gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

Erstellung eines Kennzahlensystems zur Nutzung von Klinischen Arbeitsplatzsystemen

Meeting Abstract

Search Medline for

  • Sebastian Prokop - Lehrstuhl für Medizinische Informatik, Friedrich-Alexander-Universität Erlangen/Nürnberg, Erlangen
  • Christof Seggewies - Medizinisches IK-Zentrum, Universitätsklinikum Erlangen, Erlangen
  • Hans-Ulrich Prokosch - Lehrstuhl für Medizinische Informatik, Friedrich-Alexander-Universität Erlangen/Nürnberg, Erlangen

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds336

doi: 10.3205/09gmds336, urn:nbn:de:0183-09gmds3365

Published: September 2, 2009

© 2009 Prokop et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Einleitung/Hintergrund: Klinische Arbeitsplatzsysteme haben sich zu Kernsystemen der IT-Unterstützung in Krankenhäusern entwickelt. Der Einsatz eines KAS lässt jedoch nicht unbedingt Rückschlüsse über dessen tatsächliche Nutzung zu. Um inhaltliche, funktionelle und technische Nutzung beurteilen zu können, sollte ein Monitoringsystem mit Komponenten zur Datenerfassung, Erstellung von Kennzahlen und Kennzahlberichten für ein Klinisches Arbeitsplatzsystem entwickelt werden.

Material und Methoden: Zum Aufbau dieses Nutzungskennzahlensystems wurden zuerst die mit dem System Soarian® von Siemens zur Verfügung stehenden Informationsquellen identifiziert und analysiert. Als Datenquellen können sowohl Protokollierungsinformationen der unterstützten klinischen Abläufe aus Soarian Clinicals und Soarian Scheduling verwendet werden. Zudem können Webserverlogs und Systemtraces als weitergehende Datenquellen genutzt werden. Auf diesen Grundlagen wurde ein Basissatz an Kennzahlen definiert, der ermittelt werden soll.

Ergebnisse: Neben den direkten Datenquellen aus Soarian wurden für die Kennzahlenberechnung auch Webserverlogs und Systemtraces eingelesen, die nicht in den operativen Datenbanken enthaltenen Daten, sowie weitere technische Zahlen, wie beispielsweise die aktuelle Datenbankgröße, werden in einer Rohdaten-DB abgelegt. Die Kennzahlen selbst werden als Stored Procedure angelegt, nächtlich neu auf der Spiegeldatenbank des Produktivsystems berechnet und in einer Kennzahlendatenbank abgelegt. Die fertig berechneten Zahlen werden mittels eines VBA-Programmes in vorher definierte Excel-Vorlagen geladen. Auf diesem Weg werden technische Berichte und Prozessberichte für die Abteilungen und das gesamte Klinikum erstellt. Die Kennzahlen werden dabei teilweise aufgeteilt, nach Berufsgruppen aufbereitet und in Diagrammen grafisch dargestellt. Die Prozessberichte informieren vor allem über inhaltliche Zusammenhänge, wie Daten zur Arztbriefschreibung, Leistungsanforderung oder Befunderstellung. Die technischen Berichte enthalten Angaben wie Anzahl gleichzeitig angemeldeter Benutzer, Nutzungsminuten, Datenbankgröße etc.

Diskussion/Schlussfolgerung: Das vorgestellte Kennzahlensystem ermöglicht eine Einschätzung der Nutzung des am Universitätsklinikum Erlangen eingesetzten Klinischen Arbeitsplatzsystems anhand von Kennzahlen. Nutzungsintensität und Veränderungen werden im zeitlichen Verlauf dargestellt. Neben dem Basissatz an Kennzahlen können weitere Kennzahlen mit geringem Aufwand ergänzt werden. Durch die Verwendung von konfigurierbaren Vorlagen ist auch eine Erstellung bereichsbezoger angepasster Berichte möglich.


Literatur

1.
Dugas M, Eckholt M, Bunzemeier H. Benchmarking of hospital informations: Monitoring of discharge letters and scheduling can reveal heterogeneities and time trends. 2008.
2.
Winter U, Müller A. A monitoring infrastructure for supporting strategic information management in hospitals based on key performance indicators. Leipzig: Universität; 2006.
3.
Horváth P. Controlling. 1996.
4.
Lehmann TM. Handbuch der Medizinischen Informatik. 2002.