gms | German Medical Science

EbM – ein Gewinn für die Arzt-Patient-Beziehung?
Forum Medizin 21
11. EbM-Jahrestagung

Paracelsus Medizinische Privatuniversität, Deutsches Netzwerk Evidenzbasierte Medizin e. V.

25.02. - 27.02.2010, Salzburg, Österreich

Entscheidungsanalyse in Public Health und EbM

Meeting Abstract

Search Medline for

  • corresponding author N. Mühlberger - Institut für Public Health, Medical Decision Making und Health Technology Assessment, UMIT - Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Hall i.T., Österreich
  • U. Siebert - Institut für Public Health, Medical Decision Making und Health Technology Assessment, UMIT - Private Universität für Gesundheitswissenschaften, Medizinische Informatik und Technik, Hall i.T., Österreich

EbM – ein Gewinn für die Arzt-Patient-Beziehung?. Forum Medizin 21 der Paracelsus Medizinischen Privatuniversität & 11. EbM-Jahrestagung des Deutschen Netzwerks Evidenzbasierte Medizin. Salzburg, 25.-27.02.2010. Düsseldorf: German Medical Science GMS Publishing House; 2010. Doc10ebm057

DOI: 10.3205/10ebm057, URN: urn:nbn:de:0183-10ebm0574

Published: February 22, 2010

© 2010 Mühlberger et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Randomisierte klinische Studien (RCT) gelten als Goldstandard für die Bewertung des kausalen Nutzens neuer medizinischer Maßnahmen und bilden daher eine wichtige Grundlage für die evidenzbasierte Medizin. Allerdings sind die Beobachtungszeiträume und die Anzahl der gegeneinander vergleichbaren Handlungsalternativen und Zielgruppen in RCTs aus praktischen Gründen beschränkt. Dadurch ist die alleinige Evidenz aus randomisierten Studien in den meisten Fällen nicht ausreichend für die Bewertung der langfristigen Auswirkungen einer Intervention. Probleme ergeben sich vor allen bei der Bewertung von präventiven Public Health Maßnahmen und bei Interventionen gegen chronische Erkrankungen, bei denen die Haupteffekte oft erst in fernerer Zukunft zu erwarten sind. Die Evidenz aus randomisierten Studien beschränkt sich häufig auf kurzfristige Effekte und Surrogatparameter, welche erst durch epidemiologische Langzeitstudien zur Krankheitsprogression, krankheitsspezifischen Mortalität und Nebenwirkungen ergänzt werden muss, um die Auswirkungen auf die tatsächlich patientenrelevanten Zielgrößen abschätzen zu können. Darüber hinaus bieten randomisierte Studien keinen umfassenden Lösungsansatz für die Integration unterschiedlicher Ergebnisdimensionen, die für die Evaluation des Nettonutzens oder der Wirtschaftlichkeit einer medizinischen oder Public Health Intervention unabdingbar wäre (z.B. Integration von Nutzen, Risiken und ggf. Kosten).

Einen Ansatz zur Verknüpfung der Ergebnisse aus RCTs und Beobachtungsstudien und der Synthese von Daten zu Nutzen, Risiken (und ggf. Kosten) bietet das Instrument der Entscheidungsanalyse. Die Entscheidungsanalyse ist ein systematischer, expliziter und quantitativer Ansatz zur Entscheidungsfindung unter Unsicherheit. Sie verwendet wahrscheinlichkeits-basierte Modelle, in denen Daten aus unterschiedlichen Evidenzquellen zusammengeführt werden. Ziel der Entscheidungsanalyse ist die Bestimmung der optimalen Handlungsstrategie nach Gewichtung der medizinischen Nutzen und Risiken (und ggf. Kosten) der verschiedenen Handlungsalternativen. Darüber hinaus legt die Entscheidungsanalyse alle Elemente eines Entscheidungsproblems anschaulich dar und bietet ein umfassendes Repertoire an systematischen und transparenten Methoden zur Beurteilung der Unsicherheit (z.B. Sensitivitätsanalysen, Value-of-Information Analysen).

Der angebotene Kurs vermittelt eine knappe Übersicht über die Konzepte und Methoden der Entscheidungsanalyse. Konkret angesprochen werden: Ziele und Definitionen der Entscheidungsanalyse, Modelltypen, Modellstruktur und Modellparameter, Basisfall- und Sensitivitätsanalysen, Berücksichtigung gesundheitsbezogener Lebensqualität, Gesundheitsökonomische Evaluation und ethische Aspekte. Der Kurs richtet sich an Akteure im Gesundheitswesen mit Interesse an der systematischen und quantitativen Bewertung von Entscheidungen im Gesundheitswesen, ohne nennenswerte Vorkenntnisse im Bereich der Entscheidungsanalyse.