gms | German Medical Science

Hintergrund und Stand der Forschung: Mittels eines Sozio-ökonomischen Impact Assessments (SEIA) können verschiedene Arten von Kosten und Nutzen von neuen Interventionen gesammelt und in einem prospektiven Modell verrechnet werden. Berücksichtig werden dabei monetäre Kosten, zeitliche Aufwände und immaterielle Faktoren wie Zufriedenheit. Insbesondere letztere werden zur Identifikation von Vetospieler:innen einbezogen. Das Ziel ist die Modellierung von Optionen für eine nachhaltige Translation der Intervention in die Regelversorgung. Im Folgenden werden die Erfahrungen am Beispiel von zwei Mini-Interventionen (in diesem Falle trigger-Fragen, die das Nachdenken über die folgenden Handlungen auslösen) MenDis-CHD II (Detection and treatment of mental disorders in patients with coronary heart disease) und LYOL-C II (Last Year of Life Cologne) des Verbundprojektes CoRe-Net beschrieben.

Fragestellung und Zielsetzung, Hypothese: Wie lässt sich das sozio-ökonomische Impact Assessment bei der Evaluation von Mini-Interventionen operationalisieren?

Methode: Im Projektverlauf wird zunächst ein Model auf Basis von Schätzdaten erstellt. Diese basieren auf Ergebnissen von Literaturrecherchen und Expert:innenschätzungen. Dabei werden die Daten für das finale SEIA während des Projektverlaufes erhoben und im Anschluss in ein Model eingebunden. Insbesondere bei Mini-Interventionen kann jedoch die Erhebung aller notwendigen Indikatoren schwierig sein, da unter anderem die Ressourcen begrenzt sind und die Evaluation die Anwendungserfahrung der Behandler:innen nicht überlagen darf.

Ergebnisse: Aufgrund der Schwierigkeit der Erhebung aller Indikatoren im Projektverlauf kann es vorkommen, dass Schätzdaten in das finale Model übernommen werden müssen. Dies können beispielsweise Kostendaten von Arzneimitteln sein, die in der Studie gar nicht oder mit viel Aufwand ermittelt werden können. Aus diesem Grund können Schätzdaten aus den Literaturrecherchen und Expert:innenschätzungen übernommen werden. Um der dadurch entstehenden Unsicherheit im Ergebnis Rechnung zu tragen, liegt ein besonderer Schwerpunkt auf Sensitivitätsanalysen, die in der verwendeten Methodik über Monte Carlo Simulationen umgesetzt werden. Die Unsicherheiten müssen in geeigneter Weise in der Darstellung der Ergebnisse berücksichtigt werden, um das Risiko falschere Schlussfolgerungen zu reduzieren.

Diskussion: Durch verschiedene Skalierungen können Unsicherheiten in den Daten minimiert werden, womit das Modell auch für die Evaluation von Interventionen mit wenig Ressourcen oder Komplikationen bei den Messungen der Indikatoren anwendbar ist.

Implikation für die Forschung: Probleme bei der Messung von Indikatoren sollte nicht dazu führen, dass Methoden wie das SEIA gar nicht erst zur Anwendung kommen. Der Einbezug von Schätzdaten in Kombination mit erhobenen Daten ist besser, als keine Daten zu haben/verwenden. Mit dadurch entstehenden Unsicherheiten muss transparent umgegangen werden.

Förderung: BMBF-Strukturförderung Versorgungsforschung; 01GY1916