Datennutzende Medizin, Datengetriebene Diabetestechnologie

Per Definition sind Daten gewonnene Zahlenwerte auf Grundlage von Beobachtungen, Messungen, statistischen Erhebungen, Auswertungen usw. Sie sind der Versuch, die sich dabei ergebenden Fakten in nachvollziehbare, durch Zahlenwerte ausdrückbare Größen umzuwandeln. Damit lassen sich technische Geräte, aber auch der Gesundheitszustand von Menschen beschreiben, letzteres sicher bei weitem nicht vollständig. Im medizinischen Kontext verifizieren Daten also Beobachtungen und Erfahrungen des medizinischen Personals in Bezug auf die Behandlung der Patienten. Gleichfalls betrifft dies auch die Patienten selbst bezüglich ihrer eigenen Befindlichkeit, beschreiben die Daten doch den Gesundheitsstatus und den Erfolg einer bestehenden Therapie. Die steigende Vielfalt von Parametern aus Messungen, zum Therapieverlauf sowie zusätzliche Eingaben der Patienten erfordern aber eine schnelle Analyse und übersichtliche Darstellung, wofür eine gut handhabbare Software notwendig ist. Dieser Zugang zur Digitalisierung erweitert die Möglichkeiten für die Entwicklung von Therapiemanagementsystemen, Clinical Decision Support Systemen und Patient Decision Support Systemen. Im folgenden Überblick wird darauf eingegangen.

Publication History

Article published online:
26 June 2024

• Literatur

• 1 Ickrath M, Thomas A. Wie Systeme für das Datenmanagement Diabetesteams und Patienten unterstützen. diaTec-Journal 2023; 07: 10-11
• 2 www.kvappradar.de letzter Zugriff: 05.04.2024
• 3 Seidel-Jacobs E, Tönnies T, Rathmann W.. Epidemiologie des Diabetes in Deutschland. Deutscher Gesundheitsbericht Diabetes 2024: 8-14
• 4 World Health Organization Europe. 2017. Fact sheets on sustainable development goals: health targets. Noncommunicable Diseases. WHO REFERENCE NUMBER: WHO/EURO:2017-2381-42136-58046. https://iris.who.int/bitstream/handle/10665/340852/WHO-EURO-2017-2381-42136-58046-eng.pdf?sequence=1 (letzter Zugriff: 23.04.2024)
• 5 Lean ME, Leslie WS, Barnes AC. et al Primary care-led weight management for remission of type 2 diabetes (DiRECT): an open-label, cluster-randomised trial. Lancet 2018; 391: 541-551
• 6 Brandt CJ, Christensen JR, Lauridsen JT. et al Evaluation of the Clinical and Economic Effects of a Primary Care Anchored, Collaborative, Electronic Health Lifestyle Coaching Program in Denmark: Protocol for a Two-Year Randomized Controlled Trial. JMIR Res Protoc 2020; 09: e19172
• 7 Komkova A, Brandt CJ, Hansen Pedersen D. et al Electronic Health Lifestyle Coaching Among Diabetes Patients in a Real-Life Municipality Setting: Observational Study. JMIR Diabetes 2019; 04: e12140
• 8 Haste A, Adamson AJ, McColl E. et al Web-Based Weight Loss Intervention for Men With Type 2 Diabetes: Pilot Randomized Controlled Trial. JMIR Diabetes 2017; 02: e14
• 9 Hansel B, Giral P, Gambotti L. et al A Fully Automated Web-Based Program Improves Lifestyle Habits and HbA1c in Patients With Type 2 Diabetes and Abdominal Obesity: Randomized Trial of Patient E-Coaching Nutritional Support (The ANODE Study). J Med Internet Res 2017; 19: e360
• 10 Moravcová K, Karbanová M, Bretschneider MP. et al Comparing Digital Therapeutic Intervention with an Intensive Obesity Management Program: Randomized Controlled Trial. Nutrients 2022; 14: 2005
• 11 Ickrath M. DiGA – Spahns Irrtum oder Vorreiter einer nachhaltigen Digitalisierung?. diaTec-Journal 2024; 08: 8-9
• 12 Thomas A, Heinemann L. CDSS und PDSS – ein Update. diaTec-Journal 2023; 07: 4
• 13 https://ada.com/de/ (letzter Zugriff: 05.04.2024)