Advertisement

ICD-11, ICHI und SNOMED CT – was bedeuten die Systematiken für E‑Health-Anwendungen?

  • Sylvia Thun
  • Heike Dewenter
Leitthema

Zusammenfassung

Hintergrund

Die medizinische Dokumentation erfolgt in Zukunft nicht nur für administrative Prozesse und die Abrechnung der Behandlung, sondern auch für die elektronische Patientenakte und weitere E‑Health-Anwendungen.>

Ziel der Arbeit

Es wird untersucht, inwieweit die „Internationale statistische Klassifikation der Krankheiten und verwandter Gesundheitsprobleme“ ICD-11 und die „International Classification of Health Interventions“ ICHI im Vergleich zur internationalen Referenzterminologie „Systematized Nomenclature of Medicine–Clinical Terms“ SNOMED CT den Ansprüchen aktueller E‑Health-Anwendungen genügen und Interoperabilität gewährleisten.

Material und Methoden

Die Stärken und Schwächen von ICD-11 und ICHI werden in Bezug auf die technologische Umsetzung, die Aspekte in der Fachliteratur, die kontextuelle Abbildbarkeit innerhalb der International Patient Summary sowie telemedizinischer Anwendungen und in IT-Standards wie HL7 im Vergleich zu SNOMED CT herausgearbeitet.

Ergebnisse

Das medizinische Fachvokabular ist mit der ICD-11 und ICHI nicht abbildbar, aber gut mit SNOMED CT, da ICD-11 und ICHI auf die Repräsentation von Prozeduren und Diagnosen limitiert sind. Eine exemplarische Werteliste (n = 30) zeigt eine gute semantische Abbildungsqualität mit SNOMED CT, im Gegensatz zur ICHI. In der Fachliteratur werden ICD-11- zu SNOMED-CT-Mappings als komplex und fehleranfällig beschrieben.

Diskussion

In Bezug auf die inhaltliche Ausdrucksstärke und internationale Nutzbarkeit kann das Potenzial von SNOMED CT in E‑Health-Anwendungen selbst für die originären Teilbereiche Diagnosen bzw. Prozeduren insgesamt als vorteilhafter beurteilt werden als ICD-11 oder ICHI. Letztere werden allerdings für begrenzte Anwendungsfälle, wie statistische Auswertungen, empfohlen.

Schlüsselwörter

ICD-11 ICHI SNOMED CT Interoperabilität E-Health 

Abkürzungen

API

Application Programming Interface

App

Application Software

ASSESS CT

Assessing SNOMED CT for Large Scale eHealth Deployments in the EU

CDISC

Clinical Interchange Standards Consortium

Content Model

Inhaltliches Modell

CTS 2

Common Terminology Services 2

DICOM

Digital Imaging and Communications in Medicine

EBM

Einheitlicher Bewertungsmaßstab

eMentalHealth-Anwendungen

E-Health-Anwendungen für die psychische Gesundheit

epSOS

European Patient Smart Open Services

eStandards

IT-Standards

FHIR

Fast Healthcare Interoperability Resources

HL7

Health Level Seven

HTTP

Hypertext Transfer Protocol

ICD

Internationale statistische Klassifikation der Krankheiten und verwandter Gesundheitsprobleme

ICD-11-MMS

International Classification of Diseases 11th Revision, Mortality and Morbidity Statistics

ICD-11-WHO

International Classification of Diseases 11th Revision, World Health Organisation

ICHI

International Classifications of Health Interventions

IHE

Integrating the Healthcare Enterprise

International Patient Summary

Internationale Patientenkurzakte

IS-A-Beziehungen

„Ist-eine“-Beziehung, eine einfache Mutter-Kind-Zuordnung

ISO

Internationale Organisation für Normung

LOD

Linked Open Data

MVC

Master Value Set Catalogue

OID

Objekt-Identifier

OPS

Operationen- und Prozedurenschlüssel

OWL

Web Ontology Language

RDF

Resource Description Framework

RESTful-Services

Representational State Transfer

Semantic Web

Semantisches Netz

SKOS

Simple Knowledge Organisation System

Smart Data

Intelligente Daten

SNOMED CT

Systematized Nomenclature of Medicine–Clinical Terms

SPARQL

Protocol And RDF Query Language

URI

Uniform Resource Identifier

ICD-11, ICHI and SNOMED CT—What do the standards mean for eHealth applications?

Abstract

Background

Medical documentation is no longer used primarily for administrative processes or healthcare billing, but for the entire electronic health record with accompanying eHealth use cases.

Objectives

It shall be examined to what extent classifications such as the International Statistical Classification of Diseases and Related Health Problems (ICD-11) and the International Classification of Health Interventions (ICHI), in comparison to the international reference terminology SNOMED CT, meet the requirements of current eHealth applications and ensure interoperability.

Materials and Methods

The strengths and weaknesses of ICD-11 and ICHI are highlighted in terms of literature, contextual mapping within the international patient summary, telemedicine applications and the use in IT standards, such as HL7 in comparison to SNOMED CT.

Results

The whole range of medical terminology is not covered by ICHI and ICD-10, but with SNOMED CT, because ICD-11 and ICHI may be used in strict limitations to annotate procedures and diagnosis. A sample value set (n = 30) shows high mapping equivalence in SNOMED CT. In the literature, ICD-11 to SNOMED CT mappings are described as complex and error-prone.

Conclusions

In terms of content expressivity and international usability, the potential of SNOMED CT in eHealth applications can be considered more favorable than ICD-11 or ICHI, even considering the original scope of these classifications, diagnoses and procedures. ICHI may even be recommended for specific use cases (e. g. statistics).

Keywords

ICD-11 ICHI SNOMED CT Interoperability E-Health 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

S. Thun ist stellvertretende Vorsitzende des HL7 Deutschland e. V.; H. Dewenter ist stellvertretende Leiterin des Technischen Komitees Terminologien von HL7 Deutschland e. V.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Literatur

  1. 1.
    EU Cross Border Directive (2011) Directive of the application of patient’s rights in cross-border-healthcare. http://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32011L0024. Zugegriffen: 1. Jan. 2018Google Scholar
  2. 2.
    WHO (2018) International Classification of Health Interventions (ICHI). http://www.who.int/classifications/ichi/en/. Zugegriffen: 1. Jan. 2018Google Scholar
  3. 3.
    WHO (2018) 11th Revision of the International Classification of Diseases (ICD-11). http://www.who.int/classifications/icd/revision/en/. Zugegriffen: 1. Jan. 2018Google Scholar
  4. 4.
    Ingenerf J (2007) Terminologien oder Klassifikationen: Was bringt die Zukunft? Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz 50:1070–1083CrossRefPubMedGoogle Scholar
  5. 5.
  6. 6.
    EU (2017) The experience of selecting the code systems for the development of the epSOS Master value set Catalogue. http://ec.europa.eu/health//sites/health/files/ehealth/docs/ev_20131119_co1_3_en.pdf. Zugegriffen: 1. Jan. 2018Google Scholar
  7. 7.
    European Commission (2014) eHealth Interoperability. PHC-34-2014. URL: https://ec.europa.eu/research/participants/portal/desktop/en/opportunities/h2020/topics/phc-34-2014.html Zugegriffen: 01. Januar 2018
  8. 8.
    ASSESS CT (2018) ASSESS CT – Assessing SNOMED CT for Large Scale eHealth Deployments in the EU. http://assess-ct.eu. Zugegriffen: 8. Apr. 2018Google Scholar
  9. 9.
    OpenMedicine (2018) OpenMedicine. http://www.open-medicine.eu/home.html. Zugegriffen: 8. Apr. 2018Google Scholar
  10. 10.
    VALUeHEALTH (2018) VALUeHEALTH. http://www.valuehealth.eu/. Zugegriffen: 8. Apr. 2018Google Scholar
  11. 11.
    estandards (2018) eStandards. http://www.estandards-project.eu/. Zugegriffen: 8. Apr. 2018Google Scholar
  12. 12.
    HL7 International (2018) HL7 International. www.hl7.org. Zugegriffen: 1. Jan. 2018Google Scholar
  13. 13.
    DICOM (2018) DICOM – Digital Imaging and Communications in Medicine. http://www.dicomstandard.org. Zugegriffen: 1. Jan. 2018Google Scholar
  14. 14.
    IHE (2018) Integrating the Healthcare Enterprise (IHE). www.IHE.net. Zugegriffen: 1. Jan. 2018Google Scholar
  15. 15.
    CDISC (2018) Clinical Data Interchange Standards Consortium (CDISC). www.cdisc.org. Zugegriffen: 1. Jan. 2018Google Scholar
  16. 16.
    Rodrigues JM, Robinson D, Mea DV et al (2015) Semantic alignment between ICD-11 and SNOMED CT. Stud Health Technol Inform 216:790–794PubMedGoogle Scholar
  17. 17.
    HL7 (2018) Common Terminology Services (CTS2). URL: http://wiki.hl7.org/index.php?title=Product_CTS Zugegriffen: 14. Januar 2018
  18. 18.
    Mea DV, Vuattolo O, Ustun BT et al (2015) A web-based tool for development of a common ontology between ICD11 and SNOMED-CT. http://ieeexplore.ieee.org/document/7052481/?reload=true. Zugegriffen: 1. Jan. 2018Google Scholar
  19. 19.
    Ohanessian R, Fortune N, Rodrigues JM et al (2017) Coding acute stroke care and telestroke with the International Classification of Health Interventions (ICHI). Int J Med Inform.  https://doi.org/10.1016/j.ijmedinf.2017.09.011 CrossRefGoogle Scholar
  20. 20.
    Campbell JR, Brear H, Scichilone R et al (2013) Semantic interoperation and electronic health records: context sensitive mapping from SNOMED CT to ICD-10. Stud Health Technol Inform 192:603–607PubMedGoogle Scholar
  21. 21.
    ICD-11 content models in UML. http://informatics.mayo.edu/icdmodel. Zugegriffen: 14. Jan. 2018
  22. 22.
    Maercker A, Bachem RC, Lorenz L, Moser CT, Berger T (2015) Adjustment disorders are uniquely suited for ehealth interventions: concept and case study. JMIR Ment Health 2(2):e15–8CrossRefPubMedPubMedCentralGoogle Scholar
  23. 23.
    ISO (2013) ISO DTR 12300 Mapping of Terminologies and Classifications (E) final 20130331Google Scholar
  24. 24.
    Magee HF (2003) The Hospital Data Project: comparing hospital activity within Europe. Eur J Public Health 13(3 Suppl):73–79CrossRefPubMedGoogle Scholar
  25. 25.
    HL7 International (2018) HL7 International. http://www.hl7.org/OID/. Zugegriffen: 1. Jan. 2018
  26. 26.
    ISO (2018) ISO/IEEE 11073. http://11073.org/. Zugegriffen: 14. Jan. 2018Google Scholar
  27. 27.
    Zeplin G, Kock A‑K, Seidl K, Mersmann S, Ingenerf J (2011) Semantische HL7v3 Annotation klinischer Messwerte aus einem PDMS mittels ISO/IEEE 11073 Gerätebeschreibungen zur Anbindung von Smart Applications. 56. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 6. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi), Mainz, S 190–191Google Scholar
  28. 28.
    SMART (2018) SMART—An App Platform for Healthcare. https://smarthealthit.org/. Zugegriffen: 8. Apr. 2018Google Scholar
  29. 29.
    Dewenter H, Thun S (2016) Nutzen einer Referenzterminologie für Deutschland aus der Perspektive der Neuen Institutionenökonomik. In: Müller-Mielitz S, Lux T (Hrsg) E‑Health-Ökonomie. Springer, Wiesbaden, S 239–272Google Scholar
  30. 30.
    Brammen D, Dewenter H, Heitmann KU et al (2017) Mapping equivalence of German emergency department medical record concepts with SNOMED CT after implementation with HL7 CDA. Stud Health Technol Inform 243:175–179PubMedGoogle Scholar
  31. 31.
    Brammen D, Dewenter H, Thiemann V et al (2017) Disseminating a standard for medical records in emergency departments among different software vendors using HL7 CDA. Stud Health Technol Inform 243:132–136PubMedGoogle Scholar
  32. 32.
    Dewenter H, Brammen D, Walcher F, Thun S (2015) Comparing representation abilities of semantic standards in the field of Emergency Room Treatment. Stud Health Technol Inform 210:973Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Berlin Institute of Health (BIH)BerlinDeutschland
  2. 2.Competence Center E‑HealthHochschule NiederrheinKrefeldDeutschland

Personalised recommendations