03.11.2021
Das Potenzial Patientendaten nutzen und mögliche Erkrankungen frühzeitig erkennen – dies ermöglicht die Datenanalytik im Gesundheitswesen. Wie funktioniert das und was ist zu beachten? Darum geht es im Online-Kurs „Datenanalytik im lernenden Gesundheitswesen“ des Zukunftslabors Gesundheit. In dem Kurs lernen Master-Studierende und Promovierende aus Gesundheitsfachberufen Methoden der Datenanalyse und erfahren, welche Patient*innen für bestimmte Krankheiten gefährdet sind.
Im alltäglichen Klinikablauf werden zahlreiche Daten von Patient*innen erhoben. Dieser Datenschatz kann in der Forschung dazu verwendet werden, Risikofaktoren für einzelne Krankheiten zu erkennen. Man spricht dabei vom Paradigma des lernenden Gesundheitswesens: Routinedaten wie Blutdruck, Blutzuckerspiegel, Alter, Geschlecht werden wissenschaftlich aufbereitet, um daraus Hinweise auf eine potenzielle Diabetes-Erkrankung abzuleiten.
Diese Daten müssen gezielt ausgewertet und interpretiert werden. Wie das geht und was zu beachten ist, vermitteln die Wissenschaftler*innen des Zukunftslabors Gesundheit in ihrem ersten Online-Kurs. Dieser Kurs basiert auf dem didaktischen Konzept, das das Zukunftslabor Gesundheit entwickelt hat, um Ergebnisse aus der Forschung an verschiedene Zielgruppen zu vermitteln. Er ist ausgerichtet für Studierende und Angehörige von Berufen in der Medizin und im Gesundheitswesen – insbesondere auch Pflege, Physiotherapie und Hebammenwissenschaft. Im Sommer 2021 führten die Wissenschaftler*innen den Kurs zum ersten Mal durch – mit Erfolg!
Im ersten Durchlauf nahmen 18 Teilnehmer*innen teil, darunter Student*innen der HS Osnabrück, der Universitätsmedizin Göttingen und der HS Hannover. Der Kurs fand im Rahmen der ERASMUS plus virtual Sommer School des Projektes eHealth4all@eu statt, die in drei Phasen gegliedert war: Im Juni 2021 fand das Kickoff-Treffen statt, bei dem die Wissenschaftler*innen das Kurskonzept vorstellten und Inhalte zum lernenden Gesundheitswesen vermittelten. In der zweiten Phase – der Lernphase – eigneten sich die Teilnehmer*innen weitere Inhalte über die Online-Plattformen Moodle und ILIAS an. Über die Plattform stellten die Wissenschaftler*innen Lern-Videos und Online-Quizzes zur Überprüfung der Inhalte bereit. Außerdem konnten die Teilnehmer*innen ein Diskussionsforum nutzen, um sich auszutauschen. Im Laufe der Selbstlernphase wünschten sich die Teilnehmer*innen die Möglichkeit, Fragen zu stellen. Diesem Wunsch kamen die Wissenschaftler*innen gerne nach und boten kurzfristig zwei Q&A-Termine an.
Abgesehen von den Kursinhalten habe ich insbesondere vom Aufbau des Kurses und vom Support des Teams profitiert. Die Gliederung der Kurselemente in der Selbstlernphase hat das Lernen in „kleinen Portionen“ ermöglicht. Ich konnte dadurch den Kurs optimal in meinen Alltag integrieren. Durch die Möglichkeit der Selbstüberprüfung konnte ich gut einschätzen, an welcher Stelle es notwendig war, sich intensiver mit einer Thematik auseinanderzusetzen. Das Team war bei Fragen jederzeit erreichbar, was mich sehr in meinem Lernprozess unterstützt hat. Der Kurs hat mir insgesamt optimale Lernbedingungen gegeben: selbstständiges, asynchrones Lernen mit der Möglichkeit der Selbstüberprüfung und des Einholens von Feedback des Teams bei Unsicherheiten.
Die dritte Phase bestand aus einem dreitägigen Online-Workshop, der im August 2021 stattfand. Die Teilnehmer*innen erhielten realistische, aber nicht reale Gesundheitsdaten zum Thema Diabetes und sollten daraus mithilfe statistischer Modelle potenzielle Risikofaktoren analysieren. Ein Beispiel für solch ein statistisches Modell ist die logistische Regression, die den Zusammenhang von Faktoren mit einer binären Zielvariable untersucht – vereinfacht gesprochen: Diabetes „ja/nein“. In Kleingruppen erarbeiteten die Teilnehmer*innen ihre Ergebnisse und stellen sie zum Schluss des Workshops vor. Für die Teilnahme an dem Online-Kurs erhielten die Student*innen ein Zertifikat, welches die Wissenschaftler*innen symbolisch im Rahmen einer digitalen Zertifikatszeremonie überreichten. Für den Kurs erhielten die Student*innen außerdem drei Credit Points.
Der Online-Kurs war angenehm intensiv und vermittelte richtig gutes und sofort verwertbares Wissen. Wir konnten eigene prädiktive Modelle wie die logistische Regression erstellen und haben gelernt, die Modellparameter und deren Ergebnisse zu interpretieren. Dies ermöglicht eine Vorhersagbarkeit, was insbesondere für klinische Anwendungen entscheidend ist. Außerdem lernt man andere Kollegen*innen und Student*innen unterschiedlichen Alters und Kulturen kennen. Einige der Lernmaterialien sind außerdem auf YouTube für jeden verfügbar. Es ist einer der am besten konzipierten Kurse, die ich belegt habe.
Nach Abschluss des Kurses holten sich die Wissenschaftler*innen das Feedback der Teilnehmer*innen ein, damit sie den Kurs evaluieren können. Diese Evaluation ist ebenfalls Teil des didaktischen Konzepts des Zukunftslabors Gesundheit. Insgesamt soll er vier Mal durchgeführt und auf der Grundlage des Feedbacks kontinuierlich verbessert werden.
Für uns ist es wichtig zu wissen, wie die Teilnehmer*innen den Kurs wahrgenommen haben. Daraus können wir wertvolle Erkenntnisse ziehen, um das Angebot noch attraktiver zu gestalten. Eine zentrale Frage ist außerdem, wie wir den Kurs in den kommenden Jahren etablieren können. Wir hoffen, dass wir durch die Teilnehmer*innen Anregungen dafür finden.
Der nächste Kurs wird im berufsbegleitenden Masterstudiengang „Muskuloskelettale Therapie“ stattfinden. Interessent*innen aus den Gesundheitsfachberufen und artverwandten Studiengänge, die gerne an dem Kurs teilnehmen möchten, können sich an Jens Hüsers (j.huesers@hs-osnabrueck.de) wenden.
