Daten, die in Smart Homes oder in medizinischen Einrichtungen erfasst werden, können auch in der Lehre und Fortbildung verwendet werden. Fachpersonal aus Gesundheitsberufen kann dazu befähigt werden, selbstständig individuelle Patientendaten zu analysieren und Erkenntnisse daraus zu ziehen wie zum Beispiel die Identifikation von Risikofaktoren für bestimmte Erkrankungen.
Aufbauend auf dem didaktischen Konzept und dem Curriculum, das die Wissenschaftler*innen im letzten Jahr entwickelt hatten, konzipierten sie einen Online-Kurs zum Thema „Das lernende Gesundheitssystem – klinische Datenanalyse“. Darin erlernen Studierende und Angehörige von Berufen in der Medizin und im Gesundheitswesen (insbesondere auch Pflege, Physiotherapie und Hebammenwissenschaft) Methoden der Datenanalyse und erfahren, welche Patient*innen für bestimmte Krankheiten gefährdet sind. Man spricht dabei vom Paradigma des lernenden Gesundheitswesens: Routinedaten wie Blutdruck, Blutzuckerspiegel, Alter, Geschlecht werden wissenschaftlich aufbereitet, um daraus z. B. Hinweise über eine potenzielle Diabetes-Erkrankung abzuleiten. Diese Daten müssen gezielt ausgewertet und interpretiert werden.
Für die Durchführung der Online-Kurse benötigt das Zukunftslabor Trainer*innen, die die Inhalte zielgruppengerecht vermitteln. Deshalb führten die Wissenschaftler*innen, die das didaktische Konzept entwickelt hatten, eine interne Schulung für Kolleg*innen aus anderen Teilprojekten durch. Diese lernten Grundbegriffe der modernen Online-Didaktik und den Umgang mit entsprechenden Tools wie Lernmanagementsystemen, Programmen zur Erstellung von Lehrvideos und Videokonferenzsystemen.
Im Sommer 2021 führten die Wissenschaftler*innen den Online-Kurs mit 18 Studierenden mit unterschiedlichem Hintergrund im Gesundheitswesen erstmalig durch, der in drei Phasen geteilt war: Beim Kick-off stellten die Wissenschaftler*innen das Kurskonzept vor und vermittelten die Inhalte zum Lernenden Gesundheitswesen. In der Wissensvermittlungsphase eigneten sich die Teilnehmer*innen weitere Inhalte über die Online-Plattformen Moodle und ILIAS an. Sie konnten Lern-Videos, Online-Quizzes und ein Diskussionsforum nutzen. Bei einem anschließenden Online-Workshop erhielten die Teilnehmer*innen realistische, aber nicht reale Gesundheitsdaten zum Thema Diabetes und sollten daraus mithilfe statistischer Modelle potenzielle Risikofaktoren analysieren. In Kleingruppen erarbeiteten die Teilnehmer*innen ihre Ergebnisse und stellten sie zum Schluss des Workshops vor.
Die Herausforderung besteht darin, den Online-Kurs zu verstetigen und nachhaltig in Studienprogramme einzubinden. Deshalb ist es uns wichtig, die Inhalte auf die Bedürfnisse der Teilnehmer*innen anzupassen. Aus diesem Grund holten wir uns das Feedback der Teilnehmer*innen ein. Insgesamt werden wir den Kurs viermal durchführen und ihn auf der Grundlage des Feedbacks kontinuierlich verbessern. Im weiteren Verlauf werden wir im Zukunftslabor auch Kurse für die Zielgruppen Patient*innen und Bürger*innen konzipieren. Darin wird es um Sensorik zur Gesundheitsprävention und den Umgang mit den eigenen medizinischen Daten gehen.
Aktuell werden zwei weitere Kurse für die Zielgruppen Patient*innen und Betroffene sowie die interessierte Öffentlichkeit und Schüler*innen entwickelt, welche die Arbeitsergebnisse der Wissenschaftler*innen zur Datenplattform und zur Sensortechnik zum Gegenstand haben. Die Kurse mit den Arbeitstiteln „Das lernende Gesundheitssystem – So lernt es!“ und „Patientennahe Sensorsysteme in der Pflege --Anwendung und Ausblick“ sollen in der ersten Jahreshälfte 2022 erstmals angeboten werden, weitere Kurse sind geplant.
Die auf der Wissensvermittlungsplattform des Zukunftslabors angebotenen Online-Kurse zum Lernenden Gesundheitswesen und zur Sensorik sowie die weiteren geplanten Online-Kurse sind ein zentrales Instrument, die Forschungsergebnisse des Zukunftslabors einer breiteren Öffentlichkeit zugänglich und verständlich zu machen.
Darüber hinaus arbeiteten die Wissenschaftler*innen weiter an der Physiotherapie-App, mit der Patient*innen im Anschluss an eine Schulteroperation rehabilitierende Übungen machen können. Sie hatten sich im vorigen Jahr bereits dazu entschieden, ein Hybrid-Konzept zu entwerfen. Dieses kombiniert die Vorteile einer (teil-)stationären sensorgestützten Trainingsmöglichkeit in Form einer Kamera mit der niedrigen Einstiegsschwelle einer Smartphone-App.
Dieses Jahr analysierten sie Anforderungen an eine Tiefenkamera, die für die Aufnahme von Bewegungen erforderlich ist. Hierfür analysierten sie zunächst, welches Kamerasystem geeignet ist, wie die Software aussieht und welche Akteure die Kamera nutzen können – Physiotherapeut*innen oder Patient*innen? Auf Basis dieser Anforderungsanalyse wählten sie eine Tiefenkamera aus und testeten sie im Labor mit einem kleinen Kreis an Proband*innen. Bei den Tests prüften sie unterschiedliche Anwendungsfälle: Was passiert, wenn die Menschen unterschiedlich groß sind? Wie verhält sich die Kamera, wenn die Personen ein helles oder ein dunkles T-Shirt tragen? Im folgenden Jahr sollen die Tests im Rahmen einer Feldstudie mit mehr Proband*innen durchgeführt werden, um noch aussagekräftigere Ergebnisse zu erhalten. Aus diesen Ergebnissen werden die Wissenschaftler*innen Gebrauchsanweisungen für die Kamera ableiten.
Außerdem konzipierten die Wissenschaftler*innen die System-Architektur. Das Kamerasystem besteht aus mehreren Komponenten: Kamerasoftware, Prozessor, Schnittstellen zu Ausgabegeräten (Computer, Fernseher). Damit diese Teilsysteme funktionieren, begannen die Wissenschaftler*innen damit, die Schnittstellen zu definieren und zu implementieren. Für die Physiotherapie-App entwarfen sie ein Design für die Benutzeroberfläche (User Interface), damit die Nutzer*innen die App ansprechend finden und sie gerne verwenden.
Für das nächste Jahr ist vorgesehen, die Inhalte für die App zu entwickeln, sie zu testen und zu evaluieren. Zudem soll sie in Verbindung mit dem Kamerasystem in den physiotherapeutischen Alltag integriert werden.
Am Teilprojekt „Aus-, Fort- und Weiterbildung im Gesundheitswesen“ sind folgende Forschende seit Beginn involviert:
