Anwendung von Verfahren zum Data-Mining auf Daten zu Nursing Services
- Degree programme: BSc in Medizininformatik
- Authors: Sandro Fabrizio Bächler, David Alexander Grogg
- Thesis advisor: Prof. Dr. Murat Sariyar
- Expert: Markus Nufer
- Industrial partner: MediService AG Zuchwil
- Year: 2023
Die Gesundheitskosten in der Schweiz sind hoch – insbesondere im Bereich der Medikamentenausgaben. Diese Bachelorarbeit analysiert, wie die Dienstleistungen von MediService die Adhärenz der Patienten verbessern können. Durch Data-Mining- und Machine-Learning-Verfahren werden relevante Zusammenhänge ermittelt, um Einsparungsmöglichkeiten im Gesundheitswesen aufzuzeigen.
Ausgangslage
2020 betrugen die Gesundheitskosten in der Schweiz rund 83 Milliarden CHF, wobei Medikamente 11,7% davon ausmachten(1). Somit könnte eine verbesserte Adhärenz in Europa laut der OECD zu Einsparungen in Milliardenhöhe führen (2). Die CH-Spezialapotheke MediService AG bietet verschiedene Dienstleistungen zur Adhärenzsteigerung an, darunter Medikationsüberwachung, Patientenprogramme und Home Care (HC) Therapiebegleitung. Im Rahmen dieser Bachelorarbeit wurde analysiert, welchen Einfluss die Dienstleistungen von MediService auf die Adhärenz ihrer Patienten haben.
Umsetzung
Eine Literaturrecherche zu Adhärenz und Big Data Infrastruktur diente als Informationsgrundlage. Zudem hat MediService ein breites Spektrum an Geschäftsdaten zur Verfügung gestellt. Mittels Data-Mining Verfahren wurde zuerst ein Überblick über die relevanten Zusammenhänge erlangt. Anschliessend wurden Hypothesen formuliert und durch Machine-Learning-Verfahren verifiziert.
Ergebnisse
Als Mass für die Adhärenz wurde die Medication Possession Rate (MPR) gewählt. Der Fokus lag auf den Bestellungen von Betaferon und Tecfidera. Unsere Auswertungen zeigen, dass HC einen positiven Einfluss auf die Adhärenz der Patienten hat (siehe Abb. 1). Auch die Adhärenz der Versandkunden von MediService, die keine persönliche Betreuung beziehen (nicht HC), ist im Mittel höher als die Vergleichszahlen aus der Literatur (siehe Abb. 1). Bei HC Patienten ist die mittlere Therapiedauer länger als bei Versandkunden. Über ein Random Forest Modell wurden weitere relevante Einflussgrössen auf die Adhärenz identifiziert (siehe Abb. 2). Damit ist es möglich, die Adhärenz von Patienten mit einer Genauigkeit von ca. 70% vorherzusagen.
Fazit und Ausblick
Diese Arbeit zeigt die Wichtigkeit der Patientenprogramme für die Adhärenz und Therapiedauer von Patienten, die Betaferon und Tecfidera einnehmen. Durch eine Untersuchung weiterer Einflussfaktoren und die Entwicklung eines Vorhersagemodells könnte eine personalisierte Behandlung und eine verbesserte Versorgung der Patienten erreicht werden.
Referenz
(1) Statistik B für. Kosten des Gesundheitswesens nach Leistungen - 1995-2020 | Tabelle [Internet]. Bundesamt für Statistik. 2022 [zitiert 12. Juni 2023]. Verfügbar unter: https://www.bfs.admin.ch/asset/de/22324819
(2) Rabia Khan, Karolina Socha-Dietrich. Investing in medication adherence improves health outcomes and health system efficiency: Adherence to medicines for diabetes, hypertension, and hyperlipidaemia [Internet]. Paris: OECD; 2018 Juni [zitiert 12. Juni 2023]. Verfügbar unter: https://www.oecd-ilibrary.org/social-issues-migration-health/investing-in-medication-adherence-improves-health-outcomes-and-health-system-efficiency_8178962c-en
