CareLit Fachartikel

KI basierter Rapid Evidence Generator mit risikoadjustiertem Propensity Score Matching

Zahn, T.P.; Hesse, E.; Herrera-Rodriguez, A.; Walker, J.; Enders, D. · Prävention und Gesundheitsförderung · 2023 · Heft 7 · S. 1 bis 9

Dokument
346235
CareLit-ID
Jahr
2023
Publikation
PDF
ja
Volltext
DOI
–
zitierfähig

Bibliografische Angaben

Zeitschrift
Prävention und Gesundheitsförderung
Autor:innen
Zahn, T.P.; Hesse, E.; Herrera-Rodriguez, A.; Walker, J.; Enders, D.
Ausgabe
Heft 7 / 2023
Jahrgang 4
Seiten
1 bis 9
Erschienen: 2023-07-07 14:44:15
ISSN
1861-6763
DOI
–

Zusammenfassung

Motivation und HintergrundIn Zeiten rapider Innovationen in der Gesundheitsversorgung benötigen sowohl Leistungserbringer als auch Kostenträger schnelle und kontinuierlich anwendbare Verfahren, um die Wirkung von Innovationen in der Realversorgung bewerten zu können. Da die deutschen Abrechnungsdaten für alle ca. 70 Mio. Versicherten der Gesetzlichen Krankenversicherung (GKV) vollständig und tagesgenau aus der Realversorgung generiert werden, bilden diese eine kostengünstige und hochverfügbare Datengrundlage für die Erzeugung von Real-World-Evidenz. Auf Basis dieser Abrechnungsdaten wurde ein Rapid Evidence Gene…

Schlagworte

Künstliche Intelligenz Rapid Evidence Generator Propensity Score Matching Risikoadjustierung Gesundheitsversorgung Real-World-Evidenz Versorgungsqualität Behandlungsanalyse Kohortenstudien Datenanalyse Artificial Intelligence Evidence-Based Medicine Health Services Research Risk Assessment Treatment Outcome Statistical Models