Clinical Data Warehousing & Analytics

Umgesetztes Projekt

Ziele

Moderne klinische Informations- und Dokumentationssysteme tragen wesentlich zu einer effizienten und hochwertigen Gesundheitsversorgung bei und unterstützen sowohl Patient/inn/enversorgung als auch klinische Forschung. Durch zunehmende Spezialisierung in der Medizin und Fortschritte in der Informationstechnologie (IT) werden diese Systeme immer komplexer. Auch die Menge an Daten sowie Informationen, die durch diese Systeme produziert und verarbeitet werden, steigt exponentiell an.

 

Der Bedarf an Fachkräften, die solche hochspezifischen und komplexen IT-Systeme konzipieren, betreiben und weiterentwickeln können, steigt dadurch ebenso rasch an. Zusätzlich zu hohen technischen Kompetenzen müssen diese IT-Fachkräfte ein tiefgehendes Verständnis der Anforderungen, Besonderheiten und Spezifika der medizinischen Domäne besitzen. Auf der anderen Seite müssen moderne Kliniker/innen zusätzlich zu ihrem medizinischen Wissen und Können ein ausreichendes Verständnis zahlreicher Technologien haben und auch über ein ausgefeiltes Zahlenverständnis sowie statistische Fähigkeiten verfügen, um Ergebnisse hochkomplexer Datenanalysen richtig interpretieren und die richtigen Schlüsse daraus ableiten zu können.

 

Die Welten "Informatik", "Technik" und "Medizin" rücken also immer näher zusammen. Besser als Enrico Coiera, der sein mittlerweile zu den Standardwerken in der Medizinischen Informatik zählendes Buch ‚Guide to health informatics‘, wie folgt einleitet, kann man es nicht ausdrücken: "If physiology literally means ‘the logic of life’, and pathology is ‘the logic of disease’, then health informatics is the logic of healthcare. It is the rational study of the way we think about patients, and the way that treatments are defined, selected and evolved. It is the study of how clinical knowledge is created, shaped, shared and applied. Ultimately, it is the study of how we organize ourselves to create and run healthcare organizations. With such a pivotal role, it is likely that in the next century, the study of informatics will become as fundamental to the practice of medicine as anatomy has been to the last."

 

Vor diesem Hintergrund wurde an der Privaten Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik (UMIT) ein Universitätslehrgang für Health Information Management (HIM) konzipiert, der Personen aus den verschiedenen Welten die notwendigen Kompetenzen vermitteln soll, um in einem solch hochkomplexen Umfeld miteinander grenzübergreifend erfolgreich tätig sein zu können. Es wurde bereits ein entsprechender Akkreditierungsantrag bei der Agentur für Qualitätssicherung und Akkreditierung Austria (AQ Austria) eingebracht.

 

Zielgruppe des Studiengangs sind also Personen mit facheinschlägiger Vorbildung (abgeschlossenes Hochschulstudium auf mindestens Bakkalaureat-/Bachelorniveau bzw. Diplomstudium) aus den Bereichen Medizin oder Pflegewissenschaft oder mit technischer, naturwissenschaftlicher oder sozialwissenschaftlicher Ausrichtung oder einer fachverwandten Zuordnung mit Gesundheitsbezug. Die Absolventinnen und Absolventen sollen insbesondere als Brückenbauer zwischen den verschiedenen Welten, zwischen IT-Lösung und ihrer Anwendung im klinischen Umfeld, fungieren können.

 

Der Universitätslehrgang HIM trägt dem Umstand Rechnung, dass Studierende aus der Zielgruppe sich in der Regel bereits in ihrem Berufsfeld etabliert haben und aufgrund ihrer beruflichen oder auch familiären Verpflichtungen berufsbegleitende, zeit- und ortsflexible Bildungsangebote benötigen. Der gesamte Studiengang ist daher konsequent und durchgängig als online-basiertes Angebot auf universitärem Niveau konzipiert.

 

Das nominierte Modul "Clinical Data Warehousing & Analytics" wurde als Pilotmodul für diesen Universitätslehrgang konzipiert und im Wintersemester 2016/17 erstmals erfolgreich durchgeführt. Die begleitende, umfassende Evaluierung gab wichtige Anhaltspunkte für die weitere Entwicklung des Universitätslehrgangs.

Kurzzusammenfassung

Lernen als konstruktiver und sozialer Prozess funktioniert am besten in Interaktion mit anderen Personen. Insbesondere in online-basierten Lernsettings sind Interaktion und Kooperation der Studierenden wichtige Faktoren für erfolgreiches Lernen.

 

Im nominierten Modul "Clinical Data Warehousing & Analytics" wurde ein Konzept für einen interdisziplinären, interaktiven, kollaborativen, rein online basierten Kurs im Themenfeld Klinische Datenintegration und Analyse entwickelt und erfolgreich umgesetzt. Dies geschah als Pilot für einen geplanten Universitätslehrgang in Health Information Management auf Master-Niveau.

 

Beim ersten Kursdurchlauf im WS2016/17 nahmen 16 Teilnehmer/innen mit verschiedensten fachlichen Hintergründen teil. Acht Personen konnten den kostenlos angebotenen Kurs erfolgreich abschließen. Drop-Outs waren primär durch die Unterschätzung des klar kommunizierten Workloads begründet.

 

Der Kurs wurde begleitend umfassend evaluiert. Die anonyme Gesamtevaluierung (n=7) ergab die Gesamtnote 1,0. Das Studierendenfeedback in der qualitativen Evaluierung war ebenso überragend. Ergebnisse und Erkenntnisse aus Evaluierung und Durchführung des Kurses fließen in Publikationen ein, die gerade vorbereitet werden. (Details und Originalzitate Studierender zum Kurs sind über den Link zu weiterführenden Informationen abrufbar. Für die Begutachtung wurde ein anonymisiertes Abbild des Kursbereiches erstellt. Die Zugangsdaten finden sich ebenfalls unter angegebenem Link).

Nähere Beschreibung

Das nominierte Modul „Clinical Data Warehousing & Analytics“ (CDWA) wurde als Pilot für den zu akkreditierenden Universitätslehrgang "Health Information Management" an der UMIT konzipiert und im Wintersemester 2016/17 erstmals erfolgreich durchgeführt.

 

Thema des als rein virtuelle, online-basierte Lehrveranstaltung abgehaltenen Moduls war die intelligente Wiederverwendung von klinischen Daten für verschiedenste Zwecke (z.B. Klinische Forschung, Qualitätssicherung, Controlling, Betriebswirtschaftliche Aufgaben, Lehre, etc.). Dabei sollten die wichtigsten Herausforderungen und Probleme auf dem Weg dorthin diskutiert und mögliche Lösungsstrategien erarbeitet werden.

 

Inhalt des Moduls

 

Ein Schwerpunkt des Kurses lag auf praktischem Arbeiten mit Daten und verschiedenen Werkzeugen. Bei der Planung wurden folgende Inhalte festgelegt, die im Rahmen des Kurses behandelt werden sollten:

+ Arten von Datenquellen im klinischen Umfeld;

+ Datentypen;

+ Grundlegende Fertigkeiten (Extraktion, Transformation, Laden) im Umgang mit verschiedenen Daten sollten erlernt werden;

+ Integration von Daten aus heterogenen Quellen, Aufbau von einfachen klinischen Data Warehouses und Data Marts;

+ Konzeption, Durchführung und Präsentation von grundlegenden Datenanalysen und Visualisierungen.

+ Darüber hinaus sollten die Teilnehmenden die wichtigsten Herausforderungen und Probleme, die im Zuge dieser Tätigkeiten auftauchen können, kennen lernen und Strategien zu deren Vermeidung bzw. Lösung im Kurs erarbeiten.

 

Zielgruppe und Teilnehmer/innen

 

Entsprechend der Konzeption des HIM Kurses bestand die Zielgruppe aus Personen mit facheinschlägiger Vorbildung aus den Bereichen Medizin, Pflegewissenschaft oder Medizin-Informatik bzw. Technik oder einer fachverwandten Zuordnung mit Gesundheitsbezug.

Der Kurs richtete sich an Einsteiger/innen im Bereich des Data Warehousing und der Datenanalyse. Vorerfahrungen in diesem Bereich waren nicht notwendig. Es wurden diesbezüglich keine Zulassungsvoraussetzungen definiert.

Die Mindestzahl an Teilnehmenden war 8. Maximal wurden 20 Plätze vergeben. Um geeignete und interessierte Studierende für das Modul zu rekrutieren, wurde es im Curriculum des Doktorats-Studiums Dr. phil. und kostenfrei über die UMIT Academy angeboten. Entsprechende Informationen und Aufrufe zur Teilnahme wurden über diverse facheinschlägige Mailing Listen sowie über Fachgesellschaften verbreitet. Die potentiellen Teilnehmer/innen wurden aufgefordert, ihre fachliche Qualifikation darzulegen und ein Motivationsschreiben zu senden. Es meldeten sich 16 Personen, denen allen einen Platz im Modul zugewiesen werden konnte.

 

Lernziele

 

Folgende Lernziele wurden für das Modul festgelegt:

Teilnehmende ...

+ können die Bedeutung von Data Warehousing für die Wiederverwendung (Sekundärnutzung) klinischer Daten erläutern;

+ können einfache klinische Data Warehouses und Data Marts konzipieren;

+ können Daten unterschiedlichen Formats aus verschiedenen Quellen extrahieren, diese in diverse Zielformate transformieren und in neu geschaffene Datenrepositorien (Data Warehouses oder Data Marts) integriert speichern;

+ kennen unterschiedliche Möglichkeiten, Daten zu analysieren und können deren Voraussetzungen sowie Einsatzmöglichkeiten erörtern;

+ können grundlegenden Datenanalysen und Visualisierungen konzipieren, durchführen und deren Ergebnisse in ansprechender Form präsentieren;

+ können zielgerichtet die im Kurs eingeführten Werkzeugen anwenden.

 

Didaktisches Konzept und Planung des Moduls

 

Die konkrete Planung des Moduls erfolgte entlang des für den HIM Universitätslehrgang entwickelten didaktischen Konzeptes. Dieses wurde korrespondierend zum Leitbild "Lehre an der UMIT" (vgl. Link zu weiterführenden Informationen) entworfen. Der zugrundeliegende didaktische Ansatz ist ausgeprägt studierendenzentriert, eigenverantwortlich und partizipativ-kooperativ angelegt. Die didaktische Ausgestaltung orientiert sich ganz nach dem Motto "Gemeinsam Kompetenzen entwickeln!".

 

Der Aufbau des online-Kurses orientiert sich am 3-2-1-Modell für expositorische Lernangebote von Michael Kerres und kombiniert diese mit dem Konzept der E-tivity (Lernaktivitäten) von Gilly Salmon. Das Konzept berücksichtigt die besonderen Bedürfnisse berufsbegleitender Studierender:

+ Berufsbegleitende Studierende möchten wissen, wozu sie lernen;

+ sie möchten ihre Erfahrungen in den Lernprozess einbringen;

+ sie möchten Probleme lösen;

+ sie möchten das Erlernte im Beruf unmittelbar zur Lösung von Problemen einsetzen können;

+ sie möchten sich mit anderen Lernenden austauschen;

+ und sie möchten zeit- und ortsunabhängig lernen.

 

Diese Bedürfnisse wurden im didaktischen Konzept durch die Gestaltung entsprechender Lernaufgaben umgesetzt. Diese wurden stark auf die Vermittlung konkreter Handlungskompetenzen ausgerichtet. Ziel des Kurses ist nachhaltiges, kompetenzorientiertes und handlungsgeleitetes Lernen, wobei die Teilnehmer/innen fortlaufend begleitet und in ihrem individuellen Lernfortschritt unterstützt werden.

Lernen funktioniert nachweisbar am besten, wenn es in gemeinsam in einer Gruppe erfolgt (soziales Lernen). Im Rahmen des Moduls sollten die Studierenden daher gemeinsam in ihrer virtuellen Studiengruppe lernen, d.h. als Gruppe gemeinsam lernen. Insofern wurde bei der Planung der Lernaufgaben besonderes Augenmerk auf die aktive Studierendenbeteiligung am Lehr-/Lernprozess gelegt. Der Sozialisierung der Teilnehmenden in der Lerngruppe wird zu Beginn des Moduls entsprechender Raum gegeben und es wurden einige Lernaktivitäten eingeplant, die zur Bildung der Lerngruppe beitragen sollten. Die an der UMIT bestehende, Moodle-basierte Lehr und Lernplattform wurde als kooperative Online-Lernumgebung gewählt und der Kurs wurde dort eingerichtet.

 

Kursdauer und Struktur

 

Die Dauer des Moduls wurde mit sechs Wochen festgelegt. Dieser Zeitraum wurde in einwöchige Blöcke aufgeteilt. In jedem Block bearbeiten die Studierenden Lernaufgaben (so genannte E-tivities). Hierfür erhalten sie Materialien, die sie bei der Lösung unterstützen; dies waren im Modul Impulsvideos, besprochene Foliensätze, Filme, Skripten, Artikel und Web-Ressourcen.

Die Bearbeitung der Lernaufgaben erfordert immer Eigenleistungen von den Studierenden, beinhaltet aber auch die Kooperation mit den anderen Studierenden und die Begleitung durch die Kursleitung. So können die Studierenden Wissen austauschen sowie voneinander und miteinander lernen.

Die Lernaufgaben sind asynchron gestaltet, sodass die Studierenden diese zu unterschiedlichen Zeiten bearbeiten können. So bleiben sie zeitlich immer flexibel, wobei das Lernsetting durch festgelegte Rahmenbedingungen klar und für alle Beteiligten in gleicher Weise definiert ist (Lehrinhalte, Erwartete Lernergebnisse). Die Lernaufgaben werden immer einheitlich strukturiert und umfassten insbesondere folgende Informationen:

+ Laufende Nummer und ein neugierig machender Titel der Lernaufgabe;

+ Lernziel der Lernaufgabe;

+ Beschreibung der eigentlichen zu lösenden Lernaufgabe;

+ Materialien zur Lösung der Lernaufgabe (z.B. besprochene Foliensätze, Fachartikel, Webseiten, Softwaretools);

+ Erwartete Reaktion auf die anderen Teilnehmer bzw. erwartete Zusammenarbeit zur Lösung der Lernaufgabe;

+ Zu erwartendes Feedback durch die Kursleitung.

 

Konkreter Aufbau und Ablauf der einzelnen Kurswochen

 

Im Folgenden sollen die Inhalte und Lernaufgaben der sechs einzelnen Kurswochen nur überblicksartig dargestellt werden. Unter der Adresse moodle.umit.at/course/view.php ist der Kursbereich mit allen Inhalten in anonymisierter Form für die Begutachtung einsehbar (Schlüssel für den Gastzugang: CDWAsh#wc@se1 - siehe auch den angegebenen Link zu weiterführenden Informationen).

 

Woche 1: Begrüßung, Kennenlernen und Motivation

 

Die Lernaufgaben der ersten Woche stehen im Zeichen der Sozialisierung im Kurs und in der Lerngruppe. Die Studierenden und Lehrenden kennen sich vor Beginn des Kurses Großteils nicht persönlich, werden aber in den nächsten Wochen eng zusammenarbeiten müssen. Sie müssen gemeinsam lernen - und das heißt, man muss sich Wissen und Fertigkeiten aneignen, die man vorher noch nicht hatte. Dazu muss man sich selbst öffnen und viele Fragen stellen - manchmal auch die vermeintlich dummen. Das ist natürlich sehr viel leichter, wenn zumindest ein gewisses Vertrauen zwischen den einzelnen Gruppenmitgliedern vorhanden ist. Und Vertrauen entsteht nicht von selbst. Vertrauen muss man sich erarbeiten. Dazu gibt es entsprechende Aufgaben.

 

Auch das Lernen in einer rein virtuellen Umgebung ist vielen Studierenden nicht geläufig. Die zeitliche Flexibilität ist ein großes Plus des Kursformats, aber zugleich Gefahr. Schnell verliert man den Anschluss, wenn man nicht regelmäßig an den Lernaktivitäten teilnimmt. Eine Aufgabe widmet sich daher dem wichtigen Zeitmanagement im Kurs. Auch Vorerfahrungen der Studierenden werden erhoben und ihr Vorwissen wird aktiviert. Die Studierenden schreiben in einer eigenen Lernaktivität ihre Motivation zur Teilnahme am Kurs nieder und spezifizieren für sich selbst individuelle Lernziele. Die Aufgaben beinhalten auch immer Diskussionselemente, die die Studierenden dazu anhalten sollen, sich gegenseitig auszutauschen. Der Dozent nimmt die Rolle des begleitenden Moderators ein. Er hält sich zurück wo er kann und greift ein wo er muss.

Den Abschluss jeder Kurswoche bildet eine Reflexion, in der die Studierenden darüber berichten und diskutieren müssen, welche Erkenntnisse sich für sie in der jeweiligen Woche ergeben haben und zu welchen individuellen Lernzielen sie Neues gelernt haben, wie sie das Gelernte anwenden möchten, was in der Woche besonders nützlich war und welche Inhalte gefehlt haben. Durch Rückmeldungen des Dozenten, in der Diskussion der Reflexionen in der Gruppe und durch weitere Selbstreflexion können die Studierenden ihren eigenen Lernprozess strategisch ausrichten.

 

Woche 2: Daten, Daten, Daten

 

Die zweite Kurswoche ist der Beschäftigung mit verschiedenen Dateiformaten und unterschiedlichen Kodierungen gewidmet. Als Werkzeug wird zunächst nur ein einfacher Texteditor verwendet. Die Studierenden lernen, dass man damit auch komplexe Dinge machen kann. Dazu muss man sich in das Konzept der regulären Ausdrücke ein denken und den Umgang damit erlernen. Eine schwierige Aufgabe, die sogar die Studierenden mit Informatik-Hintergrund fordert. Für die Teilnehmenden mit medizinisch/pflegerischem Hintergrund stellt dies den Einstieg in eine Steilwand dar, die sich aber durch harte Arbeit und mit Hilfe der Gruppe bewältigen lässt.

Der zweite große Block widmet sich den Analysemöglichkeiten und Grenzen von Tabellenkalkulationsprogrammen (z.B. Excel). Hier wird ein riesiger Datensatz mit Gesundheitsdaten entsprechend aufbereitet und analysiert.

 

Woche 3: Von Äpfeln und Birnen - das 1x1 der Datenintegration

 

Die dritte Woche steht im Zeichen der Beschäftigung mit einem mächtigen Werkzeug. Damit können Daten unterschiedlichster Art, Codierung und Repräsentation, die noch dazu aus unterschiedlichsten Quellen stammen, in eine einheitliche Form gebracht und in einem gemeinsamen Datenpool gespeichert werden.

Wie bei jedem Werkzeug nützt es nichts, es nur zu haben. Man muss es beherrschen. Daher wird in dieser Woche intensiv praktisch gearbeitet. Damit Motivation und soziale Präsenz der Studierenden gefördert werden, erstellen sie für sich gegenseitig Schulungsvideos. Hier kommt das Konzept 'Lernen durch Lehren' zur Anwendung und bereitet den Teilnehmer/innen sichtlich Spaß.

 

Woche 4: Grundsteinlegung für unser Data Warehouse

 

In der vierten Woche werden die Grundlagen und Fertigkeiten erarbeitet, selbst integrierte Datenrepositorien für medizinische Daten zu konzipieren und anzulegen. Die Studierenden sind hier besonders aufgefordert, Erfahrungen aus ihrem Beruf einzubringen und lernen so Sichtweisen aus den verschiedenen Welten kennen.

 

Woche 5: Datenfriedhof oder Goldgrube - Die Analysekompetenz macht den Unterschied

 

In dieser Woche schnuppern die Studierenden in die eigentliche Königsdisziplin hinein: in die Kunst der intelligenten Datenanalyse. Hochkomplex, aber hochspannend. Sie lernen auch hier ein neues mächtiges Werkzeug kennen und erlernen die Arbeit damit.

Eine größere Zwischenreflexion des bisherigen Weges ermuntert die Studierenden zum Nachdenken über den eigenen Lernprozess und leitet über in die letzte Kurswoche.

 

Woche 6: Der Kreis schließt sich

 

In dieser Woche wird nochmal eine strategische Perspektive eingenommen und diskutiert, wo Stolpersteine und Haltegriffe im Gebiet CDWA liegen. Und selbstverständlich kommt die Praxis nicht zu kurz. Die Studierenden arbeiten an einer individuellen Prüfungsaufgabe und stellen sich die Ergebnisse gegenseitig vor. Eine abschließende kritische Selbstreflexion und Selbsteinschätzung der eigenen Leistung ergänzt diese Prüfungsleistung und hält den Studierenden einen Spiegel vor.

Positionierung des Lehrangebots

Beim nominierten Lehrangebot handelt es sich um ein Pflichtmodul im akkreditierungspflichtigen Universitätslehrgang „Health Information Management“ (HIM, 90 ECTS-Credits, akademischer Grad: Master of Arts) an der Privaten Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik (UMIT). Das nominierte Modul „Clinical Data Warehousing & Analytics“ (6-wöchige Dauer, 6 ECTS Credits) ist im vierten Semester des auf fünf Semester angesetzten HIM Curriculums geplant. Es wurde als Pilot für den HIM Universitätslehrgang konzipiert und im Wintersemester 2016/17 erstmals erfolgreich durchgeführt. Das Modul wird als reines online-Lehrangebot abgehalten, um eine maximale Zeit- sowie Ortsflexibilität der Teilnehmer/innen zu ermöglichen.

Weiterführende Information


Das Beispiel wurde für den Ars Docendi Staatspreis für exzellente Lehre 2017 nominiert.