Bedeutung und Auswirkungen der Datenqualität auf den Klinikalltag, sowie Steuerungs- und Entscheidungsprozesse

[1] Abbildung Informationsqualitätsmodell DQIQ 2007

Welche Maßnahmen können ergriffen werden um dauerhaft einen hohen Qualitätsgrad zu erreichen?

Um dauerhaft einen hohen Qualitätsgrad zu erreichen, sollten sowohl initiale als auch kontinuierliche Maßnahmen und Prozeduren ergriffen werden. Die Regelmäßigkeit empfiehlt sich hierbei auf 24 Stunden zu legen und möglichst zu automatisieren, damit das Risiko von Mangelnder Kontinuität bei Mitarbeiterwechsel und Urlaubsvertretungen möglichst gering ist.

Die Vorgehensweise kann in folgende Bereiche unterteilt werden:

1. Data Profiling = Datenanalyse
2. Data Cleaning = Datenbereinigung
3. Data Monitoring = Überwachung der Daten
4. Prozess- und Prozeduroptimierung
5. Einsatz von IoT und geeigneter Infrastruktur (Optional)

Wenn die Daten in der Datenbank fehlerhaft sind

Oftmals finden sich in Krankenhäuser handgestrickte SQL Abfragen zu diversen Themen wie der Postleitzahl und dem Ort, fehlenden Nachnamen etc.

Diese erstrecken sich jedoch nur auf genau eine Datenbank.

Der Ansatz per se ist nicht schlecht, jedoch gibt es keine Übersicht darüber, wie die Daten in anderen Systemen aussehen. Hat jemand z.B. im KIS (Klinik Informaionssystem) diese Daten hinterlegt und fehlen diese lediglich nur im Abrechnungssystem?

Was benötigt wird ist ein System, dass die ersten drei Schritte beinhaltet und Schnittstellen für alle Systeme bietet. Idealerweise mit einem einfachen Integrator Tool. Ein System, dass zudem einfach von geschulten Mitarbeitern bedient werden kann und keine aufwändige Programmierung der Regeln enthält. Solche Systeme gibt es mit und ohne IA (künstlicher Intelligenz) bereits und werden v.a. im Einkaufsbereich von Versicherungen, Online Handel und zur Überprüfung der Abrechnungen bei Krankenversicherungen benutzt. In anderen Regionen wie den USA, Canada, Australien und Asien werden solche Systeme bereits in Kliniken ganz oder teilweise eingesetzt.

Welche Auswirkungen hat ein schlechter Qualitätsgrad?

Eine direkte oder indirekte Erlösminderung aufgrund mangelhafter Prozessflüsse, Informationsflüsse und Kommunikationsmöglichkeiten.

Am Anfang steht die Frage nach der Zugänglichkeit und Bearbeitbarkeit.

In erster Linie ist der Prozessfluss betroffen, da z.B. durch die Korrekturen oder alternative Informationsbeschaffung (Telefonat statt Direktabfrage im System) hier eine Verlangsamung entsteht. Bis diese geändert werden vergehen Wochen, Monate oder gar Jahre, weil die Auswirkungen sich nicht direkt im Management bewegen, sondern auf der untersten Stufe der Informationsflussaggregation, der „Rohdaten“. Diese Verlangsamung führt zu indirekten Kosten aufgrund verschwendeter Zeitressourcen. Fünf Minuten hören sich zunächst wenig an, summiert man jedoch die Prozesskette, so stellt man fest, dass unweigerlich auch andere davon betroffen sind,

Der nächste Punkt ist die Fehlerfreiheit.

Versenden Sie immer falsche Daten, führt dies zu einer mangelnden Glaubwürdigkeit und Entscheidungen werden nicht anhand der Daten getroffen. Folglich wird der Prozessfluss auch an dieser Stelle verlangsamt, da eine alternative Informationsbeschaffung nötig ist oder schlimmer, es wird aus dem Bauch heraus entschieden.

Unterstützt wird dies durch die Frage nach der Nutzung.

Können die Daten genutzt werden? Sind diese vollständig. Fragen Sie Ihren Controller mal nach dieser Frage. Die Antwort wird lauten: Sofern die Daten im System sind ja.

Denn, wie kann ein Controller wissen, ob alle Daten im System sind und gleichzeitig auswertbar, wenn er keinen Zugriff auf sämtliche Datenbanken und Prozessabläufe hat? Ein Controller ist nur so gut wie seine Hauptdatenbank. Zwar findet dieses dort Fehler aus anderen Systemen und kann diese bereinigen lassen, aber er hat keine Kontrolle darüber, ob wichtige und relevante Metadaten fehlen.

Ein Beispiel hierzu ist das versenden von Laborleistungen als eigene Leistung, obwohl diese ambulant und von einem externen Labor erbracht wurden.

In dem betreffenden Klinikum konnte ich durch meine Methode S.ucin.o langfristig 4 von 12 Millionen pro Jahr korrigieren lassen. Rückwirkend für 4 Jahre und durch eine Regelprüfung künftige Fehler vermeiden. Denn ambulante, externe Leistungen werden in der Schweiz von demjenigen bezahlt, der sie erbracht hat. Also das externe Labor. Der Controller hatte hier keine Chance, da für ihn die Daten korrekt waren. Wie soll er erkennen, ob die Leistung wirklich vom eigenen oder von einem anderen Labor erbracht wurde?

Als letztes fehlt in dieser Kette die Adressatenfrage

Sind meine Berichte, meine Ansichten in der Software verständlich aufgebaut?

Weiß der Empfänger, welche Datenansicht ihm vorliegt? Der Aufbau von Cockpits und Berichtswesen, sowie der Visualisierung des Prozessdesigns ist eine Wissenschaft für sich. Ein einfaches Beispiel stellt die Datumsfrage dar. Sind die Leistungen nach Austrittsdatum aller Patienten, nach Leistungsdatum oder etwa nach Zeitraum ausgewertet. Alle drei Varianten sind korrekt, die Frage ist, welche fördert die richtige Entscheidung?

Auswirkungen von ungenutztem Datenpotential

Ein einfaches und praktisches Beispiel verschenktem Datenpotential und in diesem Fall verschenkter Erlöse ist die Energie.

Ein 50 Bettenhaus in der Schweiz (Altersheim oder Klinik) hat hier ca. 300 bis 400.000 CHF Kosten pro Jahr.

Die wenigsten Häuser haben Messtationen an großen Anlagen wie dem MRI oder steuern ihre Großraumbüros oder OP Säle mittels Wärmesensoren. Je nach Hersteller kann ein MRI pro Stunde ein Einsparvolumen von 8 – 10 Einfamilienhäusern bringen. Das Abschalten von einer Stunde ist im Übrigen bereits in der Praxis umgesetzt. Wichtig für die Medizin ist, dass das MRI max. 10 Minuten für das Hochfahren benötigt.

Oftmals ist es zu kalt in Großraumbüros, weil von 10 möglichen, nur 5 Plätze belegt sind. Reguliert man die Temperatur anhand der max. Personen und lässt nicht die Raumtemperatur auf maximale Kühlung laufen, spart man indirekt Mitarbeiterressourcen anhand verminderter Krankheitsstände und direkt anhand verminderter Energie- und Wärmekosten für die Klimatisierung.

Literatur

[1] https://www.itwissen.info/Datenqualitaet-data-quality.html

Publikation:

Tagungsband Hamek 2018, Herausgeber Jürgen Nippa

 Dieser Artikel schien im Rahmen eines Keynote Speeches unseres CEOs Hannah Bock-Koltschin an der Hamek 2018.