Für die Planung im Gesundheitswesen ist es notwendig, die Verteilung der Krankheitslast in der Bevölkerung zu kennen. Da aber klassische epidemiologische Studien aus Kostengründen nicht im erforderlichen Ausmaß durchgeführt werden können, müssen Methoden entwickelt werden, die Rückschlüsse auf die Krankheitslast aus routinemäßig erfassten Gesundheitsdaten zulassen. In Österreich ist dies auf Grund einer fehlenden standardisierten Diagnosekodierung im niedergelassenen Bereich nur auf indirektem Weg möglich.
ATC-ICD: Statistische Methode
Im DEXHELPP-Projekt „Methodenvergleich in der Epidemiologie aus Routinedaten“ werden die Diabetesprävalenzen, die mit drei Methoden aus unterschiedlichen Datenquellen aus den Jahren 2006 und 2007 geschätzt werden, miteinander verglichen
ATC-ICD: Machine Learning Methode
Im Jahr 2019 wurde im Projekt ATC-ICD New Models eine neue Methode zur Prävalenzschätzung entwickelt. Unter Anwendung von Methoden des maschinellen Lernens, genauer des Natural Language Processings, werden zum Erlernen des Modells die abgerechneten Medikamente und Diagnosen jeder Person, für die diese Daten vorliegen, in chronologischer Reihenfolge (sogenannte “Patient Histories”), zusammen mit Alter und Geschlecht, verwendet. Die Ergebnisse dieses Modells werden für ausgewählte ICD-Gruppen mit bekannten Referenzzahlen verglichen.