Anwendungsszenarien für Big Data im Gesundheitswesen

Datenanalysen für Krankenhäuser, Labore, Versicherungen und die Pharmaindustrie
Chapter
First Online:
Part of the IT kompakt book series (IT)

Zusammenfassung

Daten entstehen überall im Gesundheitswesen – im Krankenhaus, im Labor, bei den Versicherungen und Kassen oder in der Pharmaindustrie, um nur einige Bereiche zu nennen. Fast in allen Bereichen kann die Analyse großer Datenmengen neue Informationen liefern. Die gewonnenen Informationen können Prozesse vereinfachen, Kosten reduzieren, Wissen erzeugen und die Forschung vorantreiben. Es braucht etwas Querdenken und etwas Phantasie, doch dann zeigt sich, dass die Analyse von Daten in fast allen Bereichen des Gesundheitswesens zum Fortschritt beitragen kann: mit Telemedizin, mit Sprachverarbeitung, mit Vorhersagen.

This is a preview of subscription content, log in to check access

Literatur

  1. 1.
    Budras C (2014) „Google weiß, wo die Grippe lauert“ in: Frankfurter Allgemeine Zeitung Online. http://www.faz.net/aktuell/wirtschaft/netzwirtschaft/google-flu-trends-big-data-kann-helfen-uns-gegen-krankheiten-zu-wappnen-13268389.html. Zugegriffen: 10. Okt. 2017Google Scholar
  2. 2.
    Gadatsch A, Landrock H (2016) Big Data für Einsteiger. Springer ViewegGoogle Scholar
  3. 3.
    Grätzel von Grätz P (2015) Die Gratwanderung mit Big Data, in Ärzte Zeitung. https://www.aerztezeitung.de/politik_gesellschaft/medizinethik/article/886768/gesundheitswesen-gratwanderung-big-data.html. Zugegriffen: 13. Sept. 2017Google Scholar
  4. 4.
    Heuer F (2014) Das Social Krankenhaus. Manag Krankenh 5/2014:16Google Scholar
  5. 5.
  6. 6.
  7. 7.
  8. 8.
  9. 9.
    Intersystems-Presseinformation: „Datenintegration und Vernetzung im Gesundheitswesen“, Darmstadt, 16. November 2010.:Google Scholar
  10. 10.
    Küll U (2012) Kleinräumige Analyse in der medizinischen Versorgungsforschung“, Computerwoche Online, München. https://www.computerwoche.de/a/vogtlandkreis-kleinraeumige-analyse-in-der-medizinischen-versorgungsforschung,2523025. Zugegriffen: 14. Okt. 2017Google Scholar
  11. 11.
    Landrock H (2014) Neue Arbeitswelten. Manag Krankenh 9/2014:15Google Scholar
  12. 12.
    Landrock H (2014) Big Data für Jeden. Manag Krankenh 5/2014:15Google Scholar
  13. 13.
    Landrock H (2014) Schöne neue Datenwelt. Manag Krankenh 10/2014:19Google Scholar
  14. 14.
    Landrock H (2014) IT-Standardisierung. Manag Krankenh 6/2014:6Google Scholar
  15. 15.
    Red-Hat-Presseinformation: „Molecular Health migriert beim medizinischen Datenmanagement auf Red Hat Enterprise Linux for SAP HANA“, Frankfurt, 19. Juni 2017Google Scholar
  16. 16.
    www.pflegewiki.de. Zugegriffen: 23. Sept. 2017

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.BerlinDeutschland
  2. 2.Sankt AugustinDeutschland

Personalised recommendations