Forschungsprojekte verbunden mit RehaCAT
Forschungsprojekt RehaCAT+
Hintergrund
Im Rahmen der Förderung des Bundesministeriums für Bildung und Forschung (BMBF) und in Kooperation mit 12 deutschlandweit verteilten Rehabilitationskliniken, soll in diesem Projekt eine Erweiterung von RehaCAT (=RehaCAT+) in einer cluster-randomisierten kontrollierte Studie evaluiert werden. Das Projekt zielt dabei auf die Wirksamkeits- und Kosten-Effektivitätsüberprüfung von RehaCAT+, einem um Handlungsempfehlungen und Dokumentationshilfen erweiterten Web-basierten Testsystem, im Vergleich zur Standarddiagnostik bestehend aus RehaCAT ab. Vor Projektbeginn werden die teilnehmenden Kliniken zufällig in einem 1:1 Design zu RehaCAT oder RehaCAT+ zugewiesen.
Was ist RehaCAT+?
RehaCAT+ ist in der Struktur äquivalent zu RehaCAT. Ergänzend bietet RehaCAT+ hinterlegte Handlungsempfehlungen (für Klinikmitarbeitende und Patient*innen), Dokumentationshilfen sowie unterstützende (Informations-)materialien für die Dimensionen Depression und Angst. Dabei folgt RehaCAT+ einer Persuasive Design optimierten Technologie (z.B. Fähigkeit und automatische Trigger-berücksichtigende Testumgebung) zur Steigerung der gewünschten Handlungswahrscheinlichkeit.
Smart Sensing
Hintergrund
Um frühzeitig mögliche gesundheitliche Beeinträchtigung in unserem Leben zu erkennen, ist ein regelmäßiges Erfassen der Gesundheit ein wichtiger erster Schritt. Smartphones sind heutzutage allgegenwärtig und nicht mehr wegzudenken. Sie begleiten uns jeden Tag von früh bis spät und erfassen dabei eine große Menge von Daten wie z.B. Informationen über Aktivitäts-, Bewegungs- und Interaktionsverhalten. Genau deshalb bietet gerade das Smartphone eine vielversprechende Möglichkeit, Gesundheitsdaten kontinuierlich zu erfassen. Einerseits können über das Smartphone klassische Gesundheitsfragebögen abgefragt und ausgewertet werden, wodurch der Gesundheitszustand abgebildet werden kann. Andererseits zeigen erste Studien, dass auch digitale Marker wie zum Beispiel die Nutzungszeit des Smartphones oder das Aktivitätsverhalten (z.B. Anzahl der Schritte) Rückschlüsse auf die Gesundheit zulassen. In einer Studie konnte beispielsweise das Vorhandensein einer Depression bei Studierenden mit einer Genauigkeit von über 80% auf Basis der Smart Sensing Daten vorhergesagt werden (Wang et al., 2018).