gms | German Medical Science

20. Deutscher Kongress für Versorgungsforschung

Deutsches Netzwerk Versorgungsforschung e. V.

06. - 08.10.2021, digital

Anwendung sozialer Netzwerkanalyse in der Versorgungsforschung – Chancen und Herausforderungen

Meeting Abstract

  • Christine Arnold - Universitätsklinikum Heidelberg, Abteilung Allgemeinmedizin und Versorgungsforschung, Heidelberg, Deutschland
  • Johanna Forstner - Universitätsklinikum Heidelberg, Abteilung Allgemeinmedizin und Versorgungsforschung, Heidelberg, Deutschland
  • Tiziana Daniel - Universitätsklinikum Heidelberg, Abteilung Allgemeinmedizin und Versorgungsforschung, Heidelberg, Deutschland
  • Michel Wensing - Universitätsklinikum Heidelberg, Abteilung Allgemeinmedizin und Versorgungsforschung, Heidelberg, Deutschland
  • Jan Koetsenruijter - Universitätsklinikum Heidelberg, Abteilung Allgemeinmedizin und Versorgungsforschung, Heidelberg, Deutschland

20. Deutscher Kongress für Versorgungsforschung (DKVF). sine loco [digital], 06.-08.10.2021. Düsseldorf: German Medical Science GMS Publishing House; 2021. Doc21dkvf417

doi: 10.3205/21dkvf417, urn:nbn:de:0183-21dkvf4179

Published: September 27, 2021

© 2021 Arnold et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Hintergrund/Fragestellung/Problem: Ohne die Zusammenarbeit zwischen Leistungserbringern kann die Gesundheitsversorgung nicht optimal funktionieren. Traditionelle Forschungsmethoden können die zugrunde liegenden Muster schlecht aufzeigen und damit Fragen wie: „Wer arbeitet zusammen oder soll zusammenarbeiten? Wie entstehen Kooperationsnetze und wie fließen Informationen und Innovationen durch solche Netzwerke?“ nur bedingt beantworten. Die soziale Netzwerkanalyse (SNA) ist ein Set von Methoden und Theorien, die für diese Art von Fragen Anfang 1900 in den Sozialwissenschaften entwickelt wurde.

Lösungen und Lösungsvorschläge: In der Versorgungsforschung findet die SNA in verschiedenen Bereichen Anwendung. Netzwerke können beispielsweise aus Arztpraxen, Krankenhäusern, einzelnen Leistungserbringern oder Patient*innen gebildet werden. Daten für die SNA können auf verschiedene Weise wie durch Fragebögen, qualitative Befragungen oder durch Abrechnungsdaten gewonnen werden. Je nach Fragestellung bilden die Verbindungen zwischen Entitäten verschiedene Beziehungen wie Ähnlichkeiten, soziale Beziehungen privater oder beruflicher Natur, Interaktionen sowie den Informationsaustausch oder andere Flüsse zwischen den Akteuren ab. Die dadurch entstandenen Netzwerke können über Graphen dargestellt und die Netzwerkeigenschaften berechnet werden. So lassen sich auf individueller Ebene Merkmale wie Zentralität und Restriktion bestimmen, während sich auf Netzwerkebene die Netzwerke von Akteuren anhand von Merkmalen wie Dichte und Reziprozität vergleichen lassen.

Die Möglichkeiten der SNA haben wir bisher u.a. benutzt, um anhand von Abrechnungsdaten einer Krankenkasse den Einfluss von Netzwerkeigenschaften auf gesundheits- und versorgungsbezogene Outcomes, wie die Verbreitung der Verschreibung von Medikamenten bei Patient*innen mit Herzinsuffizienz und die Versorgungskontinuität bei Patient*innen mit Diabetes mellitus Typ II oder COPD, zu erforschen. Fragebögen wurden genutzt, um den Informationsaustausch innerhalb von Hausarztpraxen zu explorieren. Diese Ergebnisse haben gezeigt, dass es einen Zusammenhang zwischen Netzwerkpositionen und gesundheits- und versorgungsbezogenen Outcomes gibt.

Schlussfolgerung/Diskussion/Lessons Learned: Die SNA bietet in der Versorgungsforschung neue Möglichkeiten effektive (interprofessionelle) Zusammenarbeit und Vernetzung zu zeigen. Um alle Möglichkeiten dieser Methode zu nutzen, sind jedoch einige Herausforderungen zu überwinden. So sollten beispielsweise theoretische Konzepte entwickelt werden und Maßzahlen aus der SNA auf die Versorgungsforschung übertragen werden, um Ergebnisse und Zusammenhänge besser interpretieren zu können. Als Herausforderungen zeigten sich unter anderem datenschutzrechtlichen Hürde bei der Erhebung von Primärdaten und der Umgang mit fehlenden Werten bei der Analyse. Dies kann z.T. zwar durch Abrechnungsdaten überwunden werden, diese sind jedoch mit anderen Einschränkungen wie fehlenden persönlichen Attributen oder privaten Beziehungen verbunden.