Skip to main content
SpringerLink
Log in

Systematische Bewertung und Steigerung der Qualität medizinischer Daten

Systematic assessment and improvement of medical data quality

  • Originalien und Übersichten
  • Published:
Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz Aims and scope

Zusammenfassung

Gesundheitsforschung ist auf empirische Informationen angewiesen, die auf Daten mit hoher Qualität basieren. Das Ziel der vorliegenden Studie war es, die von der Technologie- und Methodenplattform für die vernetzte medizinische Forschung (TMF) entwickelte Leitlinie zur unabhängigen Bewertung und Steigerung der Datenqualität anzuwenden. Hierzu wurde ein klinisches Register von Mammakarzinompatientinnen aus 2 Zeitperioden (N = 389 von 1996 bis 1997 und N = 488 von 2003 bis 2004) herangezogen. Auf den Datenqualitätsebenen Plausibilität, Organisation und Richtigkeit wurden Datenqualitätsindikatoren (DQI) ausgewählt, operationalisiert und Abweichungsquoten anhand von normativ-analytisch festgelegten Schwellenwerten berechnet. Bei auffälligen Abweichungen erfolgten Korrekturen zur Steigerung der Datenqualität. Ein zusammenfassender Datenqualitätsscore vor und nach Durchführung dieser Prozedur wurde berechnet. Es wurden 11 von 24 DQIs geprüft. Die Datenqualität konnte von 51,6 auf 67,7% systematisch gesteigert werden. Die Leitlinie ermöglicht bei einem vertretbaren Aufwand eine systematische Bewertung und Steigerung der Datenqualität. Das zielgerichtete Vorgehen erzeugt eine hohe Transparenz der Datenqualität, die für die Gesundheitsforschung unerlässlich ist.

Abstract

Public health research depends on empirical information that is based on data of high quality. The aim of this study was to apply the current guidelines developed by the Technology and Methodology Platform for Networked Medical Research (TMF) for the independent assessment and enhancement of data quality. A clinical register of female breast cancer patients from two periods (N = 389 of 1996–1997 and N = 488 of 2003–2004) was used. To check the plausibility, organization, and correctness of the data quality levels, data quality indicators (DQI) were chosen, operationalized, and the variance ratios of normative–analytic-defined thresholds were calculated. Significant deviations led to data improvement, which included the commonly known source data verification (SDV). A summary data quality score was calculated before and after application of the guidelines. Eleven out of 24 DQIs were tested. Data quality systematically increased from 51.6 to 67.7%. The guidelines facilitate a systematic assessment and improvement of data quality with a reasonable use of resources. This target-oriented procedure allows for a high transparency of the available data quality, which is essential for health research.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Subscribe and save

Springer+ Basic
$34.99 /Month
  • Get 10 units per month
  • Download Article/Chapter or eBook
  • 1 Unit = 1 Article or 1 Chapter
  • Cancel anytime
Subscribe now

Buy Now

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1

Literatur

  1. Nonnemacher M, Weiland D, Stausberg J (2007) Datenqualität in der medizinischen Forschung. Leitlinie zum adaptiven Management von Datenqualität in Kohortenstudien und Registern. Medizinisch Wissenschaftliche Verlagsgesellschaft, Berlin

  2. Bray F, Parkin DM (2009) Evaluation of data quality in the cancer registry. Principles and methods. Part I: Comparability, validity and timeliness. Eur J Cancer 45(5):747–755

    Article  PubMed  Google Scholar 

  3. Lash T, Fox M, Fink A (2009) Applying quantitative bias analysis to epidemiologic data. Statistics for biology and health. Springer, Dordrecht

  4. Parkin DM, Bray F (2009) Evaluation of data quality in the cancer registry. Principles and methods. Part II. Completeness. Eur J Cancer 45(5):756–764

    Article  PubMed  Google Scholar 

  5. Rosner B (2006) Fundamentals of biostatistics. Thomson-Brooks/Cole, Belmont

  6. Stausberg J, Nonnemacher M, Weiland D, et al (2006) Management of data quality – development of a computer-mediated guideline. Ubiquity: technologies for better health in aging societies: proceedings of MIE2006:477–482

  7. Rossboth D, Gay J, Lin V (2007) Einführung in die Evidence Based Medicine. Wissenschaftstheorie, Evidence Based Medicine und public Health. WUV Univ.-Verl., Wien

  8. Engel J, Nagel G, Breuer E et al (2002) Primary breast cancer therapy in six regions of Germany. Eur J Cancer 38:578–585

    Article  PubMed  CAS  Google Scholar 

  9. Donabedian A (1966) Evaluating the quality of medical care. The milbank memorial fund quarterly 44(3):Suppl:166–206

  10. Donabedian A (1982) An exploration of structure, process and outcome as approaches to quality assessment. In: Selbmann H, Uberla K (Hrsg) Quality assessment of medical care. Bleicher, Gerlingen, S 69–92.

  11. Hentschel S (Hrsg) (2008) Das Manual der epidemiologischen Krebsregistrierung. Zuckschwerdt, München

  12. National Cancer Institute (2012) SEER Data Submission Requirements. February 2012 Data Submission. http://seer.cancer.gov/tools/submission.html

  13. Nennecke A, Brenner H, Eberle A et al (2010) Überlebenschancen von Krebspatienten in Deutschland – auf dem Weg zu repräsentativen, vergleichbaren Aussagen. Gesundheitswesen 72(10):692–699

    Article  PubMed  CAS  Google Scholar 

  14. Stausberg J, Jacke C (2011) Ein kontinuierlicher Verbesserungsprozess. Anwendung der TMF-Leitlinie zur Datenqualität in der medizinischen Forschung. E-Health-COM 1:42

  15. Stausberg J, Jacke C (2011) Ein kontinuierlicher Verbesserungsprozess. Anwendung der TMF-Leitlinie zur Datenqualität in der medizinischen Forschung. Interview zum Workshop Datenqualität am 4.4.2011 in Berlin. http://www.tmf-ev.de/News/tabid/108/articleType/ArticleView/articleId/856/Ein-kontinuierlicher-Verbesserungsprozess.aspx

  16. Breslow N, Day N (1987) Statistical methods in cancer research. Volume II – The design and analysis of cohort studies. IARC Sci Publ 82:1–406

    Google Scholar 

  17. Breslow N, Day NE (1996) Statistical methods in cancer research, Reprinted. IARC scientific publications, Bd. 82. IARC, Lyon

  18. Haberland J, Schön D, Bertz J, Görsch B (2003) Vollzähligkeitsschätzungen von Krebsregisterdaten in Deutschland. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 46:770–774

    Article  Google Scholar 

  19. Rothman KJ, Greenland S, Lash TL (2008) Modern epidemiology. Wolters Kluwer Lippincott Williams & Wilkins, Philadelphia

  20. Nonnemacher M, Weiland D, Neuhäuser M, Stausberg J (2007) Adaptive management of data quality in Cohort studies and registers. Proposal for a guideline. AIM 15(4):225–230

    Google Scholar 

  21. Schnell R, Hill P, Esser E (2005) Methoden der empirischen Sozialforschung. Oldenbourg, München

  22. Diekmann A (2005) Empirische Sozialforschung. Grundlagen, Methoden, Anwendungen. Rowohlt, Hamburg

  23. Fayers P, Machin D (2001) Quality of life. Assessment, analysis and interpretation. Wiley, Chichester

  24. Fayers P, Machin D (2007) Quality of life. The assessment, analysis and interpretation of patient-reported outcomes. Wiley, Chichester

  25. The American Association for Public Opinion Research (2011) Standard definitions: final dispositions of case codes and outcome rates for surveys. http://www.aapor.org/AM/Template.cfm?Section = Standard_Definitions2&Template = /CM/ContentDisplay.cfm&ContentID = 3156

  26. Lorenz W (1981) Eine Einführung in die Terminologie und Problematik. Langenbecks. Arch Surg 355(1):387–391

    CAS  Google Scholar 

  27. Lorenz W (1979) Prospektive, kontrollierte Studien in der Chirurgie. Kontroverse Standpunkte zur Motivierung und Durchführung. J Mol Med 57(7):301–310

    CAS  Google Scholar 

  28. Blumenstock G, Fischer I, Cruppé W de et al (2012) Benchmarking in der Patientenversorgung in Deutschland: Aktueller Entwicklungsstand und Perspektiven. Gesundh Ökon Qualmanag

  29. Albert U, Wagner U, Kalder M (2009) Breast Centers in Germany. Breast Care (Basel, Switzerland) 4(4):225–230

  30. Wagner U, Albert U (2006) Modell eines Mammakarzinom Netzwerkes. Brustzentrum Regio. Breast Care 1:198–199

    Article  Google Scholar 

  31. Brucker S, Krainick U, Bamberg M et al (2003) Brustzentren. Rationale, funktionelles Konzept, Definition und Zertifizierung. Gynäkologe 36(10):862–877

    Article  Google Scholar 

  32. Brucker S, Traub J, Krainick-Strobel U et al (2005) Brustzentren. Entwicklung in Deutschland. Onkologe 11(3):285–297

    Article  Google Scholar 

  33. Brucker SY, Schumacher C, Sohn C et al (2008) Benchmarking the quality of breast cancer care in a nationwide voluntary system. The first five year results (2003–2007) from Germany as a proof of concept. BMC Cancer 8:358–371

    Article  PubMed  Google Scholar 

  34. Walshe K (2007) Understanding what works – and why – in quality improvement: the need for theory-driven evaluation. Int J Qual Health Care 19(2):57–59

    Article  PubMed  Google Scholar 

  35. Walshe K (2009) Pseudoinnovation: the development and spread of healthcare quality improvement methodologies. Int J Qual Health Care 21(3):153–159

    Article  PubMed  Google Scholar 

  36. Kromrey H, Strübing J (2009) Empirische Sozialforschung. Modelle und Methoden der standardisierten Datenerhebung und Datenauswertung. UTB für Wissenschaft Uni-Taschenbücher. Bd. 1040, Lucius & Lucius, Stuttgart

  37. Behnke J (2005) Lassen sich Signifikanztests auf Vollerhebungen anwenden? Einige essayistische Anmerkungen. PVS. 46(1):O1–O15

  38. Brucker S, Bamberg M, Jonat W et al (2009) Certification of breast centres in Germany: proof of concept for a prototypical example of quality assurance in multidisciplinary cancer care. BMC Cancer 9:228

    Article  PubMed  Google Scholar 

  39. Wöckel A, Varga D, Atassi Z et al (2010) Impact of guideline conformity on breast cancer therapy. Results of a 13-year retrospective cohort study. Onkologie 33(1–2):21–28

    Google Scholar 

  40. Albert U (2008) Stufe-3-Leitlinie Brustkrebs-Früherkennung in Deutschland. (Konzertierte Aktion Brustkrebs-Früherkennung in Deutschland), 1. Aktualisierung 2008. Zuckschwerdt, München

  41. Kreienberg R (2008) Interdisziplinäre S3-Leitlinie für die Diagnostik, Therapie und Nachsorge des Mammakarzinoms, 1. Aktualisierung 2008. Zuckschwerdt, München

  42. Schnell R, Hill P, Esser E (2005) Methoden der empirischen Sozialforschung. Oldenbourg, München

  43. Diekmann A (2005) Empirische Sozialforschung. Grundlagen, Methoden, Anwendungen. Rowohlt, Hamburg

Download references

Danksagung

Die initiale Förderung der Studien erfolgte durch das Bundesgesundheitsministerium: Feldstudie zur regionalen Versorgung von Tumorpatientinnen unter besonderer Berücksichtigung der Lebensqualität Fö.Kz.: FB 2-43332-70/6 und dem Bundesministerium für Bildung und Forschung im Rahmen des Programms Health Research – Research to benefit the people: Guideline implementation for early diagnosis and treatment of breast cancer – study on clinical relevance and quality of life (Acronym: GET-Quality) Fö.-KZ: GFZPO1119302. Wir danken J. Etter, N. Hefendiehl, S. Thommes und A. Rost für die organisatorische Unterstützung bei der Durchführung der Studien. Wir danken Prof. Dr. J. Stausberg für den am 4. April 2011 initiierten TMF-Workshop „Datenqualität in der medizinischen Forschung“ in Berlin. Dank gilt ebenfalls A. Werner und den anonymen Gutachtern.

Interessenkonflikt

Der korrespondierende Autor gibt für sich und seine Koautoren an, dass kein Interessenkonflikt besteht.

Author information

Authors and Affiliations

  1. Zentralinstitut für Seelische Gesundheit, Medizinische Fakultät Mannheim, AG Versorgungsforschung, Universität Heidelberg, Quadrat J5, 68159, Mannheim, Deutschland

    C.O. Jacke

  2. Universitätsklinikum Marburg und Gießen , Standort Marburg, Deutschland

    M. Kalder, U. Wagner & U.S. Albert

  3. Zentrum für Klinische Studien, Universitätsklinikum Regensburg, Regensburg, Deutschland

    M. Koller

Authors
  1. C.O. Jacke
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. M. Kalder
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. M. Koller
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. U. Wagner
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. U.S. Albert
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to C.O. Jacke.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Jacke, C., Kalder, M., Koller, M. et al. Systematische Bewertung und Steigerung der Qualität medizinischer Daten. Bundesgesundheitsbl. 55, 1495–1503 (2012). https://doi.org/10.1007/s00103-012-1536-x

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00103-012-1536-x

Schlüsselwörter

Keywords

Search

Navigation