Messung von Bevölkerungswirksamkeit und sozialen Gradienten in der Wirkung von Interventionen
Bevölkerungswirksamkeit
Kurz gefragt: Was bringt eine App zur Reduktion von Alkoholkonsum, die zwar nach allen Regeln der Kunst bzw. des State of the Art entwickelt, aber kaum von einem Menschen genutzt wird? Eben. Deshalb gibt es Bevölkerungswirksamkeit (Public Health Impact). Public Health Impact ist ein Ergebniskriterium für Interventionen in Bevölkerungen und beinhaltet fünf Dimensionen, die das Akronym RE-AIM bilden (Glasgow et al., Front. Public Health, 2019). Um auf Bevölkerungsebene sichtbare Effekte zu produzieren, muss eine Intervention 1) die Menschen erreichen (Reach), 2) wirksam sein (Effectiveness), 3) von relevanten Institutionen übernommen werden (Adoption), 4) wie intendiert umgesetzt werden (Implementation) und 5) langfristig wirksam sein und beibehalten werden (Maintenance). Die Dimensionen sind multiplikativ verknüpft. Das bedeutet, dass das Nichterfüllen von nur einem der fünf Kriterien zu gravierenden Einbußen des Public Health Impacts einer Intervention führt.
Sozialer Gradient in Interventionswirkungen
Eine Intervention sollte die Gesundheit in der Bevölkerung als Ganzes verbessern und dabei sozial bedingte gesundheitliche Unterschiede reduzieren. Soziale Gradienten in Interventionswirkungen können mit dem Equity Impact operationalisiert werden. Der Equity Impact ist a) positiv, wenn Gruppen von Personen mit niedrigem sozioökonomischem Status mehr von der Intervention profitieren als Personengruppen mit hohem Status, b) neutral, wenn die Intervention in beiden Gruppen gleich wirksam ist oder c) negativ, wenn Gruppen mit niedrigem sozioökonomischem Status weniger von der Intervention profitieren als Gruppen mit hohem Status.
Public Health Impact messen
Zur Messung von Public Health Impact nutzen wir randomisierte kontrollierte Studien in der Bevölkerung oder Settings der medizinischen und sozialen Versorgung. Um Faktoren zu identifizieren, die mit den fünf Dimensionen von Public Health Impact verbunden sind, kombinieren wir qualitative Methoden mit komplexer quantitativer Datenmodellierung in Mixed Methods-Designs.
Kooperationen:
Ausgewählte Forschungsprojekte:
