Gesundheitswesen
DOI: 10.1055/a-2961-6456

The COVID-19 pandemic highlighted the need for university hospitals to have crisis management teams to anticipate the developing situation and plan resource allocation and staff distribution. To this end, mathematical modelling studies are a tool that can provide forecasts of future developments and their uncertainties. This study aimed to understand the role of mathematical modelling in crisis management teams at German university hospitals during the COVID-19 pandemic and to identify potential areas for improvement.As part of the project PREPARED of the Network of University Medicine, we administered questionnaires to all German university hospitals and analysed all data descriptively.Data were obtained from 24 of the 36 university hospitals that existed in Germany at this time (67%). All these reported having crisis management teams during the COVID-19 pandemic that had been set up specifically for the COVID-19 pandemic and were tasked with addressing the challenges of the pandemic. Of these 24 university hospitals, 19 hospitals (79%) used results from mathematical modelling studies when making decisions concerning the distribution of operational beds, restrictions on elective care, or staff allocation. Data from the Robert Koch Institute (n=9, 38%), data from the hospital itself (n=8, 33%), and/or local/regional data (n=11, 46%) were used as the basis for modelling.Modelling results played an important role in crisis management decision making at university hospitals in Germany during the COVID-19 pandemic. Automated access to interoperable, reliable data and locally applicable models should be created to secure the validity of modelling results in future crises.Die COVID-19-Pandemie hat deutlich gemacht, dass Universitätskliniken über geeignete Krisenstäbe verfügen müssen, um die sich entwickelnde Lage antizipieren und die Ressourcenzuweisung und Personalverteilung entsprechend planen zu können. Mathematische Modellierungsstudien stellen dabei ein Werkzeug dar, welches Prognosen für künftige Entwicklungen und deren Unsicherheiten liefern kann. Ziel dieser Studie war es, die Rolle der mathematischen Modellierung in den Krisenstäben deutscher Universitätskliniken während der COVID-19-Pandemie zu verstehen und potenzielle Verbesserungsbereiche zu identifizieren.Im Rahmen des Projektes PREPARED im Netzwerk Universitätsmedizin führten wir eine Befragung aller deutschen Universitätskliniken durch und werteten die Ergebnisse deskriptiv aus.Es konnten Daten von 24 der zu diesem Zeitpunkt existierenden 36 Universitätskliniken in Deutschland (67%) eingeschlossen werden. Alle berichteten, während der COVID-19-Pandemie über Krisenstäbe verfügt zu haben, die speziell für die COVID-19-Pandemie eingerichtet worden waren und mit deren Bewältigung betraut waren. Von diesen 24 Universitätskliniken nutzten 19 (79%) Ergebnisse mathematischer Modellierungsstudien, wenn sie Entscheidungen über die Verteilung von betreibbaren Betten, Einschränkungen bei der elektiven Versorgung oder Personalallokation trafen. Als Basis für die Modellierungen wurden Daten des Robert Koch-Instituts (n=9, 38%), Daten aus dem eigenen Klinikum (n=8, 33%) und/oder lokale/regionale Daten (n=11, 46%) eingesetzt.Modellierungsergebnisse spielten während der COVID-19-Pandemie eine wichtige Rolle bei den Entscheidungen der Krisenstäbe an Universitätskliniken in Deutschland. Ein automatisierter Zugang zu interoperablen, verlässlichen Daten und lokal anwendbaren Modellen sollte geschaffen werden, um die Zuverlässigkeit von Modellierungsergebnissen für zukünftige Krisen sicherstellen zu können.
[...]

Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Article in Thieme eJournals:
Table of contents  |  Abstract  |  Full text

Gesundheitswesen
DOI: 10.1055/a-2780-8325

Linking project data and data from routine clinical practice with healthcare-related data is essential for German healthcare research in order to answer complex questions validly and efficiently. Currently, fragmented data sources, heterogeneous legal requirements, and a lack of infrastructure prevent the optimal use and linking of these data. The Network University Medicine (NUM) is therefore developing a dedicated data infrastructure to link primary study data and routine clinical data with external healthcare-related data (e. g., data from statutory and private health insurance companies, data from cancer registries of the federal states, and data from registration offices). The position paper describes the various data worlds, including examples from epidemiological and clinical research that illustrate the added value and challenges of data linkage. In particular, it presents the new structures of the data acceptance and processing center (DAAeD) in the NUM, which is intended to enable quality-assured, data protection-compliant receipt and linkage of data. Standardized application and approval procedures as well as innovative privacy-preserving record linkage procedures are central to this. International experience, including from Scandinavia and the UK, demonstrates the benefits of such infrastructures for research and healthcare. In conclusion, we advocate rapid political and institutional implementation of the recommendations described in order to make health research in Germany competitive in international comparison and to ensure sustainable, patient-centered health care.Die Verknüpfung von Projektdaten und Daten aus der klinischen Routine mit versorgungsnahen Daten ist für die deutsche Versorgungsforschung essentiell, um komplexe Fragestellungen valide und effizient zu beantworten. Aktuell stehen fragmentierte Datenquellen, heterogene rechtliche Vorgaben und fehlende Infrastrukturen einer optimalen Nutzung und Verknüpfung dieser Daten entgegen. Das Netzwerk Universitätsmedizin (NUM) entwickelt daher eine darauf ausgerichtete Dateninfrastruktur zur Verknüpfung primärer Studiendaten und klinischer Routinedaten mit externen versorgungsnahen Daten (z. B. Daten der gesetzlichen und privaten Krankenversicherungen, Daten der Landeskrebsregister und Daten der Melderegister). Das Positionspapier beschreibt die verschiedenen Datenwelten einschließlich Beispiele aus epidemiologischer und klinischer Forschung, die die Mehrwerte und Herausforderungen der Datenverknüpfung abbilden. Insbesondere werden die neuen Strukturen der Datenannahme- und -aufbereitungsstelle (DAAeD) im NUM dargestellt, die eine qualitätsgesicherte, datenschutzkonforme Annahme und Verknüpfung von Daten ermöglichen soll. Zentral sind vereinheitlichte Antrags- und Genehmigungsverfahren sowie innovative Privacy-Preserving-Record-Linkage-Verfahren. Internationale Erfahrungen, u. a. aus Skandinavien und UK, belegen den Nutzen solcher Infrastrukturen für Forschung und Versorgung. Es wird für eine rasche politische und institutionelle Umsetzung der beschriebenen Empfehlungen plädiert, um die Gesundheitsforschung in Deutschland im internationalen Vergleich wettbewerbsfähig zu machen und eine nachhaltige, patientenzentrierte Gesundheitsversorgung zu sichern.
[...]

Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Article in Thieme eJournals:
Table of contents  |  Abstract  |  open access Full text