ECON-Diabetes

Titel: Ökonomie der Diabetes-Prävention und -Versorgung: Verwendung von Mikrosimulation und Prädiktionsmodellierung zur Unterstützung evidenzbasierter Entscheidungsfindung in der Gesundheitspolitik
Projektförderer: Deutsches Zentrum für Diabetesforschung/BMBF
Förderungszeitraum: 2023-2025
Partner: Helmholtz Zentrum München
Ziele:
- Übergeordnetes Ziel des Projekts ist es, die Evidenz zu den ökonomischen und gesundheitlichen Auswirkungen von Diabetes-Präventionsstrategien in Deutschland zu generieren. Ziel 1 ist die Analyse der kurz- und langfristigen Kosteneffektivität Interventionen zur Prävention und Behandlung von Diabetes mellitus. Ziel 2 ist die Weiterentwicklung von Prädiktionsmodellen für das Auftreten von Diabetes-Komplikationen unter Verwendung von Krankenkassendaten.
Hintergrund:
- Die Generierung von Evidenz zu gesundheitsökonomischen Auswirkungen von Diabetes-Präventionsstrategien ist eine Herausforderung. Es erfordert die Kombination klinischer, epidemiologischer und sozioökonomischer Daten in mathematischen Simulationsmodellen, die dann für die langfristige Projektion von gesundheitlichen und wirtschaftlichen Auswirkungen verwendet werden können. Um Präzisionspräventionsansätze kosteneffektiv zu gestalten, sind außerdem kostengünstige, skalierbare Strategien zur Identifizierung von Hochrisikopatienten erforderlich. Durch die Verwendung von Routinedaten und modernen Methoden des maschinellen Lernens könnte man Interventionen zielgerichteter anwenden - dieser Ansatz ist weitgehend unerforschtes.

Methoden:
- Ziel 1: Wir werden international etablierte Mikrosimulationsmodelle auswählen, ii) sie mit den besten verfügbaren epidemiologischen und ökonomischen Daten parametrisieren und iii) die langfristigen gesundheitlichen und wirtschaftlichen Auswirkungen priorisierter Interventionen und Maßnahmen zur Prävention von Diabetes simulieren.
- Ziel 2: Wir werden i) Diabetes-Komplikationen durch moderne maschinelle Lernansätze anhand von Krankenkassendaten bei ~ 400.000 Patienten mit Typ-2-Diabetes vorhersagen und ii) das Potenzial der entwickelten Algorithmen auf Datenquellen untersuchen, die auch phänotypische Informationen von Patienten mit Typ-2-Diabetes umfassen.
Impact:
Das Projekt wird wertvolle Erkenntnisse über die gesundheitlichen und ökonomischen Auswirkungen ausgewählter Interventionen und Gesundheitspolitiken liefern und neue Wege für eine skalierbare Präzisionsprävention in der Routineversorgung eröffnen.
Kontakt: Dr. Anna-Janina Stephan

