Artikel

Der gesellschaftliche Mehrwert verknüpfter Daten: Algorithmen als Entscheidungs hilfen bei Antibiotikaverschreibungen

Personendaten aus der Verwaltung (Administrativdaten) haben sich in den letzten Jahrzehnten als wichtige Basis zur Evaluierung von Politikmaßnahmen erwiesen. Durch maschinelles Lernen können basierend auf diesen Daten auch Vorhersagen getroffen werden, die zur Lösung gesellschaftlicher Problemstellungen beitragen. Hierzu gehören beispielsweise das Aufspüren von Steuerbetrug und eine bessere medizinische Versorgung. Welchen Mehrwert hierbei die Verknüpfung weitreichender Administrativdaten bietet, ist bisher noch nicht ausreichend untersucht worden. In diesem Beitrag wird am Beispiel von Antibiotikaverschreibungen für Harnwegsinfekte in Dänemark gezeigt, dass die Verknüpfung von Daten eine Verbesserung von Verschreibungsentscheidungen ermöglichen kann. Um für Deutschland vergleichbare Erkenntnisse zu gewinnen und datenbasierte, politikrelevante Anwendungen unter geltenden Datenschutzstandards zu identifizieren, ist ein Zugang zu verknüpften Administrativdaten für Forschungszwecke nötig. Hierfür müssen fragmentierte Datensilos weiter reduziert und Infrastrukturen mit Blick auf Anwendungsmöglichkeiten aufgebaut werden.

Sprache
Deutsch

Erschienen in
Journal: DIW Wochenbericht ; ISSN: 1860-8787 ; Volume: 88 ; Year: 2021 ; Issue: 13/14 ; Pages: 239-246 ; Berlin: Deutsches Institut für Wirtschaftsforschung (DIW)

Klassifikation
Wirtschaft
Econometric and Statistical Methods and Methodology: General
Large Data Sets: Modeling and Analysis
Analysis of Health Care Markets
Health: Government Policy; Regulation; Public Health
Public Policy
Technological Change: Government Policy
Renewable Resources and Conservation: Government Policy
Thema
antibiotic prescribing
prediction policy
administrative data
data combination

Ereignis
Geistige Schöpfung
(wer)
Huang, Shan
Ribers, Michael
Ullrich, Hannes
Ereignis
Veröffentlichung
(wer)
Deutsches Institut für Wirtschaftsforschung (DIW)
(wo)
Berlin
(wann)
2021

DOI
doi:10.18723/diw_wb:2021-13-1
Handle
Letzte Aktualisierung
10.03.2025, 11:42 MEZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Objekttyp

  • Artikel

Beteiligte

  • Huang, Shan
  • Ribers, Michael
  • Ullrich, Hannes
  • Deutsches Institut für Wirtschaftsforschung (DIW)

Entstanden

  • 2021

Ähnliche Objekte (12)