Evaluating Redundancy and Biases in EHR Social Determinants of Health Data Screening

Die Studie analysiert Daten von 1,8 Millionen Patienten, um Redundanzen in SDOH-Fragebögen und demografische Verzerrungen bei der Datenerhebung zu identifizieren, und schlägt Methoden vor, um klinische Abläufe zu optimieren und die Fairness der Screening-Prozesse zu verbessern.

Das Wesentliche

Stellen Sie sich vor, ein Krankenhaus ist wie ein riesiger, gut organisierter Supermarkt. In diesem Supermarkt gibt es nicht nur Lebensmittel, sondern auch eine spezielle Abteilung, die nach den „Lebensumständen" der Kunden fragt. Diese Fragen betreffen Dinge wie: „Haben Sie genug zu essen?", „Reicht Ihr Geld für die Miete?" oder „Haben Sie einen sicheren Wohnort?". Diese Fragen nennt man im Fachjargon „Soziale Determinanten der Gesundheit" (SDOH).

Die Forscher von UNC Health haben sich diesen Supermarkt genauer angesehen und zwei wichtige Dinge untersucht, die man sich wie folgt vorstellen kann:

1. Das Problem mit den doppelten Fragen (Redundanz)
Stellen Sie sich vor, Sie gehen zum Kassenpersonal und werden gefragt: „Haben Sie genug Geld für Essen?" und eine Sekunde später nochmal: „Können Sie sich eine warme Mahlzeit leisten?" und dann noch: „Haben Sie manchmal Angst, dass der Kühlschrank leer wird?"

Das ist wie ein Koch, der dreimal nach dem Salz fragt, obwohl er schon weiß, dass das Essen gesalzen ist. Es nervt den Kunden und kostet Zeit. Die Forscher haben bei 1,8 Millionen Patienten geprüft, ob solche Fragen sich wiederholen.

• Das Ergebnis: Ja, es gab viele „doppelte Fragen", besonders bei Themen wie Essen und Geld. Die Antworten darauf waren oft fast identisch. Das bedeutet: Man könnte die Fragenliste kürzen, ohne wichtige Informationen zu verlieren. Das wäre wie das Entfernen überflüssiger Regale im Supermarkt – der Gang wird schneller und entspannter.

2. Das Problem mit der ungleichen Behandlung (Bias)
Stellen Sie sich nun vor, der Kassenmitarbeiter fragt nur bestimmte Kunden nach ihrem Geldbeutel, aber andere lässt er einfach in Ruhe. Oder er fragt alle, aber manche Kunden trauen sich nicht, ehrlich zu antworten.

• Das Ergebnis: Die Forscher haben gesehen, dass das nicht fair lief.
  • Wer wurde gefragt? Frauen und weiße Patienten wurden öfter nach diesen Dingen gefragt als andere Gruppen. Es war, als würde der Kassenmitarbeiter nur bei bestimmten Kunden anhalten und bei anderen vorbeigehen.
  • Wer hat nicht geantwortet? Patienten, die als „Indianer oder Alaska-Einheimische" oder „Hispanisch/Lateinamerikanisch" identifiziert wurden, sagten öfter „Ich möchte das nicht beantworten" als andere. Vielleicht fühlten sie sich unwohl oder misstrauisch, weil sie das Gefühl hatten, nicht richtig verstanden zu werden.

Was bedeutet das für die Zukunft?
Die Forscher sagen im Grunde: „Wir haben eine neue Art von Werkzeug entwickelt, mit dem Krankenhäuser ihre eigene Arbeit überprüfen können."

• Werkzeug 1: Schauen Sie, welche Fragen sich doppeln, und streichen Sie sie. Das macht den Alltag für Ärzte und Patienten weniger stressig (weniger Papierkram, mehr Zeit für das Gespräch).
• Werkzeug 2: Stellen Sie sicher, dass jeder Patient die gleichen Fragen bekommt und sich alle gleichermaßen trauen, ehrlich zu antworten. Das ist wie ein fairer Kassenprozess, bei dem niemand ausgeschlossen wird.

Zusammengefasst:
Dieser Text ist eine Anleitung, wie Krankenhäuser ihre Fragebögen verbessern können. Ziel ist es, die Fragen schlanker zu machen (weg mit dem Doppelten) und gerechter zu gestalten (für alle gleich), damit sie wirklich helfen, die Gesundheit der Menschen zu verbessern, anstatt sie nur zu verwirren oder auszugrenzen.

Technische Zusammenfassung

Technische Zusammenfassung: Evaluierung von Redundanz und Verzerrungen in der SDOH-Datenerfassung

1. Problemstellung
Gesundheitsorganisationen integrieren zunehmend Screening-Verfahren für soziale Determinanten der Gesundheit (SDOH), um deren Einfluss auf Behandlungsergebnisse zu berücksichtigen. Es bestehen jedoch zwei kritische technische und prozessuale Herausforderungen:

• Redundanz: Es ist unklar, ob die gestellten SDOH-Fragen redundante Risikoinformationen liefern, was zu einer unnötigen Belastung der klinischen Workflows führt.
• Verzerrungen (Bias): Es besteht die Gefahr systematischer Verzerrungen, sowohl darin, welche Patienten überhaupt nach SDOH-Faktoren gefragt werden, als auch darin, wer die Fragen verweigert. Dies kann zu unvollständigen oder verzerrten Datensätzen führen, die Ungleichheiten in der Versorgung verschleiern.

2. Methodik
Die Studie analysierte SDOH-Fragendaten von insgesamt 1,8 Millionen Patienten des UNC Health-Systems. Der technische Ansatz umfasste zwei Hauptkomponenten:

• Analyse der Redundanz: Um die Redundanz von Risikoinformationen zu bewerten, wurde die Übereinstimmung der Antworten (Response Agreement) zwischen Paaren von SDOH-Fragen statistisch analysiert. Dies diente dazu, Korrelationen zu identifizieren, bei denen eine Frage die Information einer anderen vollständig abdeckt.
• Analyse der Verzerrungen: Zur Evaluierung demografischer Verzerrungen wurden logistische Regressionsmodelle eingesetzt. Diese Modelle untersuchten zwei Szenarien:
  1. Die Wahrscheinlichkeit, dass Patienten bestimmter demografischer Gruppen nach SDOH-Faktoren gefragt wurden.
  2. Die Wahrscheinlichkeit, dass Patienten aus bestimmten Gruppen die Beantwortung der Fragen verweigerten.

3. Schlüsselbeiträge
Der Hauptbeitrag des Papers liegt in der Entwicklung und Demonstration einer methodischen Framework, das Gesundheitsorganisationen in die Lage versetzt, ihre eigenen SDOH-Screening-Prozesse quantitativ zu evaluieren. Die Studie bietet konkrete analytische Werkzeuge, um:

• Ineffizienzen in Fragebögen durch Identifikation redundanter Items zu erkennen.
• Systematische Verzerrungen in der Datenerfassung aufzudecken, die durch ungleiche Zugänge oder unterschiedliche Kooperationsbereitschaft entstehen.

4. Ergebnisse
Die Analyse lieferte signifikante empirische Befunde:

• Redundanz: Es wurde eine deutliche Redundanz in den Risikoinformationen identifiziert, insbesondere zwischen Fragen zur Nahrungsmittelunsicherheit und zur finanziellen Unsicherheit. Dies deutet darauf hin, dass diese Fragen oft dieselben Risikoprofile abbilden.
• Verzerrungen bei der Befragung: Es zeigten sich signifikante demografische Unterschiede darin, wer gefragt wurde. Weibliche Patienten und weiße Patienten hatten eine höhere Wahrscheinlichkeit, nach bestimmten SDOH-Faktoren befragt zu werden, im Vergleich zu anderen Gruppen.
• Verzerrungen bei der Verweigerung: Indigene Patienten (American Indian or Alaska Native) sowie lateinamerikanische/Hispano-Patienten waren weniger wahrscheinlich dazu geneigt, die Beantwortung der Fragen zu verweigern als andere demografische Gruppen.

5. Bedeutung und Implikationen
Die Studie liefert handlungsrelevante Erkenntnisse für die Optimierung klinischer Prozesse:

• Workflow-Optimierung: Durch das Eliminieren redundanter Fragen kann die Belastung für medizinisches Personal und Patienten reduziert werden, ohne an Informationsgewinn zu verlieren.
• Datenintegrität und Gerechtigkeit: Die Identifizierung demografischer Verzerrungen ermöglicht die Entwicklung systematischerer Screening-Protokolle. Dies ist entscheidend, um die Datenerhebung fairer zu gestalten und sicherzustellen, dass SDOH-Daten alle Bevölkerungsgruppen repräsentativ abbilden, was wiederum die Grundlage für gerechtere Gesundheitsstrategien bildet.