DE10145265A1 - Verfahren zur Auswertung von Daten - Google Patents

Verfahren zur Auswertung von Daten

Info

Publication number
DE10145265A1
DE10145265A1 DE10145265A DE10145265A DE10145265A1 DE 10145265 A1 DE10145265 A1 DE 10145265A1 DE 10145265 A DE10145265 A DE 10145265A DE 10145265 A DE10145265 A DE 10145265A DE 10145265 A1 DE10145265 A1 DE 10145265A1
Authority
DE
Germany
Prior art keywords
data
patients
type
computer
database
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
DE10145265A
Other languages
English (en)
Inventor
Frank Potthoff
Christof Muenscher
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
MEDICAL NETCARE GmbH
Original Assignee
MEDICAL NETCARE GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by MEDICAL NETCARE GmbH filed Critical MEDICAL NETCARE GmbH
Priority to DE10145265A priority Critical patent/DE10145265A1/de
Priority to DE20122050U priority patent/DE20122050U1/de
Publication of DE10145265A1 publication Critical patent/DE10145265A1/de
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zur Auswertung von Daten von Patienten mit mindestens einer chronischen Erkrankung, gekennzeichnet durch folgende Verfahrensschritte: DOLLAR A Erstellung von Risikoprofilen anhand von auf die Art der chronischen Erkrankung bezogenen Parametern, Erfassung von statistischen Daten für jeden Parameter, Überführen der statistischen Daten in eine Datenbank, Verknüpfen dieser Datenbank mit einer Praxissoftware zur Erfassung individueller Patientendaten, automatische Berechnung des Risikoprofils, der aufgrund des Risikoprofils zu empfehlenden Maßnahmen für jeden erfassten individuellen Patienten, Vergleich von individuellen Patientendaten mit statistischen Mittelwerten und/oder automatisches Erstellen bzw. Ausdrucken der Abrechnung für die Kassenärztliche Vereinigung. Die Erfindung betrifft ferner Hard- und Software zur Durchführung des Verfahrens.

Description

  • Die vorliegende Erfindung betrifft ein Verfahren zur Auswertung von Daten von Patienten mit mindestens einer chronischen Erkrankung.
  • Bei der Verwaltung von Patientendaten in Arztpraxen kommen bisher zwei Systeme unabhängig voneinander zum Einsatz. Das erste System betrifft die Abrechnung von ärztlichen Leistungen. Hierfür dienen spezielle EDV-Programme, die ein spezielles Datenformat generieren (ADT-Format). Der Arzt trägt nach jeder Behandlung oder Beratung die entsprechende erbrachte Leistung in Form von Ziffern in eine Bildschirmmaske ein. Die so generierte Datei wird einmal im Monat an die Kassenärztliche Vereinigung überspielt, wo anhand dieser Daten eine Abrechnung erstellt und das von den Krankenkassen zur Verfügung gestellte Budget verwaltet wird. Mit dieser Software können zwar Patientendaten erfasst, aber nicht die Befunde und die Kosten zusammen geführt werden.
  • Unabhängig davon kann ein Arzt noch eine weitere Software zur Verwaltung von Patientendaten verwenden. Damit können bspw. persönliche Daten des Patienten, Diagnosen, Therapien, bisherige Medikation, Krankenhausaufenthalte etc. erfasst werden. Dabei wird von den verwendeten Programmen ein anderes Datenformat (BDT-Format) generiert. Die Dokumentation in diesem Format ist einigen niedergelassenen Ärzten im Rahmen der Qualitätssicherung vorgeschrieben. Allerdings fehlt allen verwendeten Software-Lösungen ein Link zu den Kosten- und Leistungsparametern, so dass auch mit diesen EDV-Programmen keine Zusammenführung von Befunden und Kosten möglich ist.
  • Eine weitere bekannte Software ist bspw. die sog. "Chro-Dok®"-Software der Anmelderin. Bei dieser Software handelt es sich gewissermaßen um ein elektronisches Datenblatt für Patienten, welches besonders auf die Datenerfassung bei chronischen Erkrankungen zugeschnitten ist. Die Vorgaben bzw. leeren Datenblätter für einzelne chronische Erkrankungen sind in einzelnen Modulen programmiert. Bereits auf dem Markt ist die Software mit dem Modul zur Datenerfassung bei Diabetes mellitus. Weitere Module für andere chronische Erkrankungen, wie Herz-Kreislauf-Erkrankungen, Schilddrüsenerkrankungen, Asthma oder Rheuma sind in Vorbereitung.
  • Ein wesentliches Problem ist zur Zeit, dass keine Korrelation zwischen den in die Abrechnungssoftware eingetragenen Ziffern (ADT) und dem Behandlungsergebnis (BDT) möglich ist. Das heißt, der Arzt hat keine Kontrolle darüber, ob oder wie die einzelne ärztliche Maßnahme erfolgreich (effizient), d. h. zu einer Verbesserung des Befindens bzw. des Zustandes des Patienten führte, und auch kosteneffizient im Hinblick auf den Einsatz der gewählten Maßnahmen war. Dies ist jedoch insbesondere bei der Behandlung chronischer Krankheiten wünschenswert, um die jeweiligen ärztlichen Maßnahmen zu optimieren und die Effizienz der Behandlung chronischer Krankheiten zu steigern.
  • Mit der "Chro-Dok®"-Software der Anmelderin können zwar zunächst auch die Kosten einer Behandlung dokumentiert werden. Die oben beschriebene Korrelation von Patientendaten, Behandlungsergebnissen und erbrachten und veranlassten ärztlichen Leistungen zur Effizienzsteigerung der Behandlung ist nicht möglich.
  • Für eine chronische Erkrankung, nämlich Diabetes mellitus, wurde im Jahr 2000 eine Studie zur Untersuchung sowohl zur Epidemiologie als auch zu den assoziierten Gesamtkosten (erbrachte und veranlasste ärztliche Leistungen) der ambulanten Behandlung in der diabetologischen Schwerpunktpraxis in Deutschland begonnen. Diese Studie ist unter dem Stichwort "TEMPO"-Studie (Type 1/2 Diabetes: Evaluation of Monetary Aspects and Prevalence of Complications in an Outpatient Setting) bekannt. Anhand der Studie wurde für die Chro-Dok®-Software der Anmelderin eine ausführliche Sammlung der für jeden Patienten zu erfassenden Parameter erstellt.
  • Zum Stand der Technik gehört ferner auch die unter dem Stichwort "SQL" (Structured Query Language) bekannte Abfragesprache für relationale Datenbanken. Neben dem Auffinden von Daten erlaubt SQL auf das Ändern, Löschen und Hinzufügen von Daten. SQL setzt sich zusammen aus der eigentlichen Sprache und der sog. "SQL-Engine", die sich und die Verarbeitung und das Auffinden der gewünschten Daten kümmert. SQL kann mittlerweile als Standardsprache für eine Kommunikation mit Datenbanksystemen bezeichnet werden.
  • Mit SQL können auch multidimensionale Datenbanken erstellt, bearbeitet und abgefragt werden. Ein Beispiel hierfür ist die Prozedur "OLAP" (Online Analytical Processing). Damit werden univariante Statistiken wie bspw. Gesamtwerte und Mittelwerte für stetige Auswertungsvariablen innerhalb der Kategorien von mindestens einer kategorialen Gruppenvariablen berechnet, wobei für jede Kategorie der Gruppenvariablen eine separate Schicht erstellt wird. Hierzu benutzt OLAP eine umfangreiche Verknüpfung und Verschachtelung von vielen einzelnen SQL-Befehlen. Diese Prozedur ist im Benutzerhandbuch "SPSS® Base 10.0", S. 271 ff. (ISBN 1-56827-853-5) beschrieben.
  • Die Aufgabe der vorliegenden Erfindung besteht somit darin, ein Verfahren der o. g. Art bereit zu stellen, mit dem eine Korrelation von Patientendaten, Befundergebnissen und erbrachten und veranlassten ärztlichen Leistungen möglich ist.
  • Die Lösung besteht in einem Verfahren mit den Merkmalen des Anspruchs 1. Erfindungsgemäß sind also folgende Verfahrensschritte vorgesehen: Erstellung von Risikoprofilen anhand von auf die Art der chronischen Erkrankung bezogenen Parametern, Erfassung von statistischen Daten für jeden Parameter, Überführen der statistischen Daten in eine Datenbank, Verknüpfen dieser Datenbank mit einer Praxissoftware zur Erfassung individueller Patientendaten, automatische Berechnung des Risikoprofils, der aufgrund des Risikoprofils zu empfehlenden Maßnahmen für jeden erfassten individuellen Patienten und/oder automatischer Vergleich von individuellen Patientendaten mit statistischen Mittelwerten und/oder automatisches Erstellen und/oder Ausdrucken der Abrechnung für die Kassenärztliche Vereinigung.
  • Gegenstand der vorliegenden Erfindung ist ferner ein zur Durchführung dieses Verfahrens programmtechnisch eingerichteter Computer sowie eine nach Implementierung in einen Computer zur Durchführung des Verfahrens geeignete Software.
  • Damit erhält der Arzt erstmals bei der Eingabe der Patientendaten automatisch sowohl das individuelle Risikoprofil des Patienten, ferner Empfehlungen für die weitere Diagnostik, vorzunehmende Untersuchungen und Therapie. Diese automatische Auswertung wird vom Computer anhand der statistischen Daten, basierend auf den neuartigen Risikoprofilen, automatisch berechnet. Ferner können gleichzeitig oder optional zur Qualitäts- und Effizienzkontrolle erstmals individuelle Patientendaten mit den jeweiligen statistischen Mittelwerten verglichen werden. Schließlich kann gleichzeitig oder optional anhand der Kodierungsziffern und der Vergütungstabellen sowie der Patientendaten erstmals automatisch die Abrechnung mit der kassenärztlichen Vereinigung erstellt und ausgedruckt werden.
  • Vorteilhafte Weiterbildungen ergeben sich aus den Unteransprüchen. Typische chronische Erkrankungen sind bspw. Diabetes mellitus Typ 1 oder Typ 2, Herzkreislauferkrankungen, Asthma und/oder Rheuma. Hierbei werden die Risikoprofile vorzugsweise anhand der für jede Erkrankung typischen Parameter wie bspw. Alter, Krankheitsbild der jeweiligen Erkrankung und/oder für die jeweilige Erkrankung relevante Anamnese erstellt. Für Patienten mit Diabetes mellitus Typ 1 oder Typ 2 sind dies bspw. die Parameter Alter, BMI und/oder Folge- und Begleiterkrankungen. Ebenso werden die statistischen Daten vorzugsweise in Form von für die jeweilige chronische Erkrankung charakteristischen Symptomen erstellt, bspw. für Patienten mit Diabetes mellitus Typ 1 oder Typ 2 anhand von Blutwerten wie HbA1c, BZ postprandial, BZ nüchtern, RR, Gesamtcholesterin, LDL, Triglyceride und/oder HDL.
  • Diese statistischen Daten werden vorzugsweise in eine multidimensionale Datenbank, bspw. eine Paradox- oder Interbase-Datenbank überführt und mit mindestens einem Auswertungsmodul wie bspw. der OLAP-Prozedur verknüpft.
  • Die so mit Daten gefütterte Datenbank wird vorzugsweise mit einer zur Erfassung der Patientendaten von Patienten mit der entsprechenden chronischen Erkrankung geeigneten Praxissoftware verknüpft, um die Auswertung zu erleichtern und zu präzisieren.
  • Bei den automatisch berechneten Maßnahmen handelt es sich zur Effizienzsteigerung vorzugsweise um Diagnose- und/oder Therapiemaßnahmen, die sich statistisch als sinnvoll erwiesen haben.
  • Ferner können automatisch Kosten- und Therapieergebnisvergleiche durchgeführt werden. Damit wird das Qualitätsmanagement verbessert. Als Leistungskontrolle können die Therapieergebnisse automatisch mit dem jeweiligen statistischen Mittelwert verglichen werden, so dass eine Effizienzkontrolle möglich ist. Außerdem können die für den individuellen Patienten angefallenen Kosten automatisch mit den statistischen Durchschnittskosten verglichen werden, so dass auch eine Kostenkontrolle erstmals möglich ist.
  • Der programmtechnisch zur Durchführung des erfindungsgemäßen Verfahrens eingerichtete Computer kann ein von mindestens einem Rechner aus zugänglicher Server oder Webserver oder ein Desktop, Laptop oder Handheld sein, der entweder als Einzelplatzrechner ausgestaltet oder zur Verbindung mit einem Server oder Webserver programmtechnisch eingerichtet ist.
  • Das Computerprogrammprodukt zur Durchführung des erfindungsgemäßen Verfahrens nach Implementierung in einem Computer kann auf einem Datenträger, insbesondere einer Festplatte, einer Floppy Disk, einer CD-ROM oder einem Speicherband gespeichert oder auf einem Server-System gespeichert und zum Download bereit gestellt sein.
  • Ein Ausführungsbeispiel der vorliegenden Erfindung wird im Folgenden anhand der beigefügten Abbildungen näher beschrieben. Es zeigen:
  • Figuren Darstellung des Aufbaus von Risikoprofilen anhand verschiedener Parameter am 1 bis 4 Beispiel von Diabetes mellitus Typ 1 und Typ 2;
  • Fig. 5 bis 7 Darstellung eines konkreten Risikoprofils gemäß den Fig. 1 bis 4;
  • Fig. 8 Darstellung einer Anzeigemöglichkeit eines OLAP-Datenbankmoduls.
  • Das beschriebene Ausführungsbeispiel basiert auf der Chro-Dok®-Software der Anmelderin. Dabei handelt es sich um ein 32-bit-Windows-Programm, das mit Delphi 5.0 Professional als Entwicklungsumgebung erstellt wurde. Delphi bietet innerhalb der Entwicklungsumgebung Object-Pascal als Programmiersprache und besitzt einen eigenen Compiler, der Object-Pascal in Maschinensprache umwandelt. Das Programm arbeitet in der Einzelplatz-Version mit Paradox-Tabellen als lokaler Datenbank und in der Serverversion mit einer InterBase-Datenbank.
  • Im Rahmen der oben erwähnten TEMPO-Studie wurden die in der als Anlage 1 beigefügten Übersicht aufgelisteten Parameter für Patienten mit Diabetes mellitus Typ 1 und Typ 2 erstellt, die mit Hilfe der Chro-Dok®-Software festgehalten werden können. Ferner wurden die in den Fig. 1 bis 4 dargestellten Risikoprofile für Diabetes mellitus-Patienten erstellt, mit der bisher insgesamt 20 Risikoprofile entwickelt wurden. Die Kriterien hierfür sind Art und Schwere von Begleit- und Folgeerkrankungen in drei Hauptgruppen, innerhalb der ersten Hauptgruppe (keine Begleit- oder Folgeerkrankungen) jeweils Alter und Body-Mass-Index (BMI) als Maß für evtll. vorhandenes Übergewicht oder Adipositas, innerhalb der zweiten Hauptgruppe (bestimmte leichtere Begleit- und Folgerkrankungen) und der dritten Hauptgruppe (bestimmte schwere Begleit- und Folgeerkrankungen) die Art der Erkrankung.
  • Anhand dieser Risikoprofile wurden im Rahmen der TEMPO-Studie Patientendaten für jedes Risikoprofil erfasst und nach Lebensalter aufgesplittet. In den Fig. 5 bis 7 ist die Datenerfassung für ein bestimmtes Risikoprofil, nämlich 15, anhand von 744 Patienten, einschließlich der Medikation, dargestellt. Für die einzelnen Diagnosen, Laborwerte und ärztlichen Maßnahmen wurden die von den 744 Patienten erhaltenen Daten zu Durchschnittswerten zusammengefasst.
  • Damit ist eine Effizienzanalyse innerhalb einzelner Risikoprofile, d. h. wie gut sind die Ergebnisse welcher Behandlung in welchem Risikoprofil (bspw. HbA1c-Veränderung, RRsys-Veränderung, RRdias- Veränderung) sowie eine Analyse einzelner Risikoprofile, bspw. nach weiteren Laborwerten, möglich.
  • Nach diesem Schema können auch für andere chronische Erkrankungen wie Herz-Kreislauf-Erkrankungen, Schilddrüsenerkrankungen, Asthma oder Rheuma ebenfalls Risikoprofile erstellt und analysiert sowie eine Effizienzanalyse innerhalb der Risikoprofile durchgeführt werden.
  • Das Besondere der vorliegenden Erfindung liegt nun darin, die durch die TEMPO-Studie gewonnenen Daten für die einzelne Praxis praktisch nutzbar zu machen, und zwar sowohl für Effizienzanalyse und Qualitätsmanagement, als auch zur Vereinfachung der Abrechnung mit der kassenärztlichen Vereinigung.
  • Dazu wurden die aus der TEMPO-Studie gewonnenen Daten in eine relationale Datenbank überführt, im Ausführungsbeispiel in eine Paradox-Datenbank bzw. ein Paradox-Datenbankmodul. Aus dieser Datenmenge wird dann ein Viewer-Dokument (bspw. SPSS-Datei mit der Endung .spo) erstellt wie bspw. im Ausführungsbeispiel die OLAP-Prozedur innerhalb der Software SPSS. Ebenso wie im Beispiel die Software SPSS kann aber auch Chro-Dok® selber Viewer-Dokumente auswerten und darstellen. Hierzu stellt die Entwicklungsumgebung Delphi 5.0 die entsprechenden Funktionen und Prozeduren zur Verfügung, welche dann programmseitig in Chro-Dok® integriert sind. Mit der Datenbank bzw. dem erstellten Viewer-Dokument kann man nun verschiedene Statistiken oder Auswertungen anzeigen, wie sie durch die Parameter vorgegeben werden, welche die Risikoprofile definieren. Beispiele hierfür sind Abfragen einzelner Risikofaktoren, Zuordnung der Medikation zu einem bestimmten Risikoprofil, Zuordnung von Therapieverfahren wie bspw. ICT oder SIT zu einzelnen Risikoprofilen, Analyse einzelner Risikoprofile, Effizienzanalyse innerhalb einzelner Risikoprofile. Ferner werden die Kodierungsziffern für erbrachte und veranlasste ärztliche Leistungen und die hierfür vorgesehene Vergütung in die Datenbank bzw. das Datenbankmodul aufgenommen. Fig. 8 zeigt beispielhaft eine solche Anzeige. Im oberen Bereich des OLAP-Würfels sind Daten eines einzelnen Patienten eines Arztes aufgelistet. Im unteren Bereich stehen im Rahmen einer Risikoprofil- Analyse die für das individuelle Risikoprofil dieses Patienten typischen durchschnittlichen Blutwerte, wie sie aus der TEMPO-Studie gewonnen wurden.
  • Schließlich wurde die so erstellte Datenbank mit der Chro-Dok®-Software mit der aus Anlage 1 ersichtlichen Parameterübersicht für Diabetes mellitus-Patienten verknüpft.
  • Damit erhält der Arzt bei der Eingabe der Patientendaten automatisch sowohl das individuelle Risikoprofil des Patienten, ferner Empfehlungen für Diagnostik, vorzunehmende Untersuchungen und Therapie. Diese automatische Auswertung wird vom Computer anhand der statistischen Daten aus der Tempo-Studie, basierend auf den neuartigen Risikoprofilen, automatisch berechnet. Als Leistungskontrolle können die Therapieergebnisse automatisch mit dem jeweiligen statistischen Mittelwert verglichen werden, so dass eine Effizienzkontrolle möglich ist.
  • Ferner kann anhand der Kodierungsziffern und der Vergütungstabellen sowie der Patientendaten automatisch die Abrechnung mit der kassenärztlichen Vereinigung erstellt werden. Außerdem können die für den individuellen Patienten angefallenen Kosten automatisch mit den statistischen Durchschnittskosten verglichen werden, so dass eine Kostenkontrolle möglich ist.
    • Parameterübersicht Chro-Dok® Stammdaten
  • Name, Vorname, Geburtsdatum, Größe, Geschlecht, Adresse, Krankenkasse
    Status Überweisungspatient, Patient ausgeschieden
    Patient verstorben an:
    Krebserkrankung, Makrovaskuläres Ereignis, Sonstige diabetesbedingte Folgeerkrankung, Sonstiges
    Projektzugehörigkeit:
    Einzelprojekte, AWB's, Studien
    Quartalskennzeichen Patientenschulungen Ort der Schulung:
    Ambulant, Stationär
    Gruppenschulungen DDG:
    CT, ICT, 2 ohne Insulin
    Einzelschulungen/Module:
    z. Zt. 21 erweiterbare Themen
    Schulungserfolg:
    vollständig, abgebrochen, abgelehnt Risikofaktoren/Makrovaskuläre Ereignisse Raucher:
    Ja, Nein, Unbekannt
    Familiäre Belastung für Diabetes:
    Ja, Nein, Unbekannt
    Zustand nach Apoplex:
    Ja, Nein, Unbekannt, Datum des Ereignisses
    Zustand nach Herzinfarkt:
    Ja, Nein, Unbekannt, Datum des Ereignisses Sozio-Demografie Erwerbsstatus:
    Ausbildung, Erwerbstätig, Arbeitslos, Hausfrau, Rentner
    Selbstversorgungsgrad:
    voll in eigener Wohnung, . . . voll pflegebedürftig
    Sprachkenntnisse:
    gut, schlecht, keine, mit Fremdhilfe Diagnosen Diabetes mellitus:
    Typ 1, Typ 2.1, Typ 2.2, Gestationsdiabetes, Andere, Manifestationsdatum
    Begleiterkrankungen:
    KHK, Hypertonie, Dyslipidämie, Herzinsuffizienz, pAVK, ACI-Stenose, jeweils Manifestationsdatum Folgeerkrankungen Nephropathie:
    Mikroalbuminurie, Makroalbuminurie, Terminale Niereninsuffizienz
    Diabetische Polyneuropathie:
    Autonom, Peripher sensibel, Erektile Dysfunktion
    Diabetischer Fuß:
    Wagner 0 bis 5, ohne Befund, abgeheiltes Ulcus, Bypass/Dilatation, Amputation unterhalb Knöchel, Amputation oberhalb Knöchel
    Retinopathie:
    Lasertherapie, Katarakt, Retina sichtbar, klin. sign. Makulopathie, Erblindung, Sehschärfe, Retinopathie (Background, nicht-proliferativ, proliferativ) Diabetesbehandlung Insulin:
    CT, ICT, Pumpe, Anzahl Injektionen pro Tag, Anzahl Einheiten pro Tag Ernährung, Bewegung
    OAD:
    SH, Metformin, Acarbose, Miglitol, Repalignide, Pioglitazon, Rosiglitazon Begleitmedikation ACE, AT-II, Beta-Blocker, Ca-Ant., Alpha-Blocker, Diuretikum, Zentral wirksame, CSE-Hemmer, Fibrate, Thrombo-Aggr.-Hemmer, Alpha-Lipon, Östrogene Patienten-Selbstkontrollen Art der Selbstkontrolle:
    Blutzucker, Harnzucker
    Anzahl pro Woche, Datum Patienten-Motivation Führung des Gesundheitspasses, Mitglied SH-Guppe, Mitglied Sportgruppe Befunde RR, Gewicht, BMI. BZ p. p., NBZ, Kreatinin, HbA1c, Anzahl Hypos, Cholesterin, LDL, HDL, Triglyceride, Abnahme nüchtern Fußinspektion Allgemeine Inspektion, normales Temparaturempfinden, Schmerzempfinden, Vibrationsempfinden, Pulse tastbar
    • Leistungen/Kosten Arzneimittel
  • Rohdaten der Gelben Liste Pharmindex, verordnete Tagesdosis Ambulante ärztliche Leistungen Art der Leistung nach:
    EBM, GOÄ, Labor, Freie Definition von Leistungskomplexen
    AU-Bescheinigungen:
    Anzahl AU-Tage, Diabetesbedingt Heil- und Hilfsmittel Daten aus Auswahlliste (ca. 600 Produkte) zu:
    BZ-Messgeräte, BZ-Teststreifen, Desinfektion, Insulinspritzen, Kontollösungen, Lanzetten, Nadeln/Kanülen, Pens, Prothetik, Pumpenzubehör, RR-Messgeräte, Schuhversorgung, Stechhilfen, Urin-Teststreifen, Verbandsstoffe Stationäre Aufenthalte Art des KH:
    Grund-Regelversorgung, Maximalversorgung, Diabetes-Spezialklinik (ASD), Diabetes-Rehaklinik (ADDK), Sonstige Rehaklinik, nicht-bekannt, Sonstiges
    Anzahl Aufenthaltstage, Datum der Einweisung
    Aufenthaltsgrund:
    Notfall, Chirurgie, Schulung/Einstellung, Andere (nicht-diabetesbedingt) Parameter für Strukturqualität Art des Zentrums, Strukturierte Zusammenarbeit mit. . ., Personelle Ausstattung des Zentrums, Referenzwerte Labor

Claims (17)

1. Verfahren zur Auswertung von Daten von Patienten mit mindestens einer chronischen Erkrankung, gekennzeichnet durch folgende Verfahrensschritte:
- Erstellung von Risikoprofilen anhand von auf die Art der chronischen Erkrankung bezogenen Parametern,
- Erfassung von statistischen Daten für jeden Parameter,
- Überführen der statistischen Daten in eine Datenbank,
- Verknüpfen dieser Datenbank mit einer Praxissoftware zur Erfassung individueller Patientendaten,
- automatische Berechnung des Risikoprofils, der aufgrund des Risikoprofils zu empfehlenden Maßnahmen für jeden erfassten individuellen Patienten und/oder
- automatischer Vergleich von individuellen Patientendaten mit statistischen Mittelwerten und/oder
- automatisches Erstellen und/oder Ausdrucken der Abrechnung für die Kassenärztliche Vereinigung.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass Daten von Patienten mit Diabetes mellitus Typ 1 oder Typ 2, Herzkreislauferkrankungen, Asthma und/oder Rheuma ausgewertet werden.
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Risikoprofile anhand der Parameter Alter, Krankheitsbild und/oder Anamnese erstellt werden.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass für Patienten mit Diabetes mellitus Typ 1 oder Typ 2 die Risikoprofile anhand der Parameter Alter, BMI und/oder Folge- und Begleiterkrankungen erstellt werden.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die statistischen Daten in Form von für die jeweilige chronische Erkrankung charakteristischen Symptomen erstellt werden.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass für Patienten mit Diabetes mellitus Typ 1 oder Typ 2 die statistischen Daten anhand von Blutwerten wie HbA1c, BZ postprandial, BZ nüchtern, RR, Gesamtcholesterin, LDL Triglyceride und/oder HDL erstellt werden.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die statistischen Daten in eine multidimensionale Datenbank, vorzugsweise in eine Paradox- oder InterBase-Datenbank überführt und mit mindestens einem Auswertungsmodul, vorzugsweise einer OLAP-Prozedur, verknüpft werden.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Datenbank mit einer zur Erfassung der Patientendaten von Patienten mit der entsprechenden chronischen Erkrankung geeigneten Praxissoftware verknüpft wird.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die automatisch berechneten Maßnahmen Diagnose- und/oder Therapiemaßnahmen sind.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Therapieergebnisse und/oder Kosten automatisch miteinander verglichen werden.
11. Computer, programmtechnisch eingerichtet zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 10.
12. Computer nach Anspruch 11, nämlich ein von mindestens einem Rechner aus zugänglicher Server oder Webserver.
13. Computer nach Anspruch 11, nämlich ein Desktop, Laptop oder Handheld, programmtechnisch eingerichtet zur Verbindung mit einem Server nach Anspruch 11.
14. Computer nach Anspruch 11, nämlich ein Desktop, Laptop oder Handheld als Einzelplatzrechner.
15. Computerprogrammprodukt zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 10, nach Implementierung in einen Computer nach einem der Ansprüche 11 bis 14.
16. Computerprogrammprodukt nach Anspruch 15, gespeichert auf einem Datenträger, insbesondere einer Festplatte, einer Floppy Disk, einer CD-ROM oder einem Speicherband.
17. Computerprogrammprodukt nach Anspruch 15, gespeichert und zum Download bereit gestellt auf einem Server-System.
DE10145265A 2001-09-13 2001-09-13 Verfahren zur Auswertung von Daten Ceased DE10145265A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE10145265A DE10145265A1 (de) 2001-09-13 2001-09-13 Verfahren zur Auswertung von Daten
DE20122050U DE20122050U1 (de) 2001-09-13 2001-09-13 Vorrichtung zur Auswertung von Daten

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE10145265A DE10145265A1 (de) 2001-09-13 2001-09-13 Verfahren zur Auswertung von Daten

Publications (1)

Publication Number Publication Date
DE10145265A1 true DE10145265A1 (de) 2003-04-24

Family

ID=7698982

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10145265A Ceased DE10145265A1 (de) 2001-09-13 2001-09-13 Verfahren zur Auswertung von Daten

Country Status (1)

Country Link
DE (1) DE10145265A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007057169A1 (de) 2007-11-26 2009-05-28 Helmut Rauer Diagnoseautomat
WO2011041145A3 (en) * 2009-09-29 2011-06-03 Novartis Ag Method and system for accessing patient data

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6059724A (en) * 1997-02-14 2000-05-09 Biosignal, Inc. System for predicting future health
US6061657A (en) * 1998-02-18 2000-05-09 Iameter, Incorporated Techniques for estimating charges of delivering healthcare services that take complicating factors into account
WO2001059687A1 (en) * 2000-02-09 2001-08-16 Patientpower.Com, Llc Method and system for managing patient medical records

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6059724A (en) * 1997-02-14 2000-05-09 Biosignal, Inc. System for predicting future health
US6061657A (en) * 1998-02-18 2000-05-09 Iameter, Incorporated Techniques for estimating charges of delivering healthcare services that take complicating factors into account
WO2001059687A1 (en) * 2000-02-09 2001-08-16 Patientpower.Com, Llc Method and system for managing patient medical records

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007057169A1 (de) 2007-11-26 2009-05-28 Helmut Rauer Diagnoseautomat
WO2011041145A3 (en) * 2009-09-29 2011-06-03 Novartis Ag Method and system for accessing patient data

Similar Documents

Publication Publication Date Title
DE69731884T2 (de) Rechnergestütztes medizinisches diagnose- und beratungssystem mit zugang zu einem kommunikationsnetz
DE60035546T2 (de) System und Verfahren zur automatischen Sammlung und Analyse von periodisch erfassten Patientendaten zur Fernpatientenpflege
DE60317766T2 (de) System zur erhaltung der gesundheit und verfahren zur erhaltung der gesundheit
DE112004000647T5 (de) Informationssystem für vorbeugende Gesundheitsfürsorge
WO2010057890A1 (de) Computerimplementiertes verfahren zur anzeige von patientenbezogenen diagnosen chronischer krankheiten
DE10247459A1 (de) Verfahren und System zur Analyse von Gesundheitsinformationen
DE102007026799A1 (de) Systeme und Verfahren zur Verfeinerung der Identifikation von Kandidaten für klinische Studien
Hays et al. Hospital quality trends: a short-form patient-based measure
WO2010057891A1 (de) Computerimplementiertes verfahren zur medizinischen diagnoseunterstützung
Basa et al. Evaluation of a diabetes specialty centre: structure, process and outcome
DE10316298A1 (de) Verfahren und Anordnung zur automatischen Aufbereitung und Auswertung medizinischer Daten
DE102007017312A1 (de) Fernanwendung im Gesundheitswesen zur Optimierung der Visitenhäufigkeit an auswärtigen Orten
Goetzl et al. Quality of diagnostic examinations in a university hospital outpatient clinic
WO2004001665A2 (de) Verfahren und system zum erfassen und analysieren von krankheitsbildern und deren ursachen sowie zum ermitteln passender therapievorschläge
Erfurt-Berge et al. Quality of life in patients with chronic wounds
Applegate et al. Impact of a cost-containment educational program on housestaff ambulatory clinic charges
Cooper et al. Specialist home‐based nursing services for children with acute and chronic illnesses
Bakken Henry et al. The relationship between type of care planning system and patient outcomes in hospitalized AIDS patients
DE10145265A1 (de) Verfahren zur Auswertung von Daten
EP1282062A2 (de) Verfahren für die Vermittlung einer telemedizinischen Gesundheitsdienstleistung
WO2005081164A2 (de) Verfahren und informationssystem zur durchführung einer klinischen studie an einem patienten
Fleishman Demographic and clinical variations in health status
De l'Aune et al. Clinical application of a self-report, functional independence outcomes measure in the DVA's Blind Rehabilitation Service
Braun et al. International classification of functioning, disability and health and its significance for rheumatology
LILLY HASSLER DEVELOPMENT OF A PERSONALIZED DYNAMIC PATHWAY CONCEPT FOR TYPE 1 DIABETICS WITH RELATED MENTAL HEALTH ISSUES

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8131 Rejection