Systemic Social Factors and Healthcare Data Quality: A Socio-Technical Systems Analysis

In den modernen Krankenhäusern zeichnet ein riesiges digitales Hauptbuch jeden Herzschlag, jede Diagnose und jede verabreichte Medikation auf. Diese elektronischen Akten sind das Rückgrat der Patientenversorgung; sie leiten Ärzte bei lebenswichtigen Entscheidungen an und helfen Krankenhäusern, reibungslos zu funktionieren. Damit diese Systeme funktionieren, muss die darin enthaltene Information perfekt sein. Wenn ein Datensatz ein Detail vermissen lässt, einen Tippfehler enthält oder eine Erkrankung unter dem falschen Namen aufführt, können die Folgen weitreichend sein und zu verzögerten Behandlungen, verwirrten Mitarbeitern und sogar Schäden für die Patienten führen. Jahrelang galt die Annahme, dass, wenn die Software gut genug ist, auch die Daten gut genug sein werden. Die vorherrschende Überzeugung war, dass bessere Algorithmen und strengere automatisierte Kontrollen das Problem unordentlicher Datensätze lösen würden.

Ein neuer Ansatz legt jedoch nahe, dass die Qualität dieser Daten weniger von dem Code abhängt, der im Serverraum läuft, sondern vielmehr von den Menschen, die in den Fluren arbeiten. Diese Idee stützt sich auf ein Konzept, das als soziotechnisches System bekannt ist und eine Organisation nicht nur als eine Sammlung von Maschinen betrachtet, sondern als eine komplexe Partnerschaft zwischen Technologie und menschlichem Verhalten. In dieser Sichtweise ist ein Computerprogramm nur so effektiv wie das Team, das es nutzt, und die Art und Weise, wie Menschen miteinander kommunizieren, Verantwortlichkeiten teilen und ihre täglichen Belastungen bewältigen, prägt das Endergebnis ebenso sehr wie die Software selbst. Das Verständnis dieser Beziehung ist entscheidend, da es den Fokus von der Reparatur von Computern hin zur Verbesserung der Art und Weise verschiebt, wie Menschen mit ihnen interagieren.

Eine aktuelle Studie von Phuong Pham an der University of the Cumberlands untersucht genau diese Dynamik. Die Forschung stellt eine einfache, aber tiefgründige Frage: Wie erklären die Menschen, die täglich mit Gesundheitsdaten arbeiten, die sozialen Kräfte, die ihre Datensätze gut oder schlecht machen? Um die Antwort zu finden, sprach die Forscherin mit achtzehn Fachkräften aus dem Gesundheitswesen aus den Vereinigten Staaten. Diese Teilnehmer waren nicht nur Ärzte; sie umfassten auch Datenanalysten, Ingenieure, Pflegekräfte und Administratoren, was eine breite Palette von Perspektiven bot. Die Interviews wurden im Eins-zu-eins-Gespräch geführt, was es den Teilnehmern ermöglichte, ihre realen Erfahrungen ohne den Druck einer Gruppensituation zu teilen. Die Forscherin hörte dann aufmerksam auf ihre Erzählungen und suchte nach gemeinsamen Musten in der Art und Weise, wie sie die Herausforderungen und Erfolge ihrer Arbeit beschrieben.

Die Ergebnisse zeigen, dass die größten Hindernisse für qualitativ hochwertige Daten nicht technische Fehler sind, sondern menschliche und organisatorische Reibungen. Eine der bedeutendsten identifizierten Barrieren war eine Kommunikationslücke zwischen den Menschen, die die Technologie entwickeln, und den Menschen, die sie in der Patientenversorgung anwenden. Technisches Personal spricht oft eine spezialisierte Sprache, die Kliniker nicht verstehen, während Ärzte und Pflegekräfte Begriffe verwenden, die für Ingenieure verwirrend sind. Diese Kluft führt dazu, dass eine Erkrankung von zwei verschiedenen Abteilungen unterschiedlich benannt werden kann, was dazu führt, dass die Datenbank sie als separate Probleme behandelt. Wenn Teams in Silos arbeiten, also isoliert voneinander, bleiben Fehler unbemerkt, weil niemand das Gesamtbild hat. Die Studie fand heraus, dass die Daten fragmentiert und unzuverlässig werden, wenn diese Gruppen nicht regelmäßig miteinander kommunizieren.

Ein weiteres großes Thema war der Konflikt zwischen unterschiedlichen Prioritäten. Für einen Arzt besteht das primäre Ziel darin, ein Leben zu retten oder Schmerzen im Moment zu lindern. Die Eingabe von Daten in einen Computer wird oft als Sekundäraufgabe wahrgenommen – ein bürokratisches Hindernis, das Zeit von der Arbeit am Patienten abzieht. Wenn ein Arzt in einem Notfall unter Zeitdruck steht, überspringt er möglicherweise ein Feld oder gibt einen schnellen, ungefähren Wert ein, um weiterarbeiten zu können. Die Studie hob hervor, dass dies kein Zeichen von Faulheit ist, sondern eine natürliche Reaktion auf ein System, das während kritischer Momente zu viel administrative Arbeit fordert. Ähnlich setzen technische Teams oft auf eine perfekte Datenstruktur und erstellen manchmal starre Regeln, die nicht zur unordentlichen Realität passen, wie sie bei Patienten tatsächlich auftritt. Wenn diese zwei Welten aufeinandertreffen, ist das Ergebnis oft unvollständige oder ungenaue Datensätze.

Die Forschung wies auch auf einen Mangel an klarer Zuständigkeit hin. In vielen Organisationen ist unklar, wer für die Korrektur eines Fehlers verantwortlich ist, sobald dieser im System erscheint. Wenn ein Datensatz falsch ist, denkt der Arzt vielleicht, dass das IT-Team ihn korrigieren sollte, während das IT-Team davon ausgeht, dass der Arzt ihn korrigiert. Diese Verwirrung führt dazu, dass Fehler über lange Zeiträume unkorrigiert bleiben. Darüber hinaus stellte die Studie fest, dass eine hohe Personalfluktuation einen Kreislauf des Wissensverlusts schafft. Wenn erfahrene Mitarbeiter gehen, nehmen sie ihr Verständnis für die Navigation durch das System mit sich und lassen das neue Personal zurück, das durch Versuch und Irrtum lernen muss, was häufig zu mehr Fehlern führt.

Trotz dieser Herausforderungen beschrieben die Teilnehmer auch, was funktioniert. Sie fanden heraus, dass die Datenqualität drastisch steigt, wenn Teams ihre Ziele angleichen und dieselbe Sprache sprechen. Eine effektive Strategie, die genannt wurde, war die Nutzung von Echtzeit-Feedback, bei dem das Personal sofortige, sanfte Erinnerungen erhält, wenn es eine Information vergessen hat, anstatt auf ein monatliches Audit zu warten. Ein weiterer Erfolg war der Einsatz von dedizierten Vermittlern – Personen, die in der Lage sind, technische Anforderungen in eine einfache Sprache für Kliniker zu übersetzen und umgekehrt. Wenn Organisationen eine Kultur schaffen, in der jeder die Verantwortung für die Daten übernimmt, und wenn sie kontinuierliche Schulungen anbieten, um die Fähigkeiten auf dem neuesten Stand zu halten, werden die Datensätze zuverlässiger.

Die Studie kommt zu dem Schluss, dass die Verbesserung von Gesundheitsdaten mehr erfordert als nur bessere Software. Es verlangt nach einem Wandel in der Art und Weise, wie Organisationen ihre Mitarbeiter führen. Die Technologie ist nur die eine Hälfte der Gleichung; die andere Hälfte ist das soziale System aus Kommunikation, Vertrauen und geteilter Verantwortung. Die Forschung legt nahe, dass Krankenhäuser, um die Daten korrekt zu erfassen, in den Aufbau von Brücken zwischen ihren technischen und klinischen Teams investieren müssen, klären müssen, wer was tut, und ein Umfeld schaffen müssen, in dem die Menschen die Zeit und Unterstützung haben, um ihre Arbeit gut zu erleden. Durch die Adressierung dieser menschlichen Faktoren können Gesundheitsorganisationen sicherstellen, dass ihre digitalen Aufzeichnungen tatsächlich die Pflege widerspiegeln, die sie leisten, was letztlich zu einer sichereren und effektiveren Behandlung der Patienten führt.