Pharmakoökonomie und COVID-19

Einleitung / Introduction

Das Bundesministerium für Gesundheit hat das Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen im Juni 2018 beauftragt die Wirtschaftlichkeit der patientenindividuellen Verblisterung für die Pflegeheime in Deutschland zu untersuchen. Es sollte ein Vergleich der Versorgung mit einer patientenindividuellen Verblisterung gegenüber einer Versorgung ohne patientenindividuelle Verblisterung hinsichtlich der Kosten und der bei den Pflegekräften entstehenden Zeitaufwände (nicht monetär) durchgeführt werden.

Methode / Method

Es wurde u. a. eine fokussierte Informationsbeschaffung nach Studien, die ab dem Jahr 2000 publiziert wurden, vorgenommen. Berücksichtigt wurden vergleichende als auch nicht vergleichende Studien mit Angaben zu den Kosten bzw. für Pflegekräfte entstehenden Zeitaufwände. In einem 1. Schritt wurden für die Bewertung relevante Informationen in eine Tabelle extrahiert und zusammenfassend beschrieben. Im nächsten Schritt wurden die Kostenangaben und Zeitaufwände pro Einheit z. B. pro Wochenblister ermittelt. Diese bildeten u. a. die Grundlage für die anschließenden Überlegungen zur Wirtschaftlichkeit aus Sicht der gesetzlichen Krankenversicherung. Zusätzlich waren insbesondere aufgrund der schwachen Datenlage mehrere Annahmen zu treffen, um zu weiterführenden Überlegungen zu gelangen.

Ergebnisse / Results

In der Informationsbeschaffung wurden 5 Studien mit Angaben zu Kosten und / oder den bei den Pflegekräften entstehenden Zeitaufwänden im Pflegeheim identifiziert. Davon lagen 4 vergleichende und 1 nicht vergleichende gesundheitsökonomische Evaluation vor. Unter der Annahme einer Ausgabe von 3,00 € pro Wochenblister und einer monetären Ersparnis von 4,1 % für verblisterte Medikamente aufgrund geringeren Verwurfs wäre aus Sicht der gesetzlichen Krankenversicherung eine Verblisterung ab einer Arzneimittelkostenhöhe von 73,17 € pro Woche bzw. 3804,88 € pro Jahr für verblisterte Arzneimittel pro Pflegeheimbewohnerin und -bewohner kostenneutral. Unter der Annahme von Zeiteinsparungen von 10,00 Minuten bis 15,84 Minuten pro Woche und pro mit Blister versorgter Pflegeheimbewohnerin und versorgtem Pflegeheimbewohner und dass ca. 409 000 bis 614 000 der insgesamt ca. 818 000 in Pflegeheimen vollstationär versorgten Personen in Deutschland verblisterte Arzneimittel erhalten, ergeben sich Zeiteinsparungen der Pflegekräfte durch die Verblisterung von 21,67 Minuten bis 51,48 Minuten pro Monat und pro Pflegeheimbewohnerin und -bewohner.

Zusammenfassung / Conclusion

Insgesamt können mangels valider Daten die Überlegungen zur Wirtschaftlichkeit einer Versorgung unter patientenindividueller Verblisterung in den Pflegeheimen nicht abschließend bewertet werden. Es besteht weiterhin Bedarf, Fragen nach Wirtschaftlichkeitsaspekten der Verblisterung zu beantworten.

AutorInnen

Sonja Schiller, IQWIG

Christiane Balg, IQWIG

Sarah Mostardt, IQWIG

Lutz Altenhofen, IQWIG

Einleitung / Introduction

Die Forschungsproduktivität ist in der Pharmabranche aufgrund des zunehmenden regulatori-schen Drucks sowie der gestiegenen Anforderungen an klinische Studien in den letzten Jahren stark zurückgegangen (Shah et al. 2019, S.1; Lavecchia 2019, S. 2017; Zhavoronkov 2018, S. 4311). Vor diesem Hintergrund stellt der Einsatz von künstlicher Intelligenz (KI) eine Mög-lichkeit dar, Forschungsprozesse zu beschleunigen und die Entwicklung von neuen Arznei-mitteln grundlegend zu verbessern (Zhavoronkov 2018, S. 4311). Die Beherrschung der zu-kunftsweisenden Technologie ist jedoch schwierig und erfordert von den Pharmaunternehmen völlig neue technische Kompetenzen (Henstock 2019, S. 544). Während die klassische For-schungsarbeit im Pharmabereich jahrzehntelang von Labortätigkeit und klinischer Praxis ge-prägt war, erfordert die Arbeit mit künstlicher Intelligenz fundierte Programmierkenntnisse, Erfahrungen im Umgang mit elektronischer Datenverarbeitung sowie andere IT-spezifische Fähigkeiten, die den etablierten Pharmaunternehmen bisher noch fehlen (Mak und Pichika 2019, S. 778). Die Kompetenzlücke der etablierten Pharmaunternehmen schließen heute vornehmlich junge Start-Ups, die sich auf die technischen Aspekte der Entwicklung von KI-basierten Lösungen in der Pharmabranche spezialisieren. Als universitäre Ausgründungen oder Spin Offs verfügen diese Unternehmen über das nötige technische Knowhow, nicht jedoch über die finanziellen Mittel, die Vertriebskanäle oder die Marktnähe großer Pharmakonzerne (Smalley 2017, S. 605). Technologieaffine Start-Ups und große Pharmaunternehmen befinden sich daher häufig in einem Zustand ambivalenter Koexistenz, in dem beide Seiten auf die Fähigkeiten und Kompetenzen des jeweils anderen kritisch angewiesen sind. Obwohl die durch wechselseitige Abhängigkeiten gekennzeichneten Start-Up Ökosysteme in zahlreichen Studien empirisch untersucht wurden, liegt speziell mit Blick auf künstliche Intelligenz in der Pharmaindustrie noch Forschungsbedarf vor, weil das Innovationsgeschehen in diesem Bereich bisher nur un-zureichend wissenschaftlich analysiert wurde. Relevante empirische Studien liefern oftmals nur einzelfallbasierte Evidenz oder betrachten die Innovationstrends nicht ganzheitlich (vgl. Rode-Schubert und Müller 2020, Wennker 2020, Bush-Casler et al. 2018, Hanneken 2018). Vor diesem Hintergrund setzt sich der vorliegende Beitrag das Ziel, die Entwicklung des auf künstliche Intelligenz spezialisierten Start-Up Ökosystems in der Pharmaindustrie systema-tisch nachzuzeichnen, um technologische Trends sowie räumliche Spezialisierungsmuster zu identifizieren. Letzteres soll nicht nur Rückschlüsse auf besonders aktive KI-Cluster in der Branche erlauben, sondern auch Auskünfte über die derzeitigen Arbeitsschwerpunkte bei der Entwicklung KI-basierter Verfahren für die Pharmabranche liefern. Der Beitrag ist wie folgt gegliedert. Im nächsten Abschnitt wird der methodologische Rahmen der explorativen Analyse diskutiert. Anschließend werden die wichtigsten technologischen Entwicklungen in dem Start-Up Sektor nachgezeichnet sowie wesentliche Forschungsschwerpunkte identifiziert. Diese werden unter Bezugnahme auf die Potenziale künstlicher Intelligenz in den folgenden Abschnitten näher beleuchtet. Dabei werden nicht nur die aktuellen technischen Entwicklungen auf den jeweiligen Gebieten aufgezeigt, sondern auch die zukünftigen Einsatzmöglichkeiten der neuen Technologie diskutiert. Der Beitrag schließt mit einer Zusammenfassung aller wesentlichen Erkenntnisse und zeigt ausgewählte Handlungsempfehlungen für die Politik auf.

Zusammenfassung / Conclusion

Dieser Beitrag setzt sich das Ziel, die Start-Up Landschaft in der Pharmaindustrie explorativ zu erschließen, um tiefere Einblicke in das Innovationsgeschehen auf dem Gebiet der künstli-chen Intelligenz zu erhalten. In der Studie werden die weltweit größten Start-Up Cluster auf-gedeckt sowie die wichtigsten Forschungsschwerpunkte in diesen Clustern betrachtet. Die explorative Analyse deckt deutliche Unterschiede in den weltweiten Spezialisierungsmustern auf. So wird gezeigt, dass kontinentaleuropäische und US-amerikanische Unternehmen vor-dergründig an Möglichkeiten zum Einsatz von künstlicher Intelligenz zur Identifikation neuer Wirkstoffe arbeiten, während britische Unternehmen schwerpunktmäßig an der Entwicklung KI-basierter Systeme für eine intelligente Nutzung von Gesundheitsdaten forschen. Daneben wird gezeigt, dass die KI-gestützte Entwicklung von Biomarkern länderübergreifend einen wichtigen Tätigkeitsschwerpunkt darstellt, der derzeit rasant an Bedeutung gewinnt. Die mit dem Einsatz von künstlicher Technologie verbundenen Potenziale für die Pharmabranche werden ausführlich diskutiert.

AutorInnen

Theresa Fritz, Universität Stuttgart

Johann Valentowitsch, Universität Stuttgart

Einleitung / Introduction

Die Covid-19-Pandemie ist eine Bedrohung der Gesundheit für alle Menschen weltweit, verursacht große wirtschaftliche Verluste und kann die Stabilität gesellschaftlicher Strukturen stören. Mathematische Modelle können systemdynamische Konsequenzen von Modellannahmen prognostizieren. Klassische SIR:Modelle (S: susceptible, I: infectious, R: recovered) haben im Gegensatz zu Räuber-Beute-Modellen kein periodisches Verhalten. Die Hinzunahme einer räumlichen Betrachtung in SIR-Modellen kann die Systemdynamik wesentlich verändern.

Methode / Method

Individuen in des S-Kompartiments gehen entsprechend der Anzahl der Individuen des I-Kompartments in einer regionalen Umgebung mit einem bilinearen Ansatz in I-Individuen über. I-Individuen gehen nach einer entsprechenden Zeitspanne oder mit einer Übergangswahrscheinlichkeit mit der Möglichkeit der Differenzierung in Subkompartimente in R-Individuen über. Der gleiche Ansatz wird beim Übergang vom R in das S-Kompartiment verwendet. Für Simulationen mit unterschiedlichen Anfangszuständen wird Mathematica verwendet.

Ergebnisse / Results

Mit dem Ansatz einer näherungsweise konstanten Gesamtpopulation ergibt die räumliche Summation einen Punkt in der S-I-Phasenebene. Der regionale bilineare Ansatz der Ansteckung führt zusammen mit dem linearen Ansatz des Verweilens im S- und R-Kompartiment zu einem Räuber-Beute-Modell mit der Erkrankung (I-Kompartiment) als Räuber und dem S-Kompartiment als Beute. Bekanntlich führt eine gemeinsame Reduzierung von Räuber und Beute zu einer Stärkung des Räubers. Weiterhin kann die Anzahl der Regionen mit S-Individuen über einem Schwellenwert und die Anzahl der Regionen mit Individuen der I- und R-Kompartimente in einem zweidimensionalen Phasenraum betrachtet werden. In diesem Fall haben die Regionen mit hinreichend starkem Immunverhalten die Rolle des Räubers und die Ausbruchscluster die Rolle der Beute. Bekanntlich führt im klassischen Räuber-Beute-Model eine gemeinsame Reduzierung von Räuber und Beute zu einer Stärkung des Räubers. Die Beachtung des räumlichen Einflussfaktors wirkt sich auf eine sinnvolle gesundheitspolitische Entscheidungsfindung aus. Damit ist es möglich, zu Lösungstrajektorien zu gelangen, die aus Gesamtsicht vorteilhaft sind: keine Kapazitätsengpässe im Gesundheitssystem und kontinuierlich ausreichende Immunität.

Zusammenfassung / Conclusion

Selbst im positiven Fall von verfügbaren Impfungen sollte davon ausgegangen werden, dass Covid-19 eine dauerhafte Belastung bleibt. Das Training des Immunsystems einerseits durch nicht zu starke langfristige Einschränkungen und die Verhinderung von Zeiten einer Überforderung des Gesundheitssystems andererseits gilt es in gesundheitspolitischen Entscheidungen regional- und zielgruppenspezifisch ausgewogen zu gestalten.

AutorInnen

Reinhard Schuster, MDK Nord

Thomas Ostermann, Universität Witten-Herdecke

Fabian Schuster, FSU Wien

Einleitung / Introduction

Das Krankenhaus als komplexes System ist gekennzeichnet durch eine Vielzahl unterschiedlicher externer und interner Einflussfaktoren, wodurch ein intransparentes Versorgungsystem entsteht, welches, insbesondere bei begrenzten Ressourcen (z.B. Health Professionals, Wissenstransparenz), nur schwer zu steuern ist. Die dispositive Aufgabe für die systembezogene Ausgestaltung liegt in der Identifizierung relevanter Stellhebel für die zielgerichtete Steuerung. Daher ist die Frage: Welche relevanten und strategischen Einfluss- und Erfolgsfaktoren zur optimierten Gestaltung der klinischen Pharmazie im Krankenhaus können mittels eines adaptierten Analytic Hierarchy Process (aAHP) identifiziert und priorisiert werden?

Methode / Method

Zur systematischen und strukturierten Identifizierung, Priorisierung und Analyse derartiger dispositiven Herausforderung bietet sich ein adaptierter AHP an. Das angepasste zwölf-stufige AHP-Verfahren umfasst die Schritte: (1) Identifizierung und Definition der übergreifenden Zielsetzung; (2) Klassifizierung der operativen Zielsetzung; (3) Entwicklung einer Erfolgsspirale; (4) Sammlung von optionalen Zielen und Einflussfaktoren mittels Experteninterviews/Online-Umfrage (N=412 KHApoLeitungen (DACH), n = 61, rr=14,8 %),; (5) Priorisierung von optionalen Zielen und Einflussfaktoren mittels Workshop/Bepunktung; (6) Qualitative Gewichtung mittels Paarvergleichs-Wirkungsmatrix; (7) Wirksamkeitsanalyse; (8) Synthese und Evaluierung von Prioritäten und strategischen Stellhebeln; (9) Überprüfen der Konsistenz der Bewertungen; (10) Visualisierung von Ergebnissen und Abhängigkeiten; (11) Interpretation der Ergebnisse; (12) Entwicklung von Handlungsempfehlungen.

Ergebnisse / Results

Die Anwendung der unterschiedlichen Methoden im Rahmen des adaptieren Analytic Hierarchy Processes ermöglicht es, die wesentlichen strategischen Stellhebel zu identifizieren, die dazu geeignet sind das jeweilige System bzw. Herausforderung (z.B Optimierung der klinischen Pharmazie) zu organisieren und zu steuern. Mittels Paarvergleichsmatrix, Netmapping, Data-Envelopment-Analysis und Effizienzfront werden mögliche qualitative Priorisierungen der unterschiedlichen Einflussfaktoren im Rahmen der strategischen Steuerung priorisiert, visualisiert und Handlungsoptionen entwickelt.

Zusammenfassung / Conclusion

Es wird deutlich, dass der adaptierte AHP im Bereich der Versorgungs- und Managementforschung im Krankenhauswesen die Möglichkeit bietet Daten und Informationen bereitzustellen, die die Optimierung der klinischen Pharmazie ermöglicht. Auf Basis der methodisch erarbeiteten Ergebnisse sollten die identifizierten Stellhebel (z.B. spezifische Kommunikation, Koordination und Controlling) weiterverfolgt und entsprechende Projekte und Maßnahmen initiiert werden können.

AutorInnen

Johannes Kriegel, FH Oberösterreich / UMIT

Sybille Reckwitz, FH Oberösterreich

Einleitung / Introduction

Die stationäre Versorgung von Covid-19 Patienten Österreich wird aktuell durch u.a. verschiedene Unsicherheiten, variierendes Infektionsgeschehen sowie unterschiedliche Ressourcenengpässe geprägt. Ferner wird die arbeitsteilige und fragmentierte Leistungserbringung, durch eine Vielzahl an Health Professionals, Disziplinen und Professionen erbracht. Dabei treten aktuell unterschiedliche Ressourcenengpässe, Versorgungslücken, Abstimmungsfehler oder Informationsasymmetrien auf, die insbesondere die Versorgungssicherheit und Versorgungsqualität in der intensivmedizinischen Versorgung beeinträchtigen. Es stellt sich die Frage: Welche Stellhebel und Steuerungsmöglichkeiten gibt es in Zeiten der Covid-19 Pandemie hinsichtlich der Ausgestaltung der Intensivversorgung und Bettenkapazität in Österreichischen Krankenhäusern?

Methode / Method

Die zielgerichtete und methodische Identifizierung, Priorisierung und Analyse möglicher relevanter Wirkungen erfolgt mittels eine 10-stufigen Wirkungsanalyse. Das Vorgehen umfasst die Schritte: (1) Leidensdruck und Herausforderungen als Triebfeder für Entwicklung und Einsatz der intensivmedizinischen Versorgung in der Versorgung von Covid-19 Patienten; (2) Zielsetzung, Leistungsspektrum und -erbringung der intensivmedizinischen Versorgung; (3) Wirkungslogik, Ordnungs- und Wirkungsmodell entwickeln und formulieren; (4) Indikatoren- und Kennzahlenerfassung bzgl. Performance Measurement; (5) Indikatoren- und Kennzahlenerfassung bzgl. Impact Measurement; (6) Triangulation und Datenauswertung i.V.m. einem Healthcare Impact Assessment Evaluationsraster; (7) Impact Assessment und Wirkungsanalyse; (8) Visualisierung und Beschreibung von Wirkungsketten und -netze; (9) Konzept zur Systemadaption der intensivmedizinischen Versorgung von Covid-19 Patienten; (10) Entwicklung von Handlungsoptionen zur Verbesserung der Wirkungen.

Ergebnisse / Results

Mit Hilfe von Literaturrecherche, Datenanalyse und einer Fokusgruppenanalyse konnte ein Healthcare Impact Assessment Canvas in Bezug auf die intensivmedizinische Versorgung von Covid-19 Patienten in Österreich erstellt sowie unterschiedliche relevante Kausalketten identifiziert und beschrieben werden. Ferner wurden die Kausalketten hinsichtlich Income, Input, Throughput, Output, Outcome und Impact im Vergleich vor und während der Covid-19 Pandemie analysiert und interpretiert. Mittels einer Impact Map für die intensivmedizinische Versorgung von Covid-19 Patienten werden Handlungsempfehlungen für eine Weiterentwicklung eines Versorgungskonzepts der intensivmedizinischen Versorgung von Covid-19 Patienten formuliert und erläutert.

Zusammenfassung / Conclusion

Durch die Identifizierung relevanter Einflussfaktoren, Stellhebel und Wirkungszusammenhänge im Rahmen der intensivmedizinischen Versorgung von Covid-19 Patienten unter Berücksichtigung der verschiedenen Akteure, Perspektiven und Zielsetzungen sowie der Kausalketten bzgl. Input, Throughput, Output, Outcome und Impact wird eine Wissensbasis geschaffen, auf der aufbauend, in Verbindung mit einer qualitativen Wirkungsanalyse, die Weiterentwicklung eines Versorgungskonzepts der intensivmedizinischen Versorgung von Covid-19 Patienten ermöglicht und forciert wird.

AutorInnen

Johannes Kriegel, FH Oberösterreich / UMIT