{"id":62265,"date":"2021-11-12T16:14:08","date_gmt":"2021-11-12T16:14:08","guid":{"rendered":"https:\/\/dataladder.com\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/"},"modified":"2022-04-13T09:14:06","modified_gmt":"2022-04-13T09:14:06","slug":"verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung","status":"publish","type":"post","link":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/","title":{"rendered":"Verwendung der Datensatzverkn\u00fcpfung zur Behebung von Fehlern bei der Patientenzuordnung"},"content":{"rendered":"<blockquote>\n<h5>&#8222;Die landesweite Reaktion auf die Pandemie, einschlie\u00dflich der Einf\u00fchrung der Impfprogramme, hat deutlich gemacht, welche Auswirkungen es hat, wenn es keine landesweite Strategie gibt, um Patienten mit ihren Daten in Verbindung zu bringen.<\/h5>\n<h5><cite>&#8211; AHIMA CEO Wylecia <a href=\"https:\/\/www.healthcareitnews.com\/news\/patient-id-now-coalition-releases-national-strategic-framework-identity-matching\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Wiggs Harris<\/a> <\/cite><\/h5>\n<\/blockquote>\n<p>F\u00fcr Gesundheitsdienstleister k\u00f6nnen saubere und zuverl\u00e4ssige Daten den Unterschied zwischen einer erfolgreichen Patientendiagnose und dem Tod aufgrund einer falschen Medikamentenverschreibung und -behandlung ausmachen. Dennoch ist eine der Hauptursachen f\u00fcr medizinische Fehler, die in den USA jedes Jahr zu mehr als 250 000 Todesf\u00e4llen f\u00fchren, der <a href=\"https:\/\/journals.lww.com\/ajnonline\/fulltext\/2005\/03001\/medication_errors__why_they_happen,_and_how_they.5.aspx\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">unzureichende Zugang zu Patienteninformationen<\/a>.<\/p>\n<p>Das Fehlen eines angemessenen Einblicks in den Gesundheitszustand der Patienten, ihre Krankengeschichte, Testergebnisse usw. bringt alarmierende Probleme der Datenqualit\u00e4t im Gesundheitswesen zutage, von denen einige zu nennen sind:<\/p>\n<ul>\n<li>Fast 18 % der Patienten-EHRs im Jahr 2019 wurden als <a href=\"https:\/\/ehrintelligence.com\/news\/health-it-solution-providers-collaborate-to-improve-patient-matching\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Duplikate<\/a>identifiziert<\/li>\n<li>38 % der Gesundheitsdienstleister in den USA erlebten ein unerw\u00fcnschtes Ereignis aufgrund eines Problems bei der <a href=\"https:\/\/www.prnewswire.com\/news-releases\/new-survey-from-ehi-and-nextgate-addresses-the-state-of-patient-matching-in-the-us-301003424.html\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Patientenabstimmung<\/a><\/li>\n<li>Doppelte Datens\u00e4tze kosten das durchschnittliche Krankenhaus etwa <a href=\"https:\/\/www.newswire.com\/news\/improving-provider-interoperability-congruently-increasing-patient-20426295\" target=\"_blank\" rel=\"noreferrer noopener\"> 1,5 Millionen Dollar<\/a>.<\/li>\n<\/ul>\n<p>Eine Software zur Verkn\u00fcpfung medizinischer Daten kann eine entscheidende Rolle bei der genauen Verkn\u00fcpfung unzusammenh\u00e4ngender Datenquellen spielen und ungekl\u00e4rte Patientenidentit\u00e4ten aufgrund fehlender eindeutiger Identifikatoren und doppelter Datens\u00e4tze vermeiden.<\/p>\n<p>Gehen wir der Frage nach, wie dies der Fall sein kann.<\/p>\n<p style=\"font-size: 30px;\"><strong>Herausforderungen bei der Zusammenf\u00fchrung von Patienten <\/strong><\/p>\n<p><img src=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/11\/pexels-photo-3985166-300x200.jpeg\" alt=\"Patient Matching Challenges\" width=\"401\" height=\"267\" \/><\/p>\n<p>Laut <a href=\"https:\/\/www.healthit.gov\/topic\/patient-identity-and-patient-record-matching\" target=\"_blank\" rel=\"noreferrer noopener\">HealthIT<\/a> ist die \u00dcbereinstimmung von Patienten definiert als:<\/p>\n<p><em>Die Identifizierung und Verkn\u00fcpfung der Daten eines Patienten innerhalb und zwischen den Gesundheitssystemen, um einen umfassenden \u00dcberblick \u00fcber die Gesundheitsakte dieses Patienten zu erhalten.<\/em><\/p>\n<p>Der Patientenabgleich wird in der Regel durch die Verkn\u00fcpfung mehrerer Patientendatenfelder wie Name, Telefonnummer, Adresse und Geburtsdatum erreicht. Die nahtlose Verkn\u00fcpfung medizinischer Daten kann jedoch durch verschiedene Probleme eingeschr\u00e4nkt werden, z. B:<\/p>\n<ul>\n<li><strong>Fehler im Master-Patienten-Index:<\/strong> Unter Verwendung von Identifikatoren wie Patientenname und Geburtsdatum wird f\u00fcr jeden Patienten ein Master-Patienten-Index (MPI) erstellt, um alle medizinischen Daten in verschiedenen administrativen und klinischen Systemen zu speichern und zu verkn\u00fcpfen. Wenn jedoch die Daten eines Patienten nicht in einem bestimmten MPI gefunden werden k\u00f6nnen, wird eine neue medizinische Identit\u00e4tsnummer erstellt. Infolgedessen erh\u00f6ht sich das Risiko doppelter Datens\u00e4tze und Datensilos, was die Verkn\u00fcpfung von L\u00e4ngsschnitt-Patientendaten erschwert.<\/li>\n<\/ul>\n<ul>\n<li><strong>Doppelte Datens\u00e4tze: <\/strong>Wiederholte Datens\u00e4tze und Informationen entstehen durch verschiedene Formatierungs- und Rechtschreibfehler. Ein von der <a href=\"http:\/\/perspectives.ahima.org\/why-patient-matching-is-a-challenge-research-on-master-patient-index-mpi-data-discrepancies-in-key-identifying-fields\/#.Vw5d3DArKUl\" target=\"_blank\" rel=\"noreferrer noopener\">AHIMA-Stiftung<\/a> ver\u00f6ffentlichtes Journal, in dem fast 400.000 Patientendatens\u00e4tze analysiert wurden, ergab, dass zwei der h\u00e4ufigsten Felddiskrepanzen bei der Erstellung einer einzelnen Patientenansicht der mittlere Name (\u00fcber 58 %) und die Sozialversicherungsnummer (etwa 54 %) waren. Die Forscher stellten ferner fest, dass diese Unstimmigkeiten auf Rechtschreibfehler (fast 53 %) und Namensumkehrungen (fast 34 %) zur\u00fcckzuf\u00fchren waren.<\/li>\n<\/ul>\n<ul>\n<li><strong>Begrenzte Interoperabilit\u00e4t: <\/strong>Interoperabilit\u00e4t ist definiert als die Leichtigkeit des Datenaustauschs zwischen verschiedenen Datenger\u00e4ten und -systemen. Allerdings k\u00f6nnen uneinheitliche Datenstandards und -formate, die auf eine fehlende Standardisierung zur\u00fcckzuf\u00fchren sind, die Interoperabilit\u00e4t beeintr\u00e4chtigen. Das Fehlen eindeutiger Identifikatoren bedeutet, dass demografische Daten der Patienten als sekund\u00e4re Grundlage f\u00fcr Abgleichskriterien herangezogen werden m\u00fcssen, aber aufgrund der Variabilit\u00e4t der Adressstandards und -formate ist der Patientenabgleich oft ineffizient. Eine <a href=\"https:\/\/academic.oup.com\/jamia\/article\/26\/5\/447\/5372371?login=true\" target=\"_blank\" rel=\"noreferrer noopener\">Studie<\/a> der American Medical Informatics Association aus dem Jahr 2019 hat ergeben, dass die Standardisierung von Adresse und Nachname die Sensitivit\u00e4t des Patientenabgleichs bei HIE-Datens\u00e4tzen (Health Information Exchange) von 81,3 % auf 91,6 % verbessert hat.<\/li>\n<\/ul>\n<p style=\"font-size: 30px;\"><strong>Bedeutung von Record Linkage Software f\u00fcr das Gesundheitswesen <\/strong><\/p>\n<p>Bei der<a href=\"https:\/\/dataladder.com\/de\/eine-kurzanleitung-fuer-software-zur-datensatzverknuepfung\/\" target=\"_blank\" rel=\"noreferrer noopener\">Datensatzverkn\u00fcpfung<\/a> werden Datens\u00e4tze aus zwei oder mehr unterschiedlichen Quellen miteinander verkn\u00fcpft und verglichen, um festzustellen, ob sie sich auf dieselbe Person beziehen oder nicht. Dazu geh\u00f6rt nicht nur die Identifizierung scheinbar unterschiedlicher Datens\u00e4tze, bei denen es sich um Duplikate handeln k\u00f6nnte, sondern auch die Identifizierung ansonsten \u00e4hnlicher Datens\u00e4tze, bei denen es sich um v\u00f6llig unterschiedliche Einheiten handelt.<\/p>\n<p>In der <a href=\"https:\/\/dataladder.com\/de\/branchen\/datenqualitaetsstandards-im-gesundheitswesen-data-ladder\/\" target=\"_blank\" rel=\"noreferrer noopener\">Gesundheitsbranche<\/a> ist die Verkn\u00fcpfung von Krankenakten von entscheidender Bedeutung f\u00fcr die L\u00f6sung von Problemen im Zusammenhang mit dem Patientenabgleich zwischen verschiedenen EHR- und Anspruchsdatenbanken und Patientenregistern unter Verwendung eindeutiger Identifikatoren. Dadurch k\u00f6nnen Gesundheitsdienstleister von den folgenden Vorteilen profitieren:<\/p>\n<ul>\n<li><strong>Bessere Diagnosen und Behandlungen:<\/strong> Durch die genaue Zuordnung von Patienten kann sichergestellt werden, dass das medizinische Personal ausreichend Zugang zur Krankengeschichte eines Patienten hat, einschlie\u00dflich fr\u00fcherer Behandlungen und eingenommener Medikamente, um Behandlungen zu diagnostizieren und Medikamente zu verschreiben.<\/li>\n<li><strong>Verbesserte Interoperabilit\u00e4t<\/strong>: Einheitliche Datenstandards und -formate sowie eine einzige eindeutige Kennung k\u00f6nnen zu einer h\u00f6heren Interoperabilit\u00e4t und einem besseren Datenaustausch zwischen den wichtigsten Beteiligten f\u00fchren.<\/li>\n<li><strong>K\u00fcrzere Wartezeiten f\u00fcr Patienten:<\/strong> Durch automatisierte <a href=\"https:\/\/dataladder.com\/de\/datenbereinigungssoftware-schnelles-und-kostenguenstiges-crm-datenbereinigungstool\/\">Datenbereinigung<\/a>, <a href=\"https:\/\/dataladder.com\/de\/datenabgleichssoftware-als-best-in-class-mit-96-match-genauigkeit-bewertet\/\">-abgleich<\/a> und <a href=\"https:\/\/dataladder.com\/de\/datendeduplizierungssoftware-verwenden-sie-integrierte-und-benutzerdefinierte-regeln-fuer-die-crm-deduplizierung\/\">-deduplizierung<\/a> k\u00f6nnen erhebliche Verz\u00f6gerungen bei der Kl\u00e4rung von Patientenidentit\u00e4ten minimiert und die Zeit bis zur Behandlung kritischer Patienten verk\u00fcrzt werden.<\/li>\n<li><strong>Kosteneinsparungen: <\/strong>Das Fehlen doppelter medizinischer Aufzeichnungen und Unstimmigkeiten kann dazu beitragen, unn\u00f6tige Ausgaben f\u00fcr Behandlungsger\u00e4te und medizinisches Personal zu vermeiden.<\/li>\n<\/ul>\n<p>So wichtig die Verkn\u00fcpfung von Datens\u00e4tzen f\u00fcr das Gesundheitswesen auch ist, nur wenige Gesundheitsdienstleister haben es geschafft, die Herausforderungen des Patientenabgleichs zu bew\u00e4ltigen. Das liegt vor allem daran, dass man sich auf alte L\u00f6sungen verl\u00e4sst, bei denen gro\u00dfe Datens\u00e4tze manuell konsolidiert werden, Skripte zur Erkennung und Behebung von Datenfehlern ausgef\u00fchrt werden und eine eindeutige Kennung erstellt wird, die konsistent auf Millionen von Datens\u00e4tzen angewendet werden kann.<\/p>\n<p>Durch den Einsatz einer speziellen <a href=\"https:\/\/dataladder.com\/de\/software-zur-datensatzverknuepfung\/\">Software zur Verkn\u00fcpfung von Datens\u00e4tzen<\/a> k\u00f6nnen Gesundheitsdienstleister hingegen von der Skalierbarkeit der Datenkonsolidierung und der Abgleichprozesse sowie von der Automatisierung profitieren, um die Zeit bis zur Behandlung zu verk\u00fcrzen und Wartezeiten zu verringern.<\/p>\n<p style=\"font-size: 30px;\"><strong>Datensatzverkn\u00fcpfung mit DataMatch Enterprise <\/strong><\/p>\n<p><a href=\"https:\/\/dataladder.com\/de\/produkte\/datamatch-enterprise-bewertetes-datenqualitaetsmanagementprodukt-nr-1\/\" target=\"_blank\" rel=\"noreferrer noopener\">DataMatch Enterprise<\/a> ist die Softwarel\u00f6sung von Data Ladder f\u00fcr die Verkn\u00fcpfung von Datens\u00e4tzen, die eine genaue Verkn\u00fcpfung von unterschiedlichen Datenquellen erm\u00f6glicht und verschiedene Datenqualit\u00e4tsprozesse durchf\u00fchrt, um saubere und zuverl\u00e4ssige Daten zu erhalten. Im Gegensatz zu manuellen Prozessen oder spezialisierten Tools bietet DataMatch Enterprise eine All-in-One-Datenqualit\u00e4ts- und Matching-Engine, die in der Lage ist, eine Vielzahl von Datenqualit\u00e4tsproblemen zu l\u00f6sen, von Rechtschreibfehlern und unterschiedlichen Formaten bis hin zu abgeglichenen Entit\u00e4ten und Duplikaten.<\/p>\n<p style=\"font-size: 24px;\">Methoden der Datensatzverkn\u00fcpfung zur Verbesserung der Datenqualit\u00e4t im Gesundheitswesen<\/p>\n<ul>\n<li><strong>Datenimport aus unterschiedlichen Quellen: <\/strong>DataMatch Enterprise ist in der Lage, medizinische Datens\u00e4tze in verschiedene Arten von Datenbanken und Quellen wie SQL Server, MySQL, PostgreSQL, MongoDB, JSON und auch propriet\u00e4re Datenbanken \u00fcber ODBC und Rest APIs zu importieren. Mit diesen nativen Integrationen kann DataMatch Enterprise Datens\u00e4tze mit Millionen von Datens\u00e4tzen verkn\u00fcpfen.<\/li>\n<li><strong>Standardisierung von Namen und Adressen: <\/strong>Nach dem Import unterschiedlicher Datenquellen verf\u00fcgt DataMatch Enterprise \u00fcber eine F\u00fclle von Optionen zur Datenstandardisierung und -bereinigung, darunter das Entfernen f\u00fchrender und nachfolgender Leerzeichen, das Korrigieren von Gro\u00df- und Kleinschreibung, das Ersetzen von Nullen durch O&#8217;s und umgekehrt und vieles mehr. F\u00fcr die <a href=\"https:\/\/dataladder.com\/de\/eine-kurzanleitung-zur-adressstandardisierung-und-ueberpruefung\/\" target=\"_blank\" rel=\"noreferrer noopener\">Standardisierung von Adressen<\/a> verf\u00fcgt DataMatch Enterprise \u00fcber eine integrierte USPS-Datenbank, die als Referenzdatensatz verwendet werden kann, mit dem fehlende Ortsangaben wie Wohnungsnummer, Stra\u00dfenname und Postleitzahl gem\u00e4\u00df den USPS-Richtlinien erg\u00e4nzt und standardisiert werden k\u00f6nnen.<\/li>\n<li><strong>Erstellen Sie eindeutige Identifikatoren: <\/strong>Da es m\u00f6glich ist, dass Patienten unter verschiedenen medizinischen Identit\u00e4tsnummern erfasst werden, k\u00f6nnen Sie mit DataMatch Enterprise Abgleichsdefinitionen und -kriterien erstellen, die auf propriet\u00e4ren <a href=\"https:\/\/dataladder.com\/de\/fuzzy-matching-101-bereinigung-und-verknuepfung-ungeordneter-daten\/\" target=\"_blank\" rel=\"noreferrer noopener\">Fuzzy-Matching-Algorithmen<\/a> basieren, um nicht exakte Datens\u00e4tze mit minimalen Fehlalarmen abzugleichen. Das Ergebnis sind pr\u00e4zisere \u00dcbereinstimmungen, die durch \u00c4nderung der Abgleichsempfindlichkeit leicht manipuliert werden k\u00f6nnen.<\/li>\n<\/ul>\n<p style=\"font-size: 30px;\"><strong>Schlussfolgerung <\/strong><\/p>\n<p>Gesundheitsdienstleister stehen vor der gro\u00dfen Herausforderung, medizinische Datensilos in unterschiedlichen Systemen genau zu verkn\u00fcpfen, um Diagnosen und Behandlungen f\u00fcr Patienten effektiv zu verwalten. Aufgrund manueller und veralteter Datenqualit\u00e4ts- und -abgleichsprozesse werden Patientendaten fragmentiert und nicht richtig abgeglichen, was die Interoperabilit\u00e4t im Gesundheitswesen einschr\u00e4nkt.<\/p>\n<p>Mit einer Software zur Datensatzverkn\u00fcpfung wie DataMatch Enterprise k\u00f6nnen jedoch Datenanomalien wie unterschiedliche und unvollst\u00e4ndige Patientenadressen, mittlere Namensdaten und andere Fehler leicht identifiziert, bereinigt und standardisiert werden, um die Abgleichgenauigkeit zu erh\u00f6hen.<\/p>\n<p><em>F\u00fcr weitere Informationen nehmen Sie bitte <\/em><a href=\"https:\/\/dataladder.com\/de\/kontaktieren-sie-uns-datenleiter\/\" target=\"_blank\" rel=\"noreferrer noopener\"><br \/>\n<em>kontaktieren Sie uns<\/em><br \/>\n<\/a><em> mit uns in Verbindung, um zu erfahren, wie DataMatch Enterprise f\u00fcr den Patientenabgleich eingesetzt werden kann, oder <\/em><a href=\"https:\/\/dataladder.com\/de\/kostenlose-testversion-datenabgleichssoftware\/\" target=\"_blank\" rel=\"noreferrer noopener\"><br \/>\n<em>laden Sie unseren kostenlosen Produkttest herunter<\/em><br \/>\n<\/a><em> um sofort loszulegen.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>&#8222;Die landesweite Reaktion auf die Pandemie, einschlie\u00dflich der Einf\u00fchrung der Impfprogramme, hat deutlich gemacht, welche Auswirkungen es hat, wenn es keine landesweite Strategie gibt, um Patienten mit ihren Daten in Verbindung zu bringen. &#8211; AHIMA CEO Wylecia Wiggs Harris F\u00fcr Gesundheitsdienstleister k\u00f6nnen saubere und zuverl\u00e4ssige Daten den Unterschied zwischen einer erfolgreichen Patientendiagnose und dem Tod [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":60389,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1348],"tags":[],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Software f\u00fcr die Verkn\u00fcpfung von Datens\u00e4tzen bei Fehlern in der Patientenzuordnung<\/title>\n<meta name=\"description\" content=\"Erfahren Sie, wie eine Software zur Datensatzverkn\u00fcpfung verwendet werden kann, um unterschiedliche EHR-Datenbanken zu bereinigen, zu standardisieren und mit eindeutigen Identifikatoren abzugleichen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Software f\u00fcr die Verkn\u00fcpfung von Datens\u00e4tzen bei Fehlern in der Patientenzuordnung\" \/>\n<meta property=\"og:description\" content=\"Erfahren Sie, wie eine Software zur Datensatzverkn\u00fcpfung verwendet werden kann, um unterschiedliche EHR-Datenbanken zu bereinigen, zu standardisieren und mit eindeutigen Identifikatoren abzugleichen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/\" \/>\n<meta property=\"og:site_name\" content=\"Data Ladder\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/web.facebook.com\/DataLadderSoftware\" \/>\n<meta property=\"article:published_time\" content=\"2021-11-12T16:14:08+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-04-13T09:14:06+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/11\/pexels-photo-7578815.jpeg\" \/>\n\t<meta property=\"og:image:width\" content=\"1000\" \/>\n\t<meta property=\"og:image:height\" content=\"1500\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"lbarrera\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"lbarrera\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Verwendung der Datensatzverkn\u00fcpfung zur Behebung von Fehlern bei der Patientenzuordnung\",\"datePublished\":\"2021-11-12T16:14:08+00:00\",\"dateModified\":\"2022-04-13T09:14:06+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/\"},\"wordCount\":1335,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/de\/#organization\"},\"articleSection\":[\"Branchen\"],\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/\",\"url\":\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/\",\"name\":\"Software f\u00fcr die Verkn\u00fcpfung von Datens\u00e4tzen bei Fehlern in der Patientenzuordnung\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/de\/#website\"},\"datePublished\":\"2021-11-12T16:14:08+00:00\",\"dateModified\":\"2022-04-13T09:14:06+00:00\",\"description\":\"Erfahren Sie, wie eine Software zur Datensatzverkn\u00fcpfung verwendet werden kann, um unterschiedliche EHR-Datenbanken zu bereinigen, zu standardisieren und mit eindeutigen Identifikatoren abzugleichen.\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Verwendung der Datensatzverkn\u00fcpfung zur Behebung von Fehlern bei der Patientenzuordnung\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/dataladder.com\/de\/#website\",\"url\":\"https:\/\/dataladder.com\/de\/\",\"name\":\"Data Ladder\",\"description\":\"Enterprise Data Profiling, Cleansing, and Matching\",\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/dataladder.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/dataladder.com\/de\/#organization\",\"name\":\"Data Ladder\",\"url\":\"https:\/\/dataladder.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"contentUrl\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"width\":413,\"height\":408,\"caption\":\"Data Ladder\"},\"image\":{\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/dataladder-llc\/\",\"https:\/\/web.facebook.com\/DataLadderSoftware\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\",\"name\":\"lbarrera\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/dataladder.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"caption\":\"lbarrera\"},\"url\":\"https:\/\/dataladder.com\/de\/author\/lbarrera\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Software f\u00fcr die Verkn\u00fcpfung von Datens\u00e4tzen bei Fehlern in der Patientenzuordnung","description":"Erfahren Sie, wie eine Software zur Datensatzverkn\u00fcpfung verwendet werden kann, um unterschiedliche EHR-Datenbanken zu bereinigen, zu standardisieren und mit eindeutigen Identifikatoren abzugleichen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/","og_locale":"de_DE","og_type":"article","og_title":"Software f\u00fcr die Verkn\u00fcpfung von Datens\u00e4tzen bei Fehlern in der Patientenzuordnung","og_description":"Erfahren Sie, wie eine Software zur Datensatzverkn\u00fcpfung verwendet werden kann, um unterschiedliche EHR-Datenbanken zu bereinigen, zu standardisieren und mit eindeutigen Identifikatoren abzugleichen.","og_url":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2021-11-12T16:14:08+00:00","article_modified_time":"2022-04-13T09:14:06+00:00","og_image":[{"width":1000,"height":1500,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/11\/pexels-photo-7578815.jpeg","type":"image\/jpeg"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"lbarrera","Gesch\u00e4tzte Lesezeit":"6 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Verwendung der Datensatzverkn\u00fcpfung zur Behebung von Fehlern bei der Patientenzuordnung","datePublished":"2021-11-12T16:14:08+00:00","dateModified":"2022-04-13T09:14:06+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/"},"wordCount":1335,"commentCount":0,"publisher":{"@id":"https:\/\/dataladder.com\/de\/#organization"},"articleSection":["Branchen"],"inLanguage":"de-DE","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/","url":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/","name":"Software f\u00fcr die Verkn\u00fcpfung von Datens\u00e4tzen bei Fehlern in der Patientenzuordnung","isPartOf":{"@id":"https:\/\/dataladder.com\/de\/#website"},"datePublished":"2021-11-12T16:14:08+00:00","dateModified":"2022-04-13T09:14:06+00:00","description":"Erfahren Sie, wie eine Software zur Datensatzverkn\u00fcpfung verwendet werden kann, um unterschiedliche EHR-Datenbanken zu bereinigen, zu standardisieren und mit eindeutigen Identifikatoren abzugleichen.","breadcrumb":{"@id":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/de\/verwendung-der-datensatzverknuepfung-zur-behebung-von-fehlern-bei-der-patientenzuordnung\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/de\/"},{"@type":"ListItem","position":2,"name":"Verwendung der Datensatzverkn\u00fcpfung zur Behebung von Fehlern bei der Patientenzuordnung"}]},{"@type":"WebSite","@id":"https:\/\/dataladder.com\/de\/#website","url":"https:\/\/dataladder.com\/de\/","name":"Data Ladder","description":"Enterprise Data Profiling, Cleansing, and Matching","publisher":{"@id":"https:\/\/dataladder.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dataladder.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Organization","@id":"https:\/\/dataladder.com\/de\/#organization","name":"Data Ladder","url":"https:\/\/dataladder.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","contentUrl":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","width":413,"height":408,"caption":"Data Ladder"},"image":{"@id":"https:\/\/dataladder.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/dataladder-llc\/","https:\/\/web.facebook.com\/DataLadderSoftware"]},{"@type":"Person","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b","name":"lbarrera","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/dataladder.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","caption":"lbarrera"},"url":"https:\/\/dataladder.com\/de\/author\/lbarrera\/"}]}},"modified_by":null,"_links":{"self":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/62265"}],"collection":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/comments?post=62265"}],"version-history":[{"count":4,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/62265\/revisions"}],"predecessor-version":[{"id":66846,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/posts\/62265\/revisions\/66846"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/media\/60389"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/media?parent=62265"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/categories?post=62265"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/de\/wp-json\/wp\/v2\/tags?post=62265"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}