Thema 6.1 — Gesundheitsökonomie

Gesundheitsökonomie ist der Weg, aus „wir haben etwas gebaut, und Menschen haben es genutzt“ die vertretbare Behauptung zu machen, dass Ihr digitaler Dienst eine Bevölkerung für das eingesetzte Geld gesünder gemacht hat – und die Disziplin, die Sie davor bewahrt, sich selbst zu täuschen.

Warum das in Gesundheit und Pflege wichtig ist#

Jedes Pfund, das für einen digitalen Dienst ausgegeben wird, ist ein Pfund, das nicht für etwas anderes ausgegeben wird – eine Gemeindeschwester, einen Diagnostikscanner, eine Fachkraft für psychische Gesundheit. In einem steuerfinanzierten System mit festen Budgets ist dieser Zielkonflikt nicht abstrakt; er ist die tägliche Realität jeder Finanzsitzung eines Integrated Care Board (ICB). Wenn Ihr Dienst Ressourcen verbraucht, ohne Gesundheit hervorzubringen, bekommt irgendwo jemand weniger Versorgung. Das ist das moralische Gewicht, das die Gesundheitsökonomie auf Ihre Arbeit legt.

Führungskräfte der digitalen Lieferung überziehen routinemäßig auf falscher Evidenz. Sie berichten, dass eine App zweihunderttausendmal heruntergeladen wurde, dass ein Portal eine Million Nachrichten versandt hat, dass Termine „gespart“ wurden – und verwechseln diese Aktivität mit Nutzen. Aktivität ist nicht Gesundheit. Eine Nachricht, die jemandem zugestellt wird, der sie ignoriert, verändert nichts; ein „gesparter“ Termin, der eine Patientin in eine vermeidbare Aufnahme schiebt, hat die Dinge verschlimmert. Ohne einen disziplinierten Weg, zu unterscheiden, was Sie getan haben, von dem, was sich geändert hat, können Sie einen wirklich wertvollen Dienst nicht von einem teuren Placebo unterscheiden.

Konsistente, vergleichbare Messung ist auch eine Frage von Gleichstellung und öffentlichem Vertrauen. Wenn jeder Dienst seine eigene Kennzahl erfindet, kann niemand eine Diabetes-App gegen einen Dienst zur Sturzprävention gegen ein neues Triage-Werkzeug abwägen. Der ganze Sinn einer gemeinsamen Werteinheit ist, dass sie erlaubt, ungleiche Dinge zu vergleichen und knappe Ressourcen ehrlich über eine Bevölkerung zu verteilen – auch an die Menschen, deren Gesundheit am schlechtesten und deren Stimmen am leisesten sind. Dieses Thema gibt Ihnen das Vokabular und die Leitplanken dafür. Es baut auf Thema 1.3 — Evidenzbasierte Entscheidungen und Thema 6.0 — Finanzmanagement und Business Cases auf und speist Thema 10.0 — Objectives & Key Results (OKRs).

Kernkonzepte#

Beginnen Sie mit der Unterscheidung, über die die meisten digitalen Programme stolpern: Outputs gegenüber Ergebnissen (Outcomes). Outputs sind die Aktivität, die Sie erzeugen – gelieferte Termine, versandte Nachrichten, eingebundene Nutzende, bearbeitete Überweisungen. Ergebnisse sind die darauf folgende Veränderung von Gesundheit oder Wohlbefinden – verringerte Symptome, vermiedene Aufnahmen, verlängertes Leben, verbesserte Lebensqualität. Outputs sind billig zu zählen und leicht zu manipulieren; Ergebnisse sind das, was das System zu schaffen existiert. Ein Wirkungsmodell (Logic Model) macht die Verbindung explizit, indem es Inputs → Aktivitäten → Outputs → Ergebnisse → Wirkung abbildet und Sie zwingt, die Kausalkette zu benennen, durch die Ihre Ausgabe zu Gesundheit wird, und die Annahmen darin offenzulegen.

Wert in Gesundheit und Pflege wird am besten im Sinne der Bevölkerungsgesundheit gerahmt: die gesundheitlichen Ergebnisse einer definierten Gruppe und die Verteilung dieser Ergebnisse darin. Management der Bevölkerungsgesundheit ist die operative Praxis, verknüpfte Daten zu nutzen, um eine Bevölkerung zu segmentieren, Interventionen zu zielen und zu verfolgen, ob die ganze Gruppe – nicht nur die begeisterten frühen Anwender – gesünder wurde. Diese Rahmung ist wichtig, weil ein digitaler Dienst den Durchschnitt verbessern und dabei die Lücke vergrößern kann, und ein System, das für eine Bevölkerung rechenschaftspflichtig ist, beides beobachten muss.

Um Wert über ungleiche Interventionen hinweg zu vergleichen, brauchen Sie eine gemeinsame Währung für Gesundheit. Die dominante ist das qualitätsadjustierte Lebensjahr (Quality-Adjusted Life Year) (QALY), das Lebenslänge und Lebensqualität zu einer einzigen Zahl verbindet: ein Jahr in voller Gesundheit entspricht einem QALY, ein Jahr bei halber Qualität 0,5 QALY, der Tod null. Lebensqualität wird meist mit einem standardisierten Instrument wie dem EQ-5D gemessen, einem kurzen Fragebogen zu fünf Dimensionen (Mobilität, Selbstversorgung, übliche Aktivitäten, Schmerzen/Beschwerden, Angst/Depression), der die Selbstauskunft einer Patientin in einen einzigen Nutzwert umrechnet. Das behinderungsadjustierte Lebensjahr (Disability-Adjusted Life Year) (DALY) ist ein ergänzendes Maß – durch Krankheit und vorzeitigen Tod verlorene gesunde Lebensjahre –, stark genutzt in öffentlicher Gesundheit und globalen Krankheitslast-Studien; QALYs messen gewonnene Gesundheit, DALYs verlorene.

Die ökonomische Evaluation stellt dann Kosten gegen Wirkung. Die Kosten-Wirksamkeits-Analyse (CEA) drückt Wert als Kosten je Einheit eines natürlichen Ergebnisses aus (zum Beispiel Kosten je entdecktem Fall). Die Kosten-Nutzwert-Analyse (CUA) ist der Sonderfall, der QALYs als Ergebnis nutzt, sodass verschiedene Interventionen direkt vergleichbar werden. Die Schlagzeilenkennzahl ist das inkrementelle Kosten-Wirksamkeits-Verhältnis (Incremental Cost-Effectiveness Ratio) (ICER): die zusätzlichen Kosten Ihrer Intervention geteilt durch die zusätzlichen QALYs, die sie erzeugt, relativ zu dem, was sie ersetzt. Im Vereinigten Königreich beurteilt das National Institute for Health and Care Excellence (NICE) Interventionen üblicherweise gegen eine Kosten-Wirksamkeits-Schwelle im Bereich von 20.000–30.000 £ je QALY, oberhalb derer eine Intervention im Allgemeinen als schlechtes Preis-Leistungs-Verhältnis gilt – wobei dies eine Entscheidungshilfe ist, keine mechanische Regel, und in besonderen Umständen wie Lebensende oder hochspezialisierter Versorgung höhere Schwellen gelten. Zwei weitere Werkzeuge vervollständigen die Familie. Die Kosten-Nutzen-Analyse (CBA) bewertet Nutzen in Geld statt in QALYs, sodass Gesundheitsgewinne gegen nicht gesundheitliche Erträge abgewogen werden können; und die Budget-Impact-Analyse stellt eine andere Frage – das gesamte Bargeld, das eine Intervention ein System in einem bestimmten Jahr kostet –, denn ein Dienst kann je QALY kosteneffektiv und dennoch jetzt unbezahlbar sein. Beides ist wichtig, weil Gesundheit kein gewöhnlicher Markt ist: Informationsasymmetrie zwischen Klinikpersonal und Patientinnen, externe Effekte wie die Herdenimmunität, die die Impfung einer Person anderen verleiht, und Zahlung durch Dritte bedeuten alle, dass Wert nicht Marktkräften überlassen werden kann und aktiv evaluiert werden muss.

Darunter liegen zwei Effizienzen. Technische Effizienz heißt, eine gegebene Sache zu den geringsten Kosten zu tun (dieselben Ergebnisse mit weniger Inputs liefern). Allokative Effizienz heißt, die richtigen Dinge zu tun – Ressourcen über konkurrierende Verwendungen so zu verteilen, dass die Gesundheit der Gesamtbevölkerung maximiert wird. Die Brücke zwischen ihnen sind die Opportunitätskosten: der Wert der besten Alternative, auf die Sie verzichtet haben. Jedes „Ja“ in einem festen Budget ist ein stilles „Nein“ zu etwas anderem, und die Disziplin der Gesundheitsökonomie besteht darin, dieses stille Nein sichtbar zu machen.

Zwei weitere Maßfamilien halten die Patientin im Blick. Patientenberichtete Ergebnisse (Patient-Reported Outcome), gemessen als PROMs, erfassen den Gesundheitszustand, wie die Patientin ihn berichtet – haben sich Schmerz, Funktion oder Lebensqualität tatsächlich verändert. Patientenberichtete Erfahrungsmaße (PREMs) erfassen, wie die Begegnung war – war sie zugänglich, respektvoll, koordiniert. Ergebnisse sagen Ihnen, ob der Dienst wirkte; Erfahrung sagt Ihnen, ob Menschen ihn nutzen können und werden, was selbst eine Determinante des Ergebnisses ist.

Halten Sie schließlich die ehrliche Kritik bereit. QALYs betten Werturteile ein – sie können Interventionen für ältere, behinderte oder bereits kranke Menschen systematisch unterbewerten, weil solche Menschen weniger oder qualitativ geringere Lebensjahre zu gewinnen haben. Das ist die Gleichstellungskritik, und sie verbindet sich direkt mit Gesundheitsgerechtigkeit und dem Abbau gesundheitlicher Ungleichheiten. Manche Frameworks antworten mit ausdrücklicher Gleichstellungsgewichtung (Equity Weighting), die Gesundheitsgewinnen der am schlechtesten Gestellten größeren Wert gibt. Sie müssen diese Debatte nicht auflösen, dürfen aber nicht so tun, als sei das QALY wertneutral.

Bewährte Praktiken#

1. Definieren Sie Ihr primäres Ergebnismaß, bevor Sie irgendetwas bauen. Das häufigste Versagen in der digitalen Gesundheitsökonomie ist, einem bereits laufenden Dienst nachträglich ein Ergebnis überzustülpen; dann existiert keine Baseline, und jede Behauptung ist anfechtbar. Entscheiden Sie vorab, welche gesundheitliche Veränderung Sie erwarten, wie Sie sie messen werden (ein validiertes PROM, eine klinische Routinekennzahl, ein Ergebnis aus verknüpften Daten wie Aufnahmen) und wie „Erfolg“ numerisch aussieht. Schreiben Sie es in den Business Case (Thema 6.0 — Finanzmanagement und Business Cases), damit Evaluation eine Designbeschränkung ist, kein Nachgedanke.

2. Bauen Sie ein Wirkungsmodell und hängen Sie es an die Wand. Bilden Sie Inputs, Aktivitäten, Outputs, Ergebnisse und Wirkung Ihres Dienstes ab und benennen Sie die Annahme an jedem Pfeil. Der Wert der Übung ist, dass sie die schwachen Glieder offenlegt – den Schritt, an dem „Menschen erhalten eine Erinnerung“ als „Menschen erscheinen und werden gesünder“ angenommen wird –, sodass Sie genau diese testen können. Überprüfen Sie es in jeder Phase; ein Wirkungsmodell, das sich nie ändert, ist ein Wirkungsmodell, das niemand nutzt.

3. Berichten Sie Outputs und Ergebnisse getrennt und lassen Sie Outputs nie für Ergebnisse einstehen. Aktivität als Frühindikator und operative Gesundheitsprüfung zu verfolgen ist legitim, aber kennzeichnen Sie sie als solche. Koppeln Sie in jedem Vorstandspaket den Output mit dem Ergebnis, das er treiben soll, und der Annahme, die beide verbindet, damit niemand still „versandte Nachrichten“ zu „verbesserten Leben“ befördern kann. Wenn Sie bisher nur Outputs haben, sagen Sie es klar und nennen Sie, wann Ergebnisdaten eintreffen.

4. Wählen Sie eine vergleichbare Werteinheit und bleiben Sie dabei. Wo Sie plausibel Länge und Qualität des Lebens beeinflussen, nutzen Sie QALYs (über CUA), damit Ihr Dienst gegen andere im Portfolio abgewogen werden kann. Wo ein QALY schlecht passt – viele digitale Dienste verschieben Erfahrung, Zugang oder Prozess statt eines messbaren Gesundheitszustands –, nutzen Sie ein vertretbares Zwischenergebnis und seien Sie ausdrücklich, dass es nicht direkt mit einem QALY vergleichbar ist. Konsistenz über Ihr Portfolio zählt mehr als Raffinesse in einem Einzelfall: vergleichbar-aber-einfach schlägt brillant-aber-einzigartig.

5. Berechnen Sie Wert am Rand, nicht im Durchschnitt. Entscheidungen sind inkrementell; die Zahl, die zählt, ist daher der ICER: die zusätzlichen Kosten je zusätzlichem QALY gegenüber der realistischen Alternative (übliche Versorgung oder das Werkzeug, das Sie stilllegen würden). Durchschnitte schmeicheln Ihnen; ein Dienst kann je Nutzendem billig aussehen und doch kaum zusätzliche Gesundheit gegenüber dem liefern, was Menschen ohnehin hatten. Benennen Sie Ihr Vergleichsobjekt stets ausdrücklich, denn der ICER ist ohne es bedeutungslos.

6. Machen Sie Opportunitätskosten in jeder Empfehlung explizit. Sagen Sie, was Sie stoppen oder aufgeben würden, um dies zu finanzieren, und welche Gesundheit die Bevölkerung durch diese Wahl verliert. Das verwandelt ein einseitiges „investieren Sie in unsere Sache“ in ein Argument allokativer Effizienz, dem eine Finanzdirektorin vertrauen kann. Es diszipliniert auch Ihr eigenes Denken: Wenn Sie nichts Glaubwürdiges nennen können, das es wert wäre verdrängt zu werden, ist der Fall wahrscheinlich schwächer, als er aussieht.

7. Messen Sie die Verteilung, nicht nur den Mittelwert – und gewichten Sie für Gleichstellung, wo Sie können. Schlüsseln Sie Ergebnisse nach Benachteiligung, Alter, Ethnizität, Behinderung und digitalem Zugang auf und prüfen Sie, ob Ihr Dienst Lücken verengte oder vergrößerte (siehe Thema 1.9 — Digitale Inklusion und Barrierefreiheit). Ein Dienst, der den Durchschnitt verbessert, indem er den ohnehin Begünstigten hilft, besteht den Test der Bevölkerungsgesundheit nicht. Wo Ihre Organisation ein Framework zur Gleichstellungsgewichtung oder zu gesundheitlichen Ungleichheiten hat, wenden Sie es an, und berichten Sie mindestens die Gleichstellungswirkung neben dem Schlagzeilen-ICER.

8. Nutzen Sie das Evidence Standards Framework von NICE, um Ihre Evidenz richtig zu dimensionieren. Das Evidence Standards Framework for Digital Health Technologies (ESF) von NICE stuft Evidenzerwartungen nach Risiko und Funktion des Produkts ab, sodass ein einfaches Informationswerkzeug nicht an derselben Latte gemessen wird wie ein behandlungsleitender Algorithmus. Nutzen Sie es früh, um zu entscheiden, welche Evidenz Sie wirklich brauchen – und koppeln Sie es mit den Digital Technology Assessment Criteria (DTAC) für die Basis aus Sicherheit, klinischer Sicherheit und Interoperabilität (Themen 1.6 und 4.3). Richtige Dimensionierung verhindert sowohl unterbelegten Hype als auch lähmendes Überbelegen.

9. Bevorzugen Sie Routine- und verknüpfte Daten und validierte Instrumente gegenüber maßgeschneiderten Umfragen. Messen Sie Ergebnisse wo immer möglich über Daten, die das System ohnehin erhebt – Vorstellungen, Aufnahmen, Verordnungen, kodierte klinische Ergebnisse –, auf Bevölkerungsebene verknüpft, sodass Ihre Evidenz vergleichbar, billig aufrechtzuerhalten und schwer zu manipulieren ist. Wo Sie Patientenauskunft brauchen, nutzen Sie validierte PROMs und PREMs, statt Fragen zu erfinden, damit Ihre Zahlen dasselbe bedeuten wie die aller anderen. Handhaben Sie all das innerhalb Ihrer Pflichten der Informationsgovernance und des Datenschutzes (Thema 1.7).

10. Planen Sie die Evaluation und ihre Finanzierung zugleich mit dem Aufbau. Ökonomische Evaluation ist nicht umsonst; sie braucht eine Baseline, ein Vergleichsobjekt, analytische Fähigkeit und Zeit, bevor Nutzen reifen. Budgetieren Sie sie ausdrücklich, vereinbaren Sie, wer für die Evaluation rechenschaftspflichtig ist, und setzen Sie ehrliche Zeiträume – viele Ergebnisse der Bevölkerungsgesundheit brauchen ein bis drei Jahre, um sich zu bewegen. Eine unfinanzierte Evaluation ist die Entscheidung, nie wirklich zu wissen, ob das Geld Gesundheit kaufte.

11. Passen Sie die Art der ökonomischen Evaluation an die Frage an und testen Sie stets die Bezahlbarkeit. Kosten-Nutzwert-Analyse und ihr ICER beantworten „ist dies ein gutes Preis-Leistungs-Verhältnis je Einheit Gesundheit“, sind aber nicht die einzigen Werkzeuge. Nutzen Sie die Kosten-Nutzen-Analyse, die Nutzen in Geld bewertet, wenn Sie Gesundheitserträge gegen nicht gesundheitliche abwägen müssen, und führen Sie neben dem ICER eine Budget-Impact-Analyse durch – die gesamten Bargeldkosten der Übernahme der Intervention über das System in einem bestimmten Jahr –, denn ein Dienst kann je QALY kosteneffektiv und dennoch dieses Jahr unbezahlbar sein. Stellen Sie Wert und Bezahlbarkeit nebeneinander dar, sodass eine Finanzdirektorin sowohl einen vertretbaren ICER als auch eine Zahl sieht, die das Budget tatsächlich tragen kann.

12. Erinnern Sie sich, warum der „Markt“ im Gesundheitswesen versagt, und evaluieren Sie als dessen Ersatz. Wert kann hier nicht gewöhnlichen Marktkräften überlassen werden: Patientinnen haben selten die Information, klinischen Wert zu beurteilen (Informationsasymmetrie zwischen Klinikpersonal und Patientin), Nutzen fließen oft auf unbeteiligte Dritte über (externe Effekte wie die Herdenimmunität, die die Impfung einer Person anderen gibt), und die Person, die Versorgung konsumiert, ist meist nicht die, die zahlt. Das sind Lehrbuch-Marktversagen, und genau deshalb existiert disziplinierte ökonomische Evaluation, statt dass Preissignale die Arbeit leisten. Behandeln Sie Evaluation als Mechanismus, der an die Stelle eines funktionierenden Marktes tritt, nicht als optionalen Papierkram.

13. Nutzen Sie fertige Werkzeuge und holen Sie Expertise für alles mit hohem Einsatz. Beginnen Sie bei Entscheidungen zu öffentlicher Gesundheit und Prävention mit den gesundheitsökonomischen Return-on-Investment-(ROI-)Werkzeugen und Leitlinien von GOV.UK für Teams der öffentlichen Gesundheit – die bereits Bereiche wie Sturzprävention, psychische Gesundheit und Herz-Kreislauf-Erkrankungen abdecken –, statt ein maßgeschneidertes Modell von Grund auf zu bauen. Ziehen Sie für umstrittene oder hochwertige Fälle gesundheitsökonomische Expertise hinzu, sei es eine hauseigene Analystin oder ein akademisches Zentrum wie LSE Health oder das Office of Health Economics. Die Wiederverwendung validierter Werkzeuge und fachlicher Prüfung macht Ihre Zahlen schneller zu erzeugen und weit schwerer abzutun.

Fragen zur Diskussion im Team#

1. Welches einzelne gesundheitliche Ergebnis muss dieser Dienst verändern, und woran werden wir erkennen, dass wir es veränderten, statt nur beobachteten, wie es sich veränderte? Das zwingt das Team von bequemen Aktivitätskennzahlen zur kausalen Behauptung darunter. Debattieren Sie, ob Ihr gewähltes Maß wirklich ein Ergebnis (eine Veränderung von Gesundheit oder Wohlbefinden) oder ein aufgehübschter Output ist und ob Sie die Veränderung Ihrem Dienst zuschreiben können statt einem säkularen Trend, Regression zur Mitte oder einer parallelen Initiative. Bedenken Sie, ob ein randomisiertes oder Stepped-Wedge-Design machbar ist oder ob Sie sich auf ein gut konstruiertes Vorher-Nachher mit gematchtem Vergleichsobjekt verlassen werden. Sprechen Sie ehrlich über die Baseline: Haben Sie eine, und wenn nicht, ist es schon zu spät, eine zu bekommen. Eine gute Antwort benennt ein primäres Ergebnis, ein Messinstrument, ein Vergleichsobjekt, eine plausible Zuschreibungsgeschichte und das Datum, bis zu dem Sie echte Daten haben werden – und räumt ein, was Sie noch nicht belegen können.

2. Was tun wir, wenn unsere Outputs großartig aussehen, unsere Ergebnisse aber flach sind? Jedes digitale Team steht irgendwann vor einem Dienst mit steigender Nutzung und ohne messbaren Gesundheitsgewinn, und die ehrliche Reaktion ist unbequem. Besprechen Sie im Voraus, welche Evidenz Sie iterieren, pausieren oder stilllegen ließe, damit die Entscheidung nicht Geisel versunkener Kosten und gesichtswahrender Reputation ist. Bringen Sie die Spannung zwischen operativen Führungskräften, die für Aktivität belohnt werden, und Finanz- oder Public-Health-Leitungen, die für Bevölkerungsergebnisse rechenschaftspflichtig sind, ans Licht, denn sie werden dasselbe Dashboard unterschiedlich lesen. Bedenken Sie, ob flache Ergebnisse bedeuten, dass der Dienst nicht wirkt, dass Sie das falsche Ergebnis messen oder dass Nutzen verzögert eintreten – und wie Sie diese unterscheiden würden. Eine gute Antwort setzt Stopp- und Schwenkkriterien jetzt schriftlich fest und benennt, wer den Ruf verantwortet.

3. Wessen Gesundheit verbessern wir, und wessen lassen wir zurück oder benachteiligen wir aktiv? QALY und Durchschnitt verbergen beide Verteilung, und ein Dienst kann den Mittelwert heben und dabei Ungleichheit vergrößern – oft, indem er am besten für die Selbstsicheren, Vernetzten, digital Eingebundenen funktioniert. Debattieren Sie, welche Gruppen wahrscheinlich am wenigsten gewinnen (Menschen mit geringem digitalem Zugang, sensorischen oder kognitiven Beeinträchtigungen, begrenztem Englisch, die am stärksten Benachteiligten) und ob der Dienst Ressourcen von ihnen abzuziehen droht. Besprechen Sie, ob Gleichstellungsgewichtung angewandt oder zumindest Ergebnisse nach Benachteiligung und geschützten Merkmalen aufgeschlüsselt berichtet werden sollen, und was Sie ändern würden, wenn sich die Lücke vergrößerte. Wägen Sie die Spannung zwischen technischer Effizienz (billigster durchschnittlicher Gewinn) und allokativer Fairness (Gewinn für die mit dem größten Bedarf) ab. Eine gute Antwort verpflichtet sich, die Verteilung von Anfang an zu messen, und nimmt eine klare Position zum Zielkonflikt der Gleichstellung ein, statt sich hinter einer einzelnen Schlagzeilenzahl zu verstecken.

4. Was ist unser Vergleichsobjekt, und messen wir ehrlich die Gesundheit, die dieser Dienst hinzufügt, statt der Gesundheit, die Menschen ohnehin hatten? Ein ICER oder eine Zahl „gesparter Aufnahmen“ ist ohne eine glaubwürdige Alternative, an der man misst, bedeutungslos, doch gerade das Vergleichsobjekt schummeln Teams am häufigsten. Debattieren Sie, was das realistische Kontrafaktum tatsächlich ist – echte übliche Versorgung, das Werkzeug, das Sie stilllegen würden, um dies zu finanzieren, oder eine Nichts-tun-Baseline – und ob Ihre Vergleichsgruppe fair gematcht oder still gesünder und motivierter ist als die Menschen, die sich einschrieben. Stellen Sie sich Selektionseffekten direkt: Patientinnen, die sich in einen digitalen Dienst einschreiben, sind häufig solche, die es ohnehin besser gemacht hätten, was jede marginale Behauptung schönt. Besprechen Sie, ob eine gematchte Kohorte, ein Stepped-Wedge-Rollout oder ein Regression-Discontinuity-Design erreichbar ist und welche Störvariablen Sie nicht kontrollieren können. Eine gute Antwort benennt das Vergleichsobjekt ausdrücklich, sagt, wie es konstruiert ist, und ist offen über das verbleibende Zuschreibungsrisiko, statt einen marginalen Gewinn so darzustellen, als sei er sicher.

5. Können wir uns das im großen Maßstab tatsächlich leisten, und haben wir „gutes Preis-Leistungs-Verhältnis je QALY“ von „passt ins Budget dieses Jahres“ getrennt? Kosten-Wirksamkeit und Bezahlbarkeit sind verschiedene Fragen, und ein Dienst kann die erste bestehen und die zweite brechen – eine Intervention mit vertretbarem ICER kann dennoch unbezahlbar sein, sobald sie in einem einzigen Haushaltsjahr über eine ganze Bevölkerung ausgerollt wird. Besprechen Sie die Budget-Impact-Analyse neben dem ICER: das gesamte Bargeld, das der Dienst jährlich verbraucht, wer dieses Budget hält und ob die versprochenen Einsparungen zahlungswirksam oder bloß fiktive Kapazität sind, die sich nie in eine freigesetzte Stelle oder ein Bett verwandelt. Bringen Sie die Spannung ans Licht zwischen einem Business Case, der je Patientin stark aussieht, und einer Finanzdirektorin, die das Geld jetzt nicht findet, und zwischen Nutzen, die über drei Jahre reifen, und Budgets, die alle zwölf Monate zurückgesetzt werden. Bedenken Sie Phasierung, Priorisierung von Kohorten oder eine kleinere Anfangsbevölkerung als Wege, Wert mit Bezahlbarkeit zu versöhnen. Eine gute Antwort stellt Wert und Bezahlbarkeit nebeneinander dar und ist ehrlich, welche beanspruchten Einsparungen echtes Bargeld sind und welche nicht.

6. Wem gehört die Evaluation, und was tun wir, wenn die ersten ehrlichen Zahlen enttäuschend sind? Ökonomische Evaluation braucht eine benannte Verantwortliche, eine finanzierte analytische Fähigkeit und einen Zeitraum, bevor Nutzen reifen – und ohne diese wird „wir evaluieren später“ still zu „wir werden nie wirklich wissen“. Debattieren Sie, wer für die Erzeugung der Zahlen rechenschaftspflichtig ist, ob sie unabhängig genug sind, schlechte Nachrichten zu berichten, und wie Sie sich gegen den Druck schützen, Erfolg still umzudefinieren, sobald ein Dienst live und politisch zugesagt ist. Besprechen Sie die realistische Verzögerung: Viele Ergebnisse der Bevölkerungsgesundheit brauchen ein bis drei Jahre, sich zu bewegen; vereinbaren Sie also jetzt, welche Zwischensignale Sie beruhigen oder alarmieren würden und welche Schwelle der Minderleistung eine Neugestaltung oder einen Stopp auslösen würde. Benennen Sie den Governance-Weg, auf dem unbequeme Befunde eine Entscheiderin erreichen, die darauf handeln kann. Eine gute Antwort weist eine konkrete Verantwortliche zu, finanziert die Evaluation auf der Stufe des Business Case und verpflichtet sich schriftlich, auf das Ergebnis zu handeln, auch wenn es unwillkommen ist.

In der Praxis: ein Beispiel aus Gesundheit und Pflege#

Ein ICB beauftragt einen digitalen Fernüberwachungsdienst für Menschen mit mittelschwerer bis schwerer Herzinsuffizienz: Patientinnen wiegen sich täglich und beantworten in einer App einen kurzen Symptomcheck, und ein Pflegeteam prüft markierte Fälle. Das Angebot des Lieferanten führt mit Outputs – dreißigtausend Messwerte im Monat, 82 % tägliche Adhärenz, viertausend triagierte Alarme – und der Behauptung „verringerter Aufnahmen“.

Die Lieferleiterin besteht vor dem Go-live auf einem Wirkungsmodell. Es lautet: Inputs (App-Lizenzen, Pflegezeit, Geräte) → Aktivitäten (tägliche Überwachung, Triage, frühe Medikationsanpassung) → Outputs (Messwerte, Alarme, Kontakte) → Ergebnisse (weniger ungeplante Aufnahmen wegen Herzinsuffizienz, bessere Symptomkontrolle) → Wirkung (gewonnene QALYs, tragfähige Nachfrage in der Sekundärversorgung). Der schwache Pfeil ist offensichtlich: Alarme werden nur dann zu Gesundheit, wenn Pflegekräfte früh handeln und Patientinnen reagieren. Das wird zum zu Messenden.

Das Team definiert das primäre Ergebnis vorab als ungeplante Aufnahmen wegen Herzinsuffizienz je Patientenjahr, aus verknüpften Routinedaten gegen eine gematchte Vergleichskohorte gezogen, mit EQ-5D bei Einschreibung und nach sechs Monaten als sekundärem QALY-Maß und einem kurzen PREM zur Zugänglichkeit. Mithilfe des ESF ordnen sie das Produkt einer mittleren Risikostufe zu und dimensionieren die Evidenz entsprechend, statt eine teure Studie zu beauftragen oder es allein auf Adhärenzzahlen hin durchzuwinken.

Nach zwölf Monaten ist das Bild gemischt und ehrlich. Die Aufnahmen in der überwachten Gruppe sind deutlich geringer als beim Vergleichsobjekt; EQ-5D zeigt einen bescheidenen Gewinn an Lebensqualität. Der vorläufige ICER liegt im üblichen Bereich von NICE, der Dienst sieht also nach vernünftigem Preis-Leistungs-Verhältnis aus – doch die aufgeschlüsselten Daten zeigen, dass die Einschreibung zu weniger benachteiligten, englischsprachigen Patientinnen verzerrt ist und die Adhärenz bei jenen mit dem geringsten digitalen Zugang zusammenbricht. Die Entscheidung des Vorstands ist keine einfache Verlängerung. Sie lautet: fortsetzen, einen unterstützten Onboarding- und telefonbasierten Pfad für die ausgeschlossenen Gruppen finanzieren und die Verteilung in einem Jahr neu evaluieren – ein Urteil zu allokativer Effizienz und Gleichstellung, das die rohen Output-Zahlen nie zutage gefördert hätten.

Sektorperspektiven#

Startup#

Ein kleines Unternehmen der digitalen Gesundheit lebt und stirbt mit einer glaubwürdigen Ergebnisbehauptung, hat aber wenig Daten und noch weniger Zeit. Konzentrieren Sie das knappe Evidenzbudget auf ein gut gewähltes primäres Ergebnis und ein vertretbares Vergleichsobjekt statt auf einen Schrotschuss aus Eitelkeitskennzahlen und nutzen Sie das ESF, um sowohl Unter- als auch Überbelegung zu vermeiden. Seien Sie gegenüber Commissionern offen, was belegt und was vielversprechend ist; ein ehrliches „Frühindikatoren sind positiv, endgültige Ergebnisse stehen aus“ schafft mehr Vertrauen als ein überzogener ICER auf Grundlage von zwanzig Nutzenden. Bauen Sie die Erfassung von Ergebnissen von Tag eins in das Produkt ein, denn eine Baseline nach dem Start nachzurüsten ist meist unmöglich.

Kleines Unternehmen#

Ein etablierter kleiner Anbieter – eine Hausarztpraxis, eine Gemeindeapotheke, ein Pflegeheim oder eine Einzelstandort-Klinik, die ein digitales Werkzeug einführt – trägt dieselbe Pflicht, Wert zu zeigen, wie ein großer Trust, aber ohne Gesundheitsökonomin und ohne Analytikteam, das er rufen könnte. Stützen Sie sich auf fertige Instrumente statt auf maßgeschneiderte Modelle: ein validiertes PROM, eine Routinekennzahl, die Ihr klinisches System bereits erfasst, und die kostenlosen ROI-Werkzeuge von GOV.UK für Präventionsentscheidungen, damit Sie Messung nicht von Grund auf erfinden. Seien Sie realistisch, dass Ihre Patientenzahlen klein sind; eine einzelne selbstsichere Behauptung zu einem Ergebnis, ehrlich mit Vorbehalten versehen, ist mehr wert als ein zerbrechlicher ICER auf einer Handvoll Fälle. Bitten Sie Lieferanten oder Commissioner, das Vergleichsobjekt und die Baseline zu teilen, die Sie allein nicht erzeugen können, und bestehen Sie darauf, dass jedes Angebot zu „gesparter Zeit“ oder „vermiedenen Aufnahmen“ benennt, wogegen gemessen wird. Die Disziplin ist dieselbe wie bei einem Großunternehmen; nur die Ressourcen sind kleiner, also borgen Sie validierte Werkzeuge und Standardmaße, wo immer Sie können.

Großunternehmen#

Ein NHS Trust oder großes ICS hält bereits die verknüpften Daten, die echte Ergebnismessung möglich machen, und ist für eine ganze Bevölkerung rechenschaftspflichtig; es sollte daher auf QALYs oder vergleichbaren Einheiten bestehen, um Dienste über ein Portfolio hinweg gegeneinander abzuwägen. Das Risiko ist organisatorisch: Aktivitäts-Dashboards vermehren sich, jeder Dienst verteidigt seine eigene maßgeschneiderte Kennzahl, und niemand kann eine Diabetes-App mit einem Sturzdienst vergleichen. Standardisieren Sie auf einen kleinen Satz vergleichbarer Ergebnismaße, eine gemeinsame Vorlage für Wirkungsmodelle und aufgeschlüsselte Gleichstellungsberichte und führen Sie ökonomische Evaluation durch eine einzige analytische Funktion, damit die Zahlen konsistent und schwer zu manipulieren sind.

Regierung#

Eine nationale Stelle – NICE, NHS England, DHSC oder eine dezentrale Regierung – setzt die Spielregeln: die QALY-Schwelle, die ESF-Stufen, die Gleichstellungserwartungen, innerhalb derer alle anderen arbeiten müssen. Ihre Pflicht ist, das Wert-Framework transparent, vergleichbar und legitim zu machen und die Gleichstellungskritik offen zu verantworten, statt das QALY als neutral auftreten zu lassen. Sie muss dem politischen Sog widerstehen, sichtbare Aktivität gegenüber gemessenen Ergebnissen zu finanzieren, und die Linie halten, dass Opportunitätskosten real sind: Geld für eine schlagzeilentaugliche App ist anderswo abgezogene Versorgung. Ihre veröffentlichten Methoden und Schwellen werden zur gemeinsamen Sprache, die Startups und Großunternehmen überhaupt erst vergleichbare Fälle machen lässt.

Häufige Fehlermuster#

• Output-Theater. Termine, Nachrichten und Downloads werden berichtet, als wären sie Gesundheit. Abhilfe: jeden Output mit seinem beabsichtigten Ergebnis und der verbindenden Annahme koppeln.
• Nachgerüstete Evaluation. Ein Ergebnis wird nach dem Start gewählt, ohne Baseline. Abhilfe: primäres Ergebnis und Baseline vor dem Aufbau definieren.
• Kein Vergleichsobjekt. Ein ICER oder „gesparte Aufnahmen“ werden beansprucht, ohne etwas zum Vergleichen. Abhilfe: stets die realistische Alternative nennen und am Rand messen.
• Nur Durchschnitt berichtet. Ein steigender Mittelwert, der eine wachsende Lücke verbirgt. Abhilfe: nach Benachteiligung und geschützten Merkmalen aufschlüsseln; Verteilung berichten.
• QALY-Übergriff. Ein QALY einem Dienst aufzuzwingen, der Erfahrung oder Zugang statt Gesundheitszustand verändert. Abhilfe: ein ehrliches Zwischenergebnis nutzen und es als nicht vergleichbar kennzeichnen.
• Schwellenverehrung. 20.000–30.000 £ je QALY als mechanisches Bestanden/Durchgefallen behandeln. Abhilfe: als Entscheidungshilfe neben Gleichstellung, Ungewissheit und Kontext nutzen.
• Unfinanzierte Evaluation. Rigorose Ergebnismessung ohne Budget oder Verantwortliche zu erwarten. Abhilfe: die Evaluation auf der Stufe des Business Case finanzieren und zuweisen.

Reifegradmodell#

Checkliste#

• Das primäre Gesundheitsergebnis ist definiert, validiert und vor dem Aufbau in den Business Case geschrieben.
• Ein Wirkungsmodell bildet Inputs → Aktivitäten → Outputs → Ergebnisse → Wirkung ab, mit benannten Annahmen.
• Outputs und Ergebnisse werden getrennt berichtet; kein Output wird als Nutzen dargestellt.
• Ein realistisches Vergleichsobjekt ist benannt, und die Wertbehauptung ist am Rand ausgedrückt (ICER, wo relevant).
• Wo sich der Gesundheitszustand ändert, wird Wert in QALYs (CUA) für Portfoliovergleichbarkeit ausgedrückt.
• Opportunitätskosten sind benannt: was zur Finanzierung dieses Dienstes aufgegeben oder verdrängt wird.
• Ergebnisse sind nach Benachteiligung und geschützten Merkmalen aufgeschlüsselt; die Gleichstellungswirkung wird berichtet.
• Evidenzerwartungen sind mit dem Evidence Standards Framework von NICE (und DTAC für Sicherheit/Interoperabilität) richtig dimensioniert.
• PROMs und PREMs nutzen validierte Instrumente; Ergebnisse nutzen wo möglich verknüpfte Routinedaten.
• Die ökonomische Evaluation ist finanziert, verantwortet und hat einen vereinbarten Zeitraum und Stopp-/Schwenkkriterien.

Zentrale Quellen#

• NICE — Evidence Standards Framework for Digital Health Technologies (ESF).
• NICE — Guide to the Methods of Technology Appraisal / health technology evaluation manual (QALY, ICER, Kosten-Wirksamkeits-Schwelle).
• NHS England / NHS Digital — Digital Technology Assessment Criteria (DTAC).
• EuroQol Group — EQ-5D-Instrument und Nutzerleitfäden.
• NHS England — Programm Patient-Reported Outcome Measures (PROMs).
• The King's Fund — Erläuterungen zu Bevölkerungsgesundheit und Management der Bevölkerungsgesundheit.
• HM Treasury — The Green Book: appraisal and evaluation in central government (Opportunitätskosten, sozialer Wert).
• GOV.UK / Office for Health Improvement and Disparities — Health economics: a guide for public health teams (ROI-Werkzeuge für Prävention).
• Weltgesundheitsorganisation — Global Burden of Disease / DALY-Methodik.

Referenzen#

1. Health economics — Wikipedia — https://en.wikipedia.org/wiki/Health_economics
2. Population health — Wikipedia — https://en.wikipedia.org/wiki/Population_health
3. Quality-adjusted life year — Wikipedia — https://en.wikipedia.org/wiki/Quality-adjusted_life_year
4. EQ-5D — Wikipedia — https://en.wikipedia.org/wiki/EQ-5D
5. Disability-adjusted life year — Wikipedia — https://en.wikipedia.org/wiki/Disability-adjusted_life_year
6. Cost-effectiveness analysis — Wikipedia — https://en.wikipedia.org/wiki/Cost-effectiveness_analysis
7. Cost–utility analysis — Wikipedia — https://en.wikipedia.org/wiki/Cost%E2%80%93utility_analysis
8. Incremental cost-effectiveness ratio — Wikipedia — https://en.wikipedia.org/wiki/Incremental_cost-effectiveness_ratio
9. Patient-reported outcome — Wikipedia — https://en.wikipedia.org/wiki/Patient-reported_outcome
10. Opportunity cost — Wikipedia — https://en.wikipedia.org/wiki/Opportunity_cost
11. Logic model — Wikipedia — https://en.wikipedia.org/wiki/Logic_model
12. Health equity — Wikipedia — https://en.wikipedia.org/wiki/Health_equity
13. Evidence standards framework (ESF) for digital health technologies — NICE — https://www.nice.org.uk/about/what-we-do/digital-health/evidence-standards-framework-for-digital-health-technologies
14. NICE health technology evaluations: the manual — NICE — https://www.nice.org.uk/process/pmg36/chapter/introduction-to-health-technology-evaluation
15. Digital Technology Assessment Criteria (DTAC) — NHS England — https://www.nhsengland.nhs.uk/long-read/digital-technology-assessment-criteria-dtac/
16. EQ-5D — EuroQol Group — https://euroqol.org/eq-5d-instruments/
17. Patient Reported Outcome Measures (PROMs) — NHS England — https://www.england.nhs.uk/statistics/statistical-work-areas/proms/
18. The Green Book: appraisal and evaluation in central government — HM Treasury — https://www.gov.uk/government/publications/the-green-book-appraisal-and-evaluation-in-central-government
19. Cost–benefit analysis — Wikipedia — https://en.wikipedia.org/wiki/Cost%E2%80%93benefit_analysis
20. Information asymmetry — Wikipedia — https://en.wikipedia.org/wiki/Information_asymmetry
21. Externality — Wikipedia — https://en.wikipedia.org/wiki/Externality