Geographische Datenanalysen: Die Corona-Pandemie als Chance zur Digitalisierung im Gesundheitswesen verstehen

Um Corona-Planungsstäben die Arbeit zu erleichtern, stellt ein Team um
Wirtschaftsprofessor Dr. Jozo Acksteiner von der Hochschule Fulda
Geographische Datenanalysen zur Verfügung. Die Methodik verbindet
analytische Modelle mit der Visualisierung von Daten auf Landkarten.
Strategische Entscheidungen im Gesundheitswesen, die einen geographischen
Bezug haben, lassen sich so schnell und effizient treffen. Die
Wissenschaftler*innen wollen die Methodik für Krankenhäuser, Politik und
Gesundheitsverwaltung verfügbar machen. Potenzial sehen sie nicht nur mit
Blick auf Pandemien.

Gemeinsam mit dem Universitätsklinikum Frankfurt haben
Wissenschaftler*innen der Hochschule Fulda auf Basis von Geographischen
Datenanalysen interaktive Landkarten für den zentralen Planungsstab
"Stationäre Versorgungsstruktur von COVID-19-Patientinnen und -Patienten"
des Landes Hessen entwickelt. Die Karten liefern tagesaktuell ein Bild
über die Pandemielage. Sie stellen Informationen zur Inzidenz und
Auslastung von Beatmungsplätzen in Krankenhäusern dar. Prognosen für die
Auslastung und die Impfquote sind ebenfalls integriert.

Entscheider können mithilfe dieser Kartenvisualisierung schnell erkennen,
wohin sie Patient*innen verlegen können, wenn ein Krankenhaus ausgelastet
ist. Aus den visualisierten Daten lässt sich ebenso schnell entnehmen, ob
Kliniken in der Nachbarschaft in absehbarer Zeit mit einer stärkeren
Auslastung rechnen müssen und freie Bettenkapazitäten selbst benötigen.

Der Bedarf:  klare und schnell zu verarbeitende Informationen

„Die Karten bringen die komplexe Information aus Inzidenzlage, Auslastung
der Krankenhäuser und Prognose der Auslastung für die nächste Woche in ein
Bild“, erläutert Dr. Michael von Wagner, der die Stabsstelle für
Medizinische Informationssysteme und Digitalisierung beim Ärztlichen
Direktor des Universitätsklinikum Frankfurt leitet. „Im Klinikalltag
benötigen wir auf das Wesentliche komprimierte, klare und nachvollziehbare
Informationen, wenn wir die Kolleginnen und Kollegen in den Häusern
erreichen wollen. Sich mit wenigen Klicks informieren zu können, wo es
freie Kapazitäten gibt, ist eine große Unterstützung.“

Zuvor hatte Professor Dr. Jozo Acksteiner Geographische Datenanalysen vor
allem in der Logistik eingesetzt, wenn etwa Lieferketten nach
Naturkatastrophen aufrechterhalten werden mussten. „Der Einsatz im Rahmen
der Corona-Planungsstäbe zeigt, dass die Methodik ebenso einen positiven
Beitrag zur Digitalisierung des Gesundheitswesens leisten kann“, sagt er.
„Die Corona-Krise kann man auch als Chance verstehen, solche modernen
Entscheidungssysteme einzuführen und unser Gesundheitssystem weiter zu
digitalisieren.“

Das Ziel: Mensch und Maschine arbeiten zusammen

Gegenüber rein algorithmischen Ansätzen bietet die Geographische
Datenanalyse einen entscheidenden Vorteil: Sie verbindet die
übersichtliche Darstellung der Datenlage mit der Möglichkeit, das
Erfahrungswissen von Expert*innen durch die Interaktion mit der
Kartenvisualisierung einzubinden. „In vielen Fällen funktioniert ein
ausschließlich aus Algorithmen getriebener Ansatz nicht“, weiß Acksteiner.

Beispiel: Wenn ein Landkreis eine hohe Zahl an Corona-Neuinfektionen
verzeichnet und die Krankenhäuser in der Region über genügend
Beatmungsplätze verfügen, dann würde ein Algorithmus zunächst feststellen,
dass weitere Patient*innen aufgenommen werden können. Aber wenn das
Krankenhaus weiß, dass kurzfristig Personal erkrankt ist und weitere
Ausfälle zu befürchten sind, dann ist das eine wesentliche
Rahmenbedingung, die ein Experte mit seinem Hintergrundwissen sofort
einbeziehen kann. Ein Computeralgorithmus erkennt eine solche
Rahmenbedingungen dagegen nur, wenn diese vorab definiert wurde. „Eine bei
komplexen Problemen schier unlösbare Aufgabe“, sagt Acksteiner.

Die Umsetzung: Von der Problemdefinition zu einer stetig verbesserten
Kartenvisualisierung

So funktioniert die Geographische Datenanalyse: Im ersten Schritt gilt es,
das Problem zu definieren und zu klären, welche Daten und welche
Visualisierung für die Entscheidungsfindung relevant sind. Was soll
dargestellt werden und welche Leistungskennzahlen beeinflussen die
Entscheidung? „Dies in der Anfangsphase zu analysieren, erspart viel Zeit,
weil man später keine unnötigen Daten erhebt“, sagt Acksteiner.

Schritt zwei richtet den Fokus auf die Frage, wie die Daten miteinander
kombiniert und visualisiert werden sollen. Wie stellt man die Kennzahlen
auf einer Karte dar, sodass sie ermöglichen, schnell gute Entscheidungen
zu treffen? Sollen bestimmte Informationen besonders hervorgehoben werden?
Ein Beispiel ist die Nutzung von Ampeldarstellungen, um Fokuspunkte („rote
Ampeln“) deutlich auf der Karte hervorzuheben.

Im dritten Schritt schließlich wird die Kartenvisualisierung umgesetzt und
stetig verbessert. Welche Software ist für die Fragestellung am besten
geeignet? Welche Probleme ergeben sich bei der Umsetzung nach den ersten
Visualisierungen? Wie lässt sich die Kartenvisualisierung noch besser auf
die Fragestellung ausrichten? „Die stetige Verbesserung der
Kartenvisualisierung in einem iterativen Prozess mit Experten und Nutzern
ist der Schlüssel zum Erfolg“, betont Acksteiner.

Das Ergebnis: Effiziente Entscheidungen auch in komplexen Situationen oder
bei unvollkommener Datenlage

Die Darstellung von Daten auf Landkarten ermöglich eine schnelle Erfassung
der Gesamtsituation durch den Menschen und eine entsprechend effiziente
und zielgerichtete Entscheidungsfindung innerhalb von Expertenteams.
Acksteiner berichtet von seinen Erfahrungen: „Dadurch, dass die Landkarte
einen schnell erfassbaren Kontext liefert, wird die Zeit von der
Datenbereitstellung bis zur Bereitstellung eines Entscheidungssystems
gegenüber herkömmlichen Datenanalyseverfahren um 80 Prozent beschleunigt,
bei gleichzeitig deutlich verbesserter Abstimmung der Entscheider
untereinander.“

Auch impraktikable Entscheidungen und Datenfehler können durch die
Verbindung mit der Landkarte gut identifiziert und eliminiert werden, etwa
wenn die Situation der Beatmungskapazitäten zweier Krankenhäuser, eines im
Status „grün“, eines im Status „rot“, vertauscht wurde. „Diesen Fehler in
einer Excel-Tabelle auszumachen ist schwierig“, so Acksteiner, “aber auf
einer Kartendarstellung springt den Expert*innen ein solcher Fehler ins
Auge und kann sofort korrigiert werden.“

Weitere Anwendungsgebiete: Gesundheitsplanung und Krankheitsprävention

Einsetzen lässt sich die Geographische Datenanalyse prinzipiell überall
dort, wo es um Entscheidungsfindungen mit einem geographischen Bezug geht.
Mit dem Universitätsklinikum Frankfurt und dem Hessischen Ministerium für
Soziales und Integration wollen die Fuldaer Wissenschaftler*innen die
Methodik daher weiterentwickeln, etwa für weitere Pandemien oder mit Blick
auf die Kapazitätsplanungen, beispielsweise im Pflegebereich. „Wir
brauchen keine Pandemie, um in den Krankenhäusern eine hohe Auslastung und
eine Überlastung der Kapazitäten zu erleben“, sagt Dr. Michael von Wagner
und betont: „Wir wünschen uns, in unseren klinischen Entscheidungen
digital besser unterstützt zu werden.“ Großes Potenzial sehen Acksteiner
und sein Team auch im Bereich der Krankheitsprävention. „Wir arbeiten
derzeit an einer Karte, die Umwelteinflüsse und Krankheiten abbildet und
zeigt, wo diese Einflüsse mit bestimmten Krankheiten korrelieren.“