Standards und Werkzeuge zur Beurteilung der Datenqualität in Beobachtungsstudien

• Antragstellerinnen / Antragsteller: Professor Dr. Martin Dugas; Professorin Dr. Iris Pigeot; Professor Dr. Wilhelm Sauerbrei; Professor Dr. Carsten Oliver Schmidt; Privatdozent Dr. Henning Silber
• Fachliche Zuordnung: Medizininformatik und medizinische Bioinformatik ; Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung seit 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 315057723

In der ersten Förderperiode wurde von Vertretern großer Kohortenstudien das erste Datenqualitätskonzept in der Epidemiologie entwickelt, das ein Datenqualitätskonzept mit generischen, statistischen Analyseroutinen verbindet. Die Arbeitspakete umfassten: (1) Die Evaluation der TMF Leitlinie zur Datenqualität und Entwicklung eines revidierten Datenqualitätskonzeptes; (2) Die Entwicklung statistischer Implementationen in R und Stata; sowie (3) die Erweiterung einer Webanwendung für Datenqualitätsbewertung. Mehrere öffentliche Workshops begleiteten diesen Prozess, um die Projektergebnisse zu diskutieren und zu verbreiten. Die Arbeitspakete der zweiten Förderperiode komplementieren die bisherigen Ergebnisse durch die Entwicklung neuer Werkzeuge, Standards und Leitfäden, um die Grundlage für eine nachhaltige und breite Nutzung der bisherigen Entwicklungen zu harmonisierten Datenqualitätsanalysen in Kohorten- und Beobachtungsstudien zu verbessern. Im Rahmen der ersten Zielsetzung des Projekts stehen die Erweiterung des Datenqualitätskonzeptes und die Verbesserung der Methodik für Datenqualitätsbewertungen im Vordergrund. Dafür ist ein transdisziplinärer Austausch zwischen den Sozialwissenschaften und der Epidemiologie wesentlich. GESIS wird ihre Expertise zur Aufdeckung unberücksichtigter Aspekte der Datenqualität in unserem Konzept einbringen, z.B. zu unerwünschtem Antwortverhalten. Umgekehrt gibt es in den Sozialwissenschaften kein vergleichbares Datenqualitätskonzept, so dass die Entwicklungen des Projekts einen elementaren Nutzen für diese Disziplin erbringen würden. Des Weiteren werden wir Methoden und Regeln für automatisierte Entscheidungen zur Bewertung der Datenqualität entwickeln. Im Fokus stehen dabei Untersucher-, Geräte- und Zentrumseffekte, sowie Zeit-Trends. Die zweite Zielsetzung adressiert die FAIRness (findability, accessibility, interoperability, reusability) von Datenqualitätsbewertungen. Zur Erreichung dieser Kriterien wird in Kooperation mit dem weltweit größten Repositorium für medizinische Formulare (MDM) eine Grundlage geschaffen, um Metadaten, die Datenqualitätsassessments unterliegen, interoperabel zu speichern und verfügbar zu machen. Zweitens erleichtern wir die Handhabung unserer Werkzeuge. Da viele Prozessbeteiligte keinen statistischen Hintergrund haben, werden interaktive Web-Oberflächen entwickelt, um Prozessschritte komplexer Datenqualitäts-Assessments ohne Programmierkenntnisse zu realisieren. Als drittes Ziel wird mit Hilfe frei zugänglicher Tutorials das Training von Konzepten und Methoden durch computergestütztes Lernen (e-Learning) erleichtert. Viertens wird die Sichtbarkeit von Ergebnissen der Datenqualitätsbewertung in wissenschaftlichen Publikationen durch Entwicklung einer Berichtsleitlinie verbessert. Unsere Beteiligung in nationalen und internationalen Netzwerken wird erheblich zur Verbreitung unserer Ergebnisse beitragen.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortliche: Dr. Clemens Lechner; Dr. Hermann Pohlabeln; Professorin Dr. Beatrice Rammstedt; Dr. Achim Reineke; Dr. Adrian Richter; Dr. Stephan Struckmann