Analysen

Bei der Analyse der bereitgestellten Daten kommen Techniken des Data Mining zum Einsatz. Diese ermöglichen komplexe Zusammenhänge in hochdimensionalen Daten zu erkennen und daraus präzise Verordnungsprofile zu erstellen. In einem weiteren Schritt werden statistische Modelle und Machine Learning-Ansätze verwendet, um für eine Vielzahl von Variablen und Konstellationen optimale Behandlungsprofile zu generieren.

Im Einzelnen sollen unter anderem, folgende Fragestellungen mit Hilfe der fall- bzw. fachbezogenen Diagnose- und Verordnungsdaten bearbeitet werden:

  • Welche und wie viel Antibiotika werden verordnet?
  • Für welche Diagnosen / Krankheitsbilder werden (welche) Antibiotika (für wie lange) verordnet?
  • Wie ist die regionale Verteilung der Antibiotikaverordnungen (Landes-, Kreis-, Ortsebene)?
  • Wie stellt sich die Antibiotikaverordnung in den verschiedenen Bereichen dar?
  • Wie ist der zeitliche Verlauf von Resistenzen im Hinblick auf die getesteten Antibiotika und verschiedenen Infektionen?
  • Gibt es Unterschiede in der Resistenzentwicklung?
  • Wie hoch ist der Anteil nosokomialer Infektionen?
  • Wie haben sich Antibiotikaverbräuche über die Zeit entwickelt?
  • Gibt es einen zeitlichen Zusammenhang zwischen Antibiotikaverbrauch und Resistenzentwicklung?
  • Welche Diagnosen sind mit dem Auftreten von multiresistenten Erregern assoziiert?
  • Gibt es Assoziationen von klinischen Merkmalen, Diagnosen oder Diagnosegruppen mit dem Auftreten multiresistenter Erreger?
  • Wie verändert sich die Liegedauer bei Infektionen mit multiresistenten Erregern?