In einer engen Kooperation zwischen dem Erlanger Datenintegrationszentrum (DIZ) und der Kinderherzchirurgie am Universitätsklinikum Erlangen wurde in den letzten Jahren das Potenzial zur Nutzung klinischer Routinedaten zur Qualitätssicherung in der Kinderherzchirurgie, sowie auch zur Entwicklung von KI-Modellen analysiert.
Erste Ergebnisse, die beschreiben, wie man mittels Machine Learning Verfahren Mortalitätsrisiken in der Kinderherzchirurgie vorhersagen kann, wurden bereits Ende 2024 veröffentlicht:
Kapsner LA, Feißt M, Purbojo A, Prokosch HU, Ganslandt T, Dittrich S, Mang JM, Wällisch W. Using Machine Learning and Feature Importance to Identify Risk Factors for Mortality in Pediatric Heart Surgery. Diagnostics (Basel). 2024 Nov 18;14(22):2587. doi: 10.3390/diagnostics14222587. PMID: 39594254; PMCID: PMC11592497.
In einer nachfolgenden retrospektiven, monozentrische Analyse wurde anhand der im DIZ erschlossenen und aufbereiteten Patientendaten von 1.700 Patientinnen und Patienten unter 18 Jahren, die zwischen 2011 und 2020 am Erlanger universitären Herzzentrum operativ behandelt wurden, das Potenzial zur Qualitätssicherung in der Kinderherzchirurgie unter Nutzung klinischer Routinedaten untersucht. Im Rahmen der statistischen Auswertung konnten mehrere Faktoren identifiziert werden, die mit einer erhöhten Mortalität assoziiert waren. Hierzu zählten insbesondere der Einsatz einer extrakorporalen Membranoxygenierung (ECMO), ein Körpergewicht unter 2.500 Gramm, komplexe funktionell univentrikuläre Herzfehler sowie pathologische Kreatininwerte. Die Ergebnisse verdeutlichen, dass standardisiert aufbereitete Routinedaten eine relevante Grundlage für die Identifikation klinischer Risikokonstellationen und die systematische Bewertung der Versorgungsqualität darstellen können. Die standardisierte Bereitstellung solcher Routinedaten gehört zu den zentralen Aufgaben der Datenintegrationszentren in NUM-DIZ. Die DIZ legen mit ihren Daten den Grundstein für zukünftige Vernetzungen innerhalb des NUM, wie sie beispielsweise im Projekt NUM-ENRICH zur sektoren- und disziplinübergreifenden Nutzung von Gesundheitsdaten verfolgt werden, aber auch außerhalb von NUM mit klinischen Registern und Qualitätssicherungsinitiativen. Aufgrund des retrospektiven Studiendesigns und der Beschränkung auf ein einzelnes Zentrum ist für die aktuellen Studienergebnisse eine externe Validierung der Ergebnisse erforderlich.
Die vollständigen Projektergebnisse wurden im Juni 2026 veröffentlicht:
Wällisch W, Dittrich S, Purbojo A, Schöffl I, Ganslandt T, Prokosch HU, Kapsner LA, Mang JM. Quality Assessment in Paediatric Cardiology: Experiences from Leveraging a Clinical Data Warehouse. Life (Basel). 2026 Jun 2;16(6):941. doi: 10.3390/life16060941. PMID: 42355468; PMCID: PMC13300982.
In einer engen Kooperation zwischen dem Erlanger Datenintegrationszentrum (DIZ) und der Kinderherzchirurgie am Universitätsklinikum Erlangen wurde in den letzten Jahren das Potenzial zur Nutzung klinischer Routinedaten zur Qualitätssicherung in der Kinderherzchirurgie, sowie auch zur Entwicklung von KI-Modellen analysiert.
Erste Ergebnisse, die beschreiben, wie man mittels Machine Learning Verfahren Mortalitätsrisiken in der Kinderherzchirurgie vorhersagen kann, wurden bereits Ende 2024 veröffentlicht:
Kapsner LA, Feißt M, Purbojo A, Prokosch HU, Ganslandt T, Dittrich S, Mang JM, Wällisch W. Using Machine Learning and Feature Importance to Identify Risk Factors for Mortality in Pediatric Heart Surgery. Diagnostics (Basel). 2024 Nov 18;14(22):2587. doi: 10.3390/diagnostics14222587. PMID: 39594254; PMCID: PMC11592497.
In einer nachfolgenden retrospektiven, monozentrische Analyse wurde anhand der im DIZ erschlossenen und aufbereiteten Patientendaten von 1.700 Patientinnen und Patienten unter 18 Jahren, die zwischen 2011 und 2020 am Erlanger universitären Herzzentrum operativ behandelt wurden, das Potenzial zur Qualitätssicherung in der Kinderherzchirurgie unter Nutzung klinischer Routinedaten untersucht. Im Rahmen der statistischen Auswertung konnten mehrere Faktoren identifiziert werden, die mit einer erhöhten Mortalität assoziiert waren. Hierzu zählten insbesondere der Einsatz einer extrakorporalen Membranoxygenierung (ECMO), ein Körpergewicht unter 2.500 Gramm, komplexe funktionell univentrikuläre Herzfehler sowie pathologische Kreatininwerte. Die Ergebnisse verdeutlichen, dass standardisiert aufbereitete Routinedaten eine relevante Grundlage für die Identifikation klinischer Risikokonstellationen und die systematische Bewertung der Versorgungsqualität darstellen können. Die standardisierte Bereitstellung solcher Routinedaten gehört zu den zentralen Aufgaben der Datenintegrationszentren in NUM-DIZ. Die DIZ legen mit ihren Daten den Grundstein für zukünftige Vernetzungen innerhalb des NUM, wie sie beispielsweise im Projekt NUM-ENRICH zur sektoren- und disziplinübergreifenden Nutzung von Gesundheitsdaten verfolgt werden, aber auch außerhalb von NUM mit klinischen Registern und Qualitätssicherungsinitiativen. Aufgrund des retrospektiven Studiendesigns und der Beschränkung auf ein einzelnes Zentrum ist für die aktuellen Studienergebnisse eine externe Validierung der Ergebnisse erforderlich.
Die vollständigen Projektergebnisse wurden im Juni 2026 veröffentlicht:
Wällisch W, Dittrich S, Purbojo A, Schöffl I, Ganslandt T, Prokosch HU, Kapsner LA, Mang JM. Quality Assessment in Paediatric Cardiology: Experiences from Leveraging a Clinical Data Warehouse. Life (Basel). 2026 Jun 2;16(6):941. doi: 10.3390/life16060941. PMID: 42355468; PMCID: PMC13300982.