Zusammenfassung
Die Analyse von Prozessdaten im Gesundheitswesen wird bisher noch wenig genutzt, obwohl sie wichtige Erkenntnisse zur Prozessqualität liefern könnte. Es gibt verschiedene Fragen, die beantwortet werden müssen, um die richtigen Key Performance Indikatoren für die Analyse zu identifizieren. Es besteht das Risiko einer unkritischen Interpretation der Ergebnisse, daher ist eine gründliche Ursachenanalyse erforderlich. Die Nutzung der Daten zur Prozessverbesserung und das kontinuierliche Feedback anhand von Prozesskennzahlen haben positive Auswirkungen auf Qualität und Wirtschaftlichkeit. Es erfordert jedoch ein tiefes Prozessverständnis und klinisches Fachwissen, um das volle Potenzial der Daten nutzen zu können. Teams können durch das Feedback schnell Abweichungen von Sollprozessen korrigieren.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Beier, K., Schickhardt, C., Langhof, H., Schumacher, T., Winkler, E. C., & Schweda, M. (2019). Effiziente medizinische Forschung oder gläserner Patient? Szenarien der Big Data Medizin – Ethische und soziale Aspekte der Datenintegration im Gesundheitswesen. Ethik in der Medizin, 31(3), 261–266. https://doi.org/10.1007/s00481-019-00541-6
Birjandi, S. M., & Khasteh, S. H. (2021). A survey on data mining techniques used in medicine. Journal of Diabetes & Metabolic Disorders, 20(2), 2055–2071. https://doi.org/10.1007/s40200-021-00884-2
Brenner, M., Weir, A., McCann, M., Doyle, C., Hughes, M., Moen, A., Ingvar, M., Nauwelaerts, K., Turk, E., & McCabe, C. (2023). Development of the key performance indicators for digital health interventions: A scoping review. DIGITAL HEALTH, 9, 20552076231152160. https://doi.org/10.1177/20552076231152160
Cooper, S. M., Currie, G. R., Kromm, S., Twilt, M., & Marshall, D. A. (2023). Evaluating key performance indicators of the process of care in juvenile idiopathic arthritis. Pediatric Rheumatology Online Journal, 21(1), 37. https://doi.org/10.1186/s12969-023-00818-7
Digitalisierung in der Medizin—BMBF. (2022, September 20). Bundesministerium für Bildung und Forschung – BMBF. https://www.bmbf.de/bmbf/de/forschung/gesundheit/digitalisierung-in-der-medizin/digitalisierung-in-der-medizin.html. Zugegriffen am 12.01.2024.
Fasel, D., & Meier, A. (Hrsg.). (2016). Big Data: Grundlagen, Systeme und Nutzungspotenziale. Springer. https://doi.org/10.1007/978-3-658-11589-0
Haverkamp, U. (2023). Wunderkammer Smart Hospital. agenda.
Henke, V., Hülsken, G., Beß, A., & Henkel, A. (2022). Digitalstrategie und Strategieentwicklung im Krankenhaus. In V. Henke, G. Hülsken, P.-M. Meier, & A. Beß (Hrsg.), Digitalstrategie im Krankenhaus: Einführung und Umsetzung von Datenkompetenz und Compliance (S. 37–57). Springer. https://doi.org/10.1007/978-3-658-36226-3_5
Kaczmarek, S. (o.J.). Digitale Prozessanalyse—Fraunhofer IML. Fraunhofer-Institut für Materialfluss und Logistik IML. https://www.iml.fraunhofer.de/de/abteilungen/b3/health_care_logistics/krankenhauslogistik/Digital_Prozessanalyse.html. Zugegriffen am 19.07.2023.
Krankenhauszukunftsfonds—Der Krankenhauszukunftsfonds. (o.J.). https://www.krankenhauszukunftsfonds.de/DE/Krankenhauszukunftsfonds/krankenhauszukunftsfonds_node.html. Zugegriffen am 19.07.2023.
Laciok, S., & Wibbeling, S. (2019). Digitale Prozessanalyse im Krankenhaus: Bewegung Sichtbar Machen. Klinik Einkauf, 01(02). https://doi.org/10.1055/s-0039-1692947
Russell, M., Burnett, T., Mackay, G., & Cranshaw, I. (2023). Key performance indicators for improving outcomes from retroperitoneal sarcoma surgery in New Zealand. ANZ Journal of Surgery, 93(3), 585–589. https://doi.org/10.1111/ans.18321
Vrielink, N., & Humpert-Vrielink, F. (2022). Anwendung von Reifegradmodellen zur Messung des Umsetzungserfolgs. In V. Henke, G. Hülsken, P.-M. Meier, & A. Beß (Hrsg.), Digitalstrategie im Krankenhaus: Einführung und Umsetzung von Datenkompetenz und Compliance (S. 197–209). Springer. https://doi.org/10.1007/978-3-658-36226-3_14
Ward, J. S., & Barker, A. (2013). Undefined by data: A survey of big data definitions (arXiv:1309.5821). arXiv. https://doi.org/10.48550/arXiv.1309.5821
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2024 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Roeder, N., Hülsken, G. (2024). Digitalisierung nutzen zur Prozessoptimierung – praktische Implikationen des Health Data Managements für Krankenhausentscheider. In: Henke, V., Hülsken, G., Schneider, H., Varghese, J. (eds) Health Data Management. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-43236-2_25
Download citation
DOI: https://doi.org/10.1007/978-3-658-43236-2_25
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-43235-5
Online ISBN: 978-3-658-43236-2
eBook Packages: Business and Economics (German Language)