The global COVID-19 pandemic has highlighted shortcomings in several areas; one such issue concerns obstacles that prevent efficient sharing and evaluation of infection data. The work presented here addresses the need to enhance interoperability for infectionrelated data and offers a solution to help fight all major global health threats caused by pathogens: pandemics, healthcare-associated infections and antimicrobial resistance. Several initiatives, in Europe and globally, were launched during the pandemic with the aim to gain new knowledge around the COVID-19 disease by integrating data from different studies. However, data were generally collected using different formats thus making data sharing very laborious due to time-consuming data transformation activities. To enable interoperability across systems, ideally data should be collected in a standardised way right at the source. However, there is still not enough coordination within and across institutions to accomplish this goal, and additionally internationallyshared specifications for microbiology data are still missing. Homogenization of data and methods would also facilitate the comparison of data for infection surveillance purposes. In particular, it would support the establishment of automated infection surveillance systems across different institutions, by allowing the reuse of the same analysis algorithms. Enhanced surveillance systems are very important for the early detection and tracking of infection outbreaks as well as multidrug resistant pathogens. Healthcare standard development organizations such as Health Level Seven, SNOMED or LOINC, provide the tools to build a common data model based on international interoperability standards. A close collaboration between healthcare standards experts and microbiologists using these tools is important to standardise data in microbiology and for the creation of a data model fit for cross-institution adoption. The broad adoption of a standard model would empower scientific communities to efficiently share data and perform joint analyses without further data conversions. Analysis results based on large amounts of data are more precise and reliable, while reducing data transformations preserves the quality of data. In this context, the microbiology module group within the German Medical Informatics Initiative, developed a data model for microbiology based on international interoperability standards. The model provides specifications for the most common procedures, results, interpretations, units and classifications that can be relevant for hospital laboratories for the detection and the study of pathogens. Although the model was developed within the German Medical Informatics Initiative to support national r esearch, it is publicly available on the web, and the use of internationalinteroperability standards makes it fit to be adopted within the European Health Data Space and even outside of Europe.
Die weltweite COVID-19-Pandemie hat Defizite in verschiedenen Bereichen aufgezeigt; eines dieser Probleme sind Hindernisse, die einen effizienten Austausch und eine effiziente Auswertung von Infektionsdaten verhindern. Die vorliegende Arbeit behandelt die Notwendigkeit, die Interoperabilität infektionsbezogener Daten zu verbessern, und bietet eine Lösung zur Unterstützung der Bekämpfung aller wichtigen globalen Gesundheitsbedrohungen, die durch Krankheitserreger verursacht werden: Pandemien, nosokomiale Infektionen und Antibiotikaresistenz. In Europa und weltweit wurden während der Pandemie mehrere Initiativen gestartet mit dem Ziel, durch die Integration von Daten aus verschiedenen Studien neue Erkenntnisse über die COVID-19-Krankheit zu gewinnen. Die Daten wurden generell jedoch in unterschiedlichen Formaten gesammelt, was die gemeinsame Nutzung der Daten aufgrund zeitaufwändiger Datentransformationen sehr mühsam machte. Um eine systemübergreifende Interoperabilität zu ermöglichen, sollten die Daten idealerweise bereits an der Quelle in standardisierter Form erfasst werden. Allerdings gibt es immer noch nicht genügend Koordination innerhalb und zwischen den Institutionen, um dieses Ziel zu erreichen, und außerdem fehlen immer noch international gemeinsame Spezifikationen für mikrobiologische Daten. Die Homogenisierung von Daten und Methoden würde auch den Vergleich von Infektionsüberwachungsdaten erleichtern und die frühzeitige Erkennung und Verfolgung von Infektionsausbrüchen und multiresistenten Erregern unterstützen. Organisationen für die Entwicklung von Standards im Gesundheitswesen, wie Health Level Seven, SNOMED oder LOINC, stellen die Instrumente für die Erstellung eines gemeinsamen Datenmodells auf der Grundlage internationaler Interoperabilitätsstandards zur Verfügung. Eine enge Zusammenarbeit zwischen Experten für Standards im Gesundheitswesen und Mikrobiologen, die diese Instrumente nutzen, ist wichtig, um ein Datenmodell zu erstellen, das institutionsübergreifend eingesetzt werden kann. Die breite Einführung eines Standardmodells würde es wissenschaftlichen Gemeinschaften ermöglichen, Daten effizient auszutauschen und gemeinsame Analysen ohne weitere Datenkonvertierungen durchzuführen. In diesem Zusammenhang, hat die Modulgruppe Mikrobiologie der Initiative Medizinische Informatik (MII) in Deutschland ein Datenmodell für die Mikrobiologie entwickelt, das auf internationalen Interoperabilitätsstandards basiert. Das Modell enthält Spezifikationen für die gängigsten Verfahren, Ergebnisse, Interpretationen, Einheiten und Klassifikationen, die für Krankenhauslabore zum Nachweis und zur Untersuchung von Krankheitserregern relevant sein können. Obwohl das Modell im Rahmen der deutschen MII zur Unterstützung der nationalen Forschung entwickelt wurde, ist es im Internet öffentlich zugänglich, und die Verwendung internationaler Interoperabilitätsstandards macht es geeignet, innerhalb des European Health Data Space und sogar außerhalb Europas übernommen zu werden.
