EbM 2021
Um nach einer bestimmten ID zu suchen, geben Sie bitte eine Raute gefolgt von der ID ein (z.B. #123).

Postersession 2: Digitalisierung und digitale Techniken I

Moderatoren: Langer, Thomas, (Deutsche Krebsgesellschaft, Berlin)
 
Shortcut: PS-2
Datum: Donnerstag, 25. Februar 2021, 16:15 - 17:45
Raum: Session
Sessiontyp: Poster

Abstract

Klicken Sie auf eine Einreichung für eine Vorschau des Abstractinhalts.

PS-2-01

Virtual Reality Therapie (VRT) bei Patienten mit Schlaganfall (#7)

L. Retkowsky1, A. Born1

1 Hochschule 21, Physiotherapie, Buxtehude, Niedersachsen, Deutschland

Hintergrund/Fragestellung

Im Rahmen einer systematischen Recherche wurden von zwei unabhängigen Reviewer fünf wissenschaftliche Arbeiten zur Thematik VRT bei der Rehabilitation der Armfunktion von Patienten mit Schlaganfall ausgewählt und genauer untersucht. Anhand der aktuellen Studienlage wurde der Einfluss der VRT auf die Entwicklung der Armfunktion eines Patienten mit Schlaganfall im Vergleich zur konventionellen Therapie untersucht. Die Leitfrage der Recherche „Wirkt die VRT bei Patienten mit einem Schlaganfall zur Verbesserung der Funktion der oberen Extremität effektiver als die konventionelle Therapie?“, wurde nach dem PICO-Schema strukturiert.

Methoden

Die systematische Literaturrecherche nach randomisierten kontrollierten Studien wurde in den Sprachen Deutsch und Englisch durchgeführt. Für die Suche wurden die Datenbanken PEDro (1999 bis Juni 2020), PubMed (1971 bis Juni 2020), REHAB+ (2007 bis Juni 2020) und Cochrane (1993 bis Juni 2020) genutzt. Beide Reviewer nutzten bei der systematischen Literaturrecherche in den ihnen zugewiesenen Datenbanken dieselbe Suchstrategie. Anschließend schlossen die beiden Reviewer gemeinsam die Studien aus, die nicht ihre Einschlusskriterien erfüllten. Mithilfe der Pedro-Skala wurden die Studien bewertet. Studien die weniger als 7 von 11 Bewertungspunkte der Pedro – Skala erfüllten, wurden ausgeschlossen. Die Studienergebnisse und Schlussfolgerungen wurden auf ihre Ergebnisse und Schlussfolgerungen analysiert.

Ergebnisse

Das Fazit der Studien zeigt, dass die VRT machbar und in Kombination mit der konventionellen Therapie vorteilhaft ist. Nach dem derzeitigen Stand der Forschung ist die VRT der konventionellen Therapie im direkten Vergleich nicht überlegen. Sie ist in der subakuten und chronischen Phase sinnvoll und unabhängig von der Schlaganfallätiologie. Die VRT eignet sich somit in der Regel für alle Patienten nach einem Schlaganfall. Zudem kann sie eine motivierende Trainingsalternative darstellen. Für weitere Aussagen sind die Ergebnisse der Studien nicht signifikant genug.

Schlussfolgerung

Die VRT ist eine vielversprechende Ergänzung zu herkömmlichen Therapieformen. Weitere Forschungen sind allerdings unerlässlich, um evidenzbasierte Aussagen über die Effektivität dieser Therapieform formulieren zu können.

Literaturangaben

Pawel Kiper et al.: Virtual Reality for upper limb rehabilition in subacute and chronic stroke, 2018
Iris Brunner et al.: Virtual Reality Training for Upper Extremity in Subacute Stroke, 2017

Interessenkonflikte

Die Autorinnen geben an, dass kein Interessenskonflikt besteht.

Stichwörter: Patienten mit SchlaganfallVirtual Reality Therapie - konventionelle Therapie - Funktion der oberen Extremität, Patienten mit Schlaganfall, Virtual Reality Therapie, konventionelle Therapie, Funktion der oberen Extremität
PS-2-02

„Entwicklung und Pilotierung eines smarten Wohnraumassessments zur Verbesserung der teilhabeorientierten Überleitung aus der Rehabilitation nach Hause“ (#38)

U. Kirchner-Heklau1, S. Saal1, 2

1 Martin-Luther-Universität, Halle-Wittenberg, Institut für Gesundheits- und Pflegewissenschaft, Halle, Sachsen-Anhalt, Deutschland
2 Ernst-Abbe-Hochschule Jena, University of Applied Sciences, Fachbereich Gesundheit und Pflege, Jena, Thüringen, Deutschland

Hintergrund/Fragestellung

Grundlegend für eine Teilhabeorientierung in der medizinischen Rehabilitation sind Kenntnisse zum jeweiligen Kontext, in dem Teilhabe ermöglicht werden soll. Bei Rehabilitand*innen mit chronischen Gesundheitsproblemen steht oft die sichere Rückkehr nach Hause im Vordergrund. Ein Wohnraumassessment gibt Aufschluss über die Umweltanforderungen an die funktionellen Fähigkeiten der Rehabilitand*innen, über die notwendige Versorgung mit Hilfsmitteln, Wohnraumanpassungen und unterstützt die Ableitung von Rehabilitationszielen. Ein digital gestütztes Wohnraumassessment, durchgeführt durch Dritte (u.a. Angehörige) kann während des Klinikaufenthaltes zusätzliche Belastungen von Rehabilitand*innen und Therapeut*innen durch wegfallende Fahrtwege reduzieren und ein konkretes Bild zur Wohnumgebung geben. Ziel des Vorhabens ist es, ein Smartes Wohnraumassessment zu entwickeln, dieses bestmöglich in einen Pfad der klinischen Versorgung zu integrieren und auf Machbarkeit und Akzeptanz bei den wichtigsten Nutzergruppen zu prüfen [1].

Methoden

In einem Expertenworkshop mit Ergotherapeut*innen, Physiotherapeut*innen und Mitarbeiter*innen der Sozialarbeit werden Anforderungen an ein Smartes Wohnraumassessment identifiziert und in einem zweiten Workshop das Konzept auf Machbarkeit diskutiert und konsentiert. Auf Grundlage eines vorangegangenen Mixed-methods-Review wird ein Interventionsprotokoll und ein Implementierungskonzept unter Anwendung der Normalization Process Theory entwickelt [2]. Die Intervention wird anschließend in einer Pilotstudie in einer medizinischen Rehabilitationsklinik mit insgesamt 30 Rehabilitand*innen einer aus den Bereichen Geriatrie und Neurologie erprobt. Eine begleitende Prozessevaluation untersucht den Umsetzungsgrad und Reichweite der Intervention, die Mechanismen der Implementierung, und die einflussnehmenden Kontextfaktoren. Neben der Auswertung von Routinedaten und einer standardisierten Befragung der Rehabilitand*innen werden mit 4 pflegenden Angehörigen und allen beteiligten Ergotherapeut*innen qualitative themenzentrierte Experteninterviews durchgeführt.

Vorläufige/erwartete Ergebnisse, Ausblick

Die Pilotstudie liefert Erkenntnisse zu Verbesserungspotentialen der Interventionsgestaltung, der Implementierungsstrategien, der Datenerhebungsprozesse und dient der Abschätzung einer realistischen Rekrutierungsdauer für eine spätere Wirksamkeitsstudie.

Literaturangaben

[1] Craig, P., Dieppe, P., Macintyre, S., Michie, S., Nazareth, I., and Petticrew, M. 2008. Developing and evaluating complex interventions: the new Medical Research Council guidance. BMJ (Clinical research ed.) 337, a1655.

[2] Murray, E., Treweek, S., Pope, C., MacFarlane, A., Ballini, L., Dowrick, C., Finch, T., Kennedy, A., Mair, F., O'Donnell, C., Ong, B. N., Rapley, T., Rogers, A., and May, C. 2010. Normalisation process theory: a framework for developing, evaluating and implementing complex interventions. BMC medicine 8, 63.

Interessenkonflikte

Die Autorinnen geben an, dass kein Interessenkonflikt besteht.

Stichwörter: Entlassplanung, Wohnraumassessment, Wohnraumanpassung, Hilfsmittelversorgung, Rehabilitation
PS-2-03

Cost-effectiveness of Artificial Intelligence for Proximal Caries Detection (#95)

F. Schwendicke1, J. Gomez Rossi1, G. Göstemeyer2, K. Elhennawy3, A. Garcia Cantu1, R. Gaudin4, A. Chaurasia5, S. Gehrung1, J. Krois1

1 Charité - Universitätsmedizin Berlin, Department of Oral Diagnostics, Digital Health and Health Services Research, Berlin, Berlin, Deutschland
2 Charité - Universitätsmedizin Berlin, Department of Operative and Preventive Dentistry, Berlin, Berlin, Deutschland
3 Charité - Universitätsmedizin Berlin, Department of Orthodontics, Dentofacial Orthopedics and Pedodontics, Berlin, Berlin, Deutschland
4 Charité - Universitätsmedizin Berlin, Department of Oral and Maxillofacial Surgery, Berlin, Berlin, Deutschland
5 King George’s Medical University, Department of Oral Medicine and Radiology, Lucknow, Indien

Hintergrund/Fragestellung

Artificial intelligence (AI) can assist dentists in image assessment, for example caries detection. The wider health and cost impact of employing AI for dental diagnostics has not yet been evaluated.
We compared the cost-effectiveness of proximal caries detection on bitewing radiographs with vs. without AI.

Methoden

U-Net, a fully convolutional neural network had been trained, validated and tested on 3293, 252 and 141 bitewing radiographs, respectively, on which four experienced dentists had marked carious lesions. The union of all pixels was defined as reference test. The data was divided into a training (3,293), validation (252) and test dataset (141). The performance of the trained neural network on the test dataset was compared against that of seven independent dentists using tooth-level accuracy metrics. Lesions were stratified for initial lesions (E1/E2/D1, presumed non-cavitated, receiving caries infiltration if detected) and advanced lesions (D2/D3, presumed cavitated, receiving restorative care if detected). A Markov model was used to simulate the consequences of true and false positive and negative detections and the subsequent decisions over the lifetime the of patients. A German mixed-payers’ perspective was adopted. Our health outcome was tooth retention years. Costs were measured in Euro 2020. Monte-Carlo-microsimulations, univariate and probabilistic sensitivity analyses were conducted. The incremental cost-effectiveness ratio (ICER) and the cost-effectiveness-acceptability at different willingness-to-pay-thresholds were quantified.

Ergebnisse

AI showed an accuracy of 0.80; dentists’ mean accuracy was significantly lower at 0.71 (min-max: 0.61-0.78, p<0.05). AI was significantly more sensitive than dentists (0.75 versus 0.36 (0.19-0.65; p=0.006), while its specificity was not significantly lower (0.83 versus 0.91 (0.69-0.98; p>0.05)). In the base-case scenario, AI was more effective (tooth retention for a mean 64 (2.5-97.5%: 61-9´65) years) and less costly (298 (244-367) Euro) than assessment without AI (62 (59-64) years; 322 (257-394 Euro). The ICER was -13.9 Euro/year, i.e. AI saved money at higher effectiveness. In the majority (>77%) of all cases AI was less costly and more effective.

Schlussfolgerung

Applying AI for caries detection is likely to be cost-effective, mainly as fewer lesions remain undetected. Notably, this cost-effectiveness requires dentists to manage detected early lesions non-restoratively.

Interessenkonflikte

FS, RG and JK are co-founders of a Charité startup on dental image analysis. The conduct, analysis and interpretation of this study and its findings was unrelated to this.

Stichwörter: Artifical Intelligence (AI), Proximal Caries, Cost-effectiveness
PS-2-04

Quality control of the machine-learning tool DeepL for translation of oncological guidelines from German to English language (#107)

G. Wenzel1, T. Langer1, M. Follmann1

1 Deutsche Krebsgesellschaft e.V., Leitlinienprogramm Onkologie, Berlin, Berlin, Deutschland

Hintergrund/Fragestellung

Guidelines in oncology are documents with a large text corpus; as an example, the guideline for breast cancer contains almost 153,000 words. Demand for translations into English is high, resulting in a significant economic and resource burden for authors and professional societies. As an alternative to translating guidelines by hand, automated computer-based tools can be used, potentially reducing the required time and manpower. The feasibility of this approach for medical texts has been discussed before, revealing significant limitations. Herein, we resume this discussion focussing on the translation tool DeepL, a neural machine translation service using convolutional neural networks, to translate recommendations and quantify differences compared to a gold standard delivered by a professional human translator.

Methoden

The guidelines for breast cancer and endometrial cancer were translated from German to English by a human professional translator as well as by DeepL. The text of every recommendation was compared between the human and the machine translation using Levenshtein distance (LEV), bilingual evaluation understudy (BLEU) and WordNet semantic similarity (SES) scores as measures of text equality. Additionally, a formal grammar check was performed using GrammarBot. Descriptive statistics of these measures were calculated and compared quantitatively.

Ergebnisse

535 recommendations were extracted from the two guidelines. LEV scores between the machine and human translation ranged from 18.4% to 100.0% with a mean of 94.8% ± 12.9 (standard deviation), and 358/535 = 66.9% of the translations were identical (LEV = 1). BLEU scores ranged from 0.69 %to 100.00% (mean 91.32 ± 18.39). Semantic similarity ranged from 48.2% to 100.0% (mean 98.9% ± 4.5%), and 410/535 = 76.6% of the translations had complete semantic equality (SES = 1).  Formal grammar checking resulted in between no (530/535 = 99.1%) and one (5/535 = 0.9%) grammatical error.

Schlussfolgerung

Most recommendations were translated identically by DeepL and the human translator. Considering the high mean Levenshtein and BLEU scores between the translations, the quality of the automated translations has improved significantly within the last decade. The results can serve as a high-quality basis for proof-reading as a final professional quality check, significantly reducing required time and cost. Guideline background texts were not covered by this analysis and require further research.

Stichwörter: deepl, automatisierte übersetzung, neuronales netzwerk, leitlinien, onkologie
PS-2-05

Smart Health im Infektionsmanagement. Die Zukunft der evidenz-basierten Infektiologie? (#118)

R. Radloff1

1 Robert Radloff (c/o Curedatis), Clinical Evidence, Plochingen, Baden-Württemberg, Deutschland

Hintergrund/Fragestellung

Durch die wachsende Anzahl von digitalen Gesundheitsanwendungen und Wearables, sind innerhalb kurzer Zeit, Maßnahmen entstanden die zur Qualitätssicherung und Erstattung von digitalen Gesundheitsanwendungen, sogenannten DiGAs, beitragen sollen.
In dem Projekt soll aufgezeigt werden wie bei epidemische Ausbrüchen von Infektionskrankheiten (u.a. SARS-CoV-2; Influenza, Nosokomiale Infektionen) mit digital vernetzten Produkten zukünftige einen signifikanten Mehrwert innerhalb der Versorgungskette Prävention − Diagnose – Therapie - Nachsorge erbracht werden kann.

Methoden

Bei dem Projekt sollen die Vernetzung von Akademischer-, Versorgungs- und Industrieforschung für den gegenseitigen Austausch zu epidemischen Infektionskrankheiten in den Fokus rücken.
Mögliche Konzepte, wie virtuelle Forschungsplattformen und hybrid Modelle in der Klinik und in Start-up Inkubatoren sollen zum gegenseitigen Austausch vor allem mit Patienten genutzt werden. Forscher, Leistungserbringern und Patienten sollen bedarfsgerechte und qualitätsgesicherte Lösungen gemeinsam entwerfen und industrie-unabhängige Studien (IITs) innerhalb der rechtlichen Rahmenbedingungen durchgeführt werden.

Vorläufige/erwartete Ergebnisse, Ausblick

 

  1. Anamnese: Risikofaktoren identifizieren und dokumentieren („Infektions-Risiko-Pass“)
  2. Prävention: Verhaltenshinweise und Telemedizinische Anbindung evaluieren
  3. Therapie: Personalisierung, erhöhte Compliance und Patientensicherheit?
  4. Nachsorge: Monitoring der Vitalwerte und Patiententagebücher (ePROs) für eine optimale Versogung der Patienten und Wegbereiter zu einem nachhaltigen Gesundheitssystem
     

Literaturangaben

Tom-Aba D, Silenou BC, Doerrbecker J, Fourie C, Leitner C, Wahnschaffe M, Strysewske M, Arinze CC, Krause G. The Surveillance Outbreak Response Management and Analysis System (SORMAS): Digital Health Global Goods Maturity Assessment. JMIR Public Health Surveill. 2020 Apr 29;6(2):e15860. doi: 10.2196/15860

Zens M, Brammertz A, Herpich J, Südkamp N, Hinterseer M. App-Based Tracking of Self-Reported COVID-19 Symptoms: Analysis of Questionnaire Data. J Med Internet Res. 2020 Sep 9;22(9):e21956. doi: 10.2196/21956 . PMID: 32791493

Interessenkonflikte

keine

Stichwörter: Prävention, Self-reported outcomes, wearables, Infektionsmanagement, Digital Health in Klinik Plattformen
PS-2-06

ViTAWiN -Virtuell-augmentiertes Training für die Aus- und Weiterbildung in der interprofessionellen Notfallversorgung (#162)

D. Schnier1, C. Elsenbast1, T. Luiz1

1 Fraunhofer Instititute for Experimental Softwareengineering, Digital Healthcare, Kaiserslautern, Rheinland-Pfalz, Deutschland

ViTAWiN-Konsortium, www.vitawin.info

Hintergrund/Fragestellung

An der Schnittstelle zwischen Rettungsdienst (RD) und innerklinischer Versorgung, besteht eine besondere Komplexität hinsichtlich Teamkonstellation, Verantwortlichkeiten und der Findung von patientenzentrierten Entscheidungen. Das Projekt ViTAWiN nähert sich dieser Problemstellung, indem im interprofessionellen Ansatz das Training von Auszubildenden im Berufsbild Notfallsanitäter_In und Teilnehmenden (TN) der Fachweiterbildung Notfallpflege, in Erweiterter Realität (XR) ermöglicht wird. Beim Projekt wird der Fragestellung nachgegangen, welchen Beitrag XR unter Beachtung medienspezifischer Aspekte (1) zur Stärkung des interprofessionellen Ansatzes leisten kann.

Methoden

Im Projekt wird dies durch gefährdungsfreies Training in XR forciert. Durch die avatarbasierte Bewegung in einem mittels Head-Mounted-Display (HMD) dargestellten Szenario kann eine Orientierung im Raum erfolgen sowie Interventionen an virtuellen Pat. trainiert werden. Ferner können die Übergabe zwischen RD und Schockraum-Team sowie die dazugehörige Kommunikation und Interaktion geübt werden. In einem ersten Szenario ist ein virtueller Pat. mit einer schweren thermischen Verletzung leitliniengerecht (2) zu versorgen.

Im iterativen Prozess werden durch medientechnische und mediendidaktische Evaluationen die jeweiligen Implementierungsstände bewertet. Durch Methodentriangulation werden bereits validierte Instrumente genutzt, aber auch strukturierte Interviews analysiert. Im Bereich der quantitativen Methoden ist z.B. die Erhebung von Cyber-Sickness-Symptomen zu nennen, aber ebenso die Erfassung von Präsenzerleben, situativer Motivation, Technikbereitschaft, trainingsrelevanter Outcome-Dimensionen und Aspekte des Trainingsdesigns.

Ergebnisse

Nach einem strukturierten Interview mit TN aus der Notfallpflege wurde deutlich, dass eine erhebliche Steigerung von Spaß und Benutzerfreundlichkeit gegenüber früheren Prototypen erfahrbar ist. Der Stellenwert einer ausgiebigen Familiarisierung mit der neuen Technik wurde hervorgehoben. Wünsche bei der Weiterentwicklung betrafen v.a. die emotionalen Reaktionen und sozialen Information, wie sie z.B. über Mimik transportiert werden können. Ferner wurde die Weiterentwicklung der haptischen Augmentierung und die Verwendung kabelloser HMD klar adressiert.

Schlussfolgerung

Erste Evaluationsergebnisse weisen bereits auf eine gute Usability hin. Mit Hilfe einer Künstlichen Intelligenz sollen kontextabhängige emotionale Reaktionen und soziale Informationen von virtuellen Pat. realisiert werden.

Literaturangaben

 

  1. Lerner, D., Mohr, S., Schild, J., Göring, M. & Luiz, T. (2020). An Immersive Multi-User Virtual Reality for Emergency Simulation Training: Usability Study. JMIR Serious Games, 8(3), e18822. https://doi.org/10.2196/18822
  2. Behandlung thermischer Verletzungen des Erwachsenen - Klasse: S2k. (2018, August 1). AWMF. https://www.awmf.org/leitlinien/detail/ll/044-001.html
[Bemerkung: Weitere Evaluationen folgen bzw. werden gerade durchgeführt, darunter quantitative Erhebungen und können bis zum Kongressdatum aussagekräftig ins Poster einfließen.]

Interessenkonflikte

Bei den Autoren liegen keine Interessenkonflikte vor.

Stichwörter: Erweiterte Realität, Virtuelle Realität, Digitalhealth, Künstliche Intelligenz, Augmentierte Realität
PS-2-07

Die Handreichung „Gesundheits-Apps“: Entwicklung einer Unterstützung speziell für Ärzt*innen (#170)

S. Schwarz1, A. Krampe-Scheidler2, A. - F. Aly3, C. Schaefer1

1 Ärztliches Zentrum für Qualität in der Medizin, Berlin, Berlin, Deutschland
2 freie Medinjournalistin, Berlin, Berlin, Deutschland
3 Bundesärztekammer, Berlin, Berlin, Deutschland

Hintergrund/Fragestellung

Die Digitalisierung hält immer stärker Einzug in die Medizin. So können sich Patient*innen seit Kurzem Gesundheits-Apps verschreiben lassen. Aber auch Ärzt*innen nutzen Apps im Berufsalltag, z. B. in Form von Leitlinien oder zur Unterstützung der Praxisorganisation. Während es für Patient*innen bereits Informationsangebote zur Qualität von Gesundheits-Apps gibt, sind solche Möglichkeiten für Ärzt*innen bislang kaum verfügbar. Diese werden jedoch dringend benötigt, um auch ihre Fragen zu beantworten: Wie werden Apps verordnet? Wie können Patient*innen bei der App-Auswahl beraten werden? Wie gut sind Leitlinien-Apps?

Dieser Beitrag berichtet, wie eine solche adressatengerechte Handreichung entwickelt wurde. Ihr Ziel ist es, Ärzt*innen verlässlich zu informieren sowie für das Thema Gesundheits-Apps zu sensibilisieren.

Methoden

Ein Expertenkreis aus Medizin, Informatik, Digitalisierung, Selbsthilfe, Selbstverwaltung und Fachjournalismus erarbeitete in einem mehrstufigen Prozess auf der Basis von Qualitätskriterien die Handreichung.

Aufgrund der komplexen Fragestellung erfolgte eine breit angelegte Recherche u. a. in wissenschaftlichen Datenbanken, Fachbüchern und -zeitschriften, Medienberichten sowie in Newslettern oder auf Webseiten von Ministerien, Behörden oder Krankenkassen. Zudem flossen Informationen aus dem Digitale-Versorgung-Gesetz mit ein (DVG)1.

Danach wurden mithilfe des Expertenkreises Informationsbedürfnisse von Ärzt*innen zu Gesundheits-Apps identifiziert. So stellte es sich als relevant heraus, die verschiedenen Rollen von Ärzt*innen zu berücksichtigen: Einerseits beraten sie Patienten*innen im Umgang mit Apps und empfangen Patientendaten, andererseits nutzen sie beruflich auch selbst Apps. Auf Basis der Recherche sowie Rückmeldungen aus dem Expertenkreis und von befragten Ärzt*innen wurden 18 praxisnahe Fallvignetten entwickelt. Diese geben Antworten auf häufige Fragen. Ferner geht die Handreichung auf Problembereiche und Möglichkeiten der digitalen Angebote ein. Eine Patienteninformation und Links zu weiterführenden Informationen ergänzen das Dokument.

Vorläufige/erwartete Ergebnisse, Ausblick

Die Handreichung ist aus der Praxis für die Praxis heraus entstanden. Sie steht kurz vor der Veröffentlichung (Stand: Oktober 2020) und bietet Ärzt*innen eine Orientierung im Umgang mit Gesundheits-Apps. Die Dynamik des Themas verlangt weiterhin ein hohes Maß an Flexibilität – die Handreichung wird nach ihrer Publikation „Work-in-progress“ sein.

Literaturangaben

1Gesetz für eine bessere Versorgung durch Digitalisierung und Innovation (Digitale-Versorgung-Gesetz – DVG): vom 9. Dezember 2019. Bundesgesetzblatt Teil I 2019(49):2562–84. http://www.bgbl.de/xaver/bgbl/start.xav?startbk=Bundesanzeiger_BGBl&jumpTo=bgbl119s2562.pdf.

Interessenkonflikte

Sabine Schwarz und Corinna Schaefer sind Mitarbeiterinnen am Ärztlichen Zentrum für Qualität in der Medizin (ÄZQ) und waren dort an der Erstellung der oben genannten Handreichung zu Gesundheits-Apps beteiligt. Amin-Farid Aly hat in Bezug auf das Thema keine Interessenskonflikte. Anne Krampe-Scheidler ist freie Medizinjournalistin und hat in Bezug auf das Thema „Digital Health“ keine Interessenkonflikte.

Stichwörter: Gesundheits-Apps, digitale Transformation, Handreichung
PS-2-08

Assessment Frameworks für digitale Gesundheitsanwendungen (DiGA) und deren Anwendung an ausgewählten Beispielen (#171)

R. Jeindl1, C. Wild1

1 AIHTA Austrian Institute for Health Technology Assessment, Wien, Wien, Österreich

Hintergrund/Fragestellung

Der zunehmende Einsatz digitaler Technologien im Gesundheitswesen stellt Entscheidungsträger*innen vor neue Herausforderungen in der Evaluation dieser Applikationen. Für die Mehrzahl der verfügbaren digitalen Gesundheitsanwendungen (DiGA) liegt bislang keine oder wenig Evidenz zum Nutzen vor. Bisher verfügbare Assessment Frameworks umfassen häufig nicht alle Domänen eines vollen HTAs. Gleichzeitig erfordert die gründliche Evaluation einer DiGA zusätzliche Domänen, die durch einen klassischen HTA-Bericht nicht abgedeckt sind. Dies sind technologiespezifische Aspekte wie beispielsweise Software-Updates, Fragen der Konnektivität und Kompatibilität sowie digitaler Datenschutz. Die vorliegende Arbeit zielte darauf ab, die Anwendbarkeit der bisher verfügbaren Assessment Frameworks auf DiGA zu prüfen.

Methoden

Zur Identifikation der Assessment Frameworks wurde eine systematische Literatursuche und INAHTA-Befragung durchgeführt. 6 Assessment Frameworks wurden exemplarisch ausgewählt und auf Ähnlichkeiten und Unterschiede analysiert. DiGA und jeweilige vorhandene Studien wurden durch eine Handsuche identifiziert. Anhand von Ein- und Ausschlusskriterien wurde eine exemplarische Auswahl von 11 DiGA getroffen.

Ergebnisse

Vorschläge zu Studiendesigns wurden in 4 von 6 analysierten Assessment Frameworks genannt. Eine Risikoklassifikation der zu bewertenden DiGA wurde in 1 von 6 analysierten Assessment Frameworks vorgeschlagen. Aspekte der künstlichen Intelligenz wurden durch 1 von 6 analysierten Frameworks überprüft. Die höchste Evidenzstufe der jeweiligen DiGA reichte von Datenbankanalysen (2/11) zu Fall-Kontroll-Studien (3/11) bis RCTs (3/11). In der Analyse fanden sich DiGA ohne abgeschlossene Studien (3/11).

Schlussfolgerung

Es besteht eine große Heterogenität der Frameworks, vor allem in Bezug auf Einteilung in Risikoklassen sowie in Bezug auf technologiespezifische Aspekte wie Datenschutz und künstliche Intelligenz. Nur das Evidence Standards Framework von NICE bietet einen präzise Einteilung in definierte Risikoklassen mit entsprechend geforderten Studiendesigns. Aspekte der künstlichen Intelligenz werden in den Assessment Frameworks kaum überprüft. Die Evidenz der digitalen Gesundheitsanwendungen zeigt Unterschiede in der Wahl der Studiendesigns. Kontrollierte Studien mit Vergleich zu einem Goldstandard sind nicht immer, aber in rezenten (laufenden) Studien häufiger gegeben. Die Funktionsweise der verwendeten Algorithmen der digitalen Gesundheitsanwendungen wird nicht transparent beschrieben.

Literaturangaben

Jeindl R, Wild C. Framework zur Unterstützung von Refundierungsentscheidungen zu digitalen Gesundheitsanwendungen (mHealth) und dessen (retrospektive) Anwendung an ausgewählten Beispielen. AIHTA Projektbericht Nr.: 134; 2020. Wien: HTA Austria – Austrian Institute for Health Technology Assessment GmbH (Veröffentlichung Mitte November)

Interessenkonflikte

Alle beteiligten Autor*innen erklären, dass keine Interessenskonflikte im Sinne der Uniform Requirements of Manuscripts Statement of Medical Journal Editors (www.icmje.org) bestehen.

Stichwörter: Health Technology Assessment, mHealth, digitale Gesundeheitsanwendung, Assessment Framework, digital health
PS-2-09

Digitale Gesundheitsanwendungen als Bestandteil des Leistungskataloges der GKV (DiGA): Erfahrungen zu den ersten erstattungsfähigen Produkten sowie dem zugehörigen Nachweis eines positiven Versorgungseffekts (#172)

E. - G. Hagenmeyer1

1 GKV-Spitzenverband, Abt. Medizin, Berlin, Deutschland

Hintergrund/Fragestellung

Nach dem Digitale-Versorgung-Gesetz (DVG),1 in Kraft seit dem 19.12.19, haben GKV-Versicherte "Anspruch auf Versorgung mit Medizinprodukten niedriger Risikoklasse, deren Hauptfunktion wesentlich auf digitalen Technologien beruht und die dazu bestimmt sind, bei den Versicherten oder in der Versorgung durch Leistungserbringer die Erkennung, Überwachung, Behandlung oder Linderung von Krankheiten oder die Erkennung, Behandlung, Linderung oder Kompensierung von Verletzungen oder Behinderungen zu unterstützen (digitale Gesundheitsanwendungen)." Neben Anforderungen an Sicherheit, Funktionsfähigkeit und Qualität müssen die DiGA den Nachweis eines positiven Versorgungseffekts erbringen. Dabei handelt es sich entweder um einen medizinischen Nutzen oder um einen patientenrelevanten Struktur- und Versorgungseffekt. Die Anforderungen an die Qualität dieses Nachweises beschränkt sich im Wesentlichen darauf, dass es sich dabei um eine vergleichende Studie handeln muss. Seit Anfang Oktober 2020 finden sich die ersten vom BfArM geprüften Produkte im DiGA-Verzeichnis (https://diga.bfarm.de/de) gelistet und verordnungsfähig. Vor diesem Hintergrund ist es von Interesse, welche Art von Nachweisen, in welcher Qualität, insbesondere unter Verwendung welcher Studiendesigns und welcher Datenquellen, von den Herstellern vorgelegt werden.

Methoden

Aus dem BfArM-Verzeichnis werden die Charakteristika der gelisteten DiGA sowie die Details der dazu abgeschlossenen oder geplanten Studien extrahiert. Die Informationen werden anhand des PICO-Schemas strukturiert und nach akzeptierten Qualitätskriterien beurteilt.

Vorläufige/erwartete Ergebnisse, Ausblick

Die Arbeit wird einen Überblick über die von den DiGA beabsichtigten Interventionen, die Zielgruppen und die zugehörigen Nachweise des positiven Versorgungseffekts sowie der Qualität dieser Nachweises geben. Es wird diskutiert, inwieweit die Nachweise zum positive Versorgungseffekt eine angemessene Evidenzgrundlage für die Versorgung der Versicherten im Rahmen der GKV sind.

Literaturangaben

1Gesetz für eine bessere Versorgung durch Digitalisierung und Innovation (Digitale-Versorgung-Gesetz, DVG) Bundesgesetzblatt Teil I Nr. 49 vom 18.12.2019, Bonn.

Stichwörter: Digitalisierung, mobile Gesundheitsanwendungen, mHealth