FreePDF, Job 2 - Epidemiologisches Krebsregister Niedersachsen

Die Medizinische Dokumentation als Arbeitsfeld
im Epidemiologischen Krebsregister Niedersachsen
Marit Beyer, Kirsten Panienski
Oldenburger Forschungs- und Entwicklungsinstitut für Informatik-Werkzeuge und –Systeme (OFFIS),
Escherweg 2, 26121 Oldenburg
{marit.beyer, kirsten.panienski}@offis.uni-oldenburg.de
Das Epidemiologische Krebsregister Niedersachsen (EKN) befindet sich seit 1995 in der
Erprobungsphase mit dem Ziel, alle bösartigen Neubildungen flächendeckend zu erfassen.
Dabei sollen bevölkerungsbezogen Inzidenz, Prävalenz und Mortalität nach zeitlichen und
insbesondere räumlichen Trends beobachtet werden. Ein weiterer Schwerpunkt ist die
Bereitstellung von Daten für epidemiologische Studien (Fall-Kontroll-Studien, KohortenStudien) sowie die Unterstützung bei der Aufstellung von Hypothesen zur Krebsätiologie.
Als Rahmenbedingung für ein Krebsregister fordert das Bundeskrebsregistergesetz
(Bundestag 1994), dass jedes Register aus je einer „selbständigen, räumlich, organisatorisch
und personell voneinander getrennten“ Vertrauens- und Registerstelle aufgebaut ist
(Appelrath, Michaelis et al. 1996).
Dabei gehen in die Vertrauensstelle die Krebsmeldungen des Landes ein und werden dort für
die Bearbeitung temporär gespeichert. Hier erfolgt die Vorbereitung der eingehenden
Meldungen für die Bearbeitung, Verdichtung und Speicherung in der Registerstelle. Unter
anderem werden hier die personenidentifizierenden Daten von den epidemiologischen Daten
der eingehenden Meldungen getrennt. Die Identitätsdaten werden danach chiffriert bzw.
verschlüsselt. Das heißt, es werden anhand dieser Daten einwegverschlüsselte
Kontrollnummern (eine Art Pseudonym) gebildet, die es ermöglichen, dass später eingehende
Tumormeldungen zur einer bereits registrierten Person, ohne deren Identifikation, erkannt und
mit den schon vorhandenen Meldungen zusammengeführt werden können. Außerdem erfolgt
in der Vertrauensstelle die Erfassung von Papiermeldungen und die Kodierung medizinischer
Angaben z. B. bei Todesbescheinigungen.
Die Registerstelle erhält die verschlüsselten Krebsmeldungen von der Vertrauensstelle,
verdichtet diese und wertet die Daten aus.
In der Vertrauensstelle erfolgt die Chiffrierung der Personendaten, die
Kontrollnummerngenerierung und die einheitliche Geocodierung von Adressen je nach
Melder. Weiterhin werden in der Vertrauensstelle Todesbescheinigungen erfasst und codiert.
Zur Unterstützung der Arbeitsprozesse in der Registerstelle wie beispielsweise die
Bearbeitung der eingegangenen Meldungen oder auch deren Auswertung werden die
Werkzeuge CARELIS und CARESS eingesetzt. Mit CARELIS, eine wissensbasierte
Komponente, können die Meldungen vollständig bearbeitet werden (Abgleich, Korrektur,
Aufbereitung der Meldungen usw.). Das epidemiologische Informationssystem CARESS,
ermöglicht eine komfortable und umfassende Auswertung der Registerdatenbank. Es
unterstützt alle relevanten Aufgabenbereiche wie Ad-Hoc-Anfragen, Inzidenzmonitoring,
Berichterstellung oder ähnliches.
Nach diesem Kurzüberblick über die Funktionalität des gesamten Krebsregisters und die
dabei verwendeten Softwaretools wird nachfolgend das Tätigkeitsfeld der Medizinischen
Dokumentarinnen in der Registerstelle beschrieben.
Die Arbeitsprozesse in der Registerstelle
Im Land Niedersachsen sind jährlich ca. 40.000 Neuerkrankungen (ohne Hauterkrankungen)
an Krebs zu erwarten. Daher ist mit etwa 200.000 Meldungen pro Jahr aus Ärzteschaft,
Kliniken, Tumorzentren, Nachsorgeleitstellen, Pathologien und Gesundheitsämtern zu
rechnen. Dabei handelt es sich um Neuerkrankungsmeldungen, ergänzende Tumormeldungen
oder um klinische Abschlüsse bzw. Todesbescheinigungen, die in die Vertrauensstelle
eingehen, in der sie zur Weiterbearbeitung für die Registerstelle vorbereitet und anschließend
an diese weitergeleitet werden (siehe Einleitung).
Das nachfolgende Flussdiagramm zeigt die verschiedenen Arbeitsabläufe in der
Registerstelle.
Workflow über die Arbeitsprozesse in der Registerstelle
Datenimport
&
Prüfungen
Nachbereitung
nichtimportierter
Meldungen
Registerdatenbank
Datenabgleich
2. Konvertierung
Prüfung der Daten mit CHECK
und CONVERT
Datenbearbeitung
1. Konvertierung
Legende:
Vorbereitung
Alternativer Prozess Vordefinierter Prozess
Zentralspeicher
Abb. 1: Datenbearbeitung in der Registerstelle
Zunächst werden die eingegangenen Daten in die Registerdatenbank importiert. Damit eine
hohe Qualität des auszuwertenden Datenbestandes gewährleistet werden kann, muss eine
Überprüfung dieser Neumeldungen früh in den Prozess der Datenbearbeitung eingebunden
werden. Deshalb werden die Daten bereits während des Imports auf Validität und Konsistenz
geprüft.
An dieser Stelle sei darauf hingewiesen, dass eine Überprüfung der Meldungen auf
Vollständigkeit bereits in der Vertrauensstelle erfolgt. Das heißt, es wird nach nationalen
Richtlinien (Manual des ABKD1) entschieden, wie mit unvollständigen Datensätzen verfahren
wird. Demnach wurde festgelegt, dass ein Datensatz nicht gespeichert werden darf, wenn der
Nachname, das Geburts-, Diagnose- und Sterbejahr oder das Geschlecht unbekannt sind oder
die Diagnose nicht im gültigen Wertebereich von ICD-9 bzw. ICD-10 liegt. Eine Klärung z.
1
ABKD = „Arbeitskreis bevölkerungsbezogener Krebsregister Deutschlands“
B. durch Rückfrage an die Melder ist hier unbedingt erforderlich. Bei anderen fehlenden
Werten wie Geburtstag, Postleitzahl oder Vorname ist eine Speicherung des Datensatzes
möglich, wenn beispielsweise die Rückfrage erfolglos war. Daher beschränken sich die
Prüfungen der Daten auf Vollständigkeit (wie eben beschrieben) in der Registerstelle auf
Häufigkeitsauszählungen wie beispielsweise die Anzahl der Meldungen pro Datenlieferung,
Anzahl der Tumormeldungen, Verteilung der Meldungen auf die Diagnosemonate usw.
Die Validitäts- und Konsistenzkontrollen prüfen die Attributsausprägungen der Daten auf
gültige Werte laut Datenschema bzw. deren Kombinationen. Das bedeutet, dass nur
Datensätze importiert werden, deren Merkmalsausprägungen auf Werte abgebildet werden
können, die im Datenschema als gültig definiert wurden.
Werden bei den Importprüfungen Datensätze mit unzulässigen Attributsausprägungen
ermittelt, können diese zunächst nicht in die Registerdatenbank importiert werden sondern
müssen von der Dokumentarin zuvor korrigiert werden. Hierzu bietet CARELIS ein
komfortables Tool.
Die Berichtigung der Daten ist nur notwendig, wenn die Validitäts- und Konsistenzprüfungen
Fehler oder Unklarheiten entdeckt haben. Daher ist dieser Vorgang im Flussdiagramm als
alternativer Prozess dargestellt.
Nun folgt der (stochastische) Abgleich der Meldungen. Dabei werden die Neumeldungen
untereinander und mit jeder existierenden Registermeldung abgeglichen. Diese Prozedur läuft
ohne jegliche Benutzerinteraktion und überprüft auf Basis der Kontrollnummern
(standardisierte und anschließend chiffrierte Bestandteile der personenbezogenen Daten), ob
ein ermitteltes „Übereinstimmungsmuster“ zweier Datensätze eher für oder gegen deren
Zusammengehörigkeit spricht, indem die Muster mit Gewichten bewertet werden. Die Höhe
eines vergebenen Gewichts richtet sich nach dem Grad der Übereinstimmung der
Kontrollnummern. Pro Übereinstimmung erhöht sich das Gewicht. So gleicht das RecordLinkage-System systematisch anhand der Pseudoausprägungen Meldung für Meldung ab. Für
die Entscheidung der Zusammengehörigkeit zweier Datensätze sind empirische Grenzwerte
bestimmt worden. Unterhalb des unteren Grenzwertes wird davon ausgegangen, dass die
Datensätze nicht zusammen gehören („Cut-of-point“). Liegt das Gewicht oberhalb des oberen
Grenzwertes, werden beide Meldungen als zu einer Person zugehörig behandelt. In diesem
Fall werden die Patientendaten (nicht die Tumordaten) automatisch vereinigt (siehe
Abbildung 2). Liegt das Gewicht zwischen der unteren und oberen Grenze, dann erfolgt zwar
eine Zuordnung der Meldungen aber keine automatische Vereinigung der Personendaten.
Diese Datensätze müssen interaktiv von der Dokumentarin nachbereitet werden. Sie
entscheidet dann die Zusammengehörigkeit anhand des ermittelten Gewichts und der
Tumordaten.
Das Ergebnis des Abgleichs präsentiert CARELIS in Form von transitiven Hüllen. Gab es zu
einem Datensatz keine weitere (Patienten-)Zuordnung, kein Gewicht lag über dem unteren
Grenzwert, wird dieser allein in einer Hülle abgelegt. Hat das Record-Linkage-System anhand
der Pseudoausprägungen entschieden, dass eine Zusammengehörigkeit der Meldungen besteht
bzw. bestehen könnte (=Match), werden diese Meldungen zusammen in einer Hülle abgelegt.
Demnach werden für alle eingegangen Neumeldungen je nach Abgleichergebnis Hüllen
erzeugt (siehe Abbildung 2).
Bestof
Patient
verschlüsselte
Personenangaben
Einzelmeldungen
Abb. 2: Ausschnitt CARELIS
Die obige Abbildung soll das Ergebnis des Abgleichs verdeutlichen. Das Beispiel zeigt die
Zuordnung von sieben Meldungen, sowohl aus der Nachsorgeleitstelle wie auch vom
Pathologen stammend. Die gebildeten Pseudoausprägungen für die Personendaten sind
identisch. Das heißt, hier wurde während des Abgleichs, aufgrund der Übereinstimmungen
(im Namen, Geschlecht, Wohnort etc.) ein Gewicht ermittelt, welches über dem oberen
Grenzwert liegt. Daraus folgt, dass diese Patientensätze automatisch vereinigt werden. Für die
Auswertungen wird ein bester bzw. informativster Patientendatensatz („Patienten-Best-of“)
bestehend aus Patient_id, Staatsangehörigkeit, Geschlecht, Geburtsmonat, Geburtsjahr usw.
gebildet. Die Abbildung zeigt, dass die genaueren Informationen beispielsweise zum
Geburtsmonat (Mon) oder zur Mehrlingseigenschaft (Me) das Best-of ergänzen.
An den Abgleich schließen sich weitere Prüfungen der Daten auf Konsistenz an. Mit Hilfe des
Softwareprogramms CHECK (Parkin, Chen et al. 1994) des IARC2 werden unter anderem die
Attributkombinationen von Lokalisation und Histologie/Dignität geprüft. Außerdem
ermöglicht CHECK die Kontrolle der Daten (Geburtsdatum und Inzidenzdatum) auf richtige
Datumsformate, indem u. a. geprüft wird, ob das Geburtsdatum nicht nach dem Diagnoseoder auch Inzidenzdatum liegt. Das Programm ist so angelegt, dass inkonsistente Angaben
oder unübliche Kombinationen zurückgewiesen bzw. abgelehnt werden. Die so selektierten
fehlerhaften Datensätze werden von der medizinischen Dokumentarin korrigiert.
Die nachfolgende Konvertierung (Umwandlung, Umformung etc.) der Daten wie das
Flussdiagramm in Abb. 1 zeigt, schließt sich nicht in jedem Fall an, sondern nur, wenn es sich
um die Bearbeitung von Pathologendaten handelt.
2
IARC = International Agency for Research on Cancer
Das Krebsregister Niedersachsen traf mit den Pathologischen Instituten die Vereinbarung,
dass nur Lokalisation und Histologie kodiert geliefert werden. Für die Auswertung der Daten
ist jedoch die Diagnose oft maßgeblich. Daraus folgt, dass diese noch aus den Lokalisationsund Histologieangaben konvertiert werden muss. Für diesen Arbeitsprozess wurde von des
IARC das Konvertierungsprogramm „CONVERT“ (Ferlay 1994) zur Verfügung gestellt,
welches die Erzeugung des Diagnosecodes nach ICD-10 (oder nach ICD-9) ermöglicht.
Sind die bisher beschriebenen Arbeitsprozesse erfolgt, kann die automatische oder interaktive
Aufbereitung der Daten beginnen.
Bei der automatischen Aufbereitung werden alle Hüllen nacheinander durchlaufen. Handelt es
sich um Hüllen, wo zwei oder mehr Datensätze einander zugeordnet (siehe Abb. 2) und zu
einem Patientendatensatz verdichtet wurden, prüft ein Regelwerk, ob auch die
Tumormeldungen einen Fall beschreiben und zu einem Tumorgeschehen zusammengefasst
werden können. Die medizinische Entscheidungsfindung trifft das Regelwerk anhand der
Attributausprägungen der Tumoren wie Diagnose, Lokalisation, Histologie usw.
Es werden Tumormeldungen automatisch vereinigt, wenn deren Lokalisationen identisch
nach der Definition des IARC-Reports No. 19 (Parkin, Chen et al. 1994) sind und die
Histologien sich in der gleichen Histologie-Gruppe nach Berg befinden (siehe Beispielregel).
Für die zugeordneten Tumorsätze wird ähnlich dem Patienten-Best-of ein bester und
informativster Tumordatensatz gebildet. Dafür wird entsprechend dem Regelwerk pro
Attribut nur der valideste und spezifischste Wert in das Tumoren-Best-of übernommen.
Das folgende Beispiel dient zur Veranschaulichung des Regelwerks.
LokalisationenIdentischHistologienInGleicherBergGruppe
Bedingung:
(∃ tum1 ∈ Tumpat : (lok1 ∈ Lokpat ∧ hist1 ∈ Histpat)) ∧
(∃ tum2 ∈ Tumpat : (tum2 tum1 ∧ hist2 ∈ Histpat ∧ lok2 ∈
Lokpat ∧
LokGruppe(lok1) = LokGruppe(lok2) ∧ HistoGruppe(hist1) =
HistoGruppe(hist2)))
Aktion:
Vereinige Tumoren (tum1, tum2)
Zeichenerklärung:
∃: Existenzquantor („Es gibt ein...“); ∈: „...ist Element von...“;
∧: „...und...“; : „...impliziert...“
LokGruppe(): Funktion, die die Nummer der Lokalisationsgruppe ermittelt
HistoGruppe(): Funktion, die die Histologiegruppe nach Berg ermittelt
Abb. 3: Beispielregel für die automatische Tumorvereinigung
Erläuterung der Regel:
Es gibt einen Tumor 1(tum1) für
den gilt: dieser ist Element der
Tumorsätze
eines Patienten (Tumpat).
die diesem Tumor zugewiesene
Lokalisation (lok1) ist Element der
Menge
der
zum
Tumor
vorkommenden (dreistelligen) Lokalisationen
(Lokpat) und die ihm zugewiesene
Histologie (hist1) ist Element der
zum Tumor vorkommenden Histologien (Histpat).
Und es gibt einen Tumor 2 (tum2):
für den selbiges wie für Tumor 1
gilt.
Und sind die Lokalisationen der
beiden Tumoren in der gleichen
Lokalisationsgruppe(LokGruppe(lok1) =
Lok-Gruppe(lok2))
und
die
Histologien sind in der gleichen
Histologiegruppe nach Berg, dann
erfolgt die Tumorvereinigung.
Die Regeln sind formal in Prädikatenlogik definiert, denn diese leicht beherrschbare und
eindeutige „Sprache“ ermöglicht eine relativ einfache Umsetzung der Regeln in den
Programmcode. Ähnlich der Beispielregel für die automatische Tumorvereinigung existieren
Regeln zur Best-of-Bildung der Patientendaten, zur Kennzeichnung vorläufiger Meldungen3
und für die Best-of Tumorattribute.
Die automatische Aufbereitung der Hüllen ist erfolgreich, wenn die Regeln zum Tumor-Bestof keine Unklarheiten bzw. keine Inkonsistenzen in den Merkmalsausprägungen entdecken,
also alle Werte gültig sind. Die Daten werden automatisch in die Registerdatenbank
übernommen.
Ermitteln die Best-of-Regeln eine Unklarheit, beispielsweise wenn einander zugeordnete
Tumoren Widersprüche in ihren Merkmalsausprägungen (gleiche Lokalisation vs. ungleiche
Histologie etc.) aufweisen, kann nicht mehr automatisch aufbereitet werden. Das Regelwerk
erzeugt dann eine Unklarheitsmeldung und derartige Meldungen müssen durch die
Dokumentarin interaktiv aufbereitet werden. Handelt es sich von vornherein um
problematische Meldungen wie Systemerkrankungen und Tumoren der Dignitäten 1, 6 und 9,
erfolgt immer eine interaktive Aufbereitung.
Die nächste Abbildung zeigt die interaktive Oberfläche von CARELIS vor und nach der
Vereinigung der Tumormeldungen.
Zu
bearbeittende
Hülle
Registermeldung
Neumeldung
gelieferte
Werte
Best-ofWerte
Klartexte zu den
Meldungen
Vereinigte
und zu einem
Best-ofDatensatz verdichtete
Meldungen
Best-of
Abb. 4: Interaktive Oberfläche CARELIS
3
vorläufige Meldungen = Meldungen mit unbekanntem Wohnort oder Wohnort Nicht-Niedersachsen
Dabei ist ein Match zwischen einer Registermeldung, untere Meldung mit Diagnosedatum
06/98, und einer Neumeldung, darüberliegend (im großen Bild) zu sehen. Die Meldungen
werden aufgrund ihrer Stati, Register- oder Neumeldung, unterschiedlich eingefärbt (im Bild
nicht sichtbar).
Die Aufgabe der Dokumentarin besteht nun darin, die beiden Meldungen hinsichtlich ihrer
Übereinstimmung in Diagnose, Histologie, Lokalisation etc. zu überprüfen und zu
entscheiden, ob und ggf. wie die Meldungen zu einem „Best-of-Tumor“ zusammengefasst
werden können. Bei der Bearbeitung kann – sofern vorhanden – zur Entscheidungsfindung
der mitgelieferte Diagnosetext benutzt werden (siehe kleine Fenster in Abb.4).
Werden die Informationen aus den verschiedenen Tumormeldungen, wie abgebildet, zu einem
Tumor-Best-of verdichtet, erfolgt die Auswahl der Attributausprägungen überwiegend
automatisch, anhand des schon beschriebenen Regelwerkes für das Tumoren-Best-of. Die
Dokumentarin muss nach der Vereinigung nur die Merkmalsausprägungen ergänzen, die
aufgrund von Unklarheiten bzw. Unstimmigkeiten keinen Eintrag (leeres Feld) erhalten
haben.
Sind alle Unklarheiten korrigiert und wurden alle Attribute mit Werten belegt, werden die
Plausibilitätsprüfungen des Datenimports wiederholt und erst anschließend werden die Daten
in die Registerdatenbank übernommen.
Die in Abbildung 1 nochmals dargestellte Konvertierung der Daten ist notwendig, weil die
Melder zum Teil unterschiedliche Klassifikationssysteme verschiedener Versionen (ICD-9,
ICD-10, ICD-O-1, ICD-O-2 etc.) zur Kodierung der Daten benutzen. Derzeit liefern die
Nachsorgeleitstellen die Meldungen nach der ICD-9. Die Pathologen kodieren beispielsweise
die Histologie nach dem THS (Tumorhistologieschlüssel) und die Lokalisation nach der ICDO-1 oder ICD-O-2. Das Krebsregister Niedersachsen verwendet im Tumor-Best-of den
Diagnoseschlüssel ICD-10 und die ICD-O-2 für Histologie und Lokalisation um langfristig
auf einen einheitlichen Datenbestand zurückgreifen zu können. Zum Vergleich mit anderen
nationalen und internationalen Registern kann der Datenbestand bei Bedarf jederzeit wieder
zurück in die ICD-9 konvertiert werden.
Für diesen Arbeitsprozess steht ebenfalls das IARC-Programm CONVERT zur Verfügung,
mit dessen Hilfe die Konvertierung der verschiedenen Daten nach einer einheitlichen Form
möglich ist. Die „Umwandlung“ der Daten nach ICD-9 wird bei Bedarf für Auswertungen
vorgenommen. Eine Konvertierung der Daten nach ICD-10 erfolgt durch die Dokumentarin
innerhalb der interaktiven Aufbereitung. Aber auch hier ist es möglich erst nach vollständiger
Aufbereitung und Speicherung aller Neumeldungen die Konvertierung anzuschließen.
Nach Ablauf der beschriebenen Arbeitsprozesse stehen für die epidemiologische Auswertung
weitestgehend vollständige und widerspruchsfreie Daten zur Verfügung. Die Medizinische
Dokumentation unterstützt die Verbesserung der Datenqualität indem sie die eingehenden
Daten prüft, korrigiert oder vervollständigt. Weiterhin werden aufgrund der Erfahrungen bei
der Meldungsbearbeitung Dokumentationsstandards definiert, die eine einheitliche
Datenbearbeitung gewährleisten. Bei systematischen Fehlkodierungen muss die
Kommunikation mit dem Melder folgen und zu Konsequenzen führen. Beispielsweise sollten
dem Melder Kodieranleitungen zur Verfügung gestellt werden.
In einem Krebsregister gibt die Medizin inhaltliche Vorgaben für die Entwicklung der
Software. Daher ist ein ständiger Austausch zwischen Medizinern und Informatikern
notwendig. An diesem konzeptionellen Arbeitsprozess sind auch die Dokumentarinnen
beteiligt. Insbesondere die Spezifikationen für die Umsetzung der zu erfassenden Attribute
und deren Ausprägungen wurden maßgeblich durch die Medizinischen Dokumentarinnen
definiert.
Damit stellen sie aufgrund ihrer besonderen Qualifikation ein geeignetes Bindeglied zwischen
beiden Wissenschaftszweigen dar und verbessern somit den „Kommunikationsprozess“. So
konnte in Zusammenarbeit mit den Informatikern ein Softwaretool entwickelt werden, das
eine effektive und ergonomische Bearbeitung der Tumordaten ermöglicht (Hinrichs,
Panienski 1999).
References:
Appelrath, H.-J., J. Friebe, et al. (1996). CARLOS (Cancer Registry Lower-Saxony):
Tätigkeitsbericht für den Zeitraum 1.1.-31.12.1996. Oldenburg, OFFIS.
Appelrath, H.-J., J. Michaelis, et al. (1996). “Empfehlung an die Bundesländer zur
technischen Umsetzung der Verfahrensweisen gemäß Gesetz über Krebsregister (KRG).”
Informatik, Biometrie und Epidemiologie in Medizin und Biologie 27(2).
Bundestag, D. (1994). “Gesetz
Bundesgesetzblatt I(79): 3351-3355.
über
Krebsregister
(Krebsregistergesetz
KRG).”
Ferlay, J. (1994). ICD Conversion Programs for Cancer. Lyon, IARC (International Agency
for Research on Cancer), World Health Organization (WHO).
Hinrichs, H., K. Panienski (1999). Experiences with Knowledge-Based Data Cleansing at the
Epidemiological Cancer Registry of Lower-Saxony. XPS-99: Knowledge-Based Systems. F.
Puppe. Berlin, Springer. 1570: 218-225.
Parkin, D. M., V. W. Chen, et al. (1994). Comparability and Quality Control in Cancer
Registration. Lyon, IARC (International Agency for Research on Cancer): 118.