Gesundheitswesen
DOI: 10.1055/a-2904-1788

Im Jahr 2005 wurde erstmals eine Gute Praxis Sekundärdatenanalyse (GPS) vorgelegt. Nach erneuter Revision im Jahr 2025 wird nun die Version 4 vorgelegt. Die Überarbeitung der GPS wurde von der Arbeitsgruppe Erhebung und Nutzung von Sekundärdaten (AGENS) der Deutschen Gesellschaft für Sozialmedizin und Prävention (DGSMP) und der Deutschen Gesellschaft für Epidemiologie (DGEpi) und der Arbeitsgruppe Validierung und Linkage von Sekundärdaten des Deutschen Netzwerks Versorgungsforschung (DNVF) vorgenommen.Gegenüber der bisherigen Version sind neben inhaltlichen Schärfungen und Aktualisierungen auch Empfehlungen ergänzt worden. Dabei handelt es sich um die Empfehlungen Studienpopulation (Empfehlung 3.3), Auswertestrategie (3.6), Registrierung (3.8), Wechselseitiges Zusammenwirken von Datenanalyse, versorgungsbezogener Expertise und Patient:innenperspektive (5.3), data dictionary (6.8), Zwischenauswertungen (7.3), verteiltes Rechnen (7.4), Dokumentation der Analyseschritte (7.6), Nutzung von gepoolten Daten sowie Analysen von Daten verteilt auf unterschiedliche Orte (8.12), gesetzlicher Rahmen (9.1) und Wissenschaftskommunikation (11.4).Mit der GPS wird ein Standard für die Durchführung von Sekundärdatenanalysen nach wissenschaftlichen Grundsätzen formuliert. Sie ergänzt gezielt andere gute Praxen und Berichtsstandards auf dem Bereich der Epidemiologie und Versorgungsforschung (GEP, Gute Praxis Datenlinkage, Berichtsstandard STROSA). Die GPS versteht sich als Richtschnur bei der Planung, Durchführung und Analyse von Studien auf der Basis von Sekundärdaten, unter Beachtung der aktuellen gesetzlichen Rahmenbedingungen. Konkrete Studienbedingungen und Spezifika bestimmter Daten können es erforderlich machen, begründet von den Empfehlungen der GPS abzuweichen.Die GPS richtet sich an alle Forscher:innen, die sich unter Anwendung wissenschaftlicher Methoden Sekundärdaten, ihrer Analyse und Interpretation zuwenden. Die GPS fokussiert dabei auf gesundheitsbezogene ("health-related") Daten in Deutschland, also typischerweise versorgungsnahe Daten wie Routinedaten der gesetzlichen Kranken-, Pflege-, Renten- und Unfallversicherung (Sozialdaten), der ambulanten und stationären Versorgungseinrichtungen und Registerdaten.
[...]

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