WO2005081160A1 - Verfahren zur qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, wissensdaten - Google Patents

Verfahren zur qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, wissensdaten Download PDF

Info

Publication number
WO2005081160A1
WO2005081160A1 PCT/EP2005/050410 EP2005050410W WO2005081160A1 WO 2005081160 A1 WO2005081160 A1 WO 2005081160A1 EP 2005050410 W EP2005050410 W EP 2005050410W WO 2005081160 A1 WO2005081160 A1 WO 2005081160A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
quality
knowledge
database
user
Prior art date
Application number
PCT/EP2005/050410
Other languages
English (en)
French (fr)
Inventor
Klaus Abraham-Fuchs
Eva Rumpel
Markus Schmidt
Siegfried Schneider
Horst Schreiner
Gudrun Zahlmann
Original Assignee
Siemens Aktiengesellschaft
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
Priority claimed from DE102004052469A external-priority patent/DE102004052469A1/de
Application filed by Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Priority to US10/589,536 priority Critical patent/US20070150313A1/en
Publication of WO2005081160A1 publication Critical patent/WO2005081160A1/de

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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • 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

Definitions

  • the invention relates to a method for quality evaluation of electronically stored, in particular medical, knowledge data.
  • Knowledge and information are often stored in electronic form as knowledge data. Examples of this are lexical knowledge in knowledge databases, telephone book or address entries in CD-ROMs or website content with weather forecasts that can be called up via the Internet or a suitable browser. For a user who retrieves the stored knowledge, the quality, ie reliability, origin, soundness, etc. of crucial knowledge, e.g. a user of several different internet weather services would like to know in three different weather forecasts which one is the most reliable.
  • a quality assessment of knowledge is now either subjectively spontaneously by the user of the knowledge or based on experience. It is e.g. Known in a group of people, since it was passed on orally that the health tips of an internet health database "A” often provide quick relief or improvement in complaints, while the recommendations of "B” were rarely successful.
  • the object of the present invention is to improve the quality assessment of electronically stored, in particular medical, knowledge data.
  • the object is achieved by a method for quality evaluation of electronically stored, in particular medical niche, knowledge data with the following steps:
  • the knowledge data is stored in a database.
  • Quality data correlated with the knowledge data is stored in the database.
  • the quality data is automatically made available to the user.
  • Quality data correlated with knowledge data can be broken down into quality assurance and quality assessment data as follows.
  • origin-related quality assurance and / or quality assessment data e.g. Question: Identification of the author of the knowledge, date of origin of the knowledge or recognized (quality) certificates associated with the knowledge.
  • quality data are usually stored together with the knowledge when the knowledge data is created and are predominantly objective in nature.
  • User-related quality assessment data are assessments of the user about the quality of knowledge or results achieved by the user with the help of the knowledge data or (failures). Such data only arise when or after the user uses the knowledge data and is added to the database during the retrieval of the knowledge data or after the use of the knowledge data has been completed.
  • Quality assessment data are therefore data that reflect the benefits, success or results generated by the application of the knowledge data. They can be qualitative ("good”, “bad”) or purely verbal (free text), but also quantitative values (blood pressure, recovery time), which are referred to as quality measures or quality measures.
  • the quality data are correlated with the knowledge data and are stored in the form of quality data, they are permanently assigned the knowledge data as a quantitative or qualitative quality measure .
  • Users are people who read, save or forward the knowledge data, or an automatic system or program, e.g. automatic expert decision support or workflow management systems that use the knowledge data.
  • Access to the knowledge data is reading or processing or a preliminary request or request to read the knowledge data that precedes the actual retrieval of the data, possibly also storing the knowledge data or its exchange or communication.
  • the determined or saved quality data no longer has to be e.g. word of mouth via inconsistent communication channels, but access to it is ensured from anywhere, from where the knowledge data itself can be accessed.
  • the automatic provision of the quality data means that every user of the knowledge data is automatically informed about the quality data.
  • a user of the knowledge data is e.g. thereby automatically informed about the quality data that only both data are displayed together on one screen.
  • the user can save quality data in the database during or after accessing the knowledge data.
  • the user is responsible for storing quality data. This can e.g. be free if and to what extent he does this.
  • the assessment is made purely on the basis of the knowledge data, without having already obtained results from its application or use.
  • the user can assign a quality measure to the knowledge data based on freely selectable quality criteria.
  • a freely selectable quality criterion is e.g. a survey of the user "How helpful was the information for you?".
  • the user then formulates a plain text statement or enters a number from 0% to 100%.
  • Such a quality assessment can be implemented in a very simple way, since the quality measure can be called up spontaneously when the Knowledge data is determined, for example, a qualitative description is assigned to the knowledge data as a quality measure.
  • the quality data are determined during an access, that is to say a use or a read request, the access is thereby documented, logged, evaluated or recorded. This means there is no unobserved or unregistered use.
  • the user can also first apply the knowledge data and only then will quality data correlated with the results of the application be stored in the database.
  • Preselected quality criteria correlated with the knowledge data can be stored in the database.
  • Quality criteria are predetermined sub-categories from the possible benefit or the possible results of working with the knowledge data, e.g. Diagnoses, prescriptions, therapeutic measures, measurable treatment success, treatment costs, secondary illnesses, and hospital stays.
  • Quality assessment data and quality measures are preferably assigned to predefined quality criteria.
  • Quality criteria can include measures (tumor of size x cm), threshold values for measures (blood pressure greater than y), work results (e.g. diagnoses or findings), or expert rules (e.g. if the finding "Diabetes" and "Blood pressure less than”) then calculates the success measure from the formula A).
  • Quality criteria can therefore be criteria that measure the quality or the benefit of the knowledge data offered, as well as criteria that measure the success of the application of the knowledge data by the user.
  • the quality data can thus be used to measure both the quality of the knowledge data and the quality of the users of the knowledge data.
  • An identifier of the user can be assigned to the quality data and stored in the database. As a result, the user of the data is clearly identified and can be contacted in connection with the knowledge or quality data.
  • the identifier can be, for example, the name of the user or a unique ID.
  • the time of use can also be saved, for example, and a temporal connection can be established between the user and knowledge data, which can be traced at any time or used for further knowledge calls.
  • the user can be prompted automatically at predetermined times to save the quality data in the database.
  • Conditions can also be linked to the storage of the quality data, e.g. a bonus rule for submitted quality data, a warning or a temporary exclusion from future access to knowledge data if quality data is not submitted.
  • Quality criteria can here, for example, the success or failure ⁇ a medical procedure, the shortening of recovery time, normalizing success of a measured value at patien ⁇ th or the subjective monitoring and evaluation of the corresponding results. If result data from the application of knowledge data is stored in a result database, quality data correlated with the application of the knowledge data can be automatically generated and stored in the database.
  • result data e.g. in the form of a measured value such as blood pressure, pulse, tumor decline, duration of recovery, reduction of side effects etc.
  • a result database This is e.g. an electronic patient record or a database of a family doctor.
  • the use of knowledge data can lead to a result that can be assessed based on specified quality criteria.
  • the quality measure is then based telt the event automatically ermit ⁇ .
  • the fact that the quality evaluation is carried out automatically means that the user is not burdened with it anymore and cannot forget the evaluation.
  • the evaluation is objective, verifiable and reproducible at any time.
  • patient outcome data can be stored in the result database as result data.
  • Patient outcome data are e.g. Diagnoses, prescriptions, therapeutic measures, measurable treatment success, treatment costs, secondary illnesses and hospital stays.
  • Quality data can be determined from the result database in accordance with preselected quality criteria and the quality data can be stored in the database.
  • parameters that can be measured or recognized by experts recognized in the relevant area of knowledge can be preselected or specified as quality criteria during which the quality of the knowledge application is subsequently measured.
  • the quality of the knowledge data can thus be determined from the corresponding quality measure in relation to expected values for the quality measure defined in advance according to a predefined metric, for example.
  • the result stored in the result database can then also be automatically converted into a quality measure.
  • Lead e.g. Knowledge data on a patient recovery within 2 weeks, which has been estimated by recognized experts to average 4 weeks so far, the quality measure is a factor 2 if the quality criterion is the factorial shortening of the recovery time. If the quality criteria are based on a predefined metric, a comparable, objective numerical value is determined as a quality measure.
  • quality data can only be determined from the results database according to the preselected quality criteria with a time delay, an access path to the results database can be assigned to the quality criteria.
  • the identification of the user can simply be stored as the access path, so that the evaluation can be requested from the user and is not lost or forgotten. Every evaluation arriving in the database as quality data is thus assigned the correct knowledge data. But the access path can also be an undelivered to the user web page Lin 'be k, on which he can enter his ER from the knowledge targeted results and then they are assigned to the associated knowledge from there.
  • a result database designated by the access path can be checked automatically at predetermined times for the presence of the result data assigned to the quality criteria. If the result data is available, quality data are generated in accordance with the quality criteria and stored in the database.
  • the quality data will be available as soon as the results are entered in the results database.
  • the entries in the results database can be made flexible, i.e. Any information in the results database can be evaluated, regardless of whether e.g. in the form of free text or objectively verifiable measured values.
  • a determination rule for the quality measure can be stored in the database.
  • a quality measure has a quantitative character and can e.g. a percentage such as “reduction in working hours compared to the standard method: 50%” or a qualitative statement such as “very reliable” or “rarely leads to success", "the information was very helpful to me”. It can also be the number of previous read accesses to the knowledge data, date or frequency of last use, etc.
  • the determination rule can be a formula or an expert rule.
  • the quality measure as a result of the determination rule can be traced at any time and is comparable to other determined or to be determined quality measures.
  • a quality assessment of the knowledge data e.g. by a quality measure, can be used for ranking, benchmarking or quality determination.
  • Benchmarking leads e.g. to a graded according to reliability or success rate
  • Ranking of institutions, processes or applications For example, in comparable hospitals, i.e. of the same size, specialist focus, etc., the same therapies are carried out based on certain knowledge data.
  • the percentage of successful therapies in relation to the total number of therapies performed serves as a quality measure.
  • Each of the hospitals can be assigned its corresponding quality measure, which leads to a sequence of the hospitals that is based on the success of the therapy in the respective hospital. Since the therapies do not differ based on the same underlying knowledge data, the quality measure is a criterion for the quality of the hospital, e.g. its staff, technical equipment, adherence to therapy, etc.
  • a ranking of the success rate of the users can be calculated from the quality data.
  • the quality assessment of the knowledge data for different uses is therefore comparable.
  • the ranking can be ⁇ shows or stored in a database.
  • the quality measure can not only allow statements about the quality of the knowledge data, but also about that of the users.
  • the knowledge data itself can be brought into a quality sequence. Comparable knowledge data are used for this and quality data assigned to the knowledge data is determined from this. A ranking of the quality of the knowledge data can then be calculated from the quality data.
  • Knowledge data can only be released for use by the user after the user has assigned their identification or an access path for result data from the use of the knowledge data to the knowledge data.
  • An address specifically an e-mail address or all other information on how the user can be reached, can serve as the identifier.
  • the knowledge data is only released against conditions, e.g. that a subjective evaluation by the user must follow after reading.
  • the knowledge data can also only be released for use by the user after the user has paid a fee. judged. After saving the quality data, the user receives a refund of the fee.
  • the fee payment by the user can e.g. by debiting a credit card account.
  • Refunds are possible in the form of cash or other monetary benefits.
  • the reimbursement takes place, for example, only when he enters the quality assessment data requested after using the knowledge data into a database via the knowledge data.
  • the quality measures determined by the process can thus be integrated into business models that deal with the purchase or sale of information and knowledge. For example, quality-dependent remuneration models for the provision of knowledge can be realized.
  • the evaluation and creation of knowledge data is understandable.
  • the quality measure in the quality data correlated with the knowledge data enables the user to judge for himself how trustworthy he estimates the offered knowledge data. Up-to-dateness, frequency of use, number of calls when subsequently not used, etc. are e.g. accessible to a buyer of information.
  • the quality data can be freely visible to the user.
  • the user can decide in advance for or against the fee-based use of the knowledge data.
  • Quality assurance data can relate not only to the knowledge data, but also to the quality data. Together with the quality data, the date of creation of the quality data can be saved in the database. So is not only the knowledge itself, but also the assessment of knowledge with a time stamp and the timeliness of the quality statements can be checked at any time.
  • Medical action recommendations or advice can be saved as knowledge data.
  • a knowledge database is suitable e.g. as a health platform for everyone to get medical advice.
  • Medical guidelines can be saved as knowledge data. In this way, the actions to be found in everyday clinical practice are evaluated according to quality, reliability, empirical values, etc.
  • a database based on medical guidelines can e.g. help doctors and other medical staff to find the most efficient way of doing things in everyday clinical practice.
  • Fig.l is a flow chart for the quality evaluation of the description of a cancer therapy.
  • a research facility 2 has developed a new method for cancer therapy and has written a detailed description 4 about it.
  • the new method is intended to reduce the time it takes for a cancer to disappear from 12 to 8 months.
  • a quality management system 18 present at the internet service provider 10 adds 4 quality data 20 to the description stored in the data memory 12.
  • a summary 22 is stored in the quality data. This contains the author of the knowledge, i.e. the address etc. of research facility 2, date, person and description data of the development of the method and the persons involved, contact person.
  • the quality of data still access data 32 are added back, the information about the writing and reading ⁇ accesses to the description contained 4.
  • the spelling with the Be ⁇ 4 correlated quality data 20 thus provide metal taaa.
  • the quality data 20 and the associated description 4 are e.g. inseparably connected by a capsule technology.
  • a reading step 26 informs log-cancer Thera ⁇ pie to a patient 52 Planender doctor 28 by reading out the knowledge capsule 24 from the data memory 12 by the description 4 via the new method of cancer therapy. Since the description 24 can only be opened, ie read out, within and together with the entire capsule 24, the doctor automatically also receives all the metadata for the description 4 previously available in the quality data 20.
  • the physician 28 takes from the summary 22 that the description 4 was developed by the research facility 2, with which he has had extremely good experiences so far. He knows the knowledge involved in the development scientist personally and trusts him. From the access data 32, he learns that the description 4 has not been read yet, so that there is no further experience. The doctor 28 decides to carry out the method according to the description 4 on his patient 52.
  • the reading step 26 requires a recording step 30 which logs the doctor 28's read access to the knowledge capsule 24 in the access data 32. It is stored there that the user of description 4 is doctor 28. The date and time of the read access are logged in the access data 32.
  • an evaluation of the access data 32 is carried out since these have changed. This leads to a changed representation 36 of the knowledge capsule 24. If this is requested by a further user 38 in a renewed reading step 26, indicated by the arrow 37, the user 38 is informed in the modified representation of the knowledge capsule 24 that the doctor 28 has queried knowledge 4 at the documented point in time, but has not yet received any feedback on the use of knowledge. The user 38 finds that the description 4 is of no interest to him.
  • the renewed acquisition step 30 following the reading step 26 the access of the user 38 to the knowledge capsule 24 is added to the access data 32 by the quality management system 18. The user 38 decides not to use the description 4 and communicates this to the quality management system 18, whereupon the latter creates a corresponding entry in the quality data 20. The process associated with user 38 is thus complete and ends here.
  • a step 28 the doctor 28 now carries out the cancer therapy described in description 4 on his patient 52. This is done in the detection step 54 again recorded by the quality management system 18 and recorded in the quality data 20.
  • the doctor 28 assesses the benefit that the knowledge in the form of description 4 has or had for him in relation to the treatment of patient 52 according to his subjective and thus freely specified quality criteria 59. He be ⁇ writes, and this rated the disease course of his patient 52 and the performed therapy in the form of free text, which measured the quality management system 18 as a quality stores in a quality description 60 and adds to the quality data 20th
  • the free text data is provided with basic information such as the time of entry, the address of the doctor 28, etc.
  • the representation 62 of the knowledge capsule 24 then changes in such a way that a user who in future reads the description 4 from the data memory 12 also receives the quality description 60 and thus receives additional information about the new cancer therapy.
  • path 56 there is an automatic quality assessment of the application of description 4 by the doctor 28.
  • quality management system 18 reads out an electronic patient file 64 of patient 52 and extracts the patient's recovery time 52 from this.
  • the quality criterion is used the duration of recovery of the patient 52, determined from the date of admission and discharge of the patient in the doctor's clinic 28. From a comparison of the actual recovery time with the average recovery time of previous patients who were treated with conventional methods, namely 12 months, and the recovery time measured on patient 52 of A numerical quality measure 68 is calculated for 9 months and added to the quality data 22.
  • the quality measure 68 is again added to the quality data 20.
  • the description for the determination of the quality measure 68 (calculation rule, underlying data, framework conditions, ...) is stored together with its value in the quality data 20.
  • the representation 62 of a future read access to the knowledge capsule 24 changes again accordingly, as already described, so that a new user of the description 4 receives the knowledge capsule 24 together with the quality measure 68.

Landscapes

  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

Ein Verfahren zur Qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, Wissensdaten weist folgende Schritte auf: Die Wissensdaten werden in einer Datenbank gespeichert. Mit den Wissensdaten korrelierte Qualitätsdaten werden in der Datenbank gespeichert. Bei einem Zugriff eines Nutzers auf die Wissensdaten werden dem Nutzer automatisch die Qualitätsdaten zur Verfügung gestellt.

Description

Beschreibung
Verfahren zur Qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, Wissensdaten
Die Erfindung betrifft ein Verfahren zur Qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen Wissensdaten.
Wissen und Information werden häufig in elektronischer Form als Wissensdaten gespeichert. Beispiele hierfür sind lexikalisches Wissen in Wissensdatenbanken, Telefonbuch- oder Adresseinträge in CD-ROMs oder über das Internet bzw. geeignete Browser abrufbare Webseiteninhalte mit Wettervorhersa- gen. Für einen das gespeicherte Wissen abrufenden Nutzer ist die Qualität, also Verlässlichkeit , Herkunft, Fundiertheit etc. des Wissens von entscheidender Bedeutung, z.B. möchte ein Nutzer mehrerer verschiedener Internetwetterdienste bei drei voneinander abweichenden Wettervorhersagen wissen, wel- ehe die verlässlichste ist.
Bei aus Wissensdatenbanken oder CD-ROMs bezogenem Wissen ist die Herkunft meist angegeben oder nachvollziehbar und somit die Wissensqualität nachprüfbar bzw. eindeutig zu folgern, z.B. bei einer Telefonbuchdatenbank der „Deutschen Telekom" oder einer lexikalischen CD-ROM eines renommierten Verlagshauses wie „Brockhaus". Die Qualitätsbewertung von im Internet angebotenem Wissens stellt aber oft Probleme dar. Herkunft, Anbieter, also Service-Provider, Autor, Erstellungsda- turn usw. sind oft nicht angegeben oder lassen keinerlei Rückschlüsse auf die Datenqualität der Inhalte ziehen, da sie dem Nutzer unbekannt sind. Eine objektive und quantitative oder auch nur qualitative Beurteilung der Qualität des Wissens ist also meist nicht oder nur schwer durchführbar.
Insbesondere in Bezug auf medizinisches Wissen bzw. das Gesundheitswesen betreffende Informationen ist eine fehlende oder nicht nachvollziehbare Qualitätsbeurteilung problematisch, da die Nutzer des Wissens nicht die Möglichkeit haben, Wahrheitsgehalt oder Verlässlichkeit derartigen Wissen zu überprüfen. So weiß ein Nutzer von medizinischen Wissensser- vices im Internet nicht, wem er vertrauen soll, wenn z.B. für ein gegebenes gesundheitliches Problem zwei entgegengesetzte Therapieratschläge verfügbar, oder stark abweichende Dosie¬ rungen für Medikamente angegeben sind. Problematisch ist vor allem, dass die Anwendung des dargebotenen Wissens oft kriti- sehe gesundheitliche Folgen haben kann.
Eine Qualitätsbeurteilung von Wissen erfolgt heute entweder subjektiv spontan durch den Nutzer des Wissens oder beruht auf Erfahrungswerten. Es ist z.B. in einem Personenkreis be- kannt, da mündlich weitergegeben, dass die Gesundheitstipps einer Internetgesundheitsdatenbank "A" oft schnelle Linderung oder Besserung bei Beschwerden gewähren, während die Empfehlungen von „B" selten erfolgreich waren.
Auch z.B. die angegebene Anzahl von Inhaltsabrufen einer Internetseite oder eine subjektive Bewertung in Freitextform von einem unbekannten Benutzer gibt keinen Hinweis auf die Qualität des Wissens, da für den Nutzer dennoch z.B. nicht ersichtlich ist, welche Personen oder Institutionen, die Be- wertung wann vorgenommen haben, ob diese vollständig und vertrauenswürdig, objektiv ist oder nach welchen Maßstäben die Bewertung getroffen wurde. Der Vorgang einer derartigen Quasi-Qualitätsbewertung ist nicht dokumentiert. Ein allgemein anerkanntes Zertifikat zur Qualitätsbewertung (Quali- tätssiegel) existiert nicht.
Aufgabe der vorliegenden Erfindung ist es, die Qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, Wissensdaten zu verbessern.
Die Aufgabe wird gelöst durch ein Verfahren zur Qualitätsbewertung von elektronisch gespeicherten, insbesondere medizi- nischen, Wissensdaten mit folgenden Schritten: Die Wissensdaten werden in einer Datenbank gespeichert. Mit den Wissensdaten korrelierte Qualitätsdaten werden in der Datenbank gespeichert. Bei einem Zugriff eines Nutzers auf die Wissensda- ten werden dem Nutzer automatisch die Qualitätsdaten zur Verfügung gestellt.
Mit Wissensdaten korrelierte Qualitätsdaten lassen sich wie folgt in Qualitätssicherungs- und Qualitätsbewertungsdaten aufteilen.
Als herkunftsbezogene Qualitätssicherungs- und/oder Qualitätsbewertungsdaten kommen z.B. in Frage: Identifikation des Urhebers des Wissens, Entstehungsdatum des Wissens oder dem Wissen zugeordnete anerkannte (Qualitäts-) Zertifikate. Derartige Qualitätsdaten werden meist bei der Erstellung der Wissensdaten zusammen mit dem Wissen abgespeichert und sind überwiegend objektiver Natur.
Nutzerbezogene Qualitätsbewertungsdaten sind Einschätzungen des Nutzers über die Wissensqualität oder vom Benutzer mit Hilfe der Wissensdaten erzielte Ergebnisse oder (Miß-) Erfolge. Derartige Daten entstehen erst bei oder nach der Nutzung der Wissensdaten durch den Nutzer und werden während des Abrufens der Wissensdaten oder nach Abschluss der Nutzung der Wissensdaten der Datenbank hinzugefügt.
Qualitätsbewertungsdaten sind demnach Daten, die den durch die Anwendung der Wissensdaten erzeugten Nutzen, Erfolg oder Ergebnisse wiederspiegeln. Sie können qualitativer („gut", „schlecht") oder auch rein verbaler Natur (Freitext) sein, aber auch quantitative Werte (Blutdruck, Genesungsdauer) sein, welche als Qualitätsmaß bzw. Qualitätsmaßzahl bezeichnet werden.
Da die Qualitätsdaten mit den Wissensdaten korreliert sind und in Form von Qualitätsdaten gespeichert werden, sind sie den Wissensdaten dauerhaft als quantitatives oder qualitati¬ ves Qualitätsmaß zugeordnet.
Bei der Speicherung der Wissens- und Qualitätsdaten ist es unerheblich, ob diese gemeinsam in einer oder in unterschiedlichen, verteilten, auch über große Entfernungen vernetzten Datenbanken gespeichert werden.
Nutzer sind Personen, die die Wissensdaten lesen, speichern oder weiterleiten, oder ein automatisches System oder Programm, z.B. automatische Experten- entscheidungsunterstüt- zungs-, oder Workflow-Management-Systeme, welche auf die Wissensdaten zurückgreifen.
Zugriff auf die Wissensdaten ist hierbei ein Lesen oder Verarbeiten oder auch eine vorläufige Anfrage bzw. Anforderung auf Lesen der Wissensdaten, die dem eigentlichen Abrufen der Daten vorausgeht, evtl. auch Speichern der Wissensdaten oder deren Austausch oder Kommunikation.
Die ermittelten bzw. gespeicherten Qualitätsdaten müssen nun nicht mehr z.B. per Mundpropaganda auf uneinheitlichen Kommunikationswegen übertragen werden, sondern der Zugriff darauf ist von überall her sichergestellt, woher auch auf die Wis- sensdaten selbst zugegriffen werden kann. Durch die automatische Zurverfügungstellung der Qualitätsdaten ist jeder Nutzer der Wissensdaten auch automatisch über die Qualitätsdaten informiert .
Ein Nutzer der Wissensdaten wird z.B. dadurch automatisch über die Qualitätsdaten informiert, daß immer nur beide Daten zusammen an einem Bildschirm angezeigt werden.
Durch das Verfahren ist die Nutzung, Verwertung, Bewertung, Abruf und Anwendung von Wissensdaten verfolgbar ab dem Zeit¬ punkt der elektronischen Speicherung, also z.B. der Eintragung von Wissen in Form von Wissensdaten in eine elektroni- sehe Wissensdatenbank. Der „Weg" des Wissens, das in einem Informations- bzw. Wissenssystem gespeichert ist, also dessen Benutzung, Veränderung, Ergänzung, ist verfolgbar.
Der Nutzer kann während oder im Anschluss an den Zugriff auf die Wissensdaten Qualitätsdaten in der Datenbank speichern. Hierbei liegt die Verantwortung, Qualitätsdaten abzulegen, beim Nutzer. Diesem kann z.B. freigestellt sein, ob und in welchem Umfang er dies tut .
Die Beurteilung erfolgt hierbei rein auf Basis der Wissensdaten, ohne von deren Anwendung oder Nutzung bereits Ergebnisse erhalten zu haben.
Der Nutzer kann den Wissensdaten anhand frei wählbarer Qualitätskriterien ein Qualitätsmaß zuordnen. Ein frei wählbares Qualitätskriterium ist z.B. eine Befragung des Nutzers „Wie hilfreich war die Information für Sie?". Der Nutzer formuliert hierauf eine Klartextaussage oder gibt eine Zahl von 0% bis 100% ein. Derartige Qualitätsbewertung ist auf sehr einfache Weise realisierbar, da das Qualitätsmaß z.B. spontan bei Abruf der Wissensdaten ermittelt wird. Den Wissensdaten wird so z.B. eine qualitative Beschreibung als Qualitätsmaß zugeordnet .
Da die Qualitätsdaten bei einem Zugriff, also einer Nutzung oder einer Leseanforderung bestimmt werden, wird der Zugriff hierdurch dokumentiert, protokolliert, bewertet oder aufgezeichnet. Somit erfolgt keine unbeobachtete oder nicht re- gistrierte Nutzung.
Der Nutzer kann auch die Wissensdaten zunächst anwenden und erst dann werden mit den Ergebnissen der Anwendung korrelierte Qualitätsdaten in der Datenbank gespeichert.
Durch die derartige Zuordnung von Qualitätsdaten zu den Wissensdaten erfolgt eine Rückkopplung der Nutzung des Wissens auf dieses selbst. Die über die Nutzung informierenden Qualitätsdaten werden fest mit den Wissensdaten assoziiert. Die Beurteilung bzw. Bewertung der Wissensdaten ist nachvollziehbar und transparent für deren zukünftige Nutzungen.
Bei jeder Anwendung, also Nutzung der Wissensdaten ist die Möglichkeit gegeben, das Ergebnis der Nutzung abzufragen, eine Interaktion des Nutzers anzufordern usw.. Informationen über die Nutzung gehen nicht verloren.
In der Datenbank können vorausgewählte, mit den Wissensdaten korrelierte Qualitätskriterien gespeichert werden.
Als Qualitätskriterien kommen sämtliche Kriterien in Frage, die geeignet sind, die entsprechenden Wissensdaten gemäß Nutzen, Informationsgehalt, Verlässlichkeit, Aktualität usw. zu klassifizieren. Qualitätskriterien sind vorgegebene Teil-Kategorien aus dem möglichen Nutzen oder den möglichen Ergebnissen des Arbeitens mit den Wissensdaten, wie z.B. Diagno- sen, Verschreibungen, therapeutische Maßnahmen, messbare Behandlungserfolge, Behandlungskosten, Folgeerkrankungen, und Krankenhaus-Liegezeiten. Qualitätsbewertungsdaten und Qualitätsmaßzahlen sind vorzugsweise vordefinierten Qualitätskriterien zugeordnet. Qualitätskriterien können Maßzahlen (Tumor der Größe x cm) , Schwellwerte für Maßzahlen (Blutdruck größer als y) , Arbeitsergebnisse (z.B. Diagnosen oder Befunde), oder Expertenregeln (z.B. wenn der Befund „Diabetes" und der „Blutdruck kleiner als", dann Erfolgsmaßzahl berechnet aus der Formel A) sein.
Qualitätskriterien können also sowohl Kriterien sein, welche die Qualität oder den Nutzen der angebotenen Wissensdaten selbst messen, als auch Kriterien, welche den Erfolg der Anwendung der Wissensdaten durch den Nutzer messen. Somit kann mittels der Qualitätsdaten ggf. sowohl die Qualität der Wissensdaten als auch die Qualität der Nutzer der Wissensdaten gemessen werden. Den Qualitätsdaten kann eine Kennung des Nutzers zugeordnet und in der Datenbank gespeichert werden. Hierdurch ist der Nutzer der Daten eindeutig identifiziert und kann im Zusam- menhang mit den Wissens- oder Qualitätsdaten kontaktiert werden. Kennung kann z.B. der Name des Nutzers oder eine eindeutige ID sein. Zusammen mit der Kennung des Nutzers kann z.B. auch der Zeitpunkt der Nutzung gespeichert und so eine zeitliche Verbindung zwischen Nutzer und Wissensdaten hergestellt werden, die jederzeit nachvollziehbar oder bei weiteren Wissensabrufen nutzbar ist.
Ermittelt der Nutzer die Qualitätsdaten zeitverzögert nach der Anwendung der Wissensdaten, kann der Nutzer automatisch zu vorbestimmten Zeiten zum Speichern der Qualitätsdaten in der Datenbank aufgefordert werden.
Dies kann z.B. durch eine Anfrage in Form einer e-mail an den Nutzer geschehen, die ihn zur Eingabe der fehlenden Quali- tätsbewertungsdaten auffordert. Auch können an das Abspeichern der Qualitätsdaten Bedingungen geknüpft sein, z.B. eine Bonusregelung für abgegebene Qualitätsdaten, eine Verwarnung oder ein zeitweiliger Ausschluss vom zukünftigen Zugriff auf Wissensdaten bei Nichtabgabe von Qualitätsdaten.
Führt die Nutzung der Wissensdaten zu einer Handlung, z.B. einer Entscheidung, einer Diagnose oder einer Therapie, so ist der Nutzen der Wissensdaten am Ergebnis der Handlung nachprüfbar.
Qualitätskriterien können hierbei z.B. der Erfolg oder Miss¬ erfolg eines medizinischen Eingriffs, die Verkürzung einer Genesungszeit, das Normalisieren eines Messwertes am Patien¬ ten oder die subjektive Beobachtung und Bewertung der ent- sprechenden Ergebnisse sein. Werden Ergebnisdaten aus der Anwendung von Wissensdaten in einer Ergebnisdatenbank gespeichert, so können automatisch mit der Anwendung der Wissensdaten korrelierte Qualitätsdaten erzeugt und in der Datenbank gespeichert werden.
Schließt sich an die Anwendung der Wissensdaten eine Handlungsweise, Verfahren oder ähnliches an, welches Ergebnisdaten liefert, z.B. in Form eines Messwerts wie Blutdruck, Puls, Rückgang eines Tumors, Dauer einer Genesungszeit, Redu- zierung von Nebenwirkungen etc., so kann dieses Ergebnis in einer Ergebnisdatenbank abgelegt werden. Diese ist z.B. eine elektronische Patientenakte oder eine Datenbank eines Hausarztes .
Das Nutzen der Wissensdaten kann zu einem anhand vorgegebener Qualitätskriterien bewertbaren Ergebnis führen. Das Qualitätsmaß wird dann anhand des Ereignisses automatisch ermit¬ telt.
Dadurch, daß die Qualitätsbewertung automatisch durchgeführt wird, ist der Nutzer nicht weiter damit belastet, kann die Bewertung nicht vergessen. Die Bewertung ist objektiv, jederzeit nachprüfbar und reproduzierbar.
Ist die Ergebnisdatenbank eine elektronische Patientendatenbank oder ein elektronisches Krankenhausinformations-System, können als Ergebnisdaten Patienten-Outcome-Daten in der Ergebnisdatenbank gespeichert werden.
Patienten-Outcome-Daten sind z.B. Diagnosen, Verschreibungen, therapeutische Maßnahmen, messbare Behandlungserfolge, Behandlungskosten, Folgeerkrankungen und Krankenhaus-Liegezeiten.
Aus der Ergebnisdatenbank können gemäß vorausgewählten Qualitätskriterien Qualitätsdaten ermittelt werden und die Qualitätsdaten in der Datenbank abgespeichert werden. Zur Qualitätsbewertung können z.B. bereits bei der elektronischen Speicherung der Wissensdaten von auf dem entsprechenden Wissensgebiet anerkannten Experten messbare Parameter als Qualitätskriterien vorausgewählt bzw. vorgegeben werden, an welchen die Qualität der Wissensanwendung nachträglich gemessen wird. Aus dem entsprechenden Qualitätsmaß in der Relation zu im Vorfeld definierten Erwartungswerten für das Qualitätsmaß nach einer z.B. vordefinierten Metrik kann so die Quali- tat der Wissensdaten ermittelt werden.
So kann dann das in der Ergebnisdatenbank gespeicherte Ergebnis auch automatisch in ein Qualitätsmaß überführt werden. Führen z.B. Wissensdaten zu einer Patientengenesung innerhalb 2 Wochen, welche von anerkannten Experten auf bisher durchschnittlich 4 Wochen veranschlagt wurde, so ist das Qualitätsmaß ein Faktor 2, wenn das Qualitätskriterium die fakto- rielle Verkürzung der Genesungszeit ist. Liegt also den Qualitätskriterien eine vordefinierte Metrik zugrunde, so wird ein vergleichbarer, objektive Zahlenwert als Qualitätsmaß ermittelt.
Können aus der Ergebnisdatenbank gemäß den vorausgewählten Qualitätskriterien Qualitätsdaten erst zeitverzögert ermit- telt werden, so kann ein Zugriffspfad auf die Ergebnisdatenbank dem Qualitätskriterium zugeordnet werden.
Als Zugriffspfad kann einfach die Identifikation des Nutzers abgelegt werden, so daß bei diesem die Bewertung angefragt werden kann und nicht verloren geht oder vergessen wird. Jede in der Datenbank als Qualitätsdaten einlaufende Bewertung wird somit den richtigen Wissensdaten zugeordnet. Der Zugriffspfad kann aber auch ein an den Nutzer zugestellter Webseiten-Lin'k sein, auf dem er dann seine aus dem Wissen er- zielten Ergebnisse eintragen kann und diese von dort den zugehörigen Wissensdaten zugeordnet werden. Eine durch den Zugriffspfad bezeichnete Ergebnisdatenbank kann zu vorbestimmten Zeitpunkten automatisch auf das Vorhandensein der den Qualitätskriterien zugeordneten Ergebnisdaten hin geprüft werden. Bei Vorhandensein der Ergebnisdaten wer- den Qualitätsdaten gemäß der Qualitätskriterien erzeugt und in der Datenbank gespeichert .
Weder der Nutzer noch der Betreiber der Datenbank muss sich um die Qualitätsbewertung kümmern. Je nach Zeitintervall zwi- sehen zwei Abfragen sind die Qualitätsdaten beliebig bald nach Eintragung der Ergebnisse in die Ergebnisdatenbank verfügbar .
Die Eintragungen in der Ergebnisdatenbank können hierbei fle- xibel gestaltet werden, d.h. es kann jegliche Information in der Ergebnisdatenbank ausgewertet werden, egal ob z.B. in Form von Freitext oder objektiv nachprüfbaren Messwerten.
Wird als Qualitätsdaten ein Qualitätsmaß ermittelt, kann in der Datenbank eine Ermittlungsvorschrift des Qualitätsmaßes gespeichert werden.
Ein Qualitätsmaß hat quantitativen Charakter und kann z.B. eine Prozentangabe wie „Verkürzung der Arbeitszeit gegenüber der Standardmethode: 50%" oder eine qualitative Aussage, wie "sehr verlässlich" oder "führt selten zum Erfolg", „die Information war mir sehr hilfreich" sein. Es kann sich aber auch um die Zahl der bisherigen Lesezugriffe auf die Wissensdaten, Datum oder Häufigkeit der letzten Nutzung usw. han- dein.
Wird in den Qualitätsdaten eine Beschreibung der Ermittlung des Qualitätsmaßes gespeichert, steht nach Vergabe eines Qua¬ litätsmaßes und dessen Zuordnung zu den Wissensdaten bei ei- ner weiteren Nutzung der Wissensdaten nicht nur das ermittelte Qualitätsmaß sondern auch dessen Herkunft, Ermittlungs¬ weise usw. zur Verfügung, was dem Nutzer weitere Qualitätsin- formationen liefert. So kann er z.B. durch Vergleich von verschiedenen Bewertungsvorgängen verschiedener Wissensdaten diese dennoch in Beziehung zueinander setzen, obwohl die jeweiligen Qualitätsmaße nicht direkt vergleichbar sind.
Die Ermittlungsvorschrift kann eine Formel oder eine Expertenregel sein. In diesem Fall ist das Qualitätsmaß als Ergebnis der Ermittlungsvorschrift jederzeit nachvollziehbar und vergleichbar zu anderen ermittelten oder zu ermittelnden Qua- litätsmaßen.
Eine Qualitätsbewertung der Wissensdaten z.B. durch ein Qualitätsmaß, kann für Ranking, Benchmarking oder Qualitätsbestimmung genutzt werden. Ein Benchmarking führt hierbei z.B. zu einer nach Verlässlichkeit oder Erfolgsrate gestaffelten
Rangfolge von Institutionen, Prozessen oder Anwendungen. Beispielsweise werden in vergleichbaren Krankenhäusern, also gleicher Größe, fachlicher Ausrichtung usw., gleiche Therapien beruhend auf bestimmten Wissensdaten durchgeführt. Als Qualitätsmaß dient die prozentuale Zahl der erfolgreichen zu den insgesamt durchgeführten Therapien. Jedem der Krankenhäuser kann so sein entsprechendes Qualitätsmaß zugeordnet werden, was zu einer Reihenfolge der Krankenhäuser führt, die sich am Erfolg der Therapie im jeweiligen Krankenhaus orien- tiert. Da sich die Therapien aufgrund der gleichen zugrunde liegenden Wissensdaten nicht unterscheiden, ist das Qualitätsmaß ein Kriterium für die Qualität des Krankenhauses, z.B. seines Personals, der technischen Ausrüstung, der Therapietreue usw..
Werden von verschiedenen Nutzern die selben Wissensdaten genutzt und hieraus den Nutzern zugeordnete Qualitätsdaten ermittelt, kann aus den Qualitätsdaten ein Ranking der Erfolgsquote der Nutzer errechnet werden. Die Qualitätsbewertung der Wissensdaten bei verschiedenen Nutzungen ist dadurch vergleichbar. Das Ranking kann ange¬ zeigt oder in einer Datenbank gespeichert werden.
Das Qualitätsmaß kann also je nach Qualitätskriterien, nicht nur Aussagen über die Qualität der Wissensdaten, sondern auch über die der Nutzer erlauben.
Ebenso können anstelle der Nutzer bzw. Nutzungen die Wissens- daten selbst untereinander in eine Qualitätsreihenfolge gebracht werden. Hierzu werden vergleichbare Wissensdaten benutzt und hieraus den Wissensdaten zugeordnete Qualitätsdaten ermittelt. Aus den Qualitätsdaten kann dann ein Ranking der Qualität der Wissensdaten errechnet werden.
Wissensdaten können erst zur Nutzung durch den Nutzer freigegeben werden, nachdem der Nutzer den Wissensdaten seine Kennung oder einen Zugriffspfad für Ergebnisdaten aus der Nutzung der Wissensdaten zugeordnet hat.
Als Kennung kann eine Adresse, speziell eine e-mail -Adresse oder sämtliche andere Angaben dienen, wie der Nutzer erreichbar ist .
Die Wissensdaten werden also nur gegen Bedingungen freigegeben, z.B. daß im Anschluss an das Lesen eine subjektive Bewertung durch den Nutzer erfolgen muss.
Insbesondere wenn eine Nutzung der Wissensdaten zwangsweise zu einer Qualitätsbewertung führen muss, kann keine Nutzung erfolgen, von der keine Rückmeldung ergeht. Mit jeder Nutzung der Wissensdaten wird somit den Qualitätsdaten Gehalt hinzugefügt .
Die Wissensdaten können auch erst zur Nutzung durch den Nutzer freigegeben werden, nachdem der Nutzer ein Entgelt ent- richtet hat. Der Nutzer erhält nach Speicherung der Qualitätsdaten eine Rückerstattung des Entgeltes.
Die EntgeltZahlung durch den Nutzer kann z.B. durch Abbuchung von einem Kreditkartenkonto erfolgen. Rückerstattung ist in Form von Bargeld oder anderen geldwerten Vorteilen denkbar. Die Rückerstattung erfolgt beispielsweise erst dann, wenn er die nach der Nutzung der Wissensdaten angeforderten Qualitätsbewertungsdaten über die Wissensdaten in eine Datenbank eingibt.
Die durch das Verfahren ermittelten Qualitätsmaße können so in Geschäftsmodelle eingebunden werden, welche sich mit dem Kauf oder Verkauf von Information und Wissen beschäftigen. So können z.B. qualitätsabhängige Vergütungsmodelle für die Bereitstellung von Wissen realisiert werden. Die Bewertung und die Entstehung der Wissensdaten ist nachvollziehbar. Durch das die mit den Wissensdaten korrelierte Qualitätsmaß in den Qualitätsdaten hat der Nutzer die Möglichkeit, selbst zu ur- teilen, wie vertrauenswürdig er die angebotenen Wissensdaten einschätzt. Aktualität, Häufigkeit der Nutzung, Anzahl der Aufrufe bei anschließender Nichtbenutzung usw. sind so z.B. einem Käufer von Information zugänglich.
Ist die Nutzung der Wissensdaten für den Nutzer kostenpflichtig, so können die Qualitätsdaten, nicht aber die zugeordneten Wissensdaten für den Nutzer frei einsehbar sein.
So kann sich der Nutzer auf Basis der Qualitätsdaten vorab für oder gegen die kostenpflichtige Nutzung der Wissensdaten entscheiden.
Qualitätssicherungsdaten können nicht nur auf die Wissensdaten, sondern wiederum auf die Qualitätsdaten bezogen sein. Zusammen mit den Qualitätsdaten kann das Datum der Entstehung der Qualitätsdaten in der Datenbank abgespeichert werden. So ist nicht nur das Wissen selbst, sondern auch die Beurteilung des Wissens mit einem Zeitstempel versehen und auch die Aktualität der Qualitätsaussagen jederzeit nachprüfbar.
Als Wissensdaten können medizinische Handlungsempfehlungen oder Ratschläge gespeichert werden. So eignet sich eine Wissensdatenbank z.B. als Gesundheitsplattform für jedermann, um sich medizinischen Rat einzuholen.
Als Wissensdaten können medizinische Leitlinien gespeichert werden. Hierdurch werden die eher im Klinikalltag aufzufindenden Handlungsweisen nach Qualität, Zuverlässigkeit, Erfahrungswerten etc. bewertet. Eine sich auf medizinische Leitlinien stützende Datenbank kann z.B. für Ärzte und sonstiges medizinisches Personal dazu beitragen, die jeweils effizien- teste Handlungsweise im Klinikalltag zu finden.
Für eine weitere Beschreibung der Erfindung wird auf die Ausführungsbeispiele der Zeichnung verwiesen. Es zeigt in einer schematischen Prinzipskizze:
Fig.l ein Flussdiagramm für die Qualitätsbewertung der Beschreibung einer Krebstherapie.
Im Fig.l zugrunde liegenden Beispiel hat eine Forschungsein- richtung 2 eine neue Methode zur Krebstherapie entwickelt und hierüber eine genaue Beschreibung 4 verfasst. Die neue Methode soll die Therapiezeit bis zum Verschwinden eines Krebsgeschwürs von bisher 12 auf 8 Monate reduzieren.
In einem Startschritt 8 des in Fig. 1 dargestellten Verfahrens zur Qualitätsbewertung überträgt, angedeutet durch den Pfeil 14, die Forschungseinrichtung 2 die Beschreibung 4 bzw. sämtliche relevanten Informationen, Arbeitsanweisungen etc. zur Methode an einen Internetserviceprovider 10, welcher die Beschreibung 4 in einem an das Internet angeschlossenen Datenspeicher 12 ablegt. In einem ersten Qualitätssicherungsschritt 16 fügt ein beim Internetserviceprovider 10 vorhandenes Qualitätsmanagementsystem 18 der im Datenspeicher 12 abgelegten Beschreibung 4 Qualitätsdaten 20 hinzu. In den Qualitätsdaten wird eine Zu- sammenfassung 22 abgelegt. Diese enthält den Urheber des Wissens, also die Anschrift etc. der Forschungseinrichtung 2, Datums-, Personen- und Beschreibungsdaten der Entwicklung der Methode und der daran beteiligten Personen, Ansprechpartner. Außerdem werden den Qualitätsdaten noch Zugriffsdaten 32 hin- zugefügt, die Informationen über die Schreib- und Lese¬ zugriffe auf die Beschreibung 4 enthalten. Die mit der Be¬ schreibung 4 korrelierten Qualitätsdaten 20 stellen somit Me- tainformationen zur Beschreibung 4 dar.
Die Qualitätsdaten 20 und die zugehörige Beschreibung 4 werden, z.B. durch eine Kapseltechnologie untrennbar miteinander verbunden. So entsteht eine Wissenskapsel 24, welche neben dem eigentlichen Wissen, nämlich der Beschreibung 4 die dem Wissen zugehörigen Qualitätsdaten 20 enthält. Jeder Zugriff auf die Wissensdaten in Form der Beschreibung 4, also Lesen, Schreiben, Weiterkommunizieren, Bewerten, benötigt ein „Öffnen" der Kapsel, welches wiederum dokumentierbar, verfolgbar oder durch Passwortzugriff o.a. schützbar ist.
In einem Leseschritt 26 informiert sich ein, eine Krebsthera¬ pie an einem Patienten 52 planender Arzt 28 durch Auslesen der Wissenskapsel 24 aus dem Datenspeicher 12 durch die Beschreibung 4 über die neue Methode zur Krebstherapie. Da sich die Beschreibung 24 nur innerhalb und zusammen mit der gesam- ten Kapsel 24 öffnen, also auslesen lässt, erhält der Arzt automatisch auch sämtliche bisher in den Qualitätsdaten 20 verfügbaren Metadaten zur Beschreibung 4.
Der Zusammenfassung 22 entnimmt der Arzt 28, dass die Be- Schreibung 4 von der Forschungseinrichtung 2 entwickelt wurde, mit welcher er bisher äußerst gute Erfahrungen gemacht hat. Er kennt die an der Entwicklung beteiligten Wissen- schaftler persönlich und vertraut diesen. Aus den Zugriffsdaten 32 erfährt er, dass die Beschreibung 4 bisher noch niemand gelesen hat, also hierüber auch noch keine weiteren Erfahrungen bestehen. Der Arzt 28 entschließt sich, die Methode nach der Beschreibung 4 an seinem Patienten 52 durchzuführen.
Der Leseschritt 26 bedingt im Qualitätsmanagementsystem 18 einen Erfassungsschritt 30, welcher den Lesezugriff des Arztes 28 auf die Wissenskapsel 24 in den Zugriffsdaten 32 pro- tokolliert . Dort wird abgelegt, dass der Nutzer der Beschreibung 4 der Arzt 28 ist. Datum und Uhrzeit des Lesezugriffs werden in den Zugriffsdaten 32 protokolliert.
In einem vom Qualitätsmanagementsystem 18 durchgeführten Ak- tualisierungsschritt 34 wird eine Auswertung der Zugriffsdaten 32 durchgeführt, da sich diese geändert haben. Dies führt zu einer veränderten Darstellung 36 der Wissenskapsel 24. Wird diese von einem weiteren Nutzer 38 in einem erneute Leseschritt 26 angefordert, angedeutet durch den Pfeil 37, so wird der Nutzer 38 in der modifizierten Darstellung der Wissenskapsel 24 darüber informiert, dass der Arzt 28 zum dokumentierten Zeitpunkt das Wissen 4 abgefragt hat, jedoch noch keinerlei Rückmeldung von der Wissensnutzung erfolgt ist. Der Nutzer 38 befindet, dass die Beschreibung 4 für ihn uninte- ressant ist. Im dem Leseschritt 26 folgenden erneuten Erfassungsschritt 30 wird vom Qualitätsmanagementsystem 18 der Zugriff des Nutzers 38 auf die Wissenskapsel 24 den Zugriffsdaten 32 hinzugefügt. Der Nutzer 38 entscheidet sich, die Beschreibung 4 nicht einzusetzen und teilt dies dem Qualitäts- managementSystem 18 mit, woraufhin dieses ein entsprechenden Eintrag in den Qualitätsdaten 20 erstellt. Der mit dem Nutzer 38 in Verbindung stehende Vorgang ist somit abgeschlossen und endet hier.
Inzwischen führt der Arzt 28 in einem Handlungsschritt 28, die in der Beschreibung 4 beschriebene Krebstherapie an seinem Patienten 52 durch. Dies wird im Erfassungsschritt 54 wiederum vom Qualitätsmanagementsystem 18 erfasst und in dem Qualitätsdaten 20 protokolliert.
An dieser Stelle sind im Verfahren nach Fig. 1 zwei alterna- tive Verfahrensvarianten möglich, angedeutet durch die Pfade 56 und 58.
Gemäß Pfad 58 beurteilt der Arzt 28 nach seinen subjektiven und somit frei vorgegebenen Qualitätskriterien 59 den Nutzen, den das Wissen in Form der Beschreibung 4 für ihn in Bezug auf die Behandlung des Patienten 52 hat bzw. hatte. Er be¬ schreibt und bewertet hierzu den Krankheitsverlauf seines Patienten 52 und die durchgeführte Therapie in Form von Freitext, welche das Qualitätsmanagementsystem 18 als Qualitäts- maß in einer Qualitätsbeschreibung 60 ablegt und den Qualitätsdaten 20 hinzufügt. Hierzu werden die Freitextdaten mit Rahmeninformationen, wie Zeitpunkt der Eintragung, Anschrift des Arztes 28 etc. versehen.
Die Darstellung 62 der Wissenskapsel 24 verändert sich daraufhin dahingehend, dass ein Nutzer, der die Beschreibung 4 zukünftig aus den Datenspeicher 12 ausliest, auch die Qualitätsbeschreibung 60 mitgeliefert bekommt und so zusätzliche Informationen über die neue Krebstherapie erhält .
Im alternativen Pfad 56 erfolgt im Gegensatz zum Pfad 58 eine automatische Qualitätsbewertung der Anwendung der Beschreibung 4 durch den Arzt 28. Hierzu liest das Qualitätsmanagementsystem 18 eine elektronische Patientenakte 64 des Patien- ten 52 aus und extrahiert hieraus die Genesungsdauer des Patienten 52. Als Qualitätskriterium dient die Dauer der Genesung des Patienten 52, ermittelt aus dem Einweisungs- und Entlassungsdatum des Patienten in der Klinik des Arztes 28. Aus einem Vergleich der tatsächlichen Genesungsdauer mit der durchschnittlichen Genesungsdauer bisheriger Patienten, welche mit herkömmlichen Methoden behandelt wurden, nämlich 12 Monate, und der am Patienten 52 gemessenen Genesungsdauer von 9 Monaten wird ein zahlenmäßiges Qualitätsmaß 68 berechnet und den Qualitätsdaten 22 zugefügt. Im Beispiel wäre dieses z.B. eine Verkürzung um 3 Monate gegenüber der von der Forschungseinrichtung 2 proklamierten 4 Monate, was einem Qualitätsmaß 68 von 75% entspräche. Das Qualitätsmaß 68 wird wieder den Qualitätsdaten 20 hinzugefügt. Die Beschreibung für die Ermittlung des Qualitätsmaßes 68 (Berechnungsvorschrift, zugrunde liegende Daten, Rahmenbedingungen, ... ) wird zusammen mit dessen Wert in den Qualitätsdaten 20 hinterlegt.
Die Darstellung 62 eines zukünftigen Lesezugriffs auf die Wissenskapsel 24 ändert sich wieder entsprechend, wie bereits beschrieben, so daß ein neuer Nutzer der Beschreibung 4 die Wissenskapsel 24 zusammen mit dem Qualitätsmaß 68 erhält.
In beiden alternativen Pfaden findet also eine direkte bzw. nachträgliche Beobachtung der sich aus der Beschreibung 4 ergebenden Handlungen, Konsequenzen, Nutzen, Schaden usw. statt, welcher nicht verloren gehen kann, in die Qualitätsbe- wertung der Beschreibung 4 eingeht und diese charakterisiert.

Claims

Patentansprüche
1. Verfahren zur Qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, Wissensdaten (4), mit folgenden Schritten:
- die Wissensdaten (4) werden in einer Datenbank (12) gespei¬ chert,
- mit den Wissensdaten korrelierte Qualitätsdaten (20) werden in der Datenbank (12) gespeichert,
- bei einem Zugriff eines Nutzers (28) auf die Wissensdaten (4) werden dem Nutzer (28) automatisch die Qualitätsdaten (20) ,zur Verfügung gestellt.
2. Verfahren nach Anspruch 1, bei dem - der Nutzer (28) während oder im Anschluss an den Zugriff auf die Wissensdaten (4) Qualitätsdaten (20) in der Datenbank (12) speichert.
3. Verfahren nach Anspruch 1 oder 2, bei dem - der Nutzer (28) die Wissensdaten (4) anwendet,
- mit den Ergebnissen der Anwendung korrelierte Qualitätsda¬ ten (20) in der Datenbank (12) gespeichert werden.
4. Verfahren nach einem der vorhergehenden Ansprüche, bei dem - in der Datenbank (12) vorausgewählte, mit den Wissensdaten (4) korrelierte Qualitätskriterien (59,66) gespeichert werden.
5. Verfahren nach einem der vorhergehenden Ansprüche, bei dem - eine Kennung des Nutzers (28) den Qualitätsdaten (20) zugeordnet und in der Datenbank (12) gespeichert wird.
6. Verfahren nach einem der Ansprüche 2 bis 5, bei dem
- der Nutzer (28) Qualitätsdaten (20) zeitverzögert nach der Anwendung der Wissensdaten (4) ermittelt, - der Nutzer (28) automatisch zu vorbestimmten Zeiten zum Speichern der Qualitätsdaten (20) in der Datenbank (12) aufgefordert wird.
7. Verfahren nach Anspruch 1, bei dem
- Ergebnisdaten aus der Anwendung von Wissensdaten (20) in einer Ergebnisdatenbank (64) gespeichert werden,
- automatisch mit der Anwendung der Wissensdaten (20) korre¬ lierte Qualitätsdaten (20) erzeugt und in der Datenbank (12) gespeichert werden.
8. Verfahren nach Anspruch 7, bei dem
- die Ergebnisdatenbank (64) eine elektronische Patienten- Datenbank oder ein elektronisches Krankenhausinformations- System ist,
- als Ergebnisdaten Patienten-Outcome-Daten in der Ergebnisdatenbank gespeichert werden.
9. Verfahren nach Anspruch 7 oder 8, bei dem - aus der Ergebnisdatenbank (64) gemäß vorausgewählten Qualitätskriterien Qualitätsdaten (20) ermittelt werden,
- die Qualitätsdaten (20) in der Datenbank (12) abgespeichert werden .
10. Verfahren nach einem der Ansprüche 7 bis 9, bei dem
- aus der Ergebnisdatenbank (64) gemäß den vorausgewählten Qualitätskriterien Qualitätsdaten (20) zeitverzögert ermittelt werden,
- ein Zugriffspfad auf die Ergebnisdatenbank (64) dem Quali- tätskriterium zugeordnet wird.
11. Verfahren nach Anspruch 10, bei dem
- eine durch den Zugriffspfad bezeichnete Ergebnisdatenbank (64) zu vorbestimmten Zeitpunkten automatisch auf das Vorhan- densein der den Qualitätskriterien zugeordneten Ergebnisdaten hin geprüft wird, - bei Vorhandensein der Ergebnisdaten aus diesen Qualitätsdaten gemäß der Qualitätskriterien erzeugt und in der Datenbank (12) gespeichert werden.
12. Verfahren nach einem der vorhergehenden Ansprüche, bei dem
- als Qualitätsdaten (20) ein Qualitätsmaß (60,68) ermittelt wird,
- in der Datenbank (12) eine Ermittlungsvorschrift des Quali- tätsmaßes (60,68) gespeichert wird.
13. Verfahren nach Anspruch 12, bei dem
- die Ermittlungsvorschrift eine Formel oder eine Expertenregel ist.
14. Verfahren nach einem der vorhergehenden Ansprüche, bei dem
- verschiedene Nutzer (28) die selben Wissensdaten (20) genutzt und hieraus den Nutzern (28) zugeordnete Qualitätsdaten (20) ermittelt werden,
- aus den Qualitätsdaten (20) ein Ranking der Erfolgsquote der Nutzer (28) errechnet wird.
15. Verfahren nach einem der vorhergehenden Ansprüche, bei dem
- vergleichbare Wissensdaten (4) benutzt werden und hieraus den Wissensdaten (4) zugeordnete Qualitätsdaten (20) ermittelt werden,
- aus den Qualitätsdaten (20) ein Ranking der Qualität der Wissensdaten (4) errechnet wird.
16. Verfahren nach einem der vorhergehenden Ansprüche, bei dem
- Wissensdaten (4) erst zur Nutzung durch den Nutzer (28) freigegeben werden, nachdem der Nutzer (28) den Wissensdaten (4) seine Kennung oder einen Zugriffspfad für Ergebnisdaten aus der Nutzung der Wissensdaten (4) zugeordnet hat.
17. Verfahren nach einem der vorhergehenden Ansprüche, bei dem - Wissensdaten (4) erst zur Nutzung durch den Nutzer (28) freigegeben werden, nachdem der Nutzer (28) ein Entgelt entrichtet hat,
- der Nutzer (28) nach Speicherung der Qualitätsdaten (20) eine Rückerstattung des Entgeltes erhält.
18. Verfahren nach einem der vorhergehenden Ansprüche, bei dem
- die Nutzung der Wissensdaten (4) für den Nutzer (28) kostenpflichtig ist,
- die Qualitätsdaten (20), nicht aber die zugeordneten Wis- sensdaten (4) für den Nutzer (28) frei einsehbar sind.
19. Verfahren nach einem der vorhergehenden Ansprüche, bei dem
- zusammen mit den Qualitätsdaten (20) das Datum der Entste- hung der Qualitätsdaten (20) in der Datenbank (12) abgespeichert wird.
20. Verfahren nach einem der vorhergehenden Ansprüche, bei dem - als Wissensdaten (4) medizinische Handlungsempfehlungen oder Ratschläge gespeichert werden.
21. Verfahren nach einem der vorhergehenden Ansprüche, bei dem - als Wissensdaten (4) medizinische Leitlinien gespeichert werden .
PCT/EP2005/050410 2004-02-18 2005-02-01 Verfahren zur qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, wissensdaten WO2005081160A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US10/589,536 US20070150313A1 (en) 2004-02-18 2005-02-01 Method for evaluating the quality of electronically stored, particularly medical, knowledge data

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE102004008191 2004-02-18
DE102004008191.3 2004-02-18
DE102004052469A DE102004052469A1 (de) 2004-02-18 2004-10-28 Verfahren zur Qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, Wissensdaten
DE102004052469.6 2004-10-28

Publications (1)

Publication Number Publication Date
WO2005081160A1 true WO2005081160A1 (de) 2005-09-01

Family

ID=34888801

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2005/050410 WO2005081160A1 (de) 2004-02-18 2005-02-01 Verfahren zur qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, wissensdaten

Country Status (2)

Country Link
US (1) US20070150313A1 (de)
WO (1) WO2005081160A1 (de)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8515774B2 (en) 2004-02-18 2013-08-20 Siemens Aktiengesellschaft Method and system for measuring quality of performance and/or compliance with protocol of a clinical study
US8706537B1 (en) * 2012-11-16 2014-04-22 Medidata Solutions, Inc. Remote clinical study site monitoring and data quality scoring
CN106156482B (zh) * 2016-01-18 2019-07-02 袁洪 基于文献数据的药物推荐方法、装置及服务器
US11164679B2 (en) 2017-06-20 2021-11-02 Advinow, Inc. Systems and methods for intelligent patient interface exam station
US11348688B2 (en) 2018-03-06 2022-05-31 Advinow, Inc. Systems and methods for audio medical instrument patient measurements

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003256476A (ja) * 2002-03-01 2003-09-12 Toshiba Corp 知識共有システム、知識共有システムに於ける検索結果表示方法および検索結果のコンテンツ評価方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040122719A1 (en) * 2002-12-18 2004-06-24 Sabol John M. Medical resource processing system and method utilizing multiple resource type data

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003256476A (ja) * 2002-03-01 2003-09-12 Toshiba Corp 知識共有システム、知識共有システムに於ける検索結果表示方法および検索結果のコンテンツ評価方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
EDWARDS G ET AL: "Prudent expert systems with credentials: managing the expertise of decision support systems", INTERNATIONAL JOURNAL OF BIO-MEDICAL COMPUTING, ELSEVIER SCIENCE PUBLISHERS, SHANNON, IE, vol. 40, no. 2, October 1995 (1995-10-01), pages 125 - 132, XP004001055, ISSN: 0020-7101 *
G. EYSENBACH ET AL: "Quality management, certification and rating of health information on the Net with MedCERTAIN: using a medPICS/RDF/XML metadata structure for implementing eHealth ethics and creating trust globally", JOURNAL OF MEDICAL INTERNET RESEARCH, vol. 2(supp2), no. e1, September 2000 (2000-09-01), pages 1 - 8, XP002328326, Retrieved from the Internet <URL:http://www.jmir.org/2000/suppl2/e1/> [retrieved on 20050511] *
PATENT ABSTRACTS OF JAPAN vol. 2003, no. 12 5 December 2003 (2003-12-05) *

Also Published As

Publication number Publication date
US20070150313A1 (en) 2007-06-28

Similar Documents

Publication Publication Date Title
DE60035546T2 (de) System und Verfahren zur automatischen Sammlung und Analyse von periodisch erfassten Patientendaten zur Fernpatientenpflege
EP1936522A1 (de) Automatische Priorisierung medizinischer Betreuungen
DE102007017552A1 (de) Fallabhängige Krankheitsverlaufsvorhersage bei einem Echtzeit-Überwachungssystem
WO2010057890A1 (de) Computerimplementiertes verfahren zur anzeige von patientenbezogenen diagnosen chronischer krankheiten
DE102004013650A1 (de) System und Verfahren zur Verarbeitung von Information betreffend Labortests und Ergebnisse
DE112005000317T5 (de) Verfahren zum Rekrutieren von Patienten für eine klinische Studie
DE102006046319B4 (de) Verfahren zum Auffinden und zur Anzeige von Informationen in einem Informationssystem einer medizinischen Einrichtung
WO2010057891A1 (de) Computerimplementiertes verfahren zur medizinischen diagnoseunterstützung
DE112018005619T5 (de) Software, gesundheitszustandsbestimmungsvorrichtung und gesundheitszustandsbestimmungsverfahren
WO2005081161A2 (de) Verfahren zur qualitätskontrolle von je an unterschiedlichen, aber vergleichbaren patientenkollektiven im rahmen eines medizinischen vorhabens erhobenen medizinischen datensätzen
EP3196791A1 (de) Verfahren zur unterstützung von medizinischem personal, unterstützungssystem, computerprogramm und datenträger
DE112012006037T5 (de) Verteilungsserver für biologische Informationen, Programm davon und medizinisches Unterstützungssystem, das diese verwendet
DE112013000511T5 (de) Zugriff auf vertrauliche Daten über eine Website eines sozialen Netzwerks
DE10316298A1 (de) Verfahren und Anordnung zur automatischen Aufbereitung und Auswertung medizinischer Daten
WO2005081160A1 (de) Verfahren zur qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, wissensdaten
WO2005081084A2 (de) Verfahren zur auswahl eines möglichen teilnehmers für ein medizinisches vorhaben anhand eines auswahlkriteriums
DE10240216A1 (de) Verfahren und Datenbank zum Auffinden von medizinischen Studien
DE112019002930T5 (de) Vorrichtung, verfahren und programm zur unterstützung der erstellung eines patientenfragebogens
DE102004052469A1 (de) Verfahren zur Qualitätsbewertung von elektronisch gespeicherten, insbesondere medizinischen, Wissensdaten
WO2005081165A2 (de) Verfahren zur überprüfung der einhaltung einer einem medizinischen arbeitsablauf zugeordneten durchführungsvorschrift
CH709951A2 (de) Ein computerimplementiertes Patientendatensystem und ein Verfahren, welches davon Gebrauch macht.
DE10137430A1 (de) Verfahren für die Vermittlung einer telemedizinischen Gesundheitsdienstleistung
DE112018005888T5 (de) Datenverarbeitungsvorrichtung, datenverarbeitungsverfahren und datenverarbeitungsprogramm
EP1353287A1 (de) Verfahren und System zur Messung des Behandlungserfolges einer medizinischen Therapie
Mckee A multi-level investigation of absence climate: individuals, supervisory groups, and plants

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LT LU MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
DPEN Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed from 20040101)
WWE Wipo information: entry into national phase

Ref document number: 2007150313

Country of ref document: US

Ref document number: 10589536

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWW Wipo information: withdrawn in national office

Country of ref document: DE

122 Ep: pct application non-entry in european phase
WWP Wipo information: published in national office

Ref document number: 10589536

Country of ref document: US