MNCAH-Datenanalyse: Qualitätssicherung und Nutzung
Hintergrund
Die WHO-Leitlinie "Analysis and use of health facility data" (2023) dient als Leitfaden zur Stärkung der Analysekapazitäten von Gesundheitsdaten. Der Fokus liegt auf der Gesundheit von Müttern, Neugeborenen, Kindern und Heranwachsenden (MNCAH).
Ziel ist es, Programmmanagern methodische Werkzeuge an die Hand zu geben, um Routinedaten aus Gesundheitseinrichtungen systematisch auszuwerten. Dabei wird besonders auf die Datenqualität und die korrekte Interpretation geachtet.
Die Leitlinie betont die Wichtigkeit, diese Daten für fundierte gesundheitspolitische Entscheidungen nutzbar zu machen. Hierfür werden verschiedene Konzepte wie Datentriangulation und Ursachenanalyse vorgestellt.
Empfehlungen
Datenquellen und Indikatoren
Laut Leitlinie wird empfohlen, die in nationalen Systemen erfassten MNCAH-Indikatoren regelmäßig mit den WHO-Standards abzugleichen. Es wird geraten, fehlende Datenpunkte durch bestehende Register oder Akten zu ergänzen.
Sicherstellung der Datenqualität
Vor jeder Datenanalyse wird eine gründliche Qualitätsprüfung empfohlen, um Fehler zu identifizieren und zu korrigieren. Die Leitlinie nennt folgende häufige Qualitätsprobleme bei Routinedaten:
-
Unvollständige Daten durch mangelnde oder verspätete Berichterstattung
-
Inkonsistente Daten, die nicht mit anderen Beobachtungen übereinstimmen
-
Übererfassung durch Eingabefehler oder extreme Ausreißer
Bei unerklärlichen Fehlern wird dringend dazu geraten, die Daten nur mit entsprechender Vorsicht und unter Nennung von Vorbehalten zu verwenden.
Datentriangulation
Es wird empfohlen, verschiedene Datenquellen wie Haushaltsbefragungen, Schätzungen und Routinedaten gemeinsam zu betrachten. Dieser Prozess der Triangulation hilft laut Leitlinie, Trends besser zu verstehen und Diskrepanzen aufzudecken.
Analyse und statistische Maße
Für die korrekte Interpretation von Gesundheitsdaten empfiehlt die Leitlinie die bewusste Wahl statistischer Maße. Folgende Definitionen werden zur Differenzierung herangezogen:
| Maßzahl | Beschreibung | Beispiel aus der Leitlinie |
|---|---|---|
| Anteil (Proportion) | Beschreibt einen Teil des Ganzen (Zähler ist im Nenner enthalten). | 82,4 % der Durchfallerkrankungen werden mit ORS behandelt. |
| Verhältnis (Ratio) | Vergleicht zwei Werte miteinander (Zähler ist nicht im Nenner enthalten). | 1,5 männliche Todesfälle pro 1 weiblichem Todesfall bei Kindern. |
| Rate (Rate) | Misst die Häufigkeit von Ereignissen pro Bevölkerung in einem bestimmten Zeitraum. | 20,2 Lebendgeburten pro 1000 Einwohner pro Jahr. |
| Anzahl (Count) | Absolute Zahl eines aufgetretenen Ereignisses. | 2.216.832 bestätigte Malariafälle im Jahr 2022. |
Es wird zudem geraten, den Median gegenüber dem Mittelwert zu bevorzugen, wenn Daten stark durch Ausreißer verzerrt sind.
Datennutzung zur Entscheidungsfindung
Die Leitlinie schlägt einen strukturierten Prozess vor, um Daten für Maßnahmenpläne zu nutzen:
-
Überprüfung der verfügbaren Daten und Identifikation des Problems
-
Beurteilung, welche zusätzlichen Informationen benötigt werden
-
Definition von Veränderungen und Untersuchung der Grundursachen
-
Identifikation und Einbindung relevanter Stakeholder
-
Entwicklung von Empfehlungen und mittelfristigen Aktionsplänen
💡Praxis-Tipp
Die Leitlinie warnt davor, bei der Analyse von Gesundheitsdaten extreme Ausreißer unhinterfragt zu übernehmen oder zu löschen. Es wird stattdessen empfohlen, durch einen gezielten Untersuchungsprozess bis auf Einrichtungs- oder Bezirksebene die genaue Ursache des Fehlers zu ermitteln. Oftmals lassen sich solche Werte durch Rücksprache mit dem Personal als einfache Eingabefehler identifizieren und korrigieren.
Häufig gestellte Fragen
Laut Leitlinie wird die Vollständigkeit als Prozentsatz der erwarteten Berichte berechnet, die tatsächlich an eine höhere Ebene übermittelt wurden. Es wird empfohlen, diesen Trend über die Zeit zu beobachten, bevor Jahresvergleiche gezogen werden.
Die Leitlinie empfiehlt die Nutzung des Medians, wenn ein Datensatz stark verzerrt ist oder extreme Ausreißer enthält. Der Mittelwert eignet sich hingegen besser für normalverteilte Daten.
Datentriangulation beschreibt laut Leitlinie die gleichzeitige Nutzung mehrerer unterschiedlicher Datenquellen für denselben Indikator. Dies wird empfohlen, um die Interpretation zu verbessern und die Schwächen einzelner Erhebungsmethoden auszugleichen.
Es wird geraten, bei starken Schwankungen zunächst mögliche erwartbare Gründe wie saisonale Effekte oder Kampagnen zu prüfen. Lassen sich die Abweichungen nicht erklären, empfiehlt die Leitlinie eine gezielte Untersuchung auf Eingabe- oder Übermittlungsfehler.
War diese Zusammenfassung hilfreich?
Quelle: Analysis and use of health facility data - Facilitator guide: Companion exercises to strengthen analysis and use of health facility data for maternal, newborn, child and adolescent health (WHO, 2023). Originaldokument ansehen
KI-generierte Zusammenfassung. Keine Diagnose- oder Therapieempfehlung. Die klinische Entscheidung trifft der behandelnde Arzt.
Verwandte Leitlinien
Analysis and use of health facility data: Companion exercises to strengthen analysis and use of health facility data for maternal, newborn, child and adolescent health
Analysis and use of health facility data: guidance for maternal, newborn, child and adolescent health programme managers
Facilitators’ guide for conducting national and subnational programme reviews for maternal, newborn, child and adolescent health
Measuring and monitoring quality of care to improve maternal, newborn, child and adolescent health services
Maternal and perinatal death and surveillance and response
ClariMed durchsucht alle medizinischen Leitlinien
AWMF, NVL, NICE, WHO, ESC, KDIGO - Quellenzitiert, kostenlos. Speichern Sie Ihren Verlauf auf allen Geräten mit einem kostenlosen Konto.
Kostenloses Konto erstellen