Die Corona-Pandemie und die notwendigen Maßnahmen zur Eindämmung des Virus betreffen alle. In den letzten Wochen hat sich das Leben jedes Einzelnen stark verändert. Wie sich die Maßnahmen auf die psychische Gesundheit auswirken und welche Bevölkerungsgruppen besonders betroffen sind, ist aktuell nicht abschätzbar.
Vor diesem Hintergrund startet die Ludwig Boltzmann Gesellschaft die Initiative „Reden Sie mit! Was macht Corona mit unserer psychischen Gesundheit?“, um einen breiten Dialog, Aufmerksamkeit für das Thema und neues evidenzbasiertes Wissen zu schaffen. Dabei wird von 5. Mai bis 28. Juni die Bevölkerung über ein Crowdsourcing aktiv in den Dialog eingebunden. Auf der Online-Plattform https://corona.lbg.ac.at kann jede und jeder Beobachtungen über die Auswirkungen auf die psychische Gesundheit bei sich selbst und bei anderen einbringen.
Was die Schließung von Kindergärten, Schulen und anderen Bildungseinrichtungen für das psychische Wohlbefinden von Kindern, Jugendlichen und jungen Erwachsenen, aber auch betreuenden Personen wie Eltern oder Pädagog*innen letztlich bedeutet, ist Schwerpunktthema der ersten Phase des Crowdsourcings von 5. – 22. Mai unter https://de.surveymonkey.com/r/Reden-Sie-mit-Bildung-und-Corona. Ab 22. Mai folgt ein Schwerpunkt zum Thema Arbeit & Beruf, ab 10. Juni zu sozialer Isolation & Einsamkeit.
Das Wissen aus der Bevölkerung ist für die Forschung sehr wertvoll. Aus den Ergebnissen erarbeiten Expert*innen Handlungsempfehlungen für die Politik und leiten neue Fragestellungen für die Forschung ab. Das Ziel ist es, gefährdete Gruppen in der Bevölkerung zu identifizieren und diese rechtzeitig sowie bereits betroffene Gruppen mit geeigneten Maßnahmen zu unterstützen.
Reden Sie mit! und berichten Sie von Ihren Belastungen unter https://corona.lbg.ac.at.
Mag. Claudia Lingner, Geschäftsführerin der Ludwig Boltzmann Gesellschaft
Es konnten insgesamt vier Publikationen zu drei Beobachtungsstudien mit insgesamt 97 Patient*innen zur Fragstellung zum mittelfristigen (Nachbeobachtungszeiten größer-gleich 12 Monate) Nutzen von Nusinersen identifiziert werden: zwei Publikationen zu einer Studie (ISIS-CS12) bei Kindern und Jugendlichen ab 6 Jahren (2 bis 15 Jahre) mit 28 SMA 2+3 Patient*innen, eine kleine Studie mit 12 SMA 2+3 Patient*innen, Jugendliche und Erwachsene 12-52 Jahre, sowie eine weitere Studie mit 57 erwachsenen SMA 2+3 Patient*innen (Anteil der PatientInnen in Studie mit 12 Monaten oder längerer Nachbeobachtung), Jugendliche und Erwachsene 12-65 Jahre. Alle Studien haben ein hohes Verzerrungsrisiko (RoB), da sie einarmig, open-label (unverblindet), Sponsor-finanziert und durch Autor*innen mit Interessenskonflikten und zum Teil (1 von 3 Studien) auch retrospektiv durchgeführt worden sind. Es werden die Ergebnisse zu drei Endpunkten berichtet: Die HFSME-Skala (Hammersmith Functional Motor Scale—Expanded) misst die Veränderung (oder Stabilisierung) der Motorik. Eine Verbesserung um 3 Punkte gilt als klinisch relevant. Der 6MWT (6 Minutes Walk Test) misst die Leistungsfähigkeit eines/r Patienten*in. Bei SMA 2+3 Patient*innen wird als klinisch relevante Veränderung eine Verbesserung um 30 Meter oder mehr in der Gehfähigkeit angesehen. Der (R)ULM (Revised Upper Limb Module): Der (R)ULM ist ein krankheitsspezifisches Bewertungsinstrument, welches zur Beurteilung der Funktion der oberen Extremitäten von SMA Patient*innen entwickelt wurde. Als klinisch relevante Veränderung wird eine Verbesserung um 2 Punkte oder mehr auf der (R)ULM angesehen.
Es werden moderate HFSME Verbesserungen jenseits der Schwellwerte der klinischen Relevanz bei SMA2 und kaum Verbesserungen (ev. Stabilisierung) bei SMA 3 berichtet. Während die Baseline Daten detailliert berichtet werden, erfolgt bei zwei von drei Studien keine daten-basierte – nur narrative - Berichterstattung der Follow-up Daten. Auch in der größten Studie werden keine klinischen Informationen über jene Patient*innen gegeben, die gescreent, aber nicht in die Studie aufgenommen wurden. Ebenso wie keine Informationen zu den vielen Patient*innen, die zwar die Studie beginnen, aber nicht nachbeobachtet werden (können), präsentiert werden. Genau diese Information ist aber für Entscheidungen in der realen Versorgung von größter Notwendigkeit. Kurz: Die mittelfristige Evidenz ist auch nach mehr als zwei Jahren Zulassung von Nusinersen äußert gering und wenig zuverlässig, da ausschließlich Daten aus Firmen-finanzierten Beobachtungsstudien vorliegen und nur Informationen zu ausgewählten Patient*innen berichtet werden. CW
AIHTA/ AT 2020: Update 12 Monate Nachbeobachtung: Nusinersen bei Spinaler Muskelatrophie („late onset“) bei Kindern und Jugendlichen größer-gleich 6 Jahre. Policy Brief Nr. 1: http://eprints.aihta.at/1228/
Lediglich ein Drittel der befragten HTA-Institutionen weltweit bestätigten, eine formale Strategie zur Evaluierung ihrer Tätigkeit zu haben. Viele tun dies aber punktuell. Hierbei spielt eine Rolle, welche Art der Entscheidungen die HTA Agenturen unterstützen. Am häufigsten unterstützt HTA Refundierungsentscheidungen für Leistungskataloge, aber auch bei der Entwicklung klinischer Leitlinien, bei Entscheidungen im Rahmen des Einkaufs, vor größeren Investitionen oder bei der Umsetzung umfangreicher Gesundheitsprogramme spielen HTAs eine Rolle. Dementsprechend vielfältig sind die Indikatoren, die bei einer Messung des HTA-Impacts herangezogen werden. Die Bandbreite reicht hier von einer Analyse auf Berichtsebene (z.B. passendes Format, Downloadvolumen), über Indikatoren auf Organisationsebene (z.B. Änderungen im Bekanntheitsgrad der Organisation), tatsächliche Einflüsse auf gesundheitspolitische Entscheidungen (z.B. Nachweis, dass die Ergebnisse eines Berichts in den Entscheidungsprozessen berücksichtigt werden), bis hin zu Indikatoren, die Veränderungsprozesse abbilden (z.B. neue Einkaufsstrategien, geänderte klinische Praxis) und Effekte außerhalb des Gesundheitssystems (z.B. Medienpräsenz, Parlamentsdebatten).
Ebenso vielfältig sind die Methoden, die zum Einsatz kommen. Genannt wurden etwa die Analyse administrativer Daten (z.B. um Änderungen in der Verschreibungspraxis zu analysieren), qualitative Interviews oder Fragebögen bei relevanten Stakeholdern, Medien- oder Dokumentanalysen und teilnehmende Beobachtung bei Sitzungen von Entscheidungsgremien. Es zeigt sich, dass es bei der Impact-Messung bisher keinerlei methodische Standards gibt und das Evaluationskonzept auf den jeweiligen Kontext, in dem die HTA-Agentur tätig ist, abzustimmen ist. Bei der Konkretisierung einer Impact-Messung scheint eine Offenheit für unterschiedliche Methoden hilfreich. Impact-Messung gelingt aber überhaupt nur dann, wenn sie eine Priorität auf der Management-Ebene der einzelnen HTA-Institutionen hat und bewusst Ressourcen dafür reserviert werden. Aus Angst vor einem negativen Ergebnis auf eine Impact-Messung zu verzichten – wie es in dem Bericht ebenfalls beschrieben wird – scheint der falsche Weg. Schließlich kann HTA schwerlich auf der einen Seite Nutzenbelege für medizinische Leistungen einfordern, sich einer eignen Evaluierung aber entziehen. IZK
The International Network of Agencies for Health Technology Assessment (INAHTA)/ 2020: HTA Impact Assessment Study Part I: Practices of HTA Impact Assessment in INAHTA Member Agencies. http://www.inahta.org/download/part-i-hta-impact-assessment-practices-in-inahta/?wpdmdl=7993
The International Network of Agencies for Health Technology Assessment (INAHTA)/ 2020: HTA Impact Assessment Study Part II: Factors that Enable or Inhibit HTA Impact Assessment Activities in HTA Agencies. http://www.inahta.org/download/part-ii-factors-that-enable-or-inhibit-hta-impact-assessment/?wpdmdl=7994
AI is already applied in a number of ways in healthcare organization, medical research, clinical care, patient facing applications, or public health projects. With respect to healthcare organization, IBM Watson Care Manager system aims to improve cost efficiency by matching individuals with a care provider that meets their needs within a set care budget. In medical research, AI is used in literature searches as well as in speeding up the process of drug discovery. For instance, the canSAR database combines genetic and clinical data from patients with information from scientific research, and uses AI to make predictions about new targets for cancer drugs. In clinical care, AI can analyze clinical data, research publications, and professional guidelines and thus help with informing decisions about treatment. In patient facing applications, AI can offer personalized health assessment such as the app Ada Health Companion, where AI operates a chat bot that combines information about symptoms from the user with other information to offer possible diagnoses. In public health projects, AI has been used to predict adverse drug reactions and it is suggested to help with early detection of infectious disease outbreak.
The application of AI, however, faces a number of challenges. Technological challenges related to digital data, such as inconsistencies in data availability and data quality, restrict its potential use. Furthermore, AI also faces ethical and social challenges. Clinical practice often involves complex judgments, need for compassion, reading of social cues, or contextual knowledge and these challenges are something that AI cannot currently overcome. Due to the complexity of the underlying logic based on which AI operates – complexity that may be too difficult for humans to understand – values of transparency and accountability are at stake. The level of complexity could also make it hard to detect errors, which could have serious implications in terms of reliability and safety. There are further concerns about AI reinforcing biases already present in the datasets used for training AIs such as discrimination against gender, ethnicity, disability, or age. On the side of the public, there is a potential lack of trust that technologies are developed in the public interest and the concern over individual autonomy that AI may restrict based on calculations about risk. A further concern is related to data privacy, security, and the malicious use of AI that could be used to covert surveillance or screening. On the side of healthcare professionals, AI may also challenge the professional autonomy as well as authority derived from expertise and undermine ethical obligations of healthcare professionals towards individual patients.
AI technologies have the potential to help address important health challenges, but might be limited by the quality of available health data. The application of AI perhaps also should be limited in case it gets to be at odds with some of our key ethical and social principles. MS
Nuffield Council on Bioethics/ UK 2020: Bioethics Briefing Note: Artificial intelligence (AI) in healthcare and research. https://www.nuffieldbioethics.org/assets/pdfs/Artificial-Intelligence-AI-in-healthcare-and-research.pdf
Im Rahmen eines von Health Quality Ontario (HQO) durchgeführten Health Technology Assessments wurden der klinische Nutzen und die Risiken, eine Kosten-Nutzen-Analyse, der Einfluss auf das Budget sowie Präferenzen der Patient*innen und der Patient*innennutzen von Implantaten zur Behandlung der einseitigen Taubheit, Schallleitungsschwerhörigkeit und kombinierten Schwerhörigkeit untersucht. Basierend auf der Evidenz (moderate Qualität) aus systematischen Reviews wurde festgehalten, dass Cochlea-Implantate und Knochenleitungs-Implantate funktionelle und patient*innenrelevante Outcomes bei Erwachsenen und Kindern mit einseitiger Taubheit und Schallleitungsschwerhörigkeit oder kombinierter Schwerhörigkeit verbessern. Es konnten keine Kosten-Nutzen-Studien identifiziert werden, welche direkt auf die Forschungsfragen hätten angewandt werden können. Bei Patient*innen mit einseitiger Taubheit könnten Cochlea-Implantate – im Vergleich zu keiner Intervention – kosteneffektiv sein, während dies bei Knochenleitungs-Implantaten unwahrscheinlich ist. Bei Patient*innen mit Schallleitungsschwerhörigkeit oder kombinierter Schwerhörigkeit könnten Knochenleitungs-Implantate (im Vergleich zu keiner Intervention) kosteneffektiv sein. Weitere Untersuchungen der Lebensqualität sind erforderlich - mit größerem Stichprobenumfang und längerem Follow-up.
Im Zuge der 22 durchgeführten qualitativen Interviews berichteten Patient*innen mit einseitiger Taubheit, Schallleitungsschwerhörigkeit oder kombinierter Schwerhörigkeit, dass ihre Erwartungen durch die derzeit verfügbaren Behandlungsmöglichkeiten nicht erfüllt wurden und sie sich daher für ein Implantat entschieden hätten. Obwohl einige Grenzen der Implantate beschrieben wurden, äußerten sich die meisten Teilnehmer*innen (mit entweder einem Cochlea-Implantat oder einem Knochenleitungs-Implantat) positiv über ein verbessertes Hörvermögen und eine gesteigerte Lebensqualität. Patient*innen mit einem Cochlea-Implantat berichteten über zusätzliche Vorteile: binaurales Hören, bessere Lokalisation von Geräuschen und verbessertes Hören in geräuschvollen Umgebungen. Als wesentliche Barrieren um ein Hörimplantat zu erhalten wurden die Kosten und Zugangsmöglichkeiten genannt. ER
Health Quality Ontario (HQO)/ CA 2020: Implantable devices for single-sided deafness and conductive or mixed hearing loss: a health technology assessment. https://www.hqontario.ca/Evidence-to-Improve-Care/Health-Technology-Assessment/Reviews-And-Recommendations/Implantable-Devices-for-Single-Sided-Deafness-and-Conductive-or-Mixed-Hearing-Loss
Alle Termine im Frühjahr/ Sommer 2020 abgesagt
02. Dezember 2020
14. Symposium zur Integrierten Versorgung
„Sinn oder Unsinn von Anreizsystemen“
Wien
https://www.cciv.at/cdscontent/?contentid=10007.858603&portal=ccivportal
Impressum
Redaktion: Claudia Wild/ CW, Ozren Sehic/OS
CW: Claudia Wild
ER: Eileen Rothschedl
IZK: Ingrid Zechmeister-Koss
MS: Michal Stanak