Verlässliche Forschung dank Qualitätsdaten
So funktioniert systematisches Data Cleaning – am Beispiel der Swiss Atrial Fibrillation Cohort
Die Swiss Atrial Fibrillation Cohort (Swiss-AF) bietet seit vielen Jahren die Grundlage für zahlreiche Forschungsprojekte rund um die komplexen Zusammenhänge zwischen Vorhofflimmern, strukturellen Veränderungen im Gehirn und der kognitiven Leistungsfähigkeit. Um die unterschiedlichen wissenschaftlichen Fragestellungen gezielt beantworten zu können, müssen Datensätze in integrierter und analysierbarer Form vorliegen. Dies ist die zentrale Aufgabe des Datenzentrums.

Datenbasis für viele Forschungsfragen
Der besondere Wert einer Forschungskohorte wie Swiss-AF liegt darin, eine langfristige Datenbasis für viele unterschiedliche Forschungsprojekte bereitzustellen. Die Teilnehmenden werden über Jahre hinweg begleitet, wodurch Veränderungen im Krankheitsverlauf sowie langfristige Folgen untersucht und dokumentiert werden können. Neben klinischen Daten werden auch biologische Proben, Bildgebungsdaten, genetische Informationen und patientenbezogene Angaben erhoben. Es lassen sich immer neue wissenschaftliche Fragestellungen bearbeiten und komplexe Zusammenhänge erforschen.
So konnte anhand der Swiss-AF-Kohorte gezeigt werden, dass Vorhofflimmern nicht nur das Risiko für Schlaganfälle erhöht, sondern auch mit unbemerkten Hirnschäden und kognitivem Abbau verbunden ist. MRT-Untersuchungen belegten, dass viele Patientinnen und Patienten trotz leitliniengerechter Behandlung stille Hirninfarkte entwickeln, die mit einer Verschlechterung der kognitiven Leistungsfähigkeit einhergehen.

«Swiss-AF hat gezeigt, dass die Folgen von Vorhofflimmern nicht am Herzen enden. Durch die systematische Verknüpfung und Analyse unterschiedlicher Daten konnten wir Zusammenhänge mit der Hirnfunktion aufdecken, die so bisher nicht bekannt gewesen waren. Die Kohorte hat damit wichtige neue Perspektiven für die Prävention und Behandlung von Patientinnen und Patienten mit Vorhofflimmern eröffnet.»
Datenqualität als Voraussetzung für verlässliche Forschung
Longitudinale Datensammlungen bringen allerdings auch Herausforderungen mit sich. Je umfangreicher und langfristiger sie werden, desto mehr leidet die Datenqualität. Fehlende Angaben, widersprüchliche oder unplausible Einträge wiederum beeinträchtigen die Aussagekraft von statistischen Analysen, die für jede neue Forschungsfrage wieder neu durchgeführt werden müssen.
Über die Jahre verändern sich auch medizinische Definitionen, Messmethoden, eingesetzte Technologien und therapeutische Standards. Zudem entwickeln sich die Systeme für Datenspeicherung, Datenexport und Datenanalyse kontinuierlich weiter. Damit Daten aus unterschiedlichen Erhebungszeiträumen dennoch konsistent und vergleichbar bleiben, müssen sie fortlaufend harmonisiert und qualitätsgesichert werden.
Dies ist die zentrale Aufgabe des Swiss-AF-Datenzentrums. Es sorgt dafür, dass die Bereinigung der Daten nach standardisierten, semi-automatisierten Prozessen erfolgt und auf diese Weise integrierte und analysierbare Datensätze entstehen. Die Datenbereinigung bildet deshalb eine unverzichtbare Brücke zwischen Datenerhebung und wissenschaftlicher Analyse.

«Die Verfügbarkeit harmonisierter und qualitätsgesicherter Datensätze sind eine Grundvoraussetzung für robuste und replizierbare statistische Analysen. Wenn die Daten bereits zentral bereinigt und integriert vorliegen, können wir uns auf die Beantwortung der wissenschaftlichen Fragestellung konzentrieren, statt erhebliche Ressourcen in die Aufarbeitung der Daten investieren zu müssen.»
Zwei sich ergänzende Ansätze
Die Prozesse zur Datenbereinigung innerhalb der Swiss-AF Kohorte sind standardisiert und haben sich bewährt. Zum einen werden Daten jederzeit auf Anfrage geprüft und aufbereitet, wenn Forschende oder Statistiker Datensätze für eine bestimmte Analyse benötigen. Diese automatisierten Qualitätsprüfungen und Plausibilisierungskontrollen werden mittels eines eigens am DKF entwickelten R-Pakets durchgeführt. Es ermöglicht die Erstellung integrierter Datensätze sozusagen auf Knopfdruck.
Zum anderen findet einmal jährlich eine umfassende zentrale Datenbereinigung statt. Im Rahmen dieses sogenannten Centralised Monitoring werden sämtliche neu erhobenen Daten systematisch und ebenfalls automatisiert überprüft. Auffälligkeiten werden identifiziert und in einem strukturierten Query-Prozess an die beteiligten Studienzentren zurückgespielt. Gemeinsam werden Unklarheiten geklärt und Korrekturen vorgenommen. Auf diese Weise tragen alle Zentren zur kontinuierlichen Verbesserung der Datenqualität bei und lernen ausserdem, in Zukunft gewissen Fehler zu vermeiden.

Centralised Monitoring als Qualitätselement
Das zentralisierte Monitoring (Centralised Monitoring) ist weit mehr als nur eine technische Datenprüfung. Der Prozess schafft einen gemeinsamen Qualitätsstandard über alle Studienzentren hinweg und stellt sicher, dass Daten nach einheitlichen Kriterien bewertet und korrigiert werden.
Für das Datenzentrum bedeutet dies, grosse Datenmengen regelmässig auf Vollständigkeit, Konsistenz und Plausibilität zu überprüfen. Die Erkenntnisse aus diesen Kontrollen helfen nicht nur bei der Korrektur bestehender Datensätze, sondern auch dabei, wiederkehrende Fehlerquellen frühzeitig zu erkennen und zukünftige Datenerhebungen zu verbessern.
Dadurch wird Datenqualität von einer nachträglichen Korrekturmassnahme zu einem kontinuierlichen Verbesserungsprozess. Forschende können sich darauf verlassen, dass die bereitgestellten Datensätze den hohen Anforderungen moderner klinischer Forschung entsprechen.

«Datenqualität entsteht nicht erst kurz vor einer Analyse. Durch automatisierte Prüfprozesse und das jährliche Centralised Monitoring können wir Auffälligkeiten früh erkennen und gemeinsam mit den Studienzentren bereinigen. So stellen wir sicher, dass Forschende auf konsistente und belastbare Datensätze zugreifen können.»
Die Arbeit des Datenzentrums veranschaulicht die Bedeutung der Datenbereinigung (Data Cleaning) und des zentralisierten Monitorings (Centralised Monitoring). Qualitätsprobleme werden möglichst früh erkannt, bevor sie sich auf nachfolgende Schritte wie Datenextraktion, Datenintegration oder statistische Analysen auswirken können.
Dadurch entsteht eine verlässliche Grundlage für wissenschaftliche Fragestellungen, die auf den Swiss-AF-Daten aufbauen. Gleichzeitig wird sichergestellt, dass die Kohorte auch langfristig eine hochwertige Forschungsressource bleibt.
Swiss Atrial Fibrillation Cohort (Swiss-AF)
Leitung
Prof. Michael Kühne, Leiter
Stefanie Aeschbacher, Studienkoordinatorin
Pia Neuschwander, PhD, Leiterin Datenzentrum
Zentren
Kantonsspital Baden
Universitätsspital Basel (USB)
Ospedale Regionale di Bellonzona e Valli (EOC)
Inselspital Bern
Hopital Cantonal Fribourg (HFR)
Hopitaux Univeritaires Genève (HUG)
Centre Hospitalier Universit. Vaudois (CHUV)
Cardiocentro Ticino
Kantonsspital Luzern
Bürgerspital Solothurn
Kantonsspital St. Gallen
Triemlispital Zürich
Datenlage
3418 Patientinnen und Patienten
davon 2415 mit und 1003 ohne Vorhofflimmern
Weitere Informationen
Auswahl Top-Publikationen
Silent brain infarcts impact on cognitive function in atrial fibrillation. Kühne M et al., Eur Heart J. 2022
Bleeding and ischaemic events after first bleed in anticoagulated atrial fibrillation patients: risk and timing. Meyre PB, et al., Eur Heart J. 2022
Atrial fibrillation and atherosclerosis cause different vascular brain lesions on magnetic resonance imaging. Stegmann T, et al., Eur Heart J. 2025
Ischemic brain infarcts, white matter hyperintensities, and cognitive impairment are increased in patients with Atrial Fibrillation. Krisai P, et al., Commun Med (Lond). 2026
Association of Clonal Hematopoiesis With Silent Brain Lesions and Cognitive Decline in Patients With Atrial Fibrillation. Meyre PB et al., Circulation. 2026
Serum Neurofilament Light Chain and Cardiovascular Outcomes in Patients With Atrial Fibrillation. Baskaran G, et al., JAMA Cardiol. 2026




Kommentare