Veröffentlicht am:
Das Public Use File (PUF) des FDZ Gesundheit ist ein öffentlich zugänglicher, anonymisierter Beispieldatensatz, der Forschenden hilft, sich frühzeitig mit Struktur und Aufbau der Gesundheitsdaten vertraut zu machen – ganz ohne Antrag.
Das PUF basiert auf echten Krankenkassendaten, wurde jedoch umfassend anonymisiert: Korrelationen zwischen Variablen wurden aufgelöst, seltene Werte aggregiert und Pseudonyme ersetzt. Die realitätsnahe Datenstruktur mit typischen Fehlern aus den Originaldaten macht das PUF besonders geeignet für die Entwicklung von Auswertungsskripten, die erste Prüfung von Forschungsfragen und zur technischen Vorbereitung auf den Antragsprozess.
Die Daten liegen in drei Datenmodellen vor und sind als ZIP-Dateien inklusive Datensatzbeschreibung verfügbar. Auch der Code zur Generierung des PUF ist öffentlich einsehbar.
Das Public Use File kann auch für den Datenzuschnitt zur Skriptentwicklung in der sicheren Verarbeitungsumgebung beantragt werden. Auf unserer Seite zur Antragsvorbereitung können Sie sich weitergehend über den Datenzuschnitt informieren.
Hinweis: Das Public Use File/Scientific Use File dient nur als Testdatensatz in den virtuellen Analyseräumen. In allen Fällen wird die aggregierte Ergebnismenge auf den vollständigen Echtdaten berechnet.
Was das PUF kann - und was nicht
Die Einschränkungen im Detail
1. Keine Analyse von Zusammenhängen möglich
Da jede Variable unabhängig neu verteilt wird, gehen sämtliche multivariaten Zusammenhänge verloren. Für wissenschaftliche Analysen ist das PUF daher praktisch ungeeignet.
- Alter ↔ Diagnose
- Geschlecht ↔ Arzneimittel
- Region ↔ Leistungsausgaben
- Morbidität ↔ Kosten
- Arztgruppe ↔ Behandlungsvolumen
2. Keine Personenverläufe mehr interpretierbar
Personen bleiben über die neuen IDs technisch verknüpfbar – ihre Merkmalskombination gilt aber nicht mehr als real. Längsschnittanalysen liefern deshalb keine realen Aussagen.
- Beispiel: 25 Jahre, Diagnose Demenz, Pflegegrad 5, 200 € Krankenhauskosten – diese Kombination muss nie existiert haben
3. Leistungserbringeranalysen sind nicht möglich
Die Erstellung des PUF zielt ausdrücklich darauf ab, dass strukturelle Rückschlüsse auf Leistungserbringer unmöglich werden.
- Keine Analyse realer Praxen
- Keine Analyse realer Krankenhäuser
- Keine Analyse regionaler Versorgungsstrukturen
4. Extremwerte gehen verloren
Durch die k-Anonymisierung (k = 5) werden seltene Werte verändert – Aussagen über Ausreißer und Einzelfälle sind nicht mehr möglich.
- Sehr hohe Kosten werden gerundet oder verschoben
- Seltene Diagnosen landen ggf. in „Other"
- Ungewöhnliche Datumswerte werden angepasst
5. Häufigkeiten sind nur univariat korrekt
Die Verteilung einer einzelnen Variablen entspricht weiterhin ungefähr dem Original – Kombinationen von Variablen jedoch nicht.
- 20 % der Versicherten weiblich → bleiben ca. 20 % weiblich im PUF
- „20 % der Frauen haben Diagnose X" lässt sich NICHT mehr analysieren
6. Künstliche Kombinationen entstehen
Durch das unabhängige Mischen können Kombinationen auftreten, die in Wirklichkeit nie existieren – diese sind bewusst in Kauf genommen zugunsten des Datenschutzes.
- Kind mit Altersrente
- Männliche Person mit schwangerschaftsbezogenen Leistungen
- Ambulante Leistungen nach dem Todesdatum
- Fachlich unplausible Diagnosekombinationen