Modul GW4750-KP11

Dauer:

Angebotsturnus:

Studiengang, Fachgebiet und Fachsemester:

• Master Gesundheits- und Versorgungswissenschaften 2025 (Wahlpflicht), Versorgungsforschung, 2. und 3. Fachsemester
• Master Gesundheits- und Versorgungswissenschaften 2019 (Wahlpflicht), Versorgungsforschung, 2. und 3. Fachsemester

Qualifikationsziele/Kompetenzen:

• Wissen und Verstehen: Die Studierenden können eine große Bandbreite an Studientypen beschreiben und hinsichtlich ihrer Eignung für Fragestellungen der beschreibenden, erklärenden oder evaluierenden Versorgungsforschung analysieren. Insbesondere können sie die Stärken und Schwächen von verschiedenen randomisierten und nicht-randomisierten Studien sowie routinedatenbasierten Studien und Mixed-Methods-Studien beschreiben und erklären.
• Wissen und Verstehen: Die Studierenden kennen die Bedeutung von systematischen Übersichtsarbeiten und Meta-Analysen für die Evidenzgenerierung in den Gesundheits- und Versorgungswissenschaften.
• Wissen und Verstehen: Die Studierenden kennen die einzelnen Schritte in der Umsetzung einer systematischen Übersichtsarbeit und Meta-Analyse (z. B. Suchstrategien, Qualitätsbewertung, statistische Modelle).
• Wissen und Verstehen: Die Studierenden kennen geeignete KI-basierte Tools, die die Umsetzung einer systematischen Übersichtsarbeit und Meta-Analyse unterstützen.
• Wissen und Verstehen: Die Studierenden kennen geeignete Software, die die Bewertung des Bias-Risikos unterstützen und Meta-Analysen ermöglichen.
• Wissen und Verstehen: Die Studierenden vertiefen ihre Kenntnisse zu unterschiedlichen Strategien der qualitativen Datenanalyse.
• Wissen und Verstehen: Die Studierenden erkennen die spezifischen Herausforderungen in der Umsetzung von qualitativen und quantitativen Studiendesigns für die Beantwortung versorgungswissenschaftlicher Fragestellungen. Sie reflektieren die methodologischen Perspektiven der unterschiedlichen Forschungsansätze.
• Wissen und Verstehen: Die Studierenden kennen die theoretischen Grundlagen linearer und logistischer Regressionsmodelle sowie zentraler Verfahren zur Modellvalidierung.
• Wissen und Verstehen: Die Studierenden verstehen die Voraussetzungen, Annahmen und Grenzen linearer und logistischer Regressionsmodelle und können deren Einsatz in unterschiedlichen Forschungskontexten einordnen.
• Wissen und Verstehen: Die Studierenden haben ein vertieftes Verständnis für die Bedeutung von Visualisierungen bei der explorativen Datenanalyse und Ergebnisdarstellung.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden sind in der Lage, systematische Suchstrategien eigenständig zu entwickeln und in einschlägigen Datenbanken umzusetzen.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden können Primärstudien nach festgelegten Kriterien auswählen, kritisch bewerten und Daten zuverlässig extrahieren.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden wenden statistische Verfahren zur Durchführung und Interpretation von Meta-Analysen an, berücksichtigen Heterogenität und Bias und ziehen reflektierte Schlussfolgerungen.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden können Ergebnisse systematischer Übersichtsarbeiten und Meta-Analysen nach internationalen Standards (z. B. PRISMA) aufbereiten und in wissenschaftliche Diskurse einordnen.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden können unterschiedliche Verfahren der qualitativen Datenanalyse gegenstandsangemessen anwenden, erwerben Kompetenzen in der Entwicklung von empirisch basierten Theorien und sind in der Lage Ergebnisse qualitativer Analysen nachvollziehbar darzustellen.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden sind in der Lage, Datensätze in R aufzubereiten, zu analysieren und Ergebnisse reproduzierbar zu dokumentieren.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden können lineare und logistische Regressionsmodelle in R implementieren, Gütemaße berechnen, Modellannahmen überprüfen und die Ergebnisse fundiert interpretieren.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden wenden Verfahren der Modellvalidierung kritisch und reflektiert an.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden erstellen ansprechende und wissenschaftlich korrekte Visualisierungen von Daten und Modellergebnissen mit R.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden sind in der Lage, komplexe Forschungsfragen mit Hilfe geeigneter statistischer Modelle zu beantworten und kritisch über die Ergebnisse zu reflektieren.
• Einsatz, Anwendung und Erzeugung von Wissen: Die Studierenden können Shiny nutzen, um Dashboards und interaktive Visualisierungen zu erstellen und diese für die Präsentation und den Wissenstransfer in Forschung und Praxis einzusetzen.
• Kommunikation und Kooperation: Die Studierenden sind in der Lage, ihre Vorgehensweise und Ergebnisse beim Erstellen einer systematischen Übersichtsarbeit klar, transparent und adressatengerecht zu kommunizieren (z. B. in interdisziplinären Teams oder Publikationen).
• Kommunikation und Kooperation: Die Studierenden können bei komplexen Evidenzsynthesen kooperativ im Team arbeiten (z. B. beim Screening oder der doppelten Datenextraktion) und die Ergebnisse kritisch abgleichen.
• Kommunikation und Kooperation: Die Studierenden können ihre Analysestrategien und Ergebnisse klar, transparent und zielgruppenorientiert präsentieren – sowohl schriftlich als auch mündlich.
• Kommunikation und Kooperation: Die Studierenden tauschen sich sach- und fachbezogen untereinander aus und reflektieren die Notwendigkeit der Vernetzung mit bedeutenden Stakeholdern (z. B. Wissenschaftlern, Gatekeepern, Patientenvertretern) für die Beantwortung versorgungswissenschaftlicher Forschungsfragen.
• Kommunikation und Kooperation: Die Studierenden sind in der Lage, in Teams bei der Bearbeitung komplexer Datensätze konstruktiv zusammenzuarbeiten, Ergebnisse abzugleichen und kritisch zu diskutieren.
• Wissenschaftliches Selbstverständnis / Professionalität: Die Studierenden reflektieren systematische Übersichtsarbeiten und Meta-Analysen als zentrale Methoden evidenzbasierter Forschung und Praxis und sind in der Lage, deren Bedeutung für wissenschaftliches Arbeiten und evidenzbasiertes Handeln kritisch einzuordnen.
• Wissenschaftliches Selbstverständnis / Professionalität: Die Studierenden entwickeln ein kritisches Bewusstsein für Qualität, Transparenz und Reproduzierbarkeit als zentrale Standards wissenschaftlicher Praxis.
• Wissenschaftliches Selbstverständnis / Professionalität: Die Studierenden können die gesellschaftliche und wissenschaftliche Relevanz systematischer Übersichtsarbeiten für Entscheidungsprozesse in Forschung, Politik und Praxis einschätzen.
• Wissenschaftliches Selbstverständnis / Professionalität: Die Studierenden entwickeln ein kritisches Bewusstsein für den verantwortungsvollen Einsatz von Datenanalysen und können die Grenzen von Interpretationen klar benennen.

Vergabe von Leistungspunkten und Benotung durch:

• Klausur

Modulverantwortlicher:

• Prof. Dr. phil. Matthias Bethge

Lehrende:

• Institut für Gesundheitswissenschaften
• Institut für Allgemeinmedizin
• Institut für Sozialmedizin und Epidemiologie

• Prof. Dr. phil. Matthias Bethge
• Prof. Dr. Katharina Röse
• Dr. rer. hum. biol. Nora Eisemann
• Mag. rer. nat. Stella Lemke

Literatur:

• Higgins JPT, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, Welch VA (editors) (2024): Cochrane Handbook for Systematic Reviews of Interventions version 6.5. - Cochrane, Available from www.cochrane.org/handbook
• Egger M, Higgins J, Smith GD (Hrsg.) (2022): Systematic reviews in health research: meta-analysis in context. Third edition. - Hoboken Oxford: Wiley-Blackwell, BMJI Books
• Flick U (Hrsg.) (2014): The SAGE handbook of qualitative data analysis. - London: Sage
• Przyborski A, Wohlrab-Sahr M (2014): Qualitative Sozialforschung. Ein Arbeitsbuch. - München: Oldenbourg
• Richards D, Rahm Hallberg I (Hrsg.) (2015): Complex interventions in health: an overview of research methods. - London, New York: Routledge

Sprache:

• Sowohl Deutsch- wie Englischkenntnisse nötig

Bemerkungen:

Zulassungsvoraussetzung zum Modul:
- keine

Zulassungsvoraussetzung zur Prüfung:
- keine

Modulprüfung:
- GW4750-L1: Werkstatt Versorgungsforschung, Klausur, 90 min., 100 % der Modulnote

Letzte Änderung: