Zielsetzung: Kumulative Ansicht des aktuellen Datenbestandes aus unserer klinischen Datenbank (Zahnmedizinische Fakultät, Dalhousie University). Dabei sollten Zusammenhänge zwischen demographischen Faktoren und Behandlungsformen aufgespürt werden. Methode: Drei Tabellen - Patient, Behandlung und klinische Verfahren - wurden aus der Datenbank selektiert. Alle Felder und Datensatznummern in den Tabellen wurden registriert. Nach Exploration unter Verwendung von SQL Server in Visual Basic wurden zur Datenbereinigung inkongruente Felder entfernt. Nach der Transformation wurde ein Data- Warehouse angelegt, in den SQL Analysis Services Manager importiert und daraus ein OLAP-Würfel (On-Line Analytic Process) generiert. Resultate: Das multidimensionale Modell für den Datenzugriff wurde als sternförmiges Schema konzipiert. Messvariable war die Zahl der Behandlungen. Fünf Variablen wurden auf Zusammenhänge analysiert: Datum, Postleitzahl, Geschlecht, Altersgruppe und Behandlungsform. Ein zweites Data-Warehouse mit 8 Tabellen (internationales Zahnschema 1-8) wurde angelegt und in SAS Enterprise Miner importiert. Zum Auffinden von sequenziellen Zusammenhängen wurden Assoziationsknoten für die einzelnen Tabellen verwendet. Als Untergrenze wurden 2 % aller Fälle festgesetzt. Die meisten Annahmen bei der Behandlungsplanung bestätigten sich in der Studie. Es zeigten sich einige weniger stark ausgeprägte Muster, die nicht vorhersehbar und klinisch interessant waren. Es ist empfehlenswert, weitere Vorhersagemodelle zu entwickeln. Schlussfolgerung: Die aktuellen Entwicklungen in der Informationstechnik sind in vielfältiger Weise hilfreich bei der Konversion von klinischen Rohdaten aus Datenbanken in Informationen. Aus diesen lässt sich dann Wissen gewinnen, mit dem Entscheidungsträger und Wissenschaftler klinische Fragen beantworten, Richtungsentscheidungen treffen und den künftigen Forschungsbedarf ermitteln können. Schlagwörter: Klinische Datenbank, Zahnmedizin, Datenumwandlung, Data- Warehouse, OLAP, multidimensionales Model, sternförmiges Schema, Data-Mining, Predictive Modeling, Informationstechnik