Wie geht's? Eine einfache Frage, deren Beantwortung medizinischen Statistikerinnen und Statistikern jedoch Kopfzerbrechen bereitet. Gesundheitswissenschaftlerin Carolina Ballert hat nach Antworten für den Bereich Querschnittslähmung gesucht – und wurde fündig.

 

Illustration mit freundlicher Genehmigung von Frédéric Michaud.

Den Gesundheitszustand eines Menschen zu beschreiben, ist nicht einfach. Denn er umfasst nicht nur körperliche Funktionen oder Behinderungen, sondern auch die Interaktion mit persönlichen und umweltbezogenen Komponenten sowie soziale und politische Faktoren. Die Weltgesundheitsorganisation (WHO) entwickelte daher ein Klassifikationssystem, das mithilfe verschiedener Kategorien (z.B. Gedächtnis, Mobilität, Selbstpflege) eine präzise und ganzheitliche Beschreibung der Funktionsfähigkeit eines Menschen liefern soll.

Um einzelne Krankheitsbilder besser beschreiben zu können, stellen Gesundheitsforschende und -praktizierende  aus dieser «Internationalen Klassifikation der Funktionsfähigkeit, Behinderung und Gesundheit (ICF)» sogenannte «ICF Core Sets» zusammen. So auch bei Querschnittslähmung. Kategorien wie Mobilität, Beziehungen und Teilnahme am wirtschaftlichen Leben sind hier von besonderer Bedeutung. Doch kann man mit diesem Core Set mehr als nur die Funktionsfähigkeit bei Querschnittlähmung beschreiben? Würde sich dieser Core Set auch als Basis für einen statistischen Vergleich eignen?

Eine Antwort auf diese Frage hat die Gesundheitswissenschaftlerin Carolina Ballert in ihrer Dissertation gefunden. Sie untersuchte, ob die ICF Kategorien aus den ICF Core Sets für Querschnittlähmung die Anforderungen moderner Testtheorie erfüllen und folglich die Entwicklung einer Metrik für Funktionsfähigkeit bei Querschnittlähmung möglich ist. Das Ergebnis: Ja, ein statistisches Messinstrument für die klinische Forschung kann entwickelt werden. Allerdings muss man dabei zwei Dimensionen unterscheiden: Kategorien, die die körperlichen Funktionen betreffen, und solche, die Aktivitäten und Partizipation betreffen. Würde eine Statistik beide Dimensionen nicht trennen, ergäbe dies einen wenig aussagekräftigen Gesamtwert. Derart differenzierte und standardisierte Daten könnten Entscheidungsträgern im klinischen Alltag und im Klinikmanagement helfen, Interventionen und die Nachbetreuung künftig besser zu planen und damit die Unternehmensführung von Kliniken zu optimieren.

Interessiert an weiteren Details von Carolina Ballerts Arbeit? Eine Übersicht ihrer Publikationen und Kontaktinformationen finden Sie hier.

Die Graduate School gratuliert Carolina Ballert ganz herzlich zur erfolgreich abgeschlossenen Promotion!

 

 

26. November 2015