Der Beschluss des Innovationsausschusses
Erkenntnistransfer vom 25.07.2025
Der Beschluss in Kürze
Der Innovationsausschuss leitet die Projektergebnisse zur Information an das IQTIG und an die IQM Initiative Qualitätsmedizin e. V. weiter. Zusätzlich gehen die Erkenntnisse mit Blick auf die Entwicklung eines OMOP-Modells für GKV-Routinedaten zur Information an das BMG und das BfArM. Beschluss und Ergebnisbericht werden veröffentlicht.
Zusammenfassung von MVF, KI-gestützt aus dem Beschluss.
Begründung
Im Projekt wurden erstmals GKV-Routinedaten mit Klinikdaten verknüpft. Mit Machine-Learning-Methoden entstanden hybride Qualitätsindikatoren für vier Leistungsbereiche, dazu minimal erforderliche klinische Datensets. Die Matching-Raten waren überwiegend sehr gut. Für Schulterendoprothese/Osteosynthese gelang jedoch kein Matching. Eine verbesserte Modellgüte zeigte sich nur beim Hirninfarkt, und dieses Ergebnis muss an einer größeren Population überprüft werden. Keine Machine-Learning-Methode war der logistischen Regression generell überlegen. Einschränkend wirkten unvollständige klinische Daten, die geringe Fallzahl beim kolorektalen Karzinom und die nicht-systematische Methodik von Literaturrecherche und Expertenberatungen. Trotz dieser Einschränkungen sieht der Ausschuss einen Beitrag zur methodischen Weiterentwicklung der Qualitätssicherung mit Routinedaten und ein frei zugängliches Feinkonzept; er leitet die Ergebnisse deshalb zur Information weiter.
„Trotz der genannten Einschränkungen konnte das Projekt einen Beitrag zur methodischen Weiterentwicklung des Verfahrens zur Qualitätssicherung mit Routinedaten leisten.“ Beschlusstext, S. 2 ↗
Hindernisse laut Beschluss (7)
- belegt Datenverfügbarkeit und Datenqualität: Für Schulterendoprothese/Osteosynthese fehlten relevante klinische Informationen; es kam kein Matching zustande
Zitat aus dem Beschluss
„Für den Leistungsbereich Schulterendoprothese oder Osteosynthese konnten in den klinischen Daten jedoch keine relevanten Informationen für die Risikoadjustierung identifiziert werden und kein Matching erfolgen.“ Beschlusstext, S. 1 ↗
- belegt Ergebnis der Wirksamkeitsanalyse: Verbesserte Modellgüte und Einfluss auf die Qualitätsbeurteilung nur beim Hirninfarkt
Zitat aus dem Beschluss
„Eine verbesserte Modellgüte und ein Einfluss auf die Beurteilung der Qualität anhand der hausspezifischen Standardisierten Mortalitäts - bzw. Morbiditätsraten (SMR) konnte nur für den Leistungsbereich Hirninfarkt aufgezeigt werden.“ Beschlusstext, S. 2 ↗
- belegt Fallzahl in der Auswertung: Ergebnisse zum Hirninfarkt müssen an einer größeren Studienpopulation überprüft werden
Zitat aus dem Beschluss
„Eine verbesserte Modellgüte und ein Einfluss auf die Beurteilung der Qualität anhand der hausspezifischen Standardisierten Mortalitäts - bzw. Morbiditätsraten (SMR) konnte nur für den Leistungsbereich Hirninfarkt aufgezeigt werden. Eine Überprüfung dieser Ergebnisse anhand einer größeren Studienpopulation ist jedoch erforderlich, bevor Schlussfolgerungen getroffen werden können.“ Beschlusstext, S. 2 ↗
- belegt Ergebnis der Wirksamkeitsanalyse: Keine Machine-Learning-Methode der logistischen Regression generell überlegen
Zitat aus dem Beschluss
„Insgesamt zeigte sich, dass keine der getesteten Machine Learning-Methoden der logistischen Regression bei der Modellierung von Qualitätsindikatoren generell überlegen war.“ Beschlusstext, S. 2 ↗
- belegt Datenverfügbarkeit und Datenqualität: Teils unvollständige klinische Informationen aus den Kliniken
Zitat aus dem Beschluss
„Teils unvollständige klinischen Informationen aus den Kliniken und die geringe Fallzahl bei der Indikation kolorektales Karzinom wirkten sich limitierend auf die Ergebnisse aus.“ Beschlusstext, S. 2 ↗
- belegt Fallzahl in der Auswertung: Geringe Fallzahl bei der Indikation kolorektales Karzinom
Zitat aus dem Beschluss
„Teils unvollständige klinischen Informationen aus den Kliniken und die geringe Fallzahl bei der Indikation kolorektales Karzinom wirkten sich limitierend auf die Ergebnisse aus.“ Beschlusstext, S. 2 ↗
- belegt Studienanlage: Literaturrecherchen und Expertenberatungen ohne systematische Methodik
Zitat aus dem Beschluss
„Die Literaturrecherchen im Vorfeld der projektbegleitenden Expertenberatungen sowie die Expertenberatungen selbst erfolgten auf Basis einer nicht-systematischen Methodik.“ Beschlusstext, S. 2 ↗
Kennzeichen: belegt · nachsehen · bestritten · ungeprüft. Bedeutung →
Was der Beschluss positiv vermerkt (6)
- belegt Erstmalige erfolgreiche Verknüpfung von GKV-Routinedaten mit Krankenhausdaten und Entwicklung hybrider Qualitätsindikatoren
Zitat aus dem Beschluss
„Erstmals wurden erfolgreich GKV -Routinedaten mit Daten aus Krankenhäusern verknüpft und unter Zuhilfenahme von Machine Learning -Methoden sogenannte hybride Qualitätsindikatoren entwickelt sowie minimal erforderliche klinische Datensets vom Projekt identifiziert.“ Beschlusstext, S. 1 ↗
- belegt Hybrider Datensatz im OMOP-Standard erarbeitet
Zitat aus dem Beschluss
„Für die longitudinalen Sekundärdatenanalyse wurden GKV-Routinedaten der Allgemeinen Ortskrankenkassen (AOK) für den Zeitraum von 2015 bis 2021 auf Patientenebene mit klinischen Daten von 14 teilnehmenden Kliniken verknüpft und ein hybrider Datensatz im Observational Medical Outcomes Partnership (OMOP)-Standard erarbeitet.“ Beschlusstext, S. 1 ↗
- belegt Überwiegend sehr gute Matching-Raten
Zitat aus dem Beschluss
„Die Ergebnisse zeigten für das Matching (GKV-Routinedaten und klinische Fälle) überwiegend sehr gute Matching -Raten ((akuter Myokardinfarkt (99 %), Hirninfarkt (94 %) und kolorektales Karzinom (98 %)).“ Beschlusstext, S. 1 ↗
- belegt Angewandte Methoden im Wesentlichen geeignet
Zitat aus dem Beschluss
„Die angewandten Methoden waren im Wesentlichen geeignet zur Beantwortung der Fragestellungen.“ Beschlusstext, S. 2 ↗
- belegt Beitrag zur methodischen Weiterentwicklung der Qualitätssicherung mit Routinedaten
Zitat aus dem Beschluss
„Trotz der genannten Einschränkungen konnte das Projekt einen Beitrag zur methodischen Weiterentwicklung des Verfahrens zur Qualitätssicherung mit Routinedaten leisten.“ Beschlusstext, S. 2 ↗
- belegt Frei zugängliches Feinkonzept für die dynamische Darstellung der Ergebnisqualität
Zitat aus dem Beschluss
„Mit dem im Projekt entwickelten Feinkonzept für die dynamische Darstellung der vergleichenden Ergebnisqualität steht der (Fach -) Öffentlichkeit ein frei zugängliches Konzept zur Anwendung zur Verfügung.“ Beschlusstext, S. 2 ↗
Übertragbarkeit laut Beschluss
Der Beschluss äußert sich nicht ausdrücklich zur Übertragbarkeit in die Regelversorgung. Die Ergebnisse zum Hirninfarkt müssen vor Schlussfolgerungen an einer größeren Studienpopulation überprüft werden. Das entwickelte Feinkonzept steht der (Fach-)Öffentlichkeit frei zugänglich zur Anwendung zur Verfügung.
Adressaten und ihre Rückmeldung (4)
Stand des Rückmeldungsdokuments: 08.12.2025. Je Adressat eingestuft, was er aus der Empfehlung gemacht hat. Gezählt und erklärt in der Auswertung Transfer der Ergebnisse →
- belegt Institut für Qualitätssicherung und Transparenz im Gesundheitswesen (IQTIG)nicht erkennbar
Auftrag: Die im Projekt erzielten Ergebnisse werden dem IQTIG zur Information weitergeleitet.
Im Dokument ist keine Rückmeldung des IQTIG aufgeführt. Ein ausdrücklicher Vermerk, dass es nicht geantwortet hat, fehlt.Zitat aus der Rückmeldung
„Die im Projekt erzielten Ergebnisse werden an das Institut für Qualitätssicherung und Transparenz im Gesundheitswesen (IQTIG) und an IQM Initiative Qualitätsmedizin e.V. zur Information weitergeleitet.“ Rückmeldung, S. 2 ↗
- belegt IQM Initiative Qualitätsmedizin e.V.nicht erkennbar
Auftrag: Die im Projekt erzielten Ergebnisse werden der IQM zur Information weitergeleitet.
Im Dokument ist keine Rückmeldung der IQM aufgeführt. Ein ausdrücklicher Vermerk, dass sie nicht geantwortet hat, fehlt.Zitat aus der Rückmeldung
„Die im Projekt erzielten Ergebnisse werden an das Institut für Qualitätssicherung und Transparenz im Gesundheitswesen (IQTIG) und an IQM Initiative Qualitätsmedizin e.V. zur Information weitergeleitet.“ Rückmeldung, S. 2 ↗
- belegt Bundesministerium für Gesundheit (BMG)nicht erkennbar
Auftrag: Die Erkenntnisse werden im Hinblick auf die Entwicklung eines OMOP-Modells für GKV-Routinedaten dem BMG zur Information weitergeleitet.
Im Dokument ist keine Rückmeldung des BMG aufgeführt. Ein ausdrücklicher Vermerk, dass es nicht geantwortet hat, fehlt.Zitat aus der Rückmeldung
„Die Die im Projekt erzielten Erkenntnisse werden zudem im Hinblick auf die Entwicklung eines Observational Medical Outcomes Partnership (OMOP)-Modells für GKV-Routinedaten an das Bundesministerium für Gesundheit (BMG) und das Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM) zur Information weitergeleitet.“ Rückmeldung, S. 2 ↗
- belegt Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM)zur Kenntnis genommen
Auftrag: Die Erkenntnisse werden im Hinblick auf die Entwicklung eines OMOP-Modells für GKV-Routinedaten dem BfArM zur Information weitergeleitet.
Das BfArM sieht in dem Forschungsvorhaben positive Ansätze. Es verweist darauf, dass die Herausforderung der Überführung deutscher Vokabulare auf internationale Terminologien seiner Einschätzung entspricht, die mit der Semantikstrategie adressiert wird.Zitat aus der Rückmeldung
„Das BfArM sieht in dem Forschungsvorhaben positive Ansätze. Insbesondere die offene Herausforderung der vollständigen Überführung der deutschen Vokabulare auf internationale Terminologien (wie z.B. Systematized Nomenclature of Medicine and Clinical Terms ( SNOMED-CT)) entspricht auch der Einschätzung, die seitens des BfArMs mit der Semantikstrategie [...] adressiert wird.“ Rückmeldung, S. 4 ↗
Wie es ausging
0 Hauptziele, davon 0 signifikant zugunsten der neuen Versorgung. Dazu 8 Nebenziele, 0 davon signifikant zugunsten.
| Rolle | Endpunkt laut Bericht | Befund | p | Seite |
|---|
Alle 8 Nebenziele anzeigen
| Rolle | Endpunkt laut Bericht | Befund | p | Seite |
|---|---|---|---|---|
| Nebenziel | Modellgüte der Risikoadjustierung beim akuten Myokardinfarkt (hybrides Modell mit Hb und eGFR vs. reines GKV-Routinedatenmodell) Familie: Prozess-, Struktur- und Leitlinienqualität belegt | ohne Angabe keine statistische Prüfung berichtet | nicht berichtet | 26 |
| Nebenziel | Übereinstimmung der krankenhausspezifischen SMR-Rangfolge zwischen den Modellen beim akuten Myokardinfarkt Familie: Prozess-, Struktur- und Leitlinienqualität belegt | signifikant statistisch signifikant (Richtung im Bericht nicht benannt) | p < 0,001 | 27 |
| Nebenziel | Modellgüte der Risikoadjustierung bei proximaler Humerusfraktur (HFRS-Modell vs. Komorbiditätsmodell) Familie: Prozess-, Struktur- und Leitlinienqualität belegt | ohne Angabe keine statistische Prüfung berichtet | nicht berichtet | 27 |
| Nebenziel | Einfluss des Hospital Frailty Risk Score auf Komplikationen und Sterblichkeit bei proximaler Humerusfraktur Familie: Komplikationen und Patientensicherheit belegt | ohne Angabe Signifikanz im Bericht nicht ausgewiesen; berichtet ist nur das Konfidenzintervall | nicht berichtet | 31 |
| Nebenziel | Modellgüte der Risikoadjustierung beim Schlaganfall (Modell mit NIHSS vs. ohne NIHSS) Familie: Prozess-, Struktur- und Leitlinienqualität belegt | ohne Angabe keine statistische Prüfung berichtet | nicht berichtet | 27 |
| Nebenziel | Übereinstimmung der krankenhausspezifischen SMR-Rangfolge beim Schlaganfall (Modelle mit vs. ohne NIHSS) Familie: Prozess-, Struktur- und Leitlinienqualität belegt | ohne Angabe keine statistische Prüfung berichtet | nicht berichtet | 28 |
| Nebenziel | Modellgüte beim kolorektalen Karzinom für das Outcome MTL30 (Modell mit TNM vs. ohne TNM) Familie: Prozess-, Struktur- und Leitlinienqualität belegt | ohne Angabe nicht auswertbar | nicht berichtet | 28 |
| Nebenziel | Modellgüte Machine-Learning-Methoden versus logistische Regression Familie: Prozess-, Struktur- und Leitlinienqualität belegt | ohne Angabe keine statistische Prüfung berichtet | nicht berichtet | 29 |
Fallzahl
Geplant: – nicht angegeben · ausgewertet: 3.148 Fälle
- Ausgewertet: „Hybride Studienpopulation 3.148 (53%)“ Ergebnisbericht, S. 26 ↗
Das Vorhaben
Beschreibung aus der Projektdatenbank des GBA
Bereits heute werden Routinedaten von Patientinnen und Patienten zur Qualitätssicherung der stationären Versorgung genutzt. Sie erlauben die Analyse des gesamten Behandlungsverlaufs sowie von Ereignissen außerhalb des eigentlichen Klinikaufenthalts, z. B. die Sterblichkeit nach 30 Tagen, Erfolge oder Komplikationen bei der Nachbehandlung. Neben dieser patientenorientierten Verlaufsperspektive bieten Routinedaten den Vorteil des geringen Erhebungsaufwands und der hohen Datenvollständigkeit, allerdings bestehen Einschränkungen bei den analysierbaren Outcomes und Risikofaktoren. Die Berücksichtigung von Risikofaktoren ist notwendig, um eine vergleichende Qualitätsmessung zu ermöglichen. Es wird angenommen, dass in klinischen Daten weitere potenziell relevante Risikofaktoren und Outcomes dokumentiert werden können (z. B. Glasgow-Koma-Skala und Aphasie bei Schlaganfallpatienten). Ziel des Projekts ist die Entwicklung sogenannter hybrider Qualitätsindikatoren (Hybrid-QI) basierend auf GKV-Routinedaten, die mit einem minimalen Set an klinischen Daten verknüpft werden. Diese Hybrid-QIs sollen exemplarisch für die Indikationen Herzinfarkt, Hirninfarkt, kolorektale Resektion bei Karzinom und Schulterendoprothese oder Bruch des schulternahen Oberarms entwickelt werden. Bei der Entwicklung der Hybrid-QIs sollen Machine Learning-Methoden eingesetzt werden, um effizienter als mit herkömmlichen Methoden Variablen zur Bildung von Risikoadjustierungsmodellen auszuwählen. Darüber hinaus soll ein Konzept für eine dynamische Plattform für nutzerzentrierte, zeitnahe Qualitätsmessung erstellt werden. Das Projekt wird für drei Jahre mit insgesamt ca. 1,6 Millionen Euro gefördert. Im Erfolgsfall kann die entwickelte Methodik für weitere Fragestellungen zur Identifikation von Zusammenhängen in medizinischen Daten genutzt werden. Von der besseren Vernetzung von Daten kann nicht nur die Qualitätssicherung, sondern auch die gesamte Versorgungsforschung profitieren.
Die Berichte im Wortlaut
Die Berichte werden geladen …
Wo Beschluss und Berichte auseinandergehen
Ein Beschluss des Innovationsausschusses ist eine politische Entscheidung, keine Messung: Versorgungsrelevanz, Umsetzbarkeit, Stellungnahmen und Prioritäten gehen mit ein. Was hier steht, ist deshalb meist kein Widerspruch, sondern ein Unterschied zweier Maßstäbe.
wird geladen …
Wo die Berichte sich selbst widersprechen
Beim vollständigen Lesen fällt auf, was beim Lesen eines einzelnen Kapitels nicht auffällt. Das ist kein Vorwurf an das Vorhaben, sondern die Angabe, wie belastbar die Zahlen sind.
wird geladen …