Gute Leistungen des wissenschaftlichen Nachwuchses sichtbar machen
Ursula H. Hübner 11 Hochschule Osnabrück, University of Applied Sciences, Forschungsgruppe Informatik im Gesundheitswesen, Osnabrück, Deutschland
Editorial
Die GMDS hat eine lange Tradition, durch ihre Förderpreise den wissenschaftlichen Nachwuchs zu ehren. Mit den beiden Beiträgen
- Erweiterung des UTAUT2-Technologieakzeptanzmodells zur Vorhersage der Akzeptanz von mHealth am Beispiel von Diabetes von Patrik Schretzlmaier [1] und
- Automated metadata transformation in a medical data integration center: Implementation of an algorithm and standardized quality analysis von Caroline Bönisch [2]
praktiziert die Zeitschrift mittlerweile zum dritten Mal die Praxis, dass Abschlussarbeiten aus der Medizinischen Informatik, die für einen GMDS-Förderpreis von dem Auswahlgremium nominiert wurden, in der MIBE eingereicht werden können. Dieses Angebot gilt für Bachelor-, Master- und Promotionsarbeiten, die noch nicht als Originalarbeit veröffentlicht sind. Sie durchlaufen dann den üblichen Peer-Review Prozess innerhalb der MIBE. Damit findet nicht nur eine Ehrung der nominierten Personen statt, sondern eine über das übliche Maß hinausgehende Sichtbarmachung im weiten Kreis der Leserschaft einer Open-Access-Zeitschrift.
Man mag nun argumentieren, dass diese Arbeiten – und dies gilt gerade für kumulative Dissertationen – bereits zum Teil publiziert sind. Dies ist jedoch nur insofern richtig, als dass Teilaspekte eines übergeordneten Dissertationsthemas veröffentlicht sind, jedoch nicht die Gesamtschau, die eine Promotionsarbeit ausmacht. Denn viel zu selten wird der Inhalt der Mantelpapiere jenseits der Formalitäten einer Dissertation gewürdigt. Dabei stellen diese Zusammenfassungen eine eigenständige wissenschaftliche Arbeit dar, die über die Einzelpublikationen hinaus mit ihrer Synthese eigene Erkenntnisse schaffen.
Patrik Schretzlmaier ist nicht nur ein für den Preis Nominierter, sondern auch der Preisträger des GMDS-Förderpreises in der Kategorie „Dissertation in der Medizinischen Informatik“. Seine Arbeit befasst sich mit einer Erweiterung der Konstrukte der Unified Theory of Acceptance and Use of Technology UTAUT2 zur besseren Abbildung von Nutzungsabsicht und Nutzung von mHealth-Technologien im Anwendungsbereich Diabetes. Auf Basis eines Mixed-Methods Ansatzes identifizierte und validierte er die Konstrukte „Vertrauen“ und „wahrgenommene Krankheitsbedrohung“. In einem Strukturgleichungsmodell erklären die Merkmale „Leistungserwartung“, „Gewohnheit“, „Vertrauen“ und „wahrgenommene Krankheitsbedrohung“ die Nutzungsabsicht und die Merkmale „Gewohnheit“ und „erleichternde Bedingungen“ die tatsächliche Nutzung von mHealth-Anwendungen. Dies sind interessante Einsichten, werden doch mHealth-Technologien nicht in dem Maße verwendet, wie sie Nutzen stiften könnten.
Die Arbeit von Caroline Bönisch thematisiert die Entwicklung eines Metadaten-Frameworks und eines Konvergenzformates für Metadaten aus unterschiedlichen Quellsystemen. Wie die Autorin darlegt, sind gute Metadaten die Grundlage für gute Forschung und müssen nach den FAIR-Prinzipien behandelt werden. Damit werden Auffindbarkeit, Zugänglichkeit, Interoperabilität und Wiederverwendbarkeit sichergestellt und Daten findable, accessible, interoperable und re-usable. Die Arbeit stellt am Beispiel der Universitätsmedizin Göttingen (UMG) dar, wie aus unterschiedlichen Datenquellen mit gängigen Formaten wie beispielsweise OMOP, FHIR und openEHR Metadaten zusammengeführt werden können. Zur Qualitätsbewertung von Metadaten wurde eine Metrik auf Basis der Kriterien Vollständigkeit, Konsistenz und Relevanz vorgeschlagen. Die Entwicklungen wurden im Rahmen des UMG-MeDIC (Medical Data Integration Center) erprobt. Die Autorin erläutert die Skalierbarkeit auch auf weitere Datenintegrationszentren.
Beide Arbeiten decken unterschiedliche Felder innerhalb der Medizinischen Informatik ab, gleichen sich jedoch in ihrem Ansatz, Antworten auf seit langem drängende Fragen zu liefern. Im Falle von Patrik Schretzlmaier liefern sie weitere Bausteine für die Erkenntnis, warum mHealth angewendet wird und warum nicht, und im Falle von Caroline Bönisch Bausteine für den FAIRen Umgang mit Metadaten im Kontext der medizinischen und Gesundheitsforschung. Beide sind hervorragende Beispiele für Akkumulation von Wissen durch Forschung.
Auch in Zukunft werden die nominierten Kandidaten für die GMDS-Förderpreise die Chance erhalten, sich in der wissenschaftlichen Gemeinschaft durch Publikation ihrer Arbeit weiter bekannt zu machen. Aus Sicht der GMDS ist dies ein weiterer Schritt der Qualifizierung von Wissenschaftlerinnen und Wissenschaftlern in einer frühen Phase ihrer Karriere.
Anmerkung
Interessenkonflikte
Die Autorin erklärt, dass sie keine Interessenkonflikte in Zusammenhang mit diesem Artikel hat.
Literatur
[1] Schretzlmaier P. Erweiterung des UTAUT2-Technologieakzeptanzmodells zur Vorhersage der Akzeptanz von mHealth am Beispiel von Diabetes. GMS Med Inform Biom Epidemiol. 2024;20:Doc15. DOI: 10.3205/mibe000271[2] Bönisch C. Automated metadata transformation in a medical data integration center: Implementation of an algorithm and standardized quality analysis. GMS Med Inform Biom Epidemiol. 2024;20:Doc14. DOI: 10.3205/mibe000270
