MNCAH-Versorgungsdaten: Analyse und klinische Nutzung
Hintergrund
Die WHO-Leitlinie aus dem Jahr 2023 dient als praxisorientiertes Begleitmaterial zur Stärkung der Analysekapazitäten von Gesundheitsdaten. Der Fokus liegt auf der Gesundheit von Müttern, Neugeborenen, Kindern und Jugendlichen (MNCAH).
Ziel des Dokuments ist es, Programmmanagern und medizinischem Personal die Auswertung von Routinedaten aus Gesundheitseinrichtungen zu erleichtern. Dabei wird besonders auf die Nutzung von Routine Health Information Systems (RHIS) eingegangen.
Die Leitlinie vermittelt methodische Grundlagen, um die Datenqualität zu bewerten und verschiedene Datenquellen sinnvoll miteinander zu verknüpfen. Dies soll letztlich eine evidenzbasierte Entscheidungsfindung im Gesundheitssektor unterstützen.
Empfehlungen
Die Leitlinie formuliert folgende methodische Kernkonzepte zur Datenanalyse:
Datenquellen und Indikatoren
Die Leitlinie betont die Wichtigkeit, Routinedaten aus Gesundheitseinrichtungen (RHIS) mit anderen Quellen wie Haushaltsbefragungen abzugleichen. Es wird empfohlen, die national erfassten MNCAH-Indikatoren regelmäßig mit den WHO-Standards zu vergleichen.
Dabei sollte gemäß Leitlinie geprüft werden, ob Zähler und Nenner der nationalen Systeme den internationalen Vorgaben entsprechen.
Sicherstellung der Datenqualität
Vor jeder Datenanalyse wird eine gründliche Überprüfung der Datenqualität empfohlen. Zu den häufigsten Qualitätsproblemen zählen laut Leitlinie:
-
Unvollständige Daten durch fehlende oder verspätete Meldungen
-
Inkonsistente Daten, die nicht mit anderen Beobachtungen übereinstimmen
-
Ausreißer und Übererfassungen durch Eingabefehler
Es wird geraten, bei extremen Ausreißern eine Ursachenanalyse (Drilling-down) auf Distrikt- oder Einrichtungsebene durchzuführen.
Datentriangulation und Kennzahlen
Die Leitlinie empfiehlt die Triangulation von Daten, um ein umfassendes Bild der Versorgungslage zu erhalten. Hierbei werden Routinedaten mit Umfragedaten (z. B. DHS, MICS) und Schätzungen verglichen.
Für die korrekte Interpretation von Gesundheitsdaten müssen verschiedene Messgrößen unterschieden werden. Die Leitlinie definiert hierfür klare mathematische Konzepte zur Auswertung:
| Messgröße (Englisch) | Definition im Kontext der Leitlinie | Beispiel aus der Praxis |
|---|---|---|
| Count (Anzahl) | Absolute Zahl eines Ereignisses | 2.216.832 bestätigte Malariafälle |
| Ratio (Verhältnis) | Vergleich zweier unabhängiger Gruppen | 1,5 männliche Todesfälle pro 1 weiblichem Todesfall |
| Proportion (Anteil) | Teilmenge im Verhältnis zur Gesamtmenge | 82,4 % der Durchfallerkrankungen werden behandelt |
| Rate (Rate) | Frequenz eines Ereignisses in einer Population pro Zeit | 20,2 Lebendgeburten pro 1000 Einwohner/Jahr |
Datengesteuerte Entscheidungsfindung
Für die Nutzung von MNCAH-Daten zur Problemlösung wird ein strukturierter Fünf-Schritte-Prozess beschrieben:
-
Überprüfung der verfügbaren Daten und Identifikation des Problems
-
Bewertung, welche zusätzlichen Informationen benötigt werden
-
Definition von Veränderungen und Analyse der Grundursachen
-
Identifikation und Einbindung relevanter Stakeholder
-
Entwicklung von Empfehlungen und einem konkreten Aktionsplan
💡Praxis-Tipp
Ein zentraler Hinweis der Leitlinie ist die kritische Prüfung der Melderaten, bevor zeitliche Trends analysiert werden. Es wird betont, dass scheinbare Rückgänge in der Inanspruchnahme von Leistungen oft auf eine unvollständige Datenübermittlung und nicht auf reale klinische Veränderungen zurückzuführen sind. Daher wird empfohlen, Ausreißer stets im Kontext der allgemeinen Meldequote zu interpretieren.
Häufig gestellte Fragen
Laut Leitlinie deuten Werte, die in einem kurzen Zeitraum oder im Jahresvergleich signifikant abweichen, auf mögliche Ausreißer hin. Es wird empfohlen, solche Schwankungen auf Eingabefehler oder unvollständige Meldungen zu prüfen.
Die Leitlinie beschreibt Datentriangulation als den Abgleich verschiedener Datenquellen, wie etwa klinischer Routinedaten und nationaler Haushaltsumfragen. Dies wird empfohlen, um ein verlässlicheres Bild der tatsächlichen Versorgungssituation zu erhalten.
Absolute Zahlen berücksichtigen nicht die unterschiedliche Bevölkerungsgröße der Distrikte. Die Leitlinie rät stattdessen zur Verwendung von Raten oder Anteilen, um eine faire Vergleichbarkeit der Inanspruchnahme von Gesundheitsleistungen zu gewährleisten.
Es wird ein strukturiertes Vorgehen empfohlen, das mit der Sichtung vorhandener Daten beginnt. Anschließend sollten laut Leitlinie fehlende Informationen identifiziert, Grundursachen analysiert und schließlich Stakeholder für einen Aktionsplan eingebunden werden.
War diese Zusammenfassung hilfreich?
Quelle: 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 (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 - Facilitator guide: 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
Measuring and monitoring quality of care to improve maternal, newborn, child and adolescent health services
Guide for conducting national and subnational programme reviews for maternal, newborn, child and adolescent health
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