Hybrid-QI – Hybride Qualitätsindikatoren mittels Machine Learning-Methoden

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.