Das Zukunftslabor Gesundheit legt großen Wert darauf, Erkenntnisse aus der Forschung mit interessierten Bürger*innen, medizinischen Fachkräften sowie Studierenden der Medizininformatik und verwandten Studiengängen zu teilen. Diese Erkenntnisse umfassen auch das Medizinische Datenmanagement und das sensorbasierte Gesundheitsmonitoring. Für die Vermittlung der Inhalte entwickeln die Wissenschaftler*innen interaktive Online-Kurse, die auf die Bedarfe der jeweiligen Zielgruppen zugeschnitten sind.
Durchführung der Online-Kurse
Im Laufe der vergangenen Jahre hatten die Wissenschaftler*innen drei interaktive Online-Kurse mit unterschiedlichen Themenschwerpunkten entwickelt. Inhaltlich geht es um Sensortechnik im Gesundheitswesen, um die Nutzung medizinischer Daten für eine bessere Gesundheitsversorgung und Forschung sowie um statistische Modelle in einem lernenden Gesundheitssystem. Einen vollständigen Überblick über die Weiterbildungsangebote des Zukunftslabors Gesundheit bietet die Website des Zentrums für digitale Innovationen Niedersachsen (ZDIN).
Die Wissenschaftler*innen führen die Kurse in mehreren Durchgängen durch. Im Anschluss bitten sie die Teilnehmer*innen um Feedback, damit die Wissenschaftler*innen die Kurse daraufhin optimieren können. Im Forschungsjahr 2023 wurde der Kurs „Das lernende Gesundheitswesen: So lernt es“ zweimal im Rahmen des Grundlagenstudiums des Medizinischen Informationsmanagements durchgeführt. Dieser Online-Kurs informiert über die unterschiedlichen Arten medizinischer Daten und wie diese für eine bessere Gesundheitsversorgung und die innovative Forschung genutzt werden können. Insgesamt nahmen rund 40 Personen an diesem Kurs teil, davon füllten etwa 30 Teilnehmer*innen den Evaluationsbogen aus. Die Rückmeldungen waren durchweg positiv.
Evaluation der Online-Kurse
Das Evaluationskonzept des Zukunftslabors sieht vier Kriterien zur Bewertung vor: didaktisches Konzept, Lerninhalte, Lernmanagementsystem, Evaluationskonzept. Um einen näheren Einblick in die Evaluation zu geben, werden im Folgenden die Kriterien am Beispiel des Feedbacks zum Online-Kurs „Das lernende Gesundheitswesen: So lernt es“ vorgestellt. Das erste Kriterium bezieht sich auf das didaktische Konzept. Dabei bewerten die Teilnehmer*innen, auf welche Weise die Lerninhalte vermittelt werden (z. B. Text, Video, Forum). Die Teilnehmer*innen bewerteten die Lehrvideos als „sehr informativ“, „gut gestaltet“ und „verständlich“. Insbesondere die langfristige Skalierbarkeit und Wiederverwendbarkeit der erstellten Lehrvideos wurde betont. Als Verbesserung schlugen die Teilnehmer*innen Untertitel vor, um sowohl hörbeeinträchtigte als auch fremdsprachige Personen zu unterstützen. Beim zweiten Evaluationskriterium äußern sich die Teilnehmer*innen zu den Lerninhalten. Die Evaluation zeigte, dass die Teilnehmer*innen die Etivities als positiv und zielführend wahrnahmen. Etivities sind Aufforderungen der Teilnehmer*innen zum aktiven und interaktiven Online-Lernen (nach einem Konzept von Gilly Salmon). Dies kann Aufgaben oder Online-Aktivitäten umfassen, die in einem mehrstufigen Lernprozess dazu führen, dass die Gruppe gemeinsam Wissen generiert. Zudem bewerteten die Teilnehmer*innen das Lernmaterial als „gut auffindbar“ und „gut vorbereitet“. Manche Etivities wurden aufgrund der Evaluation überarbeitet, der zufolge die Aufgabenstellung nicht eindeutig war.
Das dritte Evaluationskriterium thematisiert das Lernmanagementsystem: Die Teilnehmer*innen merkten an, dass die Anmeldung zum Lernmanagementsystem kompliziert sei. Dieser Kritik kann jedoch nicht begegnet werden, da das Anmeldeverfahren vom System vorgegeben ist und nicht von den Wissenschaftler*innen angepasst werden kann. Das vierte und letzte Evaluationskriterium ist die Evaluation selbst. Hier bewerten die Teilnehmer*innen, wie gut sich der Feedbackbogen für die Bewertung des Kurses eignet. Hier wurden einige Fragen aufgrund des Feedbacks verständlicher formuliert.
Die Evaluation der Teilnehmer*innen ist sehr aufschlussreich für uns. Dadurch erhalten wir wertvolles Feedback zur Durchführung und zum Inhalt unserer Online-Kurse. Wir evaluieren alle Kurse anhand der vier genannten Kriterien und optimieren sie auf Basis des Feedbacks. Leser*innen, die gerne an den Kursen teilnehmen möchten, können sich gerne an uns wenden. Wir freuen uns, die Kurse mit weiteren Interessent*innen durchzuführen und unser Wissen rund um Gesundheitsmonitoring und medizinische Daten mit ihnen zu teilen.
Weiterentwicklung der Online-Kurse
Die ersten drei Kurse hatten die Wissenschaftler*innen in den vergangenen Jahren entwickelt, durchgeführt und evaluiert. 2023 entwickelten sie den vierten Kurs „Gamechanger Assistierende Gesundheitstechnologien: Intelligente Technologien für eine bessere Gesundheit“. Dieser Online-Kurs vermittelt den Teilnehmer*innen Grundlagen der Datenanalyse und des Gesundheitsmonitorings. Die Teilnehmer*innen lernen Assistierende Gesundheitssysteme und ihre Anwendungsbereiche kennen. Dies schließt die Nutzung von Sensoren und der erfassten Sensordaten ein. Der Online-Kurs wurde von Oktober 2023 bis Januar 2024 testweise mit 78 Studierenden aus verschiedenen Studiengängen wie Informatik und Data Science durchgeführt. Die Evaluation ist für 2024 geplant.
Darüber hinaus arbeiten die Wissenschaftler*innen des Zukunftslabors an der Finalisierung eines fünften Online-Kurses, der sich mit dem Interoperabilitätsstandard openEHR (open Electronic Health Record) beschäftigt. Dieser Standard ermöglicht die Verwaltung, die Speicherung, den Abruf und den Austausch von Gesundheitsdaten in elektronischen Patientenakten. Ziel des Kurses ist es, Beschäftigte aus medizinischen Datenintegrationszentren sowie Studierende der Medizininformatik und verwandter Studiengänge eine Einführung in openEHR zu geben. Sie sollen lernen, auf Basis dieses Standards Datenmodelle zu erstellen. Erste inhaltliche Elemente (insbesondere Lernvideos) wurden bereits im Wintersemester 2023/2024 in Lehrveranstaltungen verwendet und fanden Anklang.
Ausblick: Überprüfung des didaktischen Konzeptes
Im Forschungsjahr 2024 werden die Wissenschaftler*innen den Online-Kurs „Gamechanger Assistierende Gesundheitstechnologien“ evaluieren und ein zweites Mal durchführen. Außerdem werden sie den Online-Kurs zu openEHR im Sommersemester 2024 vollständig durchführen und ebenfalls evaluieren. Darüber hinaus ist vorgesehen, das didaktische Konzept zu überprüfen und es ggf. anhand der gewonnenen Erkenntnisse anzupassen. Auch eine Prüfung und eventuelle Überarbeitung des Online-Kurses „Train the Trainer“ ist vorgesehen, mit dem die Wissenschaftler*innen Kursleiter*innen ausbilden, die die Inhalte zielgruppengerecht vermitteln.
Neben den Online-Kursen entwickeln die Wissenschaftler*innen eine App, mit der Patient*innen nach einer Schulteroperation Physiotherapie-Übungen ausführen können. Das Ziel besteht darin, die Rehabilitation der Patient*innen zu unterstützen. Mit der App können die Betroffenen die Übungen zu Hause eigenständig durchführen.
Vergleich mit Ground-Truth-Daten
Bisherige Testläufe mit Proband*innen zeigten, dass frontal ausgeführte Übungen noch nicht vollständig korrekt erfasst werden. Daher nutzten die Wissenschaftler*innen dieses Jahr zusätzliche Sensoren, um einen Vergleich mit der App zu ermöglichen. Die Sensoren werden an verschiedenen Körperstellen angebracht (Kopf, Arme, Rücken, Beine, Füße) und zeichnen Bewegungsdaten der Patient*innen auf. Das verwendete Sensorsystem gilt allgemein als zuverlässig und korrekt (sog. „Ground Truth Daten“), sodass die Daten als Referenzwerte für die Physiotherapie-App dienen. Testweise führten die Wissenschaftler*innen die Übungen selbst aus. Dabei wurden die Bewegungen von der Kamera und von den Sensoren erfasst, sodass schließlich zwei Datensätze vorlagen. Da die Datenaufnahme mit verschiedenen Geräten erfolgte, mussten die Wissenschaftler*innen die Daten zunächst synchronisieren, also zuordnen, welche Kameradaten zu welchen Sensordaten gehörten. Im Anschluss konnten sie prüfen, welche Bewegungen die Kamera noch nicht so gut erfasst, sodass sie die Erfassung nun zielgerichtet optimieren können.
Datenauswertung im Rahmen einer Erprobung
Neben dem Vergleich mit den Ground-Truth-Daten führten die Wissenschaftler*innen eine Erprobung mit Patient*innen einer Physiotherapiepraxis durch, um die App in der Praxis zu testen und weitere Optimierungspotenziale zu ermitteln. Die Patient*innen konnten die Kamera und die App zwei Wochen lang zu Hause nutzen und sollten dreimal pro Woche die Übungen durchführen. Folgende Verbesserungsansätze ergaben sich aus der Erprobung: Die Testpersonen bestätigten, dass die frontal ausgeführten Übungen nicht immer korrekt erfasst werden. Darüber hinaus wurde deutlich, dass die direkte Datenübertragung per WLAN für ältere Personen herausfordernd war – trotz Anleitungen. Die Datenübertragung per WLAN ist aber sinnvoll, um die Daten direkt mit den behandelnden Physiotherapeut*innen zu teilen. Zusätzlich soll es daher die Möglichkeit geben, die Daten lokal zu speichern und an die Therapeut*innen zu übermitteln, wenn die WLAN-Verbindung (wieder)hergestellt ist. Des Weiteren gibt es Optimierungsbedarf bei der Einstellbarkeit von Zielwinkeln: Eine Übung erfordert das Halten der Oberarme auf Schulterhöhe. Bisher kann die App aber nur einen Gelenkwinkel vorgeben und die Proband*innen konnten teilweise die Arme nicht entsprechend hoch genug heben, sodass die Übung nicht ausgewertet werden konnte. Daher soll die App noch weitere, individuell auf die Patient*innen abgestimmte Zielwinkel vorgeben können. Zudem zeigt die Testphase, dass manche Testpersonen bei anspruchsvollen Übungen Koordinationsprobleme hatten. Dieses Problem soll zukünftig gelöst werden, indem die nächste Übung durch ein Skelett grafisch angezeigt und dadurch visuell erklärt wird.
Ausblick: Optimierung der Physiotherapie-App
Im Forschungsjahr 2024 werden die Wissenschaftler*innen die genannten Aspekte optimieren und die Physiotherapie-App weiterentwickeln.
