Sozialmedizinischer Datenverbund

Problemstellung

Fehlende Passgenauigkeit der sozialen und gesundheitsbezogenen Daseinsvorsorge

Es gibt deutliche Hinweise darauf, dass die Angebote der originären Gesundheitsversorgungsleistungen in sozial „benachteiligten“ Sozialräumen sowohl in ihrer Anzahl deutlich hinter anderen Stadtgebieten zurückstehen als auch in Art und Ausrichtung nicht an die besonderen Bedarfe der Bevölkerung angepasst sind. Doch wie müssen die Angebote gestaltet sein, um diese Bevölkerung passgenau zu erreichen und Tendenzen zur Fehlversorgung zu vermeiden?

Fragmentierte Datenquellen verhindern Problemanalyse und Lösungsansätze

Welche Instrumente für einen bestimmten Sozialraum geeignet sind, um Hemmfaktoren für eine einheitlich hohe Gesundheitsqualität zu reduzieren, kann aber aufgrund einer fragmentierten Datenlage derzeit bestenfalls geschätzt werden. Dabei sind Daten durchaus bei verschiedenen Akteuren wie Kommunen, Krankenkassen, Kassenärztlichen Vereinigungen, Krankenhäusern, Rentenversicherungen, Rettungsdiensten u.v.m. vorhanden. In der Kombination verschiedener Datenquellen kann ein nicht zu unterschätzender Mehrwert liegen. Doch genau hierin befindet sich gleichzeitig auch eine große Hürde in der Umsetzung, denn die Bereitstellung, Anonymisierung und Verarbeitung der Datensätze sind auch für die Datenlieferanten äußerst aufwendig.

Lösungsansatz

Das Vorhaben sucht mittels eines so genannten föderierten Algorithmenansatzes standardisierte Lösungen für eine niederschwellige Datenanalyse. Hierfür werden Algorithmen dezentral bei den verschiedenen Datenlieferanten eingesetzt. Die Daten werden so vor Ort ausgewertet und lediglich die Ergebnisse an die Evaluatoren zurückgesendet. Hierdurch werden der administrative sowie der organisatorische Aufwand für die Verfügbarmachung der Daten gering gehalten .

Einmal erprobt können so viele weitere Fragestellungen in der komplexen sozialräumlich orientierten Versorgung kurzfristig bearbeitet und deren Ergebnisse für Entscheidungsträger nutzbar gemacht werden