Prävention und Kostenkontrolle im Gesundheitswesen

Abstract

Zusammenfassung Hintergrund Das deutsche Gesundheitswesen hat mit hohen Kosten zu kämpfen. Neben den aktuellen finanziellen Belastungen im Zusammenhang mit der Coronapandemie verfolgt die deutsche Bevölkerung mehrheitlich einen ungesunden Lebensstil der zukünftig zu weiteren Neuerkrankungen und assoziierten Kosten führen wird. Ziel der Arbeit Dieser Beitrag skizziert, wie mit Hilfe von Routinedatenanalysen der Gesetzlichen Krankenversicherung (GKV) Ansatzpunkte für Maßnahmen auf allen Ebenen der Prävention entwickelt werden können, die effektiv Krankheitsentstehungen verhindern, -progresse reduzieren und die Fähigkeit zur Beitragszahlung absichern können. Diese sollen durch effektives Gesundheitsmarketing Versicherte zu gesundheitsverbessernder Leistungsinanspruchnahme animieren. Material und Methode Es wird eine Idee entwickelt und diskutiert, in der ergänzend zu den bestehenden Möglichkeiten der GKV auf präventives Gesundheitsverhalten hinzuwirken, Ergebnisse der Sekundärdatenanalyse für Präventionsmaßnahmen und -verhalten nutzbar gemacht werden können. Ergebnisse und Schlussfolgerung Eine Machine-learning-gestützte Analyse bildet den Kern einer Klasse von Prädiktionsmodellen für die Prävention von Krankheiten. Diese Modelle setzen an unterschiedlichen Patientenmerkmalen in den Routinedaten der GKV an und liefern Empfehlungen für Präventionsmaßnahmen, die für eine zielgerichtete und kosteneffektive Ansprache beispielsweise mittels mHealth genutzt werden können. Die hohen Einsparungspotenziale im Gesundheitswesen sowie die Möglichkeiten der Gesetzlichen Krankenkassen diese datenanalytisch gestützt zu erschließen eröffnen eine sinnvolle Perspektive zu nachhaltiger Kostenkontrolle.