Towards a sustainable data warehouse approach for evidence-based healthcare

Abstract

Die Gesundheitsfürsorge-Industrie ist eine der größten, sich am schnellsten entwickelnden und informationsintensivsten Industrien der Welt. Im Gegensatz zu den anderen Industrien, wo Data Warehouse (DWH) Technologie in vielen Bereichen erfolgreich angewandt worden ist, hat diese Technologie im Gesundheitswesen bisher vor allem die administrativen und logistischen Aspekte der Informationsverarbeitung angesprochen. Das wachsende Bedürfnis nach der einheitlichen Gesundheitsfürsorge trägt vermehrt dazu bei, die umfassenden klinischen Entscheidungsunterstützungssysteme (decision support system - DSS) einzuführen. Das schnelle Wachstum von Informationstechnologie hat immense Möglichkeiten für die Entwicklung und Verbreitung von evidence-based guidelines (EBG) gebracht. Diese, auf Beweisen gegründete medizinische Erkenntnisse, werden durch die statistischen Verfahren und Analyse der verteilten, in heterogenen Datenquellen gelagerten, Patientendaten gewonnen. Evidence-based medicine (EBM) bietet eine Sammlung der bestbewehrten Praxis-Richtlinien an, um Medikamente und Behandlungen zu empfehlen.<br />Diese Dissertation stellt fest, dass DWH Technologie das Praktizieren der EBM zweifach fördern kann: (1) durch das Unterstützen des EBG - Entwicklungsprozesses und (2) durch zur Verfügung Stellen der Richtlinien für die optimale Entscheidungsfindung der behandelnden Ärzte. In Bezug auf (1) zeigen wir, dass DWH und Data Mining die Entwicklung der EBG ermöglichen, indem sie eine Plattform und die Werkzeuge für die Wissensfindung und Mustererkennung bereitstellen. Große Datenmengen können analysiert werden, um bekannte Tendenzen in Daten zu bestätigen oder unbekannte Korrelationen zu entdecken.<br />Bezüglich (2) behaupten wir, dass der Behandlungsprozess von der Anwendung der DWH Technologie wesentlich profitieren kann. In Anbetracht einer einheitlichen Wissensbasis, in die eine breite Vielfalt von patientenbezogenen Datenquellen integriert ist und in die EBG eingebettet sind, bietet unser Ansatz eine statistisch aufbereitete und bedarfsorientierte Entscheidungshilfe für die behandelnden Ärzte in ihrer täglichen Arbeit.<br />Um die Vertraulichkeit der Patientendaten im heutigen informationsbasierten und verteilten Gesundheitsfürsorgesystem zu sichern, empfiehlt diese Dissertation den föderierten anstatt des zentralisierten DWH Ansatzes. Wir befürworten die Anwendung von Depersonalisierung, Pseudonymisierung und rollen-basierten Zugriffsmechanismen für den Schutz der sensiblen medizinischen Daten.<br />Diese Doktorarbeit postuliert die Regeln, die zu befolgen sind, wenn ein umfassendes, föderiertes, EBM-basiertes Decision Support System entwickelt wird. Das Einhalten dieser Regeln führt zu einer nachhaltigen Entscheidungshilfe, die die Informationsbedürfnisse des medizinischen Personals, der Behörden und der Patienten zufrieden stellen kann.

The healthcare industry is one of the world's largest, fastest-developing and most information-rich industries. Rapid growth of information technologies has brought immense opportunities for patient data sharing, development and dissemination of evidence-based medical knowledge and analysis across distributed, heterogeneous healthcare data sources. In contrast to other industries, where data warehouses have been successfully applied, healthcare is an area in which the information technology had only been able to permeate the administrative and logistic aspects of information processing. The growing need for integrated healthcare has led this industry to open towards adoption of extensive clinical decision support systems.<br />Evidence-based medicine (EBM) offers a collection of proven best practice guidelines for recommending drugs and medical treatments. This thesis states that the way data warehouse (DWH) technology can facilitate EBM is twofold: (1) by supporting the rule development process, and (2) by providing the EBM-enriched knowledge base to support the decision-making process of the care givers. With respect to (1), we explain that data warehousing and data mining support the creation of the evidence-based rules by providing a platform and tools for knowledge discovery. Large amounts of data can be analysed to confirm known or discover unknown trends and correlations in data.<br />Regarding (2), we argue that the care giving process can benefit significantly from the application of DWH technology at the point of care. Given an integrated knowledge base, built upon a broad variety of patient-related information sources and incorporating evidence-based rules, our approach offers a unique decision support for the practitioners in their every-day work. In order to guarantee the confidentiality of patient data in today's increasingly information-based, multi-site health delivery environment, this thesis recommends a federated DWH approach instead of collecting data from remote sources into a centralized system. We endorse the application of de-personalisation, pseudonymization and role-based access mechanism for protection of sensitive healthcare data.<br />This dissertation is intended to provide a roadmap for achieving sustainable healthcare decision support system based on federated data warehouses, facilitating evidence-based medicine that safeguards patient's personal privacy. It postulates four rules to follow when building a modern medical decision support system and its advisory nature will prove to be helpful in designing future healthcare project.<br />