Logo

Gesundheit gestalten

Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin (DEGAM), Deutsche Gesellschaft für Sozialmedizin und Prävention (DGSMP), Netzwerk Evidenzbasierte Medizin e.V. (EbM), Deutsche Gesellschaft für Medizinische Soziologie (DGMS)
30.09.2026-02.10.2026
Göttingen

Meeting Abstract

Wie können entscheidungsanalytische Modellierungen die evidenzbasierte Entscheidung zur Implementierung von Screeningprogrammen unterstützen?

Gaby Sroczynski - UMIT TIROL – Privatuniversität für Gesundheitswissenschaften und- technologie, Institut für Public Health, Medical Decision Making und Health Technology Assessment, Österreich
Uwe Siebert - UMIT TIROL – Privatuniversität für Gesundheitswissenschaften und- technologie, Institut für Public Health, Medical Decision Making und Health Technology Assessment, Österreich; ONCOTYROL-Center for Personalized Cancer Medicine, Division of Health Technology Assessment and Bioinformatics, Österreich; Harvard University, Harvard T.H. Chan School of Public Health, Departments of Epidemiology and Health Policy & Management; Harvard Medical School, MGH, ITA/Department Radiology, USA

Text

Hintergrund: Während international regelmäßig entscheidungsanalytische Modellierungsstudien für Nutzen-Schadens-Bewertungen von Screeningverfahren in der Leitlinienentwicklung (z.B. US Preventive Services Task Force) und zur Unterstützung von Entscheidungen in der Gesundheitsversorgung (z.B. AIHW – Australian Institute of Health and Welfare) eingesetzt werden, befindet sich Ihre Nutzung im deutschsprachigen Raum noch im Aufbau.

Inhalt: Entscheidungsanalytische Modellierungen integrieren Daten aus verschiedenen Evidenzbereichen (Linked Evidence), um Evidenz aus randomisierten kontrollierten Studien mit begrenztem Zeithorizont mit Real-World- und Registerdaten mit längeren Beobachtungszeiträumen zu synthetisieren. Dabei werden Parameter aus diagnostischen, prognostischen, Mortalitäts- und Lebensqualitätsstudien zusammengeführt, um den Effekt unterschiedlicher Screeningstrategien auf patientenrelevante Endpunkte valide zu quantifizieren und transparent darzustellen. So können verschiedene Screeningstrategien (Altersgrenzen, Testverfahren, Screeningintervalle) und Abklärungsstrategien hinsichtlich der Schaden-Nutzen-Verhältnisse verglichen werden. Nutzen (z.B. vermiedene Todesfälle) und Schaden (z.B. Komplikationen, Überdiagnosen) werden explizit gegenübergestellt, wodurch optimale Strategien identifiziert werden können. Limitationen empirischer Studien (z.B. kurze Zeithorizonte, fehlende direkte Vergleiche, unzureichende Erfassung von Überbehandlung) lassen sich mit Modellierungsstudien untersuchen und mittels Sensitivitätsanalysen kann die Unsicherheit bewertet werden. Damit ergänzen entscheidungsanalytische Studien empirische Evidenz, fördern Transparenz und unterstützen Leitlinienentwicklung, Bürgerinformation, partizipative Entscheidungsfindung sowie eine effiziente Ressourcenallokation.

Diskussionspunkt: Sollten bei der Bewertung von Screeningverfahren vor der Implementierung grundsätzlich evidenzbasierte entscheidungsanalytische Modellierungen eingesetzt werden, um empirische Evidenz systematisch zu ergänzen?

Take Home Message für die Praxis: Evidenzbasierte entscheidungsanalytische Modellierungsstudien liefern zusätzliche Evidenz zum Verhältnis von Nutzen und Schaden konkurrierender Screeningstrategien über relevante Zeithorizonte. Sie leisten damit einen wichtigen Beitrag zur evidenzbasierten Entscheidungsfindung und Optimierung der Gesundheitsversorgung.

Interessenkonflikte: Keine