PUB - Publikationen an der Universität Bielefeld

Die verbesserten Dokumentationsverfahren in der Herzchirurgie führen zur Ansammlung immer größerer Datenmengen. Mit wachsenden Computerleistungen und Speicherkapazitäten wird der Informationsgehalt der Datenbanken in Zukunft immens anwachsen. Die Datenauswertung beschränkte sich bisher auf einfache Fragestellungen und vorgefertigte Auswertungsmuster. Dabei enthalten große Datenmengen oft weit mehr Informationen als auf den ersten Blick ersichtlich. So wurden in letzter Zeit Methoden zur Extraktion komplexerer Information aus Datenbanken entwickelt, welche auch unter dem Begriff Data Mining zusammengefaßt werden (1, 2). Aufgaben im herzchirurgischen Bereich wären z.B. eine exaktere präoperative Risikoeinschätzung des Patienten, besseres Verständnis des oft multifaktoriellen Entstehen von Komplikationen oder Nachweis der Auswirkungen verschiedener operativer Techniken auch bei kleinen Fallzahlen. Ein grundsätzliches Problem bei den Datenanalysen ist, daß zumeist der Statistiker, d.h. Nicht-Arzt, mit der Aufgabe betraut wird, entsprechende Analysen durchzuführen andererseits aber eher die Kliniker die Daten wirklich verstehen, Trends erkennen und Wichtiges von Unwichtigem unterscheiden können. Der Kliniker und Nicht-Mathematiker sollte daher ein Mittel in die Hand bekommen, seine Daten auf komfortable Art und Weise zu sichten. Wir möchten hier einen unserer Meinung nach wertvollen Ansatz vorstellen.