Für wie lange genau?

Kommentar des Patienten: “Der Arzt hatte ein bisschen Mühe mit seinem Programm, das als Dauerrezept einzugeben …” Ja, nein. Ist klar. Ich gebe das jetzt mal als ein Jahr bei mir ein. Keine Ahnung, weshalb gerade 367 Tage. Nächstes Jahr ist wieder ein Schaltjahr, aber auch dann komme ich nur auf 366 Tage. 6 Monate […]

Wie passen Verbraucherinfos zum Risikopotential der jeweiligen Health-Apps?

Wenn eine Health-App umfangreiche Unterstützungsfunktionen bietet, eröffnet das große Chancen für den Nutzer – aber gleichzeitig steigen damit auch die potentiellen Gefahren, z. B. durch Datenmissbrauch, Falsch- oder interessengeleitete Fehlinformationen.
Gerade die Anbieter komplexer Gesundheits-Apps mit hohem Qualitätsanspruch sollten deshalb dem Informations- und Sicherheitsbedürfnis der Nutzer in besonderer Weise entsprechen und umfassend über Qualitätskriterien informieren. Der Nutzer sollte anhand dieser Angaben die Vertrauenswürdigkeit einer Health-App selbst einschätzen können.

Das Beispiel Diabetes-Apps zeigt, das hier im Moment noch große Optimierungspotentiale liegen: Die Initiative Präventionspartner hat das Risikopotential von Diabetes-Apps (Screening 10/2014), das sich aus deren Funktionsumfang und der Nutzung durch den Patienten ergibt, den Angaben der Hersteller zu Sicherheit, Qualität und Transparenz (Healthon Ehrenkodex) gegenübergestellt. Die Apps wurden dabei gemäß der neu entwickelten Vertrauensskala in fünf Klassen eingeteilgt.

Hier die Ergebnisse:

  • Informationen zum Umgang mit den Nutzerdaten, zum Schutz der gespeicherten oder der versendeten Gesundheitsdaten, bleiben die meisten Apps schuldig, auch in den meisten Multifunktions-Apps der Klasse 5 fehlen Angaben zum Datenschutz.
  • Auch über die Qualifikation der Autoren, die gesundheitsbezogene Tipps geben oder aus den eingegebenen Gesundheitsdaten Trends berechnen oder Auswertungen darstellen, wird über alle Risikoklassen hinweg kaum informiert.
  • Auch wenn die meisten der untersuchten Diabetes-Apps frei sind von offensichtlichen Werbeeinblendungen, finden sich klare Aussagen zur Werbepolitik oder zur Finanzierung nur spärlich: Dabei ist eine Erklärung zur Unabhängigkeit der gesundheitsbezogenen Informationen von Produkt- und Firmeninteressen gerade bei kostenlosen Apps wichtig, um mögliche Schleichwerbung zu identifizieren. Der Nutzer sollte erkennen können, warum ein Anbieter (Krankenkasse, Pharmaunternehmen, Verlag etc.), eine Gesundheits-App kostenlos zur Verfügung stellt, deren Entwicklung in der Regel mit hohen Kosten verbunden ist – insbesondere wenn es sich um eine Gesundheits-App mit vielen Funktionen und damit hohem Risikopotential handelt.

Fazit: Auch bei Gesundheits-Apps mit sehr hohem und hohem Risikopotential (Klasse 4 und 5) sind die Angaben der Hersteller sehr lückenhaft. Verbraucher, die auf der Suche sind nach verlässlichen und vertrauenswürdigen Angeboten, können sich anhand dieser Informationen kein Bild über die Qualität und Vertrauenswürdigkeit der Apps machen. Insbesondere Anbieter von komplexen Diabetes-Apps mit hohem Unterstützungs- aber auch Risikopotential könnten sich profilieren und ihrer besonderen Verantwortung gerecht werden, wenn sie Nutzer durch Angaben zu allen relevanten und einfach nachprüfbaren Qualitäts- und Transparenzkriterien informieren.

Zur Einschätzung der Vertrauenswürdigkeit von Gesundheits-Apps: Healthon Ehrenkodex

Informationen zum Screening Diabetes-Apps 10/2014, Initiative Präventionspartner: Methodik & Ergebnisse

Category: 

Algorithmen, natürlich!

Während die Vormittage des Heidelberg Laureate Forum inhaltlich fest in den Händen der versammelten Turing-, Fields-, und Abelpreisträger sind, stand am Montagnachmittag mit den HLF-PostDoc-Workshops ein Rollenwechsel auf dem Plan: In insgesamt sechs einstündigen Workshops wird dabei Vertretern der jüngeren akademischen Generation eine Bühne gegeben, um die jeweiligen Forschungsthemen ihrer aktuellen PostDoc- oder Juniorprofessorenphase ins Bewusstsein der HLF-Gemeinde zu bringen. Eines der diesjährigen Workshopthemen war “Algorithms in Nature”, und Saket Navlakha (Salk Institute for Biological Studies) nutzte seine sechzig Minuten für eine Einführung in das zugehörige neue Forschungsfeld am Zusammenfluss zwischen Biologie und Informatik.

Unnötige Operationen? Das schulmedizinische Lottospiel

Vor nahezu langer Zeit (2011) veröffentlichte ich den Beitrag: In Deutschland wird zuviel geröntgt. In diesem Beitrag werden die Ursachen für die Röntgenflut diskutiert. Dabei fiel auf, dass die Entscheidung fürs Röntgen sehr häufig nicht auf medizinisch vertretbaren Gründen beruhte, sondern auf ökonomischen Interessen. Nichts Neues also in unserem Medizinbetrieb. Aber es geht noch toller… Noch […]

Dieser Beitrag Unnötige Operationen? Das schulmedizinische Lottospiel wurde erstmalig von Heilpraktiker René Gräber auf NaturHeilt.com Blog veröffentlicht.

Nächster Proton-Start am 28. August

Die seit dem Fehlstart am 15. Mai ausgesetzten Starts der Proton-M sollen am kommenden Freitag, den 28.8. mit dem Start von Inmarsat 5 F3 wieder aufgenommen werden. Der beim Start 6100 kg schwere geostationäre Satellit kommt von Boeing und basiert auf der 702HP-Plattform. Er ist der dritte aus einer Serie identischer Sateliten und ist auf eine operationelle Lebensdauer von 15 Jahren ausgelegt. Der Start war eigentlich für den 31. Mai vorgesehen.

Computergeschichte(n) aus erster Hand: Fred Brooks

Wir können die Herren Daimler und Benz nicht mehr direkt über ihre Erfahrungen mit den ersten Automobilen befragen. Computer sind dagegen zumindest soweit jüngeren Datums, als dass eine Reihe der Pioniere dieser Technik noch leben – und da diese überlebenden Pioniere, wenig überraschend, hochdekoriert sind, bietet das Heidelberg Laureate Forum gute Gelegenheiten, Computergeschichte(n) aus erster Hand zu hören. So am Montag, wo ich in der beachtlichen Mittagessen-Schlange mit Fred Brooks zusammenstand, der als IBM-Mitarbeiter in den 1960er Jahren eine ganzeweiter

Archäologie versus Forensik Teil 1 – Mark Benecke und Marita Genesis diskutieren über die Todesstrafe des Erhängens

In einigen Tagen öffnen wir den Richtplatz in Fürstenwalde. Erfahrungsgemäß ist die häufigste Todesstrafe, die wir archäologisch nachweisen können, das Erhängen. In den Kriminalstatistiken rangiert diese Form der Strafvollstreckung ebenfalls an erster Stelle. Begleitend zur Grabung erscheinen 3 Filmbeiträge, die den archäologischen und anthropologischen Nachweis von ausgewählten Todesarten beschreiben. Der Diskurs fand zwischen mir und Dr. Mark Benecke, Kriminalbiologe, statt.   Das Erhängen ist normalerweise ein Prozess, der wenig Spuren am Skelett hinterlässt. Aus diesem Grund fällt es auch schwer, denweiter

Risikopotential von Health-Apps einschätzen: Neue Vertrauenskala

Welche Risiken von einer Gesundheits-App ausgehen, hängt in hohem Maße davon ab, wofür und wie der Nutzer die App anwendet. Nutzt er die App zur Bewältigung von Krankheiten und gibt dazu über einen längeren Zeitraum gesundheitsbezogene Daten ein, sind die potentiellen Gefahren für den Nutzer in der Regel höher. Misst hingegen ein gesundheitsinteressierter Nutzer zur groben Orientierung lediglich die täglich Anzahl der Schritte und nutzt einen BMI Rechner, ohne dazu persönliche Daten einzugeben oder abzuspeichern, dann ist der Schaden, der durch etwaige Falschinformationen oder dem unerlaubten Ausspähen durch Dritte entstehen könnte, eher gering.

Das Risikopotential einer Gesundheits-App ergibt sich daher u. a.

  • aus dem Leistungs- bzw. Unterstützungsumfang einer App.

Was kann die App, wie individuell zugeschnitten sind z. B. die Motivationsbotschaftern oder Empfehlungen für den Nutzer? Je mehr die App über den Nutzer weiß und dessen Lebensstil, umso genauer können Unterstützungen ansetzen – umso aussagekräftigere wird jedoch auch das Gesundheitsprofil des Nutzers, das nicht in unbefugte Hände Dritter gelangen sollte.

  • aus der Relevanz der App für den Nutzer bzw. Anwendungskontext: Welche Bedeutung misst der Nutzer der Gesundheits-App zu?  Will ein chronisch Kranker die mit einer App dokumentieren Daten und deren Auswertungen z. B. mit seinem Arzt teilen, um daran orientiert z. B. Entscheidungen für die weitere Therapie zu treffen? Dann ist es besonders wichtig, dass er sich z. B. auf die Informationen, Empfehlung oder die Auswertung von Daten verlassen können muss.

Auf Basis dieser Daten lässt sich eine Einteilung der Apps nach ihrem potentiellen Risiko für den Nutzer vornehmen. In die Berechnung gehen u. a.  ein:

  1. Basisfaktoren bestimmt durch die Unterstützungsfunktionen der App, z. B. Apps zur reinen Informationsvermittlung mit dem niedrigsten Risikopotential bis zu App zum Teilen von personenbezogenen Gesundheitsdaten mit Dritten
  2. Verstärkungsfaktoren, die das Risikopotential verstärken abhänging vom Kontexts und der Häufigkeit, mit der die Unterstützungsfunktionen genutzt werden
  • Anwendungskontext: Von Fitness-Apps mit dem niedrigsten bis zu Apps zur Diagnose oder Therapie von Krankheiten mit dem höchsten Risikopotential
  • Häufigkeit der Anwendung: Wird die App häufig angewendet, erhöht dies das Risikopotential, weil Umfang und Relevanz der ausgetauschten Daten höher sind.
  • Vertrauenswürdigkeit/Bekanntheit des Anbieters: Ein Anbieter, dessen Beweggründe und Ziele der App-Nutzer nicht kennt, erhöht das potentielle Risiko für den App-Nutzer.
  • Kosten der App: Wird die App kostenlos angeboten, könnte der Nutzer mit seinen Daten zur Kasse gebeten werden, weshalb sich das Risikopotential erhöht.

Überführt in einen Algorithmus, lässt sich für Gesundheits-Apps auf einer fünfstufigen Skala zwischen 0 und über 100 die jeweilige Vertrauensklasse ableiten, die einen Anhaltspunkt für das potentielle Risiko gibt, das von der App für den Nutzer ausgehen kann. Die Initiative Präventionspartner überblickt mittlerweile über 350 deutschsprachige Gesundheits-Apps, deren Testergebnisse sie über die healthon Datenbank zur Verfügung stellt. Sie hat diese Apps nach Anwendungsgebieten, Funktionsumfang sowie nach Angaben zu Qualität und Transparenz der gesundheitsbezogenen Informationen überprüft und kategorisiert. Übertragen auf das Screening deutschsprachiger Diabetes-Apps führt die Methode des neu entwickelten Risikoassessments zu folgendem Bild.

Ergebnis:

Orientiert am Funktionsumfang, dem Anwendungskontext, der Anwendungshäufigkeit, der Vertrauenswürdigkeit der Anbieter, den Kosten der Apps lassen sich Diabetes-Apps in Vertrauensklassen 1 bis 5 einteilen:

  • 71 % der Apps haben demnach ein hohes oder sehr hohes Risikopotential (Klasse 4 plus Klasse 5 ) aufgrund ihres großen Funktionsumfanges, der von Dokumentieren, Erinnern, Teilen von Informationen bis zum Empfangen von Feedback bzw. individuellen Botschaften zur Verstärkung des neu erlernten Gesundheitsverhaltens reicht.
  • Jede dritte Diabetes-App (29%) hat aufgrund ihrer wenigen Unterstützungsfunktionen ein eher geringes Risikopotential für den Nutzer. Diese Apps informieren in erster Linie, der Nutzer gibt in der Regel keine personenenbezogenen Gesundheitsdaten von sich preis und nutzt die App mehr als Nachschlagewerk denn als dauerhafte Unterstützung in der Krankheitsbewältigung.

Fazit: Insbesondere bei Gesundheits-Apps der Vertrauensklasse 4 und 5, sollten Nutzer die Vertrauenswürdigkeit und Sicherheit der App sorgfältig überprüfen. Von diesen Apps erwarten sich Nutzer in der Regel eine dauerhafte Unterstützung. Sie wollen sich daher auf die Ergebnisse von Berechnungen, oder die Qualität von Gesundheitstipps bzw. -empfehlungen verlassen können.

Zur Einschätzung der Vertrauenswürdigkeit von Health-Apps: Healthon Ehrenkodex

Zum Diabetes-Screening 10/2014: Methode & Ergebnisse

 

Category: