Gesundheitswesen
DOI: 10.1055/a-2780-8325

Linking project data and data from routine clinical practice with healthcare-related data is essential for German healthcare research in order to answer complex questions validly and efficiently. Currently, fragmented data sources, heterogeneous legal requirements, and a lack of infrastructure prevent the optimal use and linking of these data. The Network University Medicine (NUM) is therefore developing a dedicated data infrastructure to link primary study data and routine clinical data with external healthcare-related data (e. g., data from statutory and private health insurance companies, data from cancer registries of the federal states, and data from registration offices). The position paper describes the various data worlds, including examples from epidemiological and clinical research that illustrate the added value and challenges of data linkage. In particular, it presents the new structures of the data acceptance and processing center (DAAeD) in the NUM, which is intended to enable quality-assured, data protection-compliant receipt and linkage of data. Standardized application and approval procedures as well as innovative privacy-preserving record linkage procedures are central to this. International experience, including from Scandinavia and the UK, demonstrates the benefits of such infrastructures for research and healthcare. In conclusion, we advocate rapid political and institutional implementation of the recommendations described in order to make health research in Germany competitive in international comparison and to ensure sustainable, patient-centered health care.Die Verknüpfung von Projektdaten und Daten aus der klinischen Routine mit versorgungsnahen Daten ist für die deutsche Versorgungsforschung essentiell, um komplexe Fragestellungen valide und effizient zu beantworten. Aktuell stehen fragmentierte Datenquellen, heterogene rechtliche Vorgaben und fehlende Infrastrukturen einer optimalen Nutzung und Verknüpfung dieser Daten entgegen. Das Netzwerk Universitätsmedizin (NUM) entwickelt daher eine darauf ausgerichtete Dateninfrastruktur zur Verknüpfung primärer Studiendaten und klinischer Routinedaten mit externen versorgungsnahen Daten (z. B. Daten der gesetzlichen und privaten Krankenversicherungen, Daten der Landeskrebsregister und Daten der Melderegister). Das Positionspapier beschreibt die verschiedenen Datenwelten einschließlich Beispiele aus epidemiologischer und klinischer Forschung, die die Mehrwerte und Herausforderungen der Datenverknüpfung abbilden. Insbesondere werden die neuen Strukturen der Datenannahme- und -aufbereitungsstelle (DAAeD) im NUM dargestellt, die eine qualitätsgesicherte, datenschutzkonforme Annahme und Verknüpfung von Daten ermöglichen soll. Zentral sind vereinheitlichte Antrags- und Genehmigungsverfahren sowie innovative Privacy-Preserving-Record-Linkage-Verfahren. Internationale Erfahrungen, u. a. aus Skandinavien und UK, belegen den Nutzen solcher Infrastrukturen für Forschung und Versorgung. Es wird für eine rasche politische und institutionelle Umsetzung der beschriebenen Empfehlungen plädiert, um die Gesundheitsforschung in Deutschland im internationalen Vergleich wettbewerbsfähig zu machen und eine nachhaltige, patientenzentrierte Gesundheitsversorgung zu sichern.
[...]

Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Article in Thieme eJournals:
Table of contents  |  Abstract  |  open access Full text

Gesundheitswesen
DOI: 10.1055/a-2765-8811

Health services research faces the challenge of providing sound recommendations for action for the further development of health systems and care. The application of causal inference methods offers health services researchers an excellent opportunity to identify causal relationships under everyday conditions. The role of clinical trials with a classic randomised controlled trial (RCT) design is recognised as suitable for gaining insights that help establish causal inference, but other methodological approaches to generating evidence also play an important role in health services research.The discussion paper presents key concepts and assumptions of causal inference and highlights their relevance for health services research. The paper makes it clear that in order to fulfil the assumptions, it is necessary to integrate theory, contextual knowledge, understanding of mechanisms and formal concepts, such as directed acyclic graphs (DAGs), into a suitable empirical study design. To this end, RCTs, quasi-experimental methods, causal machine learning, target trial emulation, in silico trials and the mixed-methods approach of integrated inference are presented and discussed in terms of their applicability in health services research and their internal and external validity.All of the approaches presented here can contribute to the estimation of causal effects when used in a targeted manner and in accordance with the central assumptions. Their suitability depends largely on the research question, data quality, theoretical modelling and contextual knowledge. The combination of complementary designs and high quality data sources can increase the robustness of causal conclusions.Causal inference in health services research is not only a methodological procedure, but an integrative process that systematically combines theory, methodology and contextual knowledge. By consistently linking these aspects, health services research can generate differentiated and actionable insights that go beyond correlative analyses and enable an understanding of the mechanisms of causal processes. This can lead, for example, to evidence-supported recommendations that critically examine the often non-evidence-based status quo and reliably evaluate the benefits of new models.Die Versorgungsforschung steht vor der Herausforderung, fundierte Handlungsempfehlungen für die Weiterentwicklung von Gesundheitssystem und -versorgung zu geben. Die Anwendung von Methoden der kausalen Inferenz bietet Versorgungsforschern eine exzellente Möglichkeit, um kausale Zusammenhänge unter Alltagsbedingungen zu identifizieren. Die Rolle von klinischen Studien mit klassisch randomisiert-kontrolliertem Studiendesign (RCTs) wird in der Erkenntnisgewinnung für die Feststellung kausaler Inferenz anerkannt, jedoch haben in der Versorgungsforschung weitere methodische Ansätze zur Evidenzgenerierung eine wichtige Rolle.Das Diskussionspapier stellt zentrale Konzepte und Annahmen der kausalen Inferenz dar und beleuchtet deren Relevanz für die Versorgungsforschung. Das Papier verdeutlicht, dass für die Erfüllung der Annahmen die Integration von Theorie, Kontextwissen, Mechanismenverständnis und formalen Konzepten, wie etwa die Directed Acyclic Graphs (DAGs), in ein passendes empirisches Studiendesign notwendig ist. Dazu werden u. a. RCTs, quasi-experimentelle Methoden, Causal Machine Learning, Target-Trial Emulation, In-Silico Trials sowie der Mixed-Methods-Ansatz der integrierten Inferenz vorgestellt und im Hinblick auf ihre Anwendbarkeit in der Versorgungsforschung und ihrer internen und externen Validität diskutiert.Alle vorgestellten Ansätze können bei gezieltem Einsatz und unter Beachtung der zentralen Annahmen einen Beitrag zur Schätzung kausaler Effekte leisten. Ihre Eignung ist maßgeblich abhängig von Fragestellung, Datenqualität, theoretischer Modellbildung und Kontextwissen. Die Kombination komplementärer Designs und qualitativ hochwertiger Datenquellen kann die Robustheit kausaler Schlussfolgerungen erhöhen.Kausale Inferenz in der Versorgungsforschung ist nicht nur ein methodisches Verfahren, sondern ein integrativer Prozess, der Theorie, Methodologie und Kontextwissen systematisch verbindet. Durch die konsequente Verknüpfung dieser Aspekte kann die Versorgungsforschung differenzierte und handlungsrelevante Erkenntnisse generieren, die über korrelative Analysen hinausgehen und ein Verständnis der Mechanismen kausaler Prozesse ermöglichen. So können z. B. evidenzgestützte Empfehlungen entstehen, die den oft nicht evidenzbasierte Status quo kritisch prüfen und den Nutzen neuer Modelle zuverlässig bewerten.
[...]

Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Article in Thieme eJournals:
Table of contents  |  Abstract  |  open access Full text

Gesundheitswesen 2026; 88: 12-15
DOI: 10.1055/a-2756-8737

Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Article in Thieme eJournals:
Table of contents  |  open access Full text

Gesundheitswesen
DOI: 10.1055/a-2592-5998

The scope and definition of health care research is a matter of discussion in our scientific community. The Board of the German Network for Health Care Research has drafted a position paper that was extensively reviewed and commented upon by all working groups and specialist groups of the network. The present version represents consented common grounds to a large degree but is neither complete nor final. We consider this position paper a living document that will evolve and further converge in an ongoing discussion in the network.Definition und Aufgaben der Versorgungsforschung werden in unserer wissenschaftlichen Gemeinschaft diskutiert. Der Vorstand des Deutschen Netzwerks Versorgungsforschung hat ein Positionspapier erarbeitet, das von allen Arbeits- und Fachgruppen des Netzwerks intensiv diskutiert und kommentiert wurde. Die vorliegende Fassung ist zu großen Teilen konsentiert. Sie ist aber weder vollständig noch abschließend. Vielmehr betrachten wir dieses Positionspapier als ein living document, das sich in der laufenden Diskussion im Netzwerk weiterentwickeln und weiter konvergieren soll.
[...]

Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany

Article in Thieme eJournals:
Table of contents  |  Abstract  |  open access Full text