Seiteninterne Suche

IMI Archiv

Risikomodellierung der Pflegebedürftigkeit nach großen urologischen Operationen

Masterarbeitsthema Informatik oder Medizintechnik

Hintergrund

Aufgrund der zunehmenden Lebenserwartung steigt die Häufigkeit altersabhängiger urologischer Erkrankungen sowie der entsprechende Behandlungsbedarf. Abwägungen der chirurgischen Therapieoptionen berücksichtigen hierbei auch das Risiko späterer Pflegebedürftigkeit. Da ältere Patienten in medizinischen Studien oft unterrepräsentiert sind, sind solche Prognosen des individuellen klinischen Verlaufes allerdings schwierig.
Die zunehmend elektronisch durchgeführte klinische Dokumentation bietet heutzutage neuartige Chancen, die im Behandlungsalltag produzierten Daten auch zur Risikomodellierung des postoperativen klinischen Verlaufes zu nutzen. Aufgrund deren hoher Einheitlichkeit erscheint auch eine automatisierte Verarbeitung dieser Daten aussichtsreich, insbesondere eine Anwendung maschineller Lernverfahren.
Da sich die Struktur der umfangreich anfallenden Patientendaten allerdings primär nach den ursprünglichen Verarbeitungszwecken richtet (nämlich u.a. der Abrechnung dient), erfordert eine erfolgversprechende Nutzung solcher Ansätze eine gezielte Vorverarbeitung bzw. methodische Anpassungen. Zu den relevanten Besonderheiten solcher Routinedaten gehört die Verwendung medizinischer Ordnungssysteme (insb. die Internationale statistische Klassifikation der Krankheiten, ICD), deren hierarchische Struktur von herkömmlichen Prädiktionsverfahren nicht systematisch ausgenutzt wird.

Ziele und Aufgaben

Entwicklung und Bewertung von Vorhersagemodellen der postoperativen Pflegebedürftigkeit aufgrund eines vorliegenden de-identifizierten Datensatzes mit tabellarisch angeordneten Einzelwerten (keine Bilddaten oder Freitexte). Recherche weiterer bekannter Determinanten für postoperative Pflegebedürftigkeit, und Analyse deren Interpretierbarkeit im vorliegenden Datensatz. Optimierung und vergleichende Evaluation alternativer Vorhersagemethoden, sowie Überprüfung der insgesamt erzielten Vorhersagegüte in einer verblindeten Teilstichprobe. Sondierung der Anwendbarkeit publizierter Vorhersageverfahren der allgemeinen Morbidität bzw. Krankenhaussterblichkeit [1,2]. Vergleichende Bewertung der anhand eigener Modellierungen erzielbaren Vorhersagegüte in Relation zu den veröffentlichten Modellen, sowie Abschätzung der Effekte einer Integration der Algorithmen in die eigenen Modelle.

Anforderungen/Voraussetzungen

Grundkenntnisse automatisierter Vorhersageverfahren, sowie Programmiererfahrung in einer zu deren Steuerung geeigneten Sprache (R/Python), oder die Bereitschaft zur entsprechenden Einarbeitung. Bereitschaft zur Einarbeitung in den (urologischen) klinischen Kontext und die Struktur der in den klinischen Daten verwendeten Ordnungssysteme, sowie zur nachvollziehbaren Auseinandersetzung mit einem umfangreichen Datensatz.

Quellen

[1] New Morbidity and Comorbidity Scores based on the Structure of the ICD-10. Stausberg & Hagn. PLoS One. 2015 Dec 14;10(12):e0143365. doi: 10.1371/journal.pone.0143365.
[2] Comorbidity measures for use with administrative data. Elixhauser et al. Med Care. 1998 Jan;36(1):8-27.

Ansprechpartner: Dr. Dennis Toddenroth (dennis.toddenroth@fau.de)