Nutzung von Routinedaten in der Rehabilitationsforschung – Teil 1: Ein Überblick über Art, Zugang, Qualität und Datenschutz

Zusammenfassung

Aufgrund des hohen Aufwands von Primärstudien bietet sich die Nutzung von bestehenden Daten, sogenannten Routinedaten, für die Beantwortung insbesondere von versorgungsnahen Forschungsfragen in der Rehabilitation an. Bisherige Übersichtsarbeiten zur Routinedatennutzung fokussieren auf die Akutversorgung im Zuständigkeitsbereich der Gesetzlichen Krankenversicherung (GKV), lassen jedoch die Rehabilitation und andere Reha-relevante Leistungsträger wie die Deutsche Rentenversicherung (DRV), die Deutsche Gesetzliche Unfallversicherung (DGUV) und die Bundesagentur für Arbeit (BA) weitgehend außen vor. Ziel dieses Beitrags ist daher, einen Überblick über Art, Zugang, Qualität und datenschutzrechtliche Aspekte zu Routinedaten im Kontext der Rehabilitationsforschung zu geben. Bestehende Empfehlungen, Ergebnisse einer selektiven Literaturrecherche und eigene Erfahrungen wurden herangezogen. Routinedaten zeichnen sich durch die sehr hohe Fallzahl, den oft großen Merkmalsumfang und die längsschnittliche Dokumentation über lange Zeiträume aus. Der Zugang zu Routinedaten der Deutschen Rentenversicherung und der Bundesagentur für Arbeit ist für Forschende vergleichsweise niedrigschwellig, während dies für Routinedaten anderer Leistungsträger und von Leistungserbringern bislang nicht gleichermaßen der Fall ist. Weiterhin können unter bestimmten Voraussetzungen Routinedatensätze untereinander und mit Primärdaten verknüpft werden, was die Anwendungsmöglichkeiten deutlich erweitern kann. Neben den Vorteilen von Routinedaten sind deren Limitationen zu beachten. Routinedaten wurden für andere Zwecke erhoben und enthalten meist nur Merkmale, die für die Administration erforderlich sind. Ein prospektiver Studienansatz mit Routinedaten ist aufgrund der kontinuierlichen Datenerhebung und -dokumentation grundsätzlich möglich, jedoch ist keine randomisierte Zuweisung zu Interventionen umsetzbar. Zudem sind Generalisierbarkeit und Qualität einschließlich psychometrischer Eigenschaften von Datensätzen und einzelner Variablen zu prüfen, ebenso die Verfügbarkeit von Routinedatensätzen. Das im Aufbau befindliche Forschungsdatenzentrum Gesundheit sieht bislang weder eine Integration von GKV-Rehabilitationsdaten noch die Verknüpfung von GKV-Daten mit Daten anderer Reha-relevanter Leistungsträger vor. Datenschutzrechtliche Aspekte sind ebenfalls bedeutsam. Bei Nutzung von pseudonymisierten Daten von Sozialversicherungsträgern ist durch die Datenhalter ein Antrag nach § 75 SGB X bei den zuständigen Aufsichtsbehörden zu stellen.

 

MissingLinkText

Abstract

Due to the high costs of primary studies, use of existing data, so-called routine data, can be particularly suitable for answering care-related research questions in rehabilitation. Previous reviews on the use of routine data have focused on acute care within the purview of the statutory health insurance (GKV), but have largely overlooked rehabilitation and other rehabilitation-relevant service providers such as the German Pension Insurance (DRV), the German Statutory Accident Insurance (DGUV) and the Federal Employment Agency (BA). The aim is to provide an overview of the type, access, quality and data protection aspects of routine data in the context of rehabilitation research, based on existing recommendations, results of a selective literature search, and the authors’ own experience. Routine data is characterized by a large number of cases, large scope of characteristics and longitudinal documentation over long periods of time. Access to routine data from the German Pension Insurance and the Federal Employment Agency is comparatively low threshold for researchers, whereas this is not yet equally the case for data of other social insurance providers and of rehabilitation clinics. Furthermore, under certain conditions, routine data can be linked with other routine data and with primary data, which can considerably expand the spectrum of possible research applications. In addition to the advantages of routine data, their limitations must also be considered. Routine data were collected for other purposes and only contain characteristics that are required for administration. A prospective study approach with routine data is possible in principle due to the continuous data collection and documentation, but randomized allocation to interventions is not feasible. In addition, the availability, generalizability and quality of data sets and individual variables must be verified. The Health Data Lab at the Federal Institute for Drugs and Medical Devices does not yet provide for the integration of GKV rehabilitation data or the linking of GKV data with data from other rehabilitation-relevant service providers. Data protection aspects must also be considered. When using pseudonymized data from social insurance providers, an application must be submitted by the data holder to the relevant supervisory authorities in accordance with § 75 Social Security Code X.

 

MissingLinkText

Schlüsselwörter

Sekundärdaten - Versorgungsforschung - Sozialdaten - Leistungsträger - Sozialversicherung - Routinedaten

Keywords

secondary data - health services research - social data - services providers - social security - routine data

Einleitung

Das Erheben von Forschungsdaten z. B. mithilfe von Fragebögen ist sowohl zeit- als auch kostenaufwändig. Daher sollten Forschende bei der Planung des methodischen Vorgehens ihrer Studien prüfen, ob ihre Forschungsfragen mithilfe bereits vorliegender Daten beantwortet werden können. Dazu ist es erforderlich, dass Forschende wissen, welche Daten verfügbar sind, wie sie deren Qualität beurteilen und wie sie diese für ihr Forschungsprojekt nutzen können [1].

In der Rehabilitationsforschung bieten sich unterschiedliche Datenquellen für eine solche Zweitnutzung an. Dies sind insbesondere Daten von Leistungsträgern der medizinischen und beruflichen Rehabilitation (Leistungen zur Teilhabe am Arbeitsleben (LTA)). Leistungsträger sind Körperschaften, Anstalten und Behörden, die für Sozialleistungen zuständig sind (§12 SGB I). Dazu gehören nach § 6 Abs. 1 SGB IX u. a. die Träger der Deutschen Rentenversicherung (DRV), der Gesetzlichen Krankenversicherung (GKV) und der Deutschen Gesetzlichen Unfallversicherung (DGUV) sowie die Bundesagentur für Arbeit (BA). Die Leistungsträger erfassen Daten von ihren Versicherten und leistungsberechtigten Personen (im Folgenden Versicherte) nach standardisierten Regeln für administrative Zwecke. Vergleichbares gilt für Leistungserbringer (z. B. Rehabilitationseinrichtungen). Weitere Quellen für Sekundärnutzungen können Daten aus bereits durchgeführten Forschungsprojekten sein, die jedoch nicht Gegenstand dieses Beitrags sind.

In der Vergangenheit lag der Fokus vor allem auf Daten der GKV, für welche meist der Begriff „Sekundärdaten“ verwendet worden ist. Für die wissenschaftliche Verarbeitung und Nutzung von Sekundärdaten liegen Handlungsleitfäden und Empfehlungen vor. Dazu zählen „Gute Praxis Sekundärdatenanalysen“ und „Standardisierte Berichtsroutine für Sekundärdaten (STROSA)“ [2] [3]. Jedoch fehlt es bislang an einer Übersicht, welche die Besonderheiten der Rehabilitationsforschung berücksichtigt. In diesem Bereich hat sich vor allem der Begriff „Routinedaten“ für die Beschreibung von bereits vorhandenen Daten etabliert [4]. Im Folgenden wird daher dieser Begriff verwendet. Verwandte Begrifflichkeiten werden im Zusatzmaterial vorgestellt.

Vor der Analyse von Routinedaten müssen sich die Forschenden darüber bewusst werden, welche Personengruppen in den Datensätzen von Leistungsträgern repräsentiert und welche Merkmale in den Routinedaten enthalten sind. Die Repräsentation in den Datensätzen wird durch die Zuständigkeit der einzelnen Leistungsträger bedingt. Grob vereinfacht kann konstatiert werden, dass die Träger der DRV und DGUV insbesondere für die Rehabilitation bei Personen im erwerbsfähigen Alter zuständig sind, für den Bereich der LTA kommt die BA hinzu. Für die medizinische Rehabilitation nicht erwerbstätiger Personen ist überwiegend die GKV zuständig [4]. Detailliertere Informationen finden sich im Folgenden bei den einzelnen Leistungsträgern.

Ziel des vorliegenden ersten Teils einer Artikelserie zu Routinedaten ist es, einen Überblick über Art, Zugang, Qualität und datenschutzrechtliche Aspekte von Routinedaten zur Nutzung für die Rehabilitationsforschung darzulegen. Die Darstellung beruht auf bestehenden Leitlinien und Empfehlungen zu Routinedaten, Ergebnissen einer selektiven Literaturrecherche zur Nutzung von Routinedaten mit Fokus auf Rehabilitation und eigenen Erfahrungen der Autor:innen. Aus Platzgründen kann die im Grundsatz mögliche Verknüpfung von Routinedaten mit Primärdaten in diesem Beitrag nicht dargestellt werden [5] [6]. Gleiches gilt für die breite Darstellung möglicher Anwendungsfelder von Routinedatenanalysen in der Rehabilitationsforschung [7] [8] [9] [10]. Diese Aspekte werden in einem weiteren Artikel behandelt werden.

 

MissingLinkText

Art und Zugang zu Routinedaten

Im Folgenden wird zunächst ein Überblick über Routinedaten der Leistungsträger in der medizinischen und beruflichen Rehabilitation gegeben. Dies sind Daten, die routinemäßig von den Leistungsträgern nach standardisierten Regeln zum Zwecke der Verwaltung solcher Leistungen dokumentiert werden.

Routinedaten der Deutschen Rentenversicherung

Als größter Reha-Leistungsträger und aufgrund der vergleichsweise guten Datenzugänglichkeit sowie bestehender Forschungsförderungsmöglichkeiten spielt bislang die DRV die größte Rolle in der rehabilitationswissenschaftlichen Forschung. Die DRV ist der zuständige Leistungsträger für Leistungen zur medizinischen Rehabilitation der meisten Personen im erwerbsfähigen Alter und für LTA (für Personen mit mindestens 15 Versicherungsjahren in Beschäftigung). Unterrepräsentiert sind u. a. Beamt:innen, Selbständige, Berufsgruppen mit berufsständischen Versorgungswerken und Menschen ohne sozialversicherungspflichtige Erwerbstätigkeit. Daneben können Einschränkungen durch weitere versicherungsrechtliche Voraussetzungen wie z. B. Wartezeiten bestehen [4]. Viele der Reha-relevanten Daten der DRV sind in der sogenannten Reha-Statistik-Datenbasis (RSD) zusammengefasst, welche trägerübergreifend für alle 16 eigenständigen Träger einheitlich geführt wird. Der RSD liegen unterschiedliche Datenquellen innerhalb der DRV zugrunde, u. a. Versichertenkonto, Reha-Anträge, ärztliche Befundberichte und Entlassungsberichte. Sofern auf Basis der Daten Rechtsansprüche auf Renten- bzw. Rehabilitationsleistungen begründet werden, ist von einer hohen Datengüte auszugehen.

Für Forschende bestehen mehrere Möglichkeiten, Daten der DRV basierend auf der RSD oder auf anderen Datensätzen zu nutzen: Hierzu gehören erstens Scientific Use Files (SUF), welche vom Forschungsdatenzentrum der Rentenversicherung (FDZ-RV) zur Verfügung gestellt werden. Zweitens eröffnet das FDZ-RV die Möglichkeit, im Rahmen von Gastforschenden-Aufenthalten vor Ort an erweiterten Datensätzen zu arbeiten. Drittens können unter bestimmten Voraussetzungen individuell für Forschende zusammengestellte DRV-Datensätze zur Verfügung gestellt werden [4] [11]. Diese Möglichkeiten werden im Folgenden näher beschrieben.

1. Der Zugang zu den SUF des FDZ-RV ist niedrigschwellig und folgt einem strukturierten Antragsverfahren. Allen SUF ist gemein, dass sie auf Antrag Forschenden nach Unterzeichnung eines Nutzungsvertrages kostenfrei per Download zur Verfügung gestellt werden. Diese Datensätze dürfen ausschließlich für den angegebenen Nutzungszweck und über die vereinbarte Nutzungsdauer verwendet werden. Eine Verlängerung der Nutzungsdauer und eine Erweiterung des Nutzungszweckes sind möglich. In Publikationen sind die SUF entsprechend den Vorgaben zu zitieren. Ein Vorteil bei der Nutzung der SUF des FDZ-RV ist, dass datenschutzrechtliche Aspekte (z. B. die Gefahr einer Re-Identifizierung von einzelnen Versicherten) bereits zentral vorab geprüft wurden und daher die SUF ohne zusätzliche datenschutzrechtliche Prüfung im Rahmen des Nutzungsvertrages genutzt werden können. Die Codepläne der bereitgestellten SUF mit den enthaltenen Variablen sind auf der Homepage des FDZ-RV frei einsehbar (www.fdz-rv.de).

   Der für die Rehabilitationsforschung relevanteste SUF des FDZ-RV stellt der SUF „Abgeschlossene Rehabilitation im Versicherungsverlauf“ dar. Dieser wird jährlich bis zweijährlich aktualisiert zur Verfügung gestellt, zuletzt 2024 für den Berichtszeitraum 2014–2021 [11]. Der SUF basiert auf der Reha-Statistik-Datenbasis, beinhaltet jedoch nur eine Variablenauswahl mit teils aggregierten bzw. vergröberten Merkmalsausprägungen (z. B. zum Wohnort) und einer Zusammenstellung aus der Grundgesamtheit aller Rehabilitationsleistungen. Im genannten SUF sind u. a. eine 40%-Stichprobe von Versicherten, die mindestens eine LTA und eine 20%-Stichprobe von Versicherten, die mindestens eine medizinische Rehabilitation im achtjährigen Berichtszeitraum abgeschlossen haben, enthalten. Hierzu gehören auf Personenebene Angaben zu soziodemografischen Merkmalen, zu Antrag, Bescheid und Durchführung von medizinischer Rehabilitation und LTA, Angaben zum Rentenzugang und – auf monatlicher Ebene – zu Versicherungsbeiträgen und -zeiten. Daneben sind u. a. Daten von Vergleichskohorten, für die keine Rehabilitation oder LTA im Berichtszeitraum dokumentiert sind, im SUF enthalten. Dies ermöglicht den Vergleich von Personen mit und ohne Inanspruchnahme von Rehabilitationsleistungen beispielsweise nach soziodemografischen Merkmalen. Insgesamt sind Daten von etwa 4 Millionen DRV-Versicherten in diesem SUF enthalten. Nähere Informationen finden sich in [Tab. 1]. Aufgrund des längsschnittlichen Charakters des SUF lassen sich auch individuelle, monatsgenaue Verläufe mit beispielsweise mehreren (medizinischen) Rehabilitations- bzw. LTA-Episoden sowie z. B. wechselnden Phasen von Beschäftigung, Arbeitslosigkeit und Rentenbezug im Berichtszeitraum abbilden [11].

   Neben dem o.g. SUF können die SUF „Versichertenrentenzugang – Erwerbsminderung und Diagnosen“, „Versichertenkontenstichprobe“ und „Aktiv Versicherte“ für die rehabilitationswissenschaftliche Forschung interessant sein, wenn es z. B. um Erwerbsminderungsrenteneintritt nach oder ohne vorherige Teilhabeleistung geht oder wenn andere Vergleichskohorten erforderlich sind. Daneben werden sogenannte Themenfiles als SUF vorgehalten, welche z. B. gematchte Datensätze von DRV-Daten mit Surveydaten beinhalten, so SOEP-RV (Verknüpfung mit dem Sozio-oekonomischen Panel) und SHARE-RV (Verknüpfung mit dem Survey of Health, Ageing and Retirement in Europe) [12] [13]. Bei den mit Surveydaten gematchten SUF ist zu beachten, dass die Fallzahl erheblich unter derjenigen von SUF mit ausschließlich DRV-Routinedaten liegt, insbesondere, wenn man Personen fokussiert, die eine medizinische Rehabilitation oder LTA absolvierten [12] [13].

2. Neben den SUF kann in den Räumlichkeiten des FDZ-RV in Berlin oder Würzburg oder in kooperierenden Einrichtungen wie GESIS auf Datensätze zugegriffen werden, die in einem geringeren Maße anonymisiert sind und deren Variablen einen höheren Detailgrad aufweisen. Hier können ggf. auch gematchte Datensätze unterschiedlicher Quellen innerhalb der DRV genutzt werden, z. B. Rehabilitations-, Renten- und Versichertenkontendaten. Im Anschluss an einen Gastforschenden-Aufenthalt können ergänzende Auswertungen auch außerhalb des FDZ-RV mittels „kontrolliertem Fernrechnen“ erfolgen (www.fdz-rv.de).

3. Benötigen Forschende Routinedaten der DRV über das in den SUF enthaltene Maß – oder sollen diese mit Primär- oder anderen Sekundärdaten verknüpft werden –, können prinzipiell DRV-Routinedaten entweder ebenfalls über das FDZ-RV, über die DRV Bund stellvertretend für alle Rentenversicherungsträger oder trägerspezifisch über die jeweils beteiligten Rentenversicherungsträger zur Verfügung gestellt werden. Ein strukturiertes Antragsprocedere existiert hierfür nicht. Die Anforderung kann Daten aus der Reha-Statistik-Datenbasis und hier konkret oftmals basierend auf dem Datensatz mit dem sogenannten Satzkennzeichen 94 (SK 94) umfassen, jedoch auch andere Datensätze. Ein Codeplan mit den verfügbaren Variablen im SK 94 steht auf der Webseite des FDZ-RV (www.fdz-rv.de). Weitergehende Merkmale können auf begründete Anfrage zusätzlich zur Verfügung gestellt werden. Zu den Daten, welche über die SUF und den SK 94 hinausreichen, gehören beispielsweise die während der Rehabilitation individuell erbrachten Leistungen gemäß „Klassifikation therapeutischer Leistungen“ (KTL) in der medizinischen Rehabilitation bzw. gemäß „Leistungsklassifikation in der beruflichen Rehabilitation“ (LBR) bei LTA, zudem Angaben aus der Rehabilitand:innenbefragung [14] [15] [16] [17].

Tab. 1 Übersicht SUF „Abgeschlossene Rehabilitation im Versicherungsverlauf“.

Soziodemografie (ca. N=4,0 Millionen)	Allgemeine soziodemografische Angaben: u. a. Alter (Geburtsjahr und -monat), Geschlecht, Staatsangehörigkeit (vergröbert), Wohnort (Bundesland und siedlungsstruktureller Kreistyp); Todesjahr und -monat; Risikoindex Erwerbsminderungsrente (ab 2019)
Medizinische Rehabilitation (ca. N=1,2 Millionen)	Erweiterte soziodemografische Angaben: Familienstand, Erwerbsstatus und -umfang bei Antragstellung (Voll-/Teilzeit, Schichtarbeit), berufliche Tätigkeit nach KldB 88/2010, Stellung im Beruf (z. B. Angestellte)
	Medizinische Rehabilitation: Eine Bewilligungsdiagnosegruppe (ICD-10-Kapitel) und bis zu fünf Entlassungsdiagnosen (ICD-10 dreistellig, teils vergröbert), Maßnahmeart, -dauer, -ort, Einrichtungsart, Fachabteilungsschlüssel (Fachrichtung), Bundesland des Maßnahmeortes, Entlassungsform, Empfehlungen für nachfolgende Maßnahmen
	Sozialmedizin: Arbeitsunfähigkeitszeiten vor der Rehabilitation, Leistungsfähigkeit im letzten Beruf und in anderer Tätigkeit, positives und negatives Leistungsvermögen, Arbeitsfähigkeit, stufenweise Wiedereingliederung
	Versicherung: Versicherungs- und Rentenstatus, Antrag auf Erwerbsminderungsrente
Leistung zur Teilhabe am Arbeitsleben (LTA) (ca. N=540 000)	Erweiterte soziodemografische Angaben: Familienstand, Erwerbsstatus und -umfang, berufliche Tätigkeit, Stellung im Beruf
	LTA: Maßnahmenart, -dauer und -ort, Art der Reha-Einrichtung, Bewilligungsdiagnose (ICD-10 verkürzt), Ergebnis der Leistung (z. B. mit Erfolg abgeschlossen)
	Versicherung: Versicherungs- und Rentenstatus, Antrag auf Erwerbsminderungsrente
Rentenzugang (ca. N=2,2 Millionen)	Monat des Rentenbeginns, Rentenart, Teilrente, Zeitrente, Rentenbetrag, bei Erwerbsminderungsrente bis zu zwei Rentengewährungsdiagnosen (ICD-10 dreistellig, teils vergröbert)
Versicherungsbeiträge und -zeiten (ca. N=4,0 Millionen) Daten liegen für 3 zusätzliche Jahre vor	monatsgenaue Beitragsart (z. B. Pflichtbeitrag wegen sozialversicherungspflichtiger Beschäftigung) und Anrechnungszeit, freiwillige Beiträge, Tage mit versicherungspflichtiger Beschäftigung und Bezug von Arbeitslosengeld, Beschäftigungsentgelt (gekappt auf Beitragsbemessungsgrenze)

Hinweis: Angegebene Fallzahlen ändern sich je nach Aktualisierung des Scientific Use File (SUF) und geben lediglich einen Anhaltspunkt wieder [11].

ICD: International Classification of Diseases; KldB: Klassifikation der Berufe

 

MissingLinkText

Rehabilitand:innenbefragung der Deutschen Rentenversicherung

Bei der Rehabilitand:innenbefragung handelt es sich um ein Instrument aus der Qualitätssicherung der medizinischen Rehabilitation. Dieses wird seit 1998 routinemäßig für alle DRV-eigenen sowie überwiegend von der DRV belegten Rehabilitationseinrichtungen verwendet und ermöglicht Auskunft über unterschiedliche Aspekte der Rehabilitation aus Sicht von Rehabilitand:innen, u. a. zur Zufriedenheit sowie zum subjektiv wahrgenommenen Rehabilitationserfolg. Die Rehabilitand:innenbefragung ist als monatliche Stichprobenerhebung angelegt, wobei pro Rehabilitationseinrichtung 20 zufällig ausgewählte Patienten:innen acht bis zwölf Wochen nach Abschluss der Rehabilitation postalisch mittels eines Fragebogens befragt werden. Für somatische Indikationen und für die Indikationen Psychosomatik/Abhängigkeitserkrankungen kommen jeweils unterschiedliche Fragebogenversionen zum Einsatz, die sich zudem zwischen der stationären und ambulanten Rehabilitation unterscheiden. Die Ergebnisse der Rehabilitand:innenbefragung werden bei der DRV Bund zusammengeführt und den Rentenversicherungsträgern und beteiligten Rehabilitationseinrichtungen im Rahmen der externen Qualitätssicherung zurückgemeldet [14]. Aktuell wird die Rehabilitand:innenbefragung überarbeitet.

Für den LTA-Bereich existiert mit dem „Berliner Fragebogen“ ein vergleichbares Instrument. Hier erfolgt die Befragung zur Vorbereitung und zum Verlauf der Maßnahme sowie zur Wiedereingliederung etwa sechs Monate nach Abschluss einer beruflichen Bildungsleistung. Als eine Besonderheit wird der Berliner Fragebogen gleichlautend auch von der DGUV in ihrem Zuständigkeitsbereich eingesetzt [15].

 

MissingLinkText

Routinedaten der Gesetzlichen Krankenkassen

Aktuell existieren in Deutschland 94 Gesetzliche Krankenkassen (https://www.gkv-spitzenverband.de; Stichtag 01.01.2025). Die Gruppe der Rehabilitationsberechtigten innerhalb der Krankenkassen ist nicht ganz trennscharf und schwer abgrenzbar. Vor allem werden Personen im nicht erwerbsfähigen Alter erfasst [4]. Die den Krankenkassen elektronisch vorliegenden Leistungen der stationären und ambulanten Rehabilitation regelt § 301(4) SGB V. Als Leistungsträger im Bereich der medizinischen Rehabilitation liegen daher bei allen gesetzlichen Krankenkassen gemäß diesen gesetzlichen Vorgaben Rehabilitationsdaten vor [4]. Diese werden seit 2021 nach einheitlichen Verfahren zwischen den Reha-Einrichtungen und den gesetzlichen Kranken- und Rentenversicherungen ausgetauscht. Hierfür existiert eine Datenbeschreibung (www.gkv-datenaustausch.de/leistungserbringer/reha_einrichtungen/reha_einrichtungen.jsp). Diese Daten können grundsätzlich für die Forschung unter Einhaltung von u. a. datenschutzrechtlichen Vorgaben genutzt werden. Es existiert kein strukturiertes Antragsverfahren, Krankenkassen sind einzeln zu kontaktieren. Bislang ist nur wenig externe Forschung mit Krankenkassendaten zum Thema Rehabilitation erfolgt (z. B. [18] [19]). Dies liegt nach Erfahrung der Autor:innen auch in der vergleichsweise restriktiven Handhabung beim Zugang zu GKV-Rehabilitationsdaten und dem geringen Umfang an Forschungsförderung im Reha-Zuständigkeitsbereich der GKV begründet. Gebühren für die Datenziehung und -übermittlung können anfallen.

Das Digitale-Versorgung-Gesetz (DVG) hat 2019 den Aufbau eines Forschungsdatenzentrums Gesundheit (FDZ) beim Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM) gesetzlich geregelt. In diesem werden nach § 3 Datentransparenzverordnung (DaTraV) Abrechnungsdaten der GKV verschiedener Sektoren im FDZ Gesundheit pseudonymisiert zusammengeführt und zu Forschungszwecken zur Verfügung gestellt. Eine Datensatzbeschreibung liegt vor [20]. Weiterhin wird vom BfArM ein stark vereinfachtes Public Use File zum Download bereitgestellt, damit sich Forschende vorab mit der Datenstruktur vertraut machen können [21]. Derzeit sind im gesetzlich geregelten Datenkranz laut § 3 DaTraV Daten der Rehabilitation inkl. Anschlussheilbehandlungen allerdings nicht vorgesehen. Zudem ist ein Datenlinkage mit Daten der DRV vom Gesetzgeber ausgeschlossen. Die Erweiterung des Datenangebotes des FDZ auch um Daten der Rehabilitation bzw. Daten anderer Sozialversicherungsträger sowie die Notwendigkeit eines Datenlinkage mit verschiedenen Datenquellen für die Beantwortung u. a. von komplexen und vor allem auch sektorenübergreifender Forschungsfragen wird von der Forschungscommunity gefordert, um auch international anschlussfähig zu werden [22] [23].

 

MissingLinkText

Routinedaten der Gesetzlichen Unfallversicherung

Die DGUV besteht aus branchenspezifischen Berufsgenossenschaften und aus mehreren bundesweit oder regional tätigen Unfallkassen. Die Unfallversicherungen sind in der Regel der zuständige Leistungsträger im Falle von Arbeits- und Wegeunfällen sowie bei Berufskrankheiten [4] [24]. Die DGUV gewährt dazu Leistungen im Bereich der medizinischen, beruflichen und sozialen Rehabilitation. Die Nutzung von Routinedaten der Unfallversicherungen durch Externe ist bislang nicht durch Publikationen dokumentiert, jedoch denkbar.

 

MissingLinkText

Routinedaten der Bundesagentur für Arbeit

Die BA ist fast alleinige Leistungsträgerin für junge Personen mit Behinderungen und Beeinträchtigungen in der beruflichen Ersteingliederung – das sind vor allem junge Personen, meist unter 25 Jahren – mit geringer Berufserfahrung (von unter drei Jahren oder ohne abgeschlossene Berufsausbildung) [25]; sie teilt sich die Zuständigkeit mit anderen Leistungsträgern in der beruflichen Wiedereingliederung von berufserfahrenen Personen mit Behinderungen und Beeinträchtigungen, die versuchen, erneut in den Arbeitsmarkt bzw. in Beschäftigung zu gelangen/verbleiben und weniger als 15 Jahre sozialversicherungspflichtig beschäftigt waren [26]. Zur Untersuchung von LTA-Verläufen von jungen Rehabilitand:innen der Ersteingliederung sowie berufserfahrenen Rehabilitand:innen der Wiedereingliederung steht der Routinedatensatz LTA-Rehaprozessdatenpanel (LTA-RehaPro) zur Verfügung. LTA-RehaPro wurde im Rahmen eines Forschungsprojekts am Institut für Arbeitsmarkt- und Berufsforschung (IAB) mit dem Ziel erstellt, Routinedaten der BA für die Forschung nutzbar zu machen [27]. LTA-RehaPro basiert auf dem Standardprodukt der Integrierten Erwerbsbiografien (IEB) des IAB, die u. a. um rehabilitations- und berufsberatungsspezifische Routinedaten angereichert wurden. Mithilfe von LTA-RehaPro lassen sich LTA-Verfahren aller Rehabilitand:innen in Kostenträgerschaft der BA nachzeichnen, die seit 1. Juni 2006 einen Antrag auf LTA gestellt haben (ca. 1 Mio. Personen mit Zugang in LTA; ca. 800 000 abgeschlossene Verfahren bis April 2023).

Zur Darstellung eines biografischen Verlaufs einer durch LTA-geförderten Person lassen sich Erwerbs-, Maßnahme- und Arbeitslosigkeitszeiten vor und nach Beginn eines LTA-Verfahrens tagesgenau abbilden. Vorangegangene Erwerbsbiografien lassen sich auch bereits vor 2006 darstellen. Zu den rehaprozessspezifischen Verfahrensinformationen zählen u. a. der Zeitpunkt und die Entscheidung über den Antrag auf LTA. Aus den Daten der Berufsberatung der BA liegen auch Informationen über Schulabschluss, -art und -ende vor. Für diejenigen, die über LTA gefördert werden, wird die Hauptbehinderungsart erfasst; also die Behinderungsart, die maßgeblich ist für die Einschränkung der Teilhabe am Arbeitsleben. Zusätzlich finden sich Informationen über Zeitraum und Art der (rehabilitationsspezifischen oder allgemeinen) Maßnahmen während des Verfahrens, Lernort und Zielberuf bei qualifizierenden Maßnahmen sowie Zeitpunkt und Grund für die Beendigung der Reha-Leistung [27].

Aktuell sind die Daten für rehabilitationsspezifische Merkmale bis April 2023 sowie für Beschäftigungszeiten bis Dezember 2022 verfügbar. Eine Erweiterung dieser Datenränder analog zu den Integrierten Erwerbsbiografien [28] ist etwa alle zwei Jahre vorgesehen. Eine Verknüpfung mit weiteren Routine-Datenprodukten des IAB, z. B. den IEB, ist grundsätzlich möglich, um z. B. eine Vergleichsstichprobe zu erfassen [29].

Der Zugang zu den LTA-RehaPro-Daten erfolgt über das FDZ der BA im IAB. Dafür ist es notwendig, eine detaillierte Datenanforderung zu formulieren (Datensatz, Merkmale, Stichprobe/Vollständiger Datensatz etc.). Auf der Webseite des FDZ (fdz.iab.de) wird der Datensatz nicht explizit beworben; der Abschlussbericht zum zugehörigen Projekt informiert aber über den Datensatz und seine Merkmale [27]. Zusätzlich ist es günstig, sich im Vorfeld an das FDZ der BA zu wenden. Nach Prüfung der Machbarkeit und der datenschutzrechtlichen Voraussetzungen sowie von Lieferumfang und -zeit erfolgt eine Kostenschätzung (Qualifizierungsarbeiten werden ermäßigt berechnet). Datenspeicherung und -verarbeitung der Daten finden in der IT-Infrastruktur der antragstellenden Institution statt. Dafür müssen hohe Anforderungen an die dortige Datensicherheit gewährleistet sein. Voraussetzung für die Datenübermittlung ist zudem eine Genehmigung nach § 75 SGB X durch das Bundesministerium für Arbeit und Soziales (BMAS) und der Abschluss eines Vertrages zwischen IAB und antragstellender Institution [29].

 

MissingLinkText

Routinedaten der Leistungserbringer

Auch die Leistungserbringer von medizinischer Rehabilitation und LTA dokumentieren die bei ihnen erbrachten Leistungen und weitere Struktur- und Prozessmerkmale routinemäßig. Dies erfolgt insbesondere vor dem Hintergrund der internen und externen Qualitätssicherung. Teilweise haben sich Reha-Einrichtungen zum Zwecke von Einrichtungsvergleichen zusammengeschlossen, z. B. in der Initiative Qualitätskliniken.de (www.qualitaetskliniken.de). Die Routinedaten der Leistungserbringer sind bislang nur vereinzelt für externe Forschende zugänglich [8].

 

MissingLinkText

 

MissingLinkText

Qualität von Routinedaten

Sollen Routinedaten für Sekundärdatenanalysen verwendet werden, gelten zunächst die gleichen Qualitätsstandards wie für primäre Forschungsdaten. Zum einen sind hier die klassischen Gütekriterien zu nennen, also Objektivität (Unabhängigkeit der Daten von der erhebenden Person), Reliabilität (Minimierung von unsystematischen Einflüssen auf die Daten, oft „Messfehler“ genannt) und Validität (Minimierung von systematischen Einflüssen anderer als der zu erfassenden Merkmale auf die Daten). Zum anderen können die Generalisierbarkeit (zum Beispiel von Daten der DRV auf Personen, die nicht DRV-versichert sind) oder der Anteil fehlender oder unplausibler Werte zwischen den verwendeten Datensätzen bzw. Variablen deutlich variieren.

Psychometrische Gütekriterien sind bei Routinedaten besonders schwer zu bestimmen, können zwischen Datensätzen sowie innerhalb eines Datensatzes zwischen verschiedenen Variablen deutlich schwanken und hängen in hohem Maße von der Transparenz und Nachvollziehbarkeit der administrativen Verfahren ab. Notwendige Voraussetzung für eine Beurteilung ist daher die Bereitstellung eines Codeplans mit einer Prozessbeschreibung des Umgangs mit den Daten auf Variablenebene und der darauffolgende Abgleich mit den Forschungsfragen (vgl. folgendes Beispiel) sowie eine genaue Beschreibung der Stichprobenziehung [30]. Routinedaten sollten einer Plausibilitätsprüfung sowie einer internen und nach Möglichkeit anhand von weiteren Daten oder Statistiken auch einer externen Validierung unterzogen werden.

Zu beachten ist zudem, dass insbesondere Validität und Generalisierbarkeit der Daten für den primären Erhebungs- und Forschungszweck getrennt betrachtet werden müssen und manchmal divergieren können. Betrachten wir beispielsweise das Merkmal „Rentenantrag gestellt ja/nein“: Im Rahmen der Routineerhebung kann aufgrund des Rechtsanspruchs auf Rehabilitation eine hohe Validität erwartet werden. Wenn diese Angabe in einem Forschungsprojekt als Indikator für das Konstrukt „Rentenwunsch“ verwendet wird, kann die Validität deutlich geringer ausfallen. Gründe könnten sein, dass Personen mit hohem Rentenwunsch keinen Rentenantrag gestellt haben (z. B. aus finanziellen Gründen) und umgekehrt manche Personen mit gestelltem Rentenantrag diesen vielleicht wieder zurückziehen. Daher sollten Forschende sich mit dem Verwaltungshandeln, insbesondere mit dem Entstehungsprozess der Daten, vertraut machen und vor und während der Datenanalyse den Austausch mit kundigen Personen (z. B. Mitarbeitende der Datenhalter) suchen [30].

Mit der Frage der Qualität ist auch verbunden, welche Art von Forschungsfragen wie belastbar mit Routinedaten bearbeitet werden können. Pauschal ist dies nicht zu beantworten. Sollen jenseits von deskriptiven und explorativen Analysen auch Schlussfolgerungen mit einem konfirmatorischen Anspruch gezogen werden, dann ist zentral, ob die dafür notwendigen intendierten Merkmale und Populationen vorliegen oder aus anderen Quellen angespielt werden können. Sind diese Voraussetzungen gegeben, sind beispielsweise retrospektive quasiexperimentelle Designs möglich. Selektionseffekte bei der Studiengruppenzuweisung können statistisch u. a. durch Adjustierungstechniken (z. B. Propensity Score Matching) und Techniken der Paneldatenanalyse (z. B. fixed effects Panelregression) reduziert werden [31] [32]. Aufgrund der kontinuierlichen Dokumentation können bei Studien basierend auf Routinedaten prospektive Hypothesenbildungen vorgenommen werden. Ein Datenlinkage von Routine- mit Primärdaten kann ferner Limitationen von isolierten Routinedatenanalysen teilweise auflösen [33] und zudem die Anwendungsmöglichkeiten von Routinedaten in der rehabilitationswissenschaftlichen Forschung deutlich erweitern. Jedoch sind Kausalitätsüberlegungen bei nicht randomisiert-kontrollierten Studien kritisch zu reflektieren und in Publikationen transparent zu machen [34].

 

MissingLinkText

Datenschutzrechtliche Aspekte bei Routinedaten

Datenschutzrechtliche Aspekte bei der Nutzung von Routinedaten sind an verschiedenen Stellen beschrieben [3] und Gegenstand der Diskussion [35]. Die rechtliche Basis liefern die Regelungen zum Datenschutzrecht auf Europa-, Bundes- und Landesebene sowie allgemeine gesetzliche Regelungen, z. B. die Sozialgesetzbücher. Bei der Nutzung von Routinedaten – insbesondere solchen, die über die Nutzung von SUF hinausgehen – sind daher zwingend datenschutzrechtliche Aspekte durch die Datenhalter zu prüfen, ggf. ist zusätzlich die Datenschutzstelle des Datennehmers einzubinden [1] [3] [36].

Daneben ist ein Antrag nach § 75 SGB X zur „Übermittlung von Sozialdaten für die Forschung und Planung“ zu prüfen. Diese Anträge sind durch einzelne Datenhalter bzw. deren Verbände (z. B. BKK Dachverband) bei den zuständigen Aufsichtsbehörden zu stellen, erfordern jedoch in aller Regel erhebliche Zuarbeiten des Datennehmers. Für bundesweit tätige Sozialversicherungsträger (z. B. DRV Bund, DRV Knappschaft-Bahn-See, Ersatzkassen) ist der Adressat des Antrags das Bundesamt für Soziale Sicherung, bei der Bundesagentur für Arbeit das BMAS und bei regional tätigen Sozialversicherungsträgern (z. B. DRV-Regionalträger, einzelne Allgemeine Ortskrankenkassen (AOKen)) sind es die zuständigen Landesministerien oder Landesbehörden. Im Falle von Datenübermittlungen mehrerer Sozialversicherungsträger ist gemäß Gesundheitsdatennutzungsgesetz (GDNG) seit 2024 diejenige Aufsichtsbehörde federführend tätig, welche für den Träger mit dem größten Jahresumsatz zuständig ist (§ 5 GDNG).

Ob ein Antrag gemäß § 75 SGB X notwendig ist, hängt im Wesentlichen davon ab, ob die zu übermittelnden Sozialdaten anonym oder pseudonym sind. Lassen sich spezifische betroffene Personen durch einen sogenannten „Schlüssel“, also durch zusätzliche Informationen erkennen, spricht man von pseudonymisierten Daten und das Datenschutzrecht greift [36].

Für die Anonymität ist bei Routinedaten insbesondere maßgeblich,

• dass keine Personenidentifikatoren (z. B. Sozialversicherungsnummern) in den Daten sind,

• dass keine Reanonymisierung durch Merkmalskombinationen oder sehr kleine Zellenbesetzungen möglich ist (z. B. Geburtsdatum, Geschlecht und Wohnort),

• dass keine Reanonymisierung nach Anspielen von weiteren Daten (z. B. Rehaleistungen eines bestimmten Leistungserbringers) möglich ist und

• dass keine Schlüsseltabelle von einem gemeinsamen eindeutigen Kürzel und Personenidentifikatoren vorliegt [36].

Unter anderem vor dem Hintergrund neuer Entwicklungen informationstechnischer Anwendungen (z. B. künstliche Intelligenz) sind einige dieser Punkte nicht absolut definiert. Welche Merkmalskombinationen oder welche weiteren anspielbaren Daten erlauben eine Reanonymisierung? Wie ist das Vorhandensein einer Schlüsseltabelle bei einer Vertrauensstelle einzuordnen [29]? Bei Verknüpfungen von Sozialdaten mehrerer Sozialversicherungsträger untereinander sowie von Sozialdaten mit Primärerhebungen greift in der Regel § 75 SGB X. Genehmigungsverfahren gemäß § 75 SGB X dauern je nach Komplexität des Antrags und den erforderlichen Nachbesserungen mehrere Monate. Bei Datengrundlagen an der Grenze zwischen Anonymisierung und Pseudonymisierung sind aus Datenschutzsicht insbesondere folgende Themen leitend: Vergröbern und Löschen von Merkmalen, Vergröbern der Stichprobenselektion, Möglichkeit einer Zufallsstichprobe, mögliches Datenlinkage bereits durch die datenliefernde Stelle, Löschen der Schlüsseltabelle, Ausschluss oder explizite Benennung von weiteren anzuspielenden Daten (z. B. Regionaldaten). Leitfragen für Forschende, welche bei der Abgrenzung von Anonymisierung und Pseudonymisierung helfen können, finden sich im Zusatzmaterial, weiterführend siehe [29].

 

MissingLinkText

Fazit

Für die Rehabilitationsforschung können Routinedaten eine wertvolle Grundlage beispielsweise zur Abbildung des Versorgungsgeschehens in der Rehabilitation darstellen. Zu den Vorteilen von Routinedaten gehören die sehr große Fallzahl, der längsschnittliche Charakter der dokumentierten Daten über einen langen Zeitraum, der vielfach erhebliche Merkmalsumfang, die hohe Validität und der im Vergleich zu Primärerhebungen vergleichsweise kostengünstige und schnelle Zugang. Jedoch ist für die Forschung zu beachten, dass Routinedaten für einen anderen Zweck erhoben wurden und in der Regel ausschließlich Merkmale enthalten, die für die Administration erforderlich sind. Eine Verknüpfung von Routinedaten mit (eigenen) Befragungsdaten oder anderen Routinedaten kann dieses Problem prinzipiell adressieren und Anwendungsfelder von Routinedatennutzungen deutlich erweitern, ist jedoch datenschutzrechtlich aufwändig. Während der Zugang zu Routinedaten der DRV in der Rehabilitationsforschung etabliert ist, gilt dies bislang nicht für Daten der Kranken- und Unfallversicherung.

Forschende sollten sich vor Nutzung von Routinedaten u. a. über Art und Umfang, Entstehungsprozess, Generalisierbarkeit und Validität von Datensätzen und einzelnen Merkmalen bewusst werden und dies bei der Interpretation berücksichtigen. Eine enge Rückkopplung mit den Datenhaltern ist daher sinnvoll. Daneben sind datenschutzrechtliche Aspekte zu beachten. Das bei Nutzung pseudonymisierter Sozialdaten der Leistungsträger erforderliche Genehmigungsverfahren nach § 75 SGB X ist ressourcen- und zeitaufwändig. Aus Forschungsperspektive wären Vereinfachungen bei der Nutzung von Routinedaten wünschenswert, beispielsweise durch eine einheitliche und weniger restriktive Auslegung der Notwendigkeit der Antragstellung nach § 75 SGB X und verbindliche zeitliche Vorgaben für die Aufsichtsbehörden bei der Bescheidung von Anträgen für die Übermittlung von Sozialdaten.

 

MissingLinkText

Kernbotschaft

Routinedaten sind eine wertvolle Grundlage für die Rehabilitationsforschung. Sie bieten eine hohe Fallzahl, längsschnittliche Daten, umfangreiche Merkmale und einen kostengünstigen Zugang. Allerdings werden Routinedaten für administrative Zwecke erhoben und unterliegen damit Limitationen. Daher müssen Forschende Art, Umfang, Entstehungsprozess, Generalisierbarkeit und Validität von Routinedaten reflektieren. Bei Nutzung von pseudonymisierten Sozialdaten muss eine Genehmigung gemäß §75 SGB X durch die zuständigen Aufsichtsbehörden eingeholt werden. Dies kann zeit- und ressourcenaufwändig sein.

 

MissingLinkText

 

MissingLinkText

Interessenkonflikt

Die Autorinnen/Autoren geben an, dass kein Interessenkonflikt besteht.

• Literatur

• 1 March S, Andrich S, Drepper J. et al. Gute Praxis Datenlinkage (GPD). Gesundheitswesen 2019; 81: 636-650
• 2 Swart E, Bitzer EM, Gothe H. et al. STandardisierte BerichtsROutine für Sekundärdaten Analysen (STROSA) – ein konsentierter Berichtsstandard für Deutschland, Version 2. Gesundheitswesen 2016; 78: e145-e160
• 3 Swart E, Gothe H, Geyer S. et al. Gute Praxis Sekundärdatenanalyse (GPS): Leitlinien und Empfehlungen. Gesundheitswesen 2015; 77: 120-126
• 4 Bestmann A, Polak U. Hansen Ingmar Routinedaten zur Rehabilitation durch die Träger der Sozialversicherung. In: Matusiewicz D, Hrsg. Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden, und Perspektiven. 2. Aufl. Bern: Hans Huber; 2014: 176-191
• 5 Burchardi JM, Gellert P, Brünger MA. work-related health check to identify the need for rehabilitation and preventive care (check-up 45+): A multicenter randomized controlled trial in general practice (PReHa45). Dtsch Arztebl Int 2025; 122
• 6 Brünger M, Bernert S, Spyra K. Berufstätigkeit als Proxy für Arbeitsbelastungen? Routinedatenanalyse am Beispiel der Rehabilitation. Gesundheitswesen 2020; 82: S41-S51
• 7 Fauser D, Zollmann P, Streibelt M. et al. Berufliche Teilhabe nach einer medizinischen Rehabilitation aufgrund von onkologischen Erkrankungen: Repräsentative Analysen auf Basis der Routinedaten der Deutschen Rentenversicherung. Rehabilitation 2024; 63: 107-118
• 8 Koch A, Hetzel C, Elling JM. et al. Prädiktion der Inanspruchnahme psychologischer Unterstützung während der beruflichen Rehabilitation in einem Berufsförderungswerk. Rehabilitation 2024; 63: 289-297
• 9 Falk J, Haaf H-G, Brünger M. Rehabilitation von Menschen mit einer peripheren arteriellen Verschlusskrankheit im Kontext aktueller Leitlinien. Eine Analyse auf Basis von Routinedaten. Rehabilitation 2019; 58: 225-233
• 10 Brzoska P, Voigtländer S, Spallek J. et al. Die Nutzung von Routinedaten in der rehabilitationswissenschaftlichen Versorgungsforschung bei Menschen mit Migrationshintergrund: Möglichkeiten und Grenzen. Gesundheitswesen 2012; 74: 371-378
• 11 Forschungsdatenzentrum der Rentenversicherung. Scientific Use File Abgeschlossene Rehabilitation im Versicherungsverlauf 2014-2021. Forschungsdatenzentrum der Rentenversicherung (FDZ-RV); 2024
• 12 Mika T, Czaplicki C. SHARE-RV: Eine Datengrundlage für Analysen zu Alterssicherung, Gesundheit und Familie auf der Basis des Survey of Health, Ageing and Retirement in Europe und der Daten der Deutschen Rentenversicherung. RVaktuell. 2010: 396-400
• 13 Lüthen H, Schröder C, Grabka MM. et al. SOEP-RV: Linking German Socio-Economic Panel data to pension records. Jahrbücher für Nationalökonomie und Statistik 2022; 242: 291-307
• 14 Widera T, Klosterhuis H. Patientenorientierung in der Praxis – 10 Jahre Rehabilitandenbefragung im Rahmen der Reha-Qualitätssicherung der Rentenversicherung. RVaktuell. 2007: 177-182
• 15 Zander J, Rister-Mende S, Lindow B. et al. Berufliche Rehabilitation im Urteil der Rehabilitanden – gemeinsame Befragung von Renten- und Unfallversicherung. RVaktuell. 2012: 367-374
• 16 Deutsche Rentenversicherung Bund. KTL. Klassifikation therapeutischer Leistungen in der medizinischen Rehabilitation. 6. Aufl. Berlin 2015
• 17 Deutsche Rentenversicherung Bund. LBR. Leistungsklassifikation in der beruflichen Rehabilitation. Berlin 2016
• 18 Herrlett K, Epple J, Lingwal N. et al. Stationäre Frührehabilitation nach endovaskulärer und offener Versorgung eines Bauchaortenaneurysmas bei über 65-Jährigen: Indikation und langfristiges Outcome. Z Evidenz Fortbild Qual Gesundheitswes 2023;
• 19 Kaiser V, Fichtner UA, Schmuker C. et al. A cross-sectoral approach to utilizing health claims data for quality assurance in medical rehabilitation: study protocol of a combined prospective longitudinal and retrospective cohort study. BMC Health Serv Res 2023; 23: 1110
• 20 Forschungsdatenzentrum Gesundheit. Datensatzbeschreibung des Forschungsdatenzentrums Gesundheit. Zenodo 2025;
• 21 Kühnel L, Pauly H, Pakusa W. et al. Das Public Use File des Forschungsdatenzentrum. Gesundheit. Forschungsdatenzentrum Gesundheit 2025;
• 22 March S, Hoffmann F, Andrich S. et al. Forschungsdatenzentrum Gesundheit – Vision für eine Weiterentwicklung aus Sicht der Forschung. Gesundheitswesen 2023; 85: S145-S153
• 23 Schmitt J, Bierbaum T, Geraedts M. et al. Das Gesundheitsdatennutzungsgesetz – Potenzial für eine bessere Forschung und Gesundheitsversorgung. Gesundheitswesen 2023; 85: 215-222
• 24 Simmel S, Bühren V. Rehabilitation in der Deutschen Gesetzlichen Unfallversicherung. Leitfaden durch die neuen ambulanten und stationären Strukturen. Unfallchirurg 2015; 118: 112-121
• 25 Reims N, Rauch A, Nivorozhkin A. Ersteingliederung in der beruflichen Rehabilitation: Nach einer Reha findet ein höherer Anteil junger Menschen mit Behinderungen Arbeit. Institut für Arbeitsmarkt- und Berufsforschung 2023;
• 26 Nivorozhkin A, Reims N, Zollmann P. et al. Leistungen zur Teilhabe am Arbeitsleben – Rehabilitanden der Bundesagentur für Arbeit und der Deutschen Rentenversicherung im Vergleich. Rehabilitation 2018; 57: 149-156
• 27 Reims N, Tophoven S, Tisch A. et al. Aufbau und Analyse des LTA-Rehaprozessdatenpanels: eine Prozessdatenbasis zur Untersuchung beruflicher Rehabilitation in Trägerschaft der Bundesagentur für Arbeit - Modul 1 des Projekts „Evaluation von Leistungen zur Teilhabe behinderter Menschen am Arbeitsleben“
• 28 Schmucker A, Seth S, vom Berge P. Stichprobe der Integrierten Arbeitsmarktbiografien (SIAB) 1975-2021. Forschungsdatenzentrum der Bundesagentur für Arbeit (BA) im Institut für Arbeitsmarkt- und Berufsforschung (IAB) 2023;
• 29 March S, Rauch A, Bender S. et al. Datenschutzrechtliche Aspekte bei der Nutzung von Routinedaten. In: Matusiewicz D, Hrsg. Routinedaten im Gesundheitswesen. Handbuch Sekundärdatenanalyse: Grundlagen, Methoden, und Perspektiven. 2. Aufl. Bern: Hans Huber; 2014: 291-303
• 30 Werhan K, Akremi L. Prozessproduzierte Verwaltungsdaten am Beispiel des Forschungsdatenzentrums der Rentenversicherung (FDZ-RV). In: Gröber J, Kellert MA, Hofäcker D, Hrsg. Quantitative Daten in bildungswissenschaftlichen Disziplinen. Opladen: Verlag Barbara Budrich; 2023: 64-88
• 31 Fauser D, Bethge M. Propensity-Score-Methoden zur Schätzung von Behandlungseffekten: Eine Chance für die rehabilitative Versorgungsforschung. Rehabilitation 2019; 58: 50-58
• 32 Hetzel C, Streibelt M. Was sagt das Return to Work ein Jahr nach Ende einer beruflichen Bildungsleistung über die längerfristige berufliche Teilhabe aus. Rehabilitation 2018; 57: 175-183
• 33 Müller G, Giurgiu M, Heinzel-Gutenbrunner M. et al. Kontrollgruppenbildung durch Propensity-Score-Matching: Die Rolle von Primär- und Sekundärdaten − Ergebnisse aus Präventionsstudien. Zeitschrift fur Evidenz, Fortbildung und Qualitat im Gesundheitswesen 2020; 156-157: 68-74
• 34 Wang SV, Schneeweiss S, Franklin JM. et al. Emulation of randomized clinical trials with nonrandomized database analyses: Results of 32 Clinical Trials. JAMA 2023; 329: 1376-1385
• 35 Weichert T. Datenschutzrechtliche Rahmenbedingungen medizinischer Forschung. Vorgaben der EU-Datenschutz-Grundverordnung und national geltender Gesetze. Berlin: MWV Medizinisch Wissenschaftliche Verlagsgesellschaft; 2022
• 36 March S, Rauch A, Thomas D. et al. Datenschutzrechtliche Vorgehensweise bei der Verknüpfung von Primär- und Sekundärdaten in einer Kohortenstudie: die lidA-Studie. Gesundheitswesen 2012; 74: e122-e129

Publication History

Article published online:
10 June 2025