Institut für Allgemeinmedizin
  1. Startseite LMU Klinikum
  2. Institut für Allgemeinmedizin
  3. Forschung
  4. Studien
  5. VALUE-Studie

VALUE-Studie

Validierung von ALgorithmen zur Detektion Unerwünschter Ereignisse in stationären Routinedaten

  • Die Detektion unerwünschter Ereignisse (UE) und unerwünschter Arzneimittelwirkungen (UAW) in Routinedaten ist aus verschiedenen Gründen von besonderer Bedeutung. Die Identifikation von UE einerseits ist notwendig, um im Rahmen pharmakoepidemiologischer Forschung neue Zusammenhänge zwischen Arzneimitteln und Gesundheitsschäden untersuchen zu können oder um bekannte Zusammenhänge zu quantifizieren. 

    UAW andererseits werden benötigt, u.a. um den Status Quo der Arzneimitteltherapiesicherheit zu überwachen, Verbesserungspotenziale abzuleiten und die Effektivität von Maßnahmen zur Verbesserung der Arzneimitteltherapiesicherheit zu evaluieren, aber auch um in der klinischen Praxis auf mögliche UAW hinzuweisen.

    Im Rahmen des konsortienübergreifenden Use Case POLAR der Medizininformatik-Initiative wurden daher Algorithmen entwickelt, die in Routinedaten der stationären Versorgung implementiert werden können, um UE und potenzielle UAW zu detektieren. Hierbei standen solche UE im Fokus, die durch ein Expertenkonsensus-Verfahren (RAND/UCLA Appropriateness-Methode) aufgrund hoher klinischer Relevanz priorisiert wurden. Jeder Algorithmus besteht aus einer logischen Verknüpfung von Variablen, die in strukturierten Datenquellen (z.B. ICD-Codes für Diagnosen, OPS-Codes für Prozeduren, Laborwerte, ATC-Codes für Arzneimittel) messbar sind. Um der unterschiedlichen Datenverfügbarkeit in verschiedenen Settings Rechnung zu tragen, wurde für einige UE eine Auswahl verschiedener Algorithmen entwickelt, die sich bezüglich der Art und Anzahl benötigter Datenquellen unterscheiden.

    Sowohl für die Verwendung der Algorithmen in der pharmakoepidemiologischen Forschung als auch im Kontext der klinischen Praxis sind die Sensitivität und Spezifität, mit der die Algorithmen tatsächliche UE/UAW detektieren können, entscheidend. Um den Nutzen der entwickelten Algorithmen zur Detektion von UE und UAW in Wissenschaft und Praxis abschätzen zu können, ist daher eine empirische Validierung notwendig.