26rhk01510.3205/26rhk015urn:nbn:de:0183-26rhk0152Meeting AbstractEvaluation eines Chatbot-basierten Erklärungs-Tools für Symptom-Checker-Ergebnisse bei Patienten in der RheumatologieMorfMorfHarrietHFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Deutsches Zentrum für Immuntherapie (DZI), Erlangen, DeutschlandFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Department of Medicine 3 – Rheumatology and Immunology, Erlangen, DeutschlandauthorSelaniSelaniDaniyalDLeiden Computational Biology Centre, Leiden University Medical Center, Leiden, Zuid-Holland, NiederlandeauthorKnevelKnevelRachelRDepartment of Rheumatology, Newcastle University, Newcastle upon Tyne, Vereinigtes KönigreichDepartment of Rheumatology, Leiden University Medical Center, Leiden, NiederlandeauthorQinQinLinLDepartment of Rheumatology, Newcastle University, Newcastle upon Tyne, Vereinigtes KönigreichDepartment of Rheumatology, Leiden University Medical Center, Leiden, NiederlandeauthorSchäfersSchäfersLuisaLFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Department of Medicine 3 – Rheumatology and Immunology, Erlangen, DeutschlandauthorDohadaievaDohadaievaMarynaMFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Department of Medicine 3 – Rheumatology and Immunology, Erlangen, DeutschlandauthorJakobiJakobiStefanSFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Department of Medicine 3 – Rheumatology and Immunology, Erlangen, DeutschlandauthorCarmonaCarmonaLoretoLInstituto de Salud Musculoesquelética, Madrid, SpainauthorLiphardtLiphardtAnna-MariaAMFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Department of Medicine 3 – Rheumatology and Immunology, Erlangen, DeutschlandFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Deutsches Zentrum für Immuntherapie (DZI), Erlangen, DeutschlandauthorSchettSchettGeorgGFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Department of Medicine 3 – Rheumatology and Immunology, Erlangen, DeutschlandFriedrich-Alexander-Universität Erlangen-Nürnberg, Uniklinikum Erlangen, Deutsches Zentrum für Immuntherapie (DZI), Erlangen, DeutschlandauthorKnitzaKnitzaJohannesJInstitute for Digital Medicine, University Hospital of Giessen and Marburg, Philipps-University Marburg, Digital Medicine, Marburg, DeutschlandauthorMühlensiepenMühlensiepenFelixFCharité – Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt-Universität zu Berlin, Berlin, DeutschlandCenter for Health Services Research, Faculty of Health Sciences Brandenburg, Brandenburg Medical School, Rüdersdorf, Brandenburg, DeutschlandauthorGerman Medical Science GMS Publishing House
Düsseldorf
61020260909germThis is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License.Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung).M0656015Deutsche Gesellschaft für RheumatologieDeutsche Gesellschaft für Orthopädische RheumatologieGesellschaft für Kinder- und Jugendrheumatologie54. Kongress der Deutschen Gesellschaft für Rheumatologie und Klinische Immunologie (DGRh), 36. Jahrestagung der Gesellschaft für Kinder- und Jugendrheumatologie (GKJR), 40. Jahrestagung der Deutschen Gesellschaft für Orthopädische Rheumatologie (DGORh)Deutscher Rheumatologiekongress 2026Digitale RheumatologieLeipzig2026090920260912DR.02Deutsche ForschungsgemeinschaftHorizon Health 2022TextEinleitung: Die weltweite Prävalenz rheumatischer Erkrankungen steigt stetig an, dennoch bleibt eine beträchtliche Anzahl von Personen mit muskuloskelettalen Symptomen undiagnostiziert . Während digitale Symptom-Checker zunehmend zur initialen Selbsteinschätzung genutzt werden, stehen Patienten oft vor der Herausforderung, die generierten Ergebnisse korrekt zu interpretieren. Diese Studie evaluiert eine neuartige Chatbot-basierte Intervention, die darauf ausgelegt ist, das Verständnis und die Interpretation der Ergebnisse digitaler Symptom-Checker zu erleichtern.Methoden: Es wurde eine User-Experience-Studie (UX) mit rheumatischen Patienten durchgeführt. Es wurden 22 Teilnehmer eingeschlossen. Geplant ist die gleiche Studie mit einer gesunden Kontrollgruppe. Nach einem standardisierten Protokoll wurden den Probanden die Profile von vier hypothetischen Fallbeispielen aus einem Symptom-Checker präsentiert: eine gesicherte rheumatische Erkrankung, Fibromyalgie, eine gesunde Person und Arthrose. Im Anschluss an die Demonstration wurden sie angewiesen, mit dem Chatbot zu interagieren und Fragen zu diesen Ergebnissen zu stellen. Die Antworten des Chatbots wurden live per Screen-Sharing angezeigt. Die Evaluation umfasst zwei anonyme Umfragen mit Fokus auf den unmittelbaren Eindruck sowie die allgemeine Nutzbarkeit des Chatbots (System Usability Scale (SUS), User Mobile App Rating Scale (uMARS)).Ergebnisse: Das mediane Alter lag bei 50.36 ± 16.03 Jahren, die Geschlechterverteilung betrug 68,2% weiblich und 31,8% männlich. Die mediane Erkrankungsdauer lag bei 5.6 ± 11.28 Jahren. Im Fall der Fibromyalgie würden initial 45,5% ihren Hausarzt aufsuchen, während 36,4% im Internet recherchieren würden. Nach der Nutzung des Chatbots gaben 72,7% an, den Hausarzt aufzusuchen, 13,6% würden im Internet suchen und 13,6% die Symptome beobachten. Im Fall einer rheumatischen Erkrankung würden initial 31,8% den Hausarzt aufsuchen, 22,7% im Internet suchen, 27,3% die Symptome beobachten und 9,1% keine Maßnahmen ergreifen. Nach Nutzung des Chatbots stieg die Bereitschaft zum Hausarztbesuch auf 81,8%, während nur noch 4,5% im Internet recherchieren würden. Interessanterweise antworteten auf die Frage, ob sie die Erkrankung nun besser verstünden, 9% mit „viel besser“, 45,5% mit „besser“ und 45,5% mit „gleichbleibend“. Die Usability (SUS) lag bei 66,11 ± 12,96 (Skala 0–100). Die Qualität des Chatbots wurde im uMARS mit 3,53 ± 0,55 als gut bewertet (Skala 1–5).Schlussfolgerung: Die Ergebnisse zeigen, dass ein interaktiver Chatbot ein effektives und gut akzeptiertes Tool sein kann, um die Lücke zwischen digitalem Symptom-Checker und dem Patientenverständnis zu schließen und eine optimale Weiterbetreuung zu gewährleisten.Offenlegungserklärung: Diese Arbeit wurde teilweise durch die Deutsche Forschungsgemeinschaft (DFG) – SFB 1483 – Projekt-ID 442419336 sowie durch das Horizon Health 2022 Projekt SPIDeRR (Projektcode 101080711) unterstützt.Abbildung 1 Knitza JMohn JBergmann CKampylafka EHagen MBohr DMorf HAraujo EEnglbrecht MSimon DKleyer AMeinderink TVorbrüggen Wvon der Decken CBKleinert SRamming ADistler JHWVuillerme NFricker ABartz-Bazzanella PSchett GHueber AJWelcker MAccuracy, patient-perceived usability, and acceptance of two symptom checkers (Ada and Rheport) in rheumatology: interim results from a randomized controlled crossover trial2021Arthritis Res Ther112Knitza J, Mohn J, Bergmann C, Kampylafka E, Hagen M, Bohr D, Morf H, Araujo E, Englbrecht M, Simon D, Kleyer A, Meinderink T, Vorbrüggen W, von der Decken CB, Kleinert S, Ramming A, Distler JHW, Vuillerme N, Fricker A, Bartz-Bazzanella P, Schett G, Hueber AJ, Welcker M. Accuracy, patient-perceived usability, and acceptance of two symptom checkers (Ada and Rheport) in rheumatology: interim results from a randomized controlled crossover trial. Arthritis Res Ther. 2021 Apr 13;23(1):112. DOI: 10.1186/s13075-021-02498-8http://dx.doi.org/10.1186/s13075-021-02498-8011
Abbildung 1: Einfluss des Chatbots auf die Handlungsabsicht bei Verdacht auf eine entzündlich-rheumatische Erkrankung (n=22)