Digitalisierte Medizin - Wie ist die Evidenz und die Akzeptanz bei den Nutzern? Dr. Christoph Dockweiler, M.Sc. PH Universität Bielefeld School of Public Health Gesundheitswesen goes Digital, 29. März 2017, Hannover
Evidence-Based Digital Health Digital Health deutet die innewohnenden Potenziale mehrfach an Selbstmanagement von chronisch Kranken: Adhärenz (z. B. Linn et al. 2011) Menschen mit Behinderungen: Teilhabe, Partizipation (z. B. Smith et al. 2016) Versorgung im ländlichen Raum: Zugang (z. B. Barlinn et al. 2016) Entscheidungsfindung: Information und Empowerment (z. B. Tait et al. 2014) Prävention: Verhaltensintervention (z. B. Rollo et al. 2016)
Evidence-Based Digital Health Telemedizin im Vergleich zu Standard Care Cochrane Review zur Telemedizin (Monitoring und Konferenz) (Flodgren et al. 2015): 93 RCTs, N = 22.047 Patienten. Ergebnisse im Vergleich zu Standard Care: Verbesserung der Morbidität (hohe Evidenz) Verbesserung der Lebensqualität (moderate Evidenz) Kein Unterschied in der Mortalität (moderate bis hohe Evidenz) Uneinheitlichkeit in der (Re-)Hospitalisierung (moderate Evidenz) (A)55,5% der internationalen systematischen Übersichtsarbeiten im Bereich von Digital Health sind im Anwendungsspektrum Telemonitoring und Kardiologie, 16,6% COPD, 9,1% Schlaganfall, 4,5% Diabetes (B)Häufig komplexe Interventionen (C)Geringe Stichprobengrößen
(Technik-)Akzeptanz Ein Entscheidungsprozess unter begrenzter Rationalität Venkatesh et a. 2003 Performance expectancy Mediatoren: latente Ängste und Hoffnungen Kompetenzen, Bedarfs- und Bedürfniswahrnehmungen, Informationstransparenz, Wissen, Selbstwirksamkeit, Persönlichkeitseigenschaften, Vertrauen, Hedonismus Effort expectancy Behavioral intention to use Actual use Social influence Intersubjektivität Facilitating conditions Gender Experience Age...
Einstellungen zur Online-Therapie bei Depression Nutzung und subjektiv bewertetes Wissen zur Online-Therapie 18,4% der Therapeuten (n=657) haben bereits Erfahrung mit Online-Therapie 52,4% können sich vorstellen Online-Therapie-Angebote in der Zukunft zu nutzen Ich fühle mich insgesamt gut informiert. 41,3 34,5 19,9 4,3 Ich fühle mich hinsichtlich möglicher Potenziale gut informiert. 38,9 36,6 20,8 3,7 Ich fühle mich hinsichtlich möglicher Nachteile gut informiert. 37,7 32,7 24,9 4,7 0% 20% 40% 60% 80% 100% Trifft nicht zu Trifft eher nicht zu Trifft eher zu Trifft voll zu Kupitz & Dockweiler (im Druck)
Einstellungen zur Online-Therapie bei Depression Beeinflussung der Nutzungsintention Nutzungsintention von Onlinetherapie in der Behandlung von depressiven Störungen (n=657; r²=0,537) OR Signifikanz (95% KI) Leistungserwartung v_64 Hat eine motivierende Wirkung auf die Patienten 2,012 0,006 (1,217-3,325) v_58 Lässt sich gut in den Behandlungsprozess integrieren 2,472 0,001 (1,422-4,297) v_120 Eignet sich gut für die Nachbetreuung 3,108 0,003 (1,454-6,643) v_12 Trägt dazu bei Krankheitssymptome zu reduzieren 1,925 0,011 (1,162-3,189) v_15 Aufwandserwartung Fördert die Nachhaltigkeit der Therapie und trägt zur langfristigen Sicherung von Therapieergebnissen bei 2,843 0,000 (1,693-4,733) v_53 Wirkt sich negativ auf die Kommunikations- und soziale Interaktionsfähigkeit der Patienten aus 0,506 0,012 (0,297-0,862) Rahmenbedingungen v_83 Mir ist wichtig, dass Onlinetherapie abrechenbar ist 3,159 0,015 (1,245-8,017) v_86 Mir ist wichtig, dass auch in der Onlinetherapie klare Sprechzeiten bestehen 0,392 0,011 (0,191-0,804) Sozialer Einfluss v_107 Mir ist wichtig, wie meine Kollegen Onlinetherapie bewerten 0,567 0,031 (0,338-0,949) Moderierende Einflussvariable v_tech Technikaffinität (Technikorientierung und Technikkompetenz) 2,661 0,031 (1,261-5,612) Ergänzende Einflussvariablen v_11(1) Onlinetherapie wird zukünftig stark an Bedeutung gewinnen 5,688 0,000 (1,261 5,612)
Vielen Dank für Ihre Aufmerksamkeit! Dr. Christoph Dockweiler, M.Sc. PH Universität Bielefeld School of Public Health Tel.: +49(0)521-106-4377 Mail: christoph.dockweiler@uni-bielefeld.de