HM, Peter R, Rauch A et al (o J) Cohort profile: the lidA study – a German Cohort Study on work, age, health and work participation. Int J Epidemiol (eingereicht)Google Scholar
  18. 18.
    Wichmann H-E, Kaaks R, Hoffmann W et al (2012) Die Nationale Kohorte. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 55:781–789CrossRefGoogle Scholar
  19. 19.
    Swart E, Stallmann C, Powietzka J et al (2013) Nationale Kohorte – Prätestprojekt 8. Erschließung von Sekundärdaten und Prüfung ihrer Nutzungsmöglichkeiten (PP8). Endbericht. Otto-von-Guericke-Universität, MagdeburgGoogle Scholar
  20. 20.
    Erbel R, Eisele L, Moebus S et al (2012) Die Heinz Nixdorf Recall Studie. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 55:809–815CrossRefGoogle Scholar
  21. 21.
    Moebus S, Andrich S (2010) Gesundheitsökonomische Begleitevaluation der Heinz Nixdorf Recall Studie. Fachlicher Abschlussbericht Teil A. Institut für Medizinische Informatik, Biometrie und Epidemiologie, EssenGoogle Scholar
  22. 22.
    Völzke H (2012) Study of Health in Pomerania (SHIP). Konzept, Kohortendesign und ausgewählte Ergebnisse. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 55:790–794CrossRefGoogle Scholar
  23. 23.
    Sozialgesetzbuch Zehntes Buch (SGB X) – Sozialverwaltungsverfahren und Sozialdatenschutz – in der Fassung der Bekanntmachung vom 18. Januar 2001 (BGBl. I S. 130), zuletzt durch Artikel 8 des Gesetzes vom 21. Juli 2012 (BGBl. I S. 1566) geändert. http://www.gesetze-im-internet.de/bundesrecht/sgb_10/gesamt.pdfGoogle Scholar
  24. 24.
    Swart E, March S, Thomas D et al (2011) Die Eignung von Sekundärdaten zur Evaluation eines Interventionsprojekts – Erfahrungen aus der AGil-Studie. Präv Gesundheitsf 6:305–311CrossRefGoogle Scholar
  25. 25.
    Stock S, Danner M (2014) Kann die Erhebung von Einstellungen und Präferenzen die kleinräumige Versorgungsanalyse sinnvoll ergänzen? Eine gesundheitspolitische Perspektive. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 57Google Scholar
  26. 26.
    Zorn U (2014) Kleinräumige Versorgungsforschung aus Sicht der Bundessärztekammer. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 57Google Scholar
  27. 27.
    Linder R, Ahrens S, Köppel D et al (2011) Nutzen und Effizienz des Disease-Management-Programms Diabetes Mellitus Typ 2. Dtsch Ärztebl 108:155–162Google Scholar
  28. 28.
    Robra B-P (2014) John E. Wennberg, Pionier der regionalen Versorgungsforschung. Was kann eine deutsche Versorgungswissenschaft von ihm lernen? Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 57Google Scholar
  29. 29.
    AOK-Bundesverband, Forschungs- und Entwicklungsinstitut für das Sozial- und Gesundheitswesen Sachsen-Anhalt (FEISA), HELIOS Kliniken, Wissenschaftliches Institut der AOK (WIdO) (Hrsg) (2007) Qualitätssicherung der stationären Versorgung mit Routinedaten (QSR). Abschlussbericht. Bonn. http://wido.de/fileadmin/wido/downloads/pdf_krankenhaus/wido_kra_qsr-abschlussbericht_0407.pdfGoogle Scholar
  30. 30.
    Mangiapane S (2014) Lernen aus regionalen Unterscheiden: Die Webplattform. http://www.versorgungsatlas.de. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 57Google Scholar
  31. 31.
    Kelman C, Smith L (1999) It’s time: record linkage – the vision and the reality. Aust N Z J Public Health 24:100–101CrossRefGoogle Scholar
  32. 32.
    Kelman CW, Bass AJ, Holman CDJ (2002) Research use of linked health data – a best practice protocol. Aust N Z J Public Health 26:251–255PubMedCrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2014

Authors and Affiliations

  • E. Swart
    • 1
    Email author
  • C. Stallmann
    • 1
  • J. Powietzka
    • 1
  • S. March
    • 1
  1. 1.Institut für Sozialmedizin und Gesundheitsökonomie (ISMG), Medizinische FakultätOtto-von-Guericke-Universität MagdeburgMagdeburgDeutschland

Personalised recommendations