Analyse zur Datenqualität/-vollständigkeit bei COVID-19-Fällen: Warum eine digitale integrierte Datenerfassung auch zur Pandemiebekämpfung notwendig ist

Author:

Lampl Benedikt MJORCID,Edenharter Bernhard1,Leitzmann Michael2,Salzberger Bernd3

Affiliation:

1. Gesundheitsamt Regensburg, Regensburg, Germany

2. Institut für Epidemiologie und Präventivmedizin, Universität Regensburg, Regensburg, Germany

3. Abteilung für Krankenhaushygiene und Infektiologie, Universitätsklinikum Regensburg, Regensburg, Germany

Abstract

Zusammenfassung Hintergrund Verfügbare epidemiologische Daten zur Corona-Pandemie in Deutschland haben im internationalen Vergleich in Bezug auf klinische Auswirkungen und Impfstoffeffektivität eine geringe Aussagekraft. Methoden Wir untersuchten in dieser retrospektiven Beobachtungsstudie exemplarisch die Vollständigkeit ausgewählter eigener in der Pandemie erhobener Daten. Hierfür wurden Angaben zu den wichtigen Parametern Hospitalisierung, Impfstatus und Risikofaktoren für schweren Verlauf und Tod aus unterschiedlichen Perioden herangezogen und deskriptiv ausgewertet. Die Daten werden im erweiterten Kontext geforderter digitaler Strategien in Deutschland diskutiert. Ergebnisse Es wurden für den Zeitraum 01.01.2022 bis 30.06.2022 126.920 Meldevorgänge unter der Erkrankung COVID-19 gefunden. Bei den Daten zur Hospitalisierung enthielten 19.749 Vorgänge die Angabe „Nein“, 1.990 Vorgänge „Ja“ und 105.181 Vorgänge (83+%) die Angaben „nicht erhoben“ oder „nicht ermittelbar“. Auch bei den Angaben zu Impfungen fanden sich nur in einem geringen Prozentsatz Informationen zu Impfstoff (11,1+%), Anzahl der Impfungen (4,4+%) und Datum der letzten Impfung (2,1+%). Die Vollständigkeit von Angaben zu Vorerkrankungen bei COVID-19-bezogenen Todesfällen nahm im Verlauf von vier aufeinanderfolgenden Perioden zwischen 2020 und 2022 mit zunehmendem Fallaufkommen ab. Schlussfolgerung Künftige Strategien müssen unter dem Aspekt der Aussagekraft und Datenvollständigkeit zeitgemäße technische Lösungen mit zentraler Datenerfassung zu Infektionsfällen beinhalten, ohne das Prinzip des Datenschutzes zu gefährden.

Publisher

Georg Thieme Verlag KG

Reference13 articles.

1. Covid-19 Vaccine Effectiveness against the Omicron (B.1.1.529) Variant;N Andrews;N Engl J Med,2022

2. COVID-19 surveillance data quality issues: a national consecutive case series;C Costa-Santos;BMJ Open,2021

3. Open Data Resources on COVID-19 in Six European Countries: Issues and Opportunities;F Pecoraro;Int J Environ Res Public Health,2021

4. Who Counts Where? COVID-19 Surveillance in Federal Countries;P Rocco;J Health Polit Policy Law,2021

5. Digitalisierung im Gesundheitswesen: heute und in Zukunft;P Stachwitz;Bundesgesundheitsblatt – Gesundheitsforschung – Gesundheitsschutz,2023

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3