{"id":617365,"date":"2026-05-16T06:48:29","date_gmt":"2026-05-16T04:48:29","guid":{"rendered":"https:\/\/www.dynseo.com\/quelles-donnees-de-vie-reelle-peut-on-recolter-lors-dune-etude-clinique-dynseo-2\/"},"modified":"2026-05-16T06:50:54","modified_gmt":"2026-05-16T04:50:54","slug":"welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo","status":"publish","type":"post","link":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/","title":{"rendered":"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO"},"content":{"rendered":"<p>[et_pb_section fb_built=&#8220;1&#8243; admin_label=&#8220;Article HTML&#8220; _builder_version=&#8220;4.16&#8243; custom_padding=&#8220;0px||0px||false|false&#8220; global_colors_info=&#8220;{}&#8220;][et_pb_row admin_label=&#8220;Contenu&#8220; _builder_version=&#8220;4.16&#8243; width=&#8220;100%&#8220; max_width=&#8220;100%&#8220; custom_padding=&#8220;0px||0px||false|false&#8220; global_colors_info=&#8220;{}&#8220;][et_pb_column type=&#8220;4_4&#8243; _builder_version=&#8220;4.16&#8243; global_colors_info=&#8220;{}&#8220;][et_pb_code admin_label=&#8220;HTML import\u00e9&#8220; _builder_version=&#8220;4.16&#8243; global_colors_info=&#8220;{}&#8220;]<\/p>\n<style type=\"text\/css\">\n@import url('https:\/\/fonts.googleapis.com\/css2?family=Montserrat:wght@600;700;800&family=Poppins:wght@400;500;600&display=swap');\n        * { margin: 0; padding: 0; box-sizing: border-box; }\n.dbi-art-dffa9a { font-family: 'Poppins', sans-serif; line-height: 1.9; color: #333; background-color: #f8f9fa; }\n.dbi-art-dffa9a .container { max-width: 920px; margin: 0 auto; padding: 20px; }\n.dbi-art-dffa9a .article-header { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 70px 20px; text-align: center; border-radius: 0 0 30px 30px; margin-bottom: 50px; }\n.dbi-art-dffa9a .article-category { display: inline-block; background: rgba(255,255,255,0.2); padding: 8px 20px; border-radius: 25px; font-size: 0.9rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header h1 { font-family: 'Montserrat', sans-serif; font-size: 2.4rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header .subtitle { font-size: 1.1rem; opacity: 0.95; max-width: 720px; margin: 0 auto; }\n.dbi-art-dffa9a .intro-paragraph { font-size: 1.1rem; color: #555; padding: 32px; background: white; border-radius: 15px; border-left: 5px solid #5e5ed7; margin-bottom: 45px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a h2 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 2rem; margin: 55px 0 25px; padding-bottom: 15px; border-bottom: 3px solid #a9e2e4; }\n.dbi-art-dffa9a h3 { font-family: 'Montserrat', sans-serif; color: #5268c9; font-size: 1.4rem; margin: 38px 0 16px; }\n.dbi-art-dffa9a p { margin-bottom: 22px; text-align: justify; font-size: 1.02rem; }\n.dbi-art-dffa9a .highlight-box { background: linear-gradient(135deg, #a9e2e4 0%, #d0f0f2 100%); padding: 32px; border-radius: 15px; margin: 32px 0; }\n.dbi-art-dffa9a .highlight-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 15px; font-size: 1.2rem; }\n.dbi-art-dffa9a .tip-box { background: linear-gradient(135deg, #ffeca7 0%, #ffe88a 100%); padding: 26px; border-radius: 15px; margin: 26px 0; }\n.dbi-art-dffa9a .tip-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .warning-box { background: linear-gradient(135deg, #fde8ee 0%, #fcc8d6 100%); padding: 26px; border-radius: 15px; margin: 26px 0; border-left: 5px solid #e73469; }\n.dbi-art-dffa9a .warning-box h4 { font-family: 'Montserrat', sans-serif; color: #e73469; margin-bottom: 10px; }\n.dbi-art-dffa9a .stats-grid { display: grid; grid-template-columns: repeat(3, 1fr); gap: 22px; margin: 32px 0; }\n.dbi-art-dffa9a .stat-card { background: white; padding: 28px; border-radius: 15px; text-align: center; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .stat-number { font-family: 'Montserrat', sans-serif; font-size: 2.6rem; font-weight: 800; color: #5e5ed7; display: block; }\n.dbi-art-dffa9a .stat-label { color: #666; font-size: 0.88rem; margin-top: 8px; }\n.dbi-art-dffa9a .comparison-table { width: 100%; border-collapse: collapse; margin: 32px 0; border-radius: 15px; overflow: hidden; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .comparison-table th { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 16px 20px; text-align: left; font-family: 'Montserrat', sans-serif; }\n.dbi-art-dffa9a .comparison-table td { padding: 15px 20px; border-bottom: 1px solid #f0f0ff; background: white; vertical-align: top; }\n.dbi-art-dffa9a .comparison-table tr:last-child td { border-bottom: none; }\n.dbi-art-dffa9a .comparison-table tr:nth-child(even) td { background: #f8f8ff; }\n.dbi-art-dffa9a .method-card { background: white; border-radius: 15px; padding: 28px; margin: 24px 0; box-shadow: 0 5px 20px rgba(94,94,215,0.08); }\n.dbi-art-dffa9a .method-card.blue { border-left: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .method-card.teal { border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .method-card.rose { border-left: 4px solid #e73469; }\n.dbi-art-dffa9a .method-card.yellow { border-left: 4px solid #ffeca7; border-top: 3px solid #ffeca7; }\n.dbi-art-dffa9a .method-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 12px; font-size: 1.12rem; }\n.dbi-art-dffa9a .method-card.teal h4 { color: #5268c9; }\n.dbi-art-dffa9a .method-card.rose h4 { color: #e73469; }\n.dbi-art-dffa9a .method-badge { display: inline-block; padding: 5px 14px; border-radius: 20px; font-size: 0.82rem; font-weight: 600; margin-bottom: 12px; }\n.dbi-art-dffa9a .badge-blue { background: #f0f0ff; color: #5e5ed7; }\n.dbi-art-dffa9a .badge-green { background: #e0f7f8; color: #5268c9; }\n.dbi-art-dffa9a .badge-rose { background: #fde8ee; color: #e73469; }\n.dbi-art-dffa9a .badge-yellow { background: #fff8dc; color: #8a6d00; }\n.dbi-art-dffa9a .checklist { background: white; padding: 32px; border-radius: 15px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); margin: 28px 0; }\n.dbi-art-dffa9a .checklist h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 20px; }\n.dbi-art-dffa9a .checklist ul { list-style: none; padding: 0; }\n.dbi-art-dffa9a .checklist li { padding: 12px 0; border-bottom: 1px solid #f0f0ff; padding-left: 38px; position: relative; }\n.dbi-art-dffa9a .checklist li::before { content: '\u2714'; position: absolute; left: 0; color: #5e5ed7; font-weight: bold; }\n.dbi-art-dffa9a .checklist li:last-child { border-bottom: none; }\n.dbi-art-dffa9a .app-card { background: white; border-radius: 18px; padding: 30px; margin: 28px 0; box-shadow: 0 8px 30px rgba(94,94,215,0.15); border-top: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .app-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 1.3rem; margin-bottom: 12px; }\n.dbi-art-dffa9a .cta-button { display: inline-block; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 15px 35px; border-radius: 30px; text-decoration: none; font-weight: 600; margin-top: 15px; }\n.dbi-art-dffa9a .quote-box { background: #f0f0ff; border-left: 4px solid #5e5ed7; padding: 26px; margin: 32px 0; border-radius: 0 15px 15px 0; }\n.dbi-art-dffa9a .quote-box p { font-style: italic; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .quote-box .author { font-weight: 600; color: #5e5ed7; font-style: normal; font-size: 0.9rem; }\n.dbi-art-dffa9a .conclusion { background: linear-gradient(135deg, #f5f7fa 0%, #e8e8ff 100%); padding: 45px; border-radius: 20px; margin-top: 55px; }\n.dbi-art-dffa9a .conclusion h2 { border-bottom: none; margin-top: 0; }\n.dbi-art-dffa9a .article-footer { text-align: center; padding: 55px 20px; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; border-radius: 30px 30px 0 0; margin-top: 65px; }\n.dbi-art-dffa9a .article-footer h3 { font-family: 'Montserrat', sans-serif; color: white; margin-bottom: 20px; font-size: 1.5rem; }\n.dbi-art-dffa9a .article-footer a { color: #ffeca7; text-decoration: none; font-weight: 600; }\n.dbi-art-dffa9a .footer-links { display: flex; gap: 20px; justify-content: center; flex-wrap: wrap; margin-top: 15px; }\n.dbi-art-dffa9a .faq-item { background: white; border-radius: 15px; padding: 28px 32px; margin: 16px 0; box-shadow: 0 3px 15px rgba(94,94,215,0.08); border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .faq-item h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 13px; font-size: 1.08rem; }\n.dbi-art-dffa9a .faq-item p { margin: 0; color: #555; }\n.dbi-art-dffa9a a { color: #5e5ed7; }\n@media (max-width: 768px) {\n.dbi-art-dffa9a .article-header h1 { font-size: 1.85rem; }\n.dbi-art-dffa9a .stats-grid { grid-template-columns: 1fr; }\n.dbi-art-dffa9a .article-header { padding: 45px 15px; }\n.dbi-art-dffa9a .container { padding: 15px; }\n.dbi-art-dffa9a h2 { font-size: 1.6rem; }\n}<\/p>\n<\/style>\n<div class=\"dbi-art-dffa9a\">\n<article>\n<header class=\"article-header\">\n<div class=\"article-category\">\ud83d\udd2c Psychische Gesundheit &amp; Klinische Forschung \u2014 Real-World-Daten<\/div>\n<h1>Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden?<\/h1>\n<pee class=\"subtitle\">Traditionelle klinische Studien erfassen nur einen Bruchteil der Realit\u00e4t der Patienten. Die Real-World-Daten \u2014 gesammelt \u00fcber mobile Anwendungen, vernetzte Ger\u00e4te, EMA und Register \u2014 revolutionieren unser Verst\u00e4ndnis von kognitiven und psychischen St\u00f6rungen. Umfassender Leitfaden f\u00fcr Forscher, Kliniker und Patienten.<\/pee>\n<\/header>\n<div class=\"container\">\n<div class=\"intro-paragraph\">\nSeit Jahrzehnten funktioniert die klinische Forschung nach einem bew\u00e4hrten Modell: eine randomisierte kontrollierte Studie, eine sorgf\u00e4ltig ausgew\u00e4hlte Population, standardisierte Messungen in festen Intervallen in einem klinischen Kontext. Dieses Modell bleibt der Goldstandard zur Feststellung von Kausalit\u00e4t \u2014 hat jedoch eine wesentliche Einschr\u00e4nkung: Es erfasst nicht das reale Leben. Die psychische Gesundheit wird insbesondere durch allt\u00e4gliche Kontexte tiefgreifend beeinflusst \u2014 den Stress bei der Arbeit, die Schlafqualit\u00e4t, soziale Interaktionen, das Wetter \u2014 die durch punktuelle Bewertungen in der Sprechstunde nicht erfasst werden k\u00f6nnen. Die Real-World-Daten (RWD) schlie\u00dfen diese L\u00fccke, indem sie den Alltag der Patienten in ein Labor verwandeln.\n<\/div>\n<div class=\"stats-grid\">\n<div class=\"stat-card\"><span class=\"stat-number\">\u00d710<\/span><\/p>\n<div class=\"stat-label\">die Menge an verf\u00fcgbaren digitalen Gesundheitsdaten verdoppelt sich alle 3-4 Jahre \u2014 eine Revolution f\u00fcr die Forschung<\/div>\n<\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">80%<\/span><\/p>\n<div class=\"stat-label\">der klinischen Studien werden bis 2030 RWD integrieren, so die Prognosen von EMA und FDA<\/div>\n<\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">EMA<\/span><\/p>\n<div class=\"stat-label\">die Europ\u00e4ische Arzneimittel-Agentur hat 2023 ihre Strategie zu Real-World-Daten ver\u00f6ffentlicht<\/div>\n<\/div>\n<\/div>\n<h2>Definitionen: RWD, RWE und ihre grundlegenden Unterschiede<\/h2>\n<pee>Bevor wir die Datentypen und Erhebungsmethoden erkunden, ist es wichtig, die Terminologie zu kl\u00e4ren \u2014 da die Begriffe oft f\u00e4lschlicherweise synonym verwendet werden.<\/pee>\n<pee>Die <strong>Real-World-Daten (RWD)<\/strong> \u2014 oder Real-World-Daten \u2014 sind alle Daten, die den Gesundheitszustand der Patienten und die Bereitstellung von Pflege au\u00dferhalb von randomisierten kontrollierten klinischen Studien betreffen. Sie k\u00f6nnen aus elektronischen Patientenakten, Erstattungsdatenbanken, Patientenregistern, tragbaren Sensoren, mobilen Anwendungen, Gesundheits-Social-Media oder Beobachtungsstudien stammen.<\/pee>\n<pee>Die <strong>Real-World-Evidence (RWE)<\/strong> \u2014 Beweise aus der realen Welt \u2014 sind die klinischen Beweise, die durch die rigorose Analyse der RWD generiert werden. Die RWD sind das Rohmaterial; die RWE sind das Ergebnis der Anwendung einer wissenschaftlichen Methodologie auf dieses Material. Sowohl die FDA als auch die EMA haben Rahmenbedingungen entwickelt, um die RWE in die Zulassungsunterlagen aufzunehmen \u2014 eine wesentliche Transformation f\u00fcr die Pharmaindustrie und die biomedizinische Forschung.<\/pee>\n<h3>Warum sind RWD in der psychischen und kognitiven Gesundheit entscheidend?<\/h3>\n<pee>Psychische und kognitive St\u00f6rungen weisen Merkmale auf, die sie besonders schwierig zu studieren machen im Rahmen klassischer klinischer Studien. Die intraindividuelle Variabilit\u00e4t ist erheblich \u2014 ein depressiver Patient kann sich von Montag bis Freitag oder je nach Jahreszeit oder Beziehungskontext sehr unterschiedlich f\u00fchlen. Diese Variabilit\u00e4t ist in einer monatlichen Bewertung in der Sprechstunde unsichtbar. Ebenso sind die kognitiven Manifestationen von St\u00f6rungen wie ADHS, den Folgen eines Schlaganfalls oder fr\u00fchen Stadien der Alzheimer-Krankheit stark kontextabh\u00e4ngig \u2014 die Umgebung, M\u00fcdigkeit, Stress modulieren sie in Echtzeit.<\/pee>\n<pee>Die RWD erm\u00f6glichen es, diese dynamische Komplexit\u00e4t zu erfassen. Sie machen sichtbar, was zwischen den Sprechstunden im echten Leben der Patienten passiert \u2014 was 99 % ihrer Existenz ausmacht.<\/pee>\n<h2>Die gro\u00dfen Kategorien von Real-World-Daten in der Klinik<\/h2>\n<h3>1. Die Daten der Gesundheitssysteme (administrative und klinische Daten)<\/h3>\n<pee>Dies sind die am h\u00e4ufigsten verwendeten RWD in der Beobachtungsforschung. Sie umfassen elektronische Patientenakten (EPA), Erstattungsdaten der Krankenversicherung (SNDS in Frankreich \u2014 Nationales System der Gesundheitsdaten), Patientenregister (Krebsregister, Register seltener Krankheiten, Alzheimer-Register), Krankenhausdaten (PMSI, Arzneimittelbasen) und Verschreibungsdaten. Diese Daten sind wertvoll f\u00fcr gro\u00dfangelegte epidemiologische Studien \u2014 sie erm\u00f6glichen die Analyse von Hunderttausenden oder sogar Millionen von Behandlungsverl\u00e4ufen. Ihre Einschr\u00e4nkung besteht darin, dass sie nur das erfassen, was kodiert und erstattet wird \u2014 sie fehlen subjektive, verhaltensbezogene und kontextuelle Daten.<\/pee>\n<div class=\"method-card blue\">\n<div class=\"method-badge badge-blue\">\ud83c\udfe5 Das SNDS in Frankreich<\/div>\n<h4>Das gr\u00f6\u00dfte Gesundheitsdatenlager in Europa<\/h4>\n<pee>Das Nationale System der Gesundheitsdaten (SNDS) deckt alle Erstattungen von Behandlungen f\u00fcr die 67 Millionen franz\u00f6sischen Versicherten ab, was es zu einer der gr\u00f6\u00dften Gesundheitsdatenbanken der Welt macht. Der Zugang wird durch den Health Data Hub geregelt und erfordert eine Genehmigung der CNIL. F\u00fcr die Forschung im Bereich der psychischen Gesundheit erm\u00f6glicht es die Untersuchung von Behandlungsverl\u00e4ufen, der Therapietreue, Komorbidit\u00e4ten und gro\u00dfangelegten Krankenhausaufenthalten \u2014 enth\u00e4lt jedoch keine Daten zu Symptomen, t\u00e4glichem Funktionieren oder Lebensqualit\u00e4t.<\/pee>\n<\/div>\n<h3>2. Die von den Patienten selbst gesammelten Daten (PRO)<\/h3>\n<pee>Die Patient-Reported Outcomes (PRO) sind Daten, die direkt von den Patienten ohne Interpretation durch einen Kliniker berichtet werden \u2014 Lebensqualit\u00e4tswerte, Schmerzintensit\u00e4t, Schwere der Symptome, Zufriedenheit, Therapietreue. In der psychischen Gesundheit sind sie besonders wertvoll, da viele Schl\u00fcsselsymptome (Stimmung, Angst, Energie, intrusive Gedanken) nur durch Selbstberichte zug\u00e4nglich sind.<\/pee>\n<pee>Traditionelle Papierfrageb\u00f6gen (PHQ-9 f\u00fcr Depression, GAD-7 f\u00fcr Angst, MADRS) bleiben klinische Referenzen. Aber ihre punktuelle Anwendung in der Sprechstunde erfasst nicht die zeitliche Variabilit\u00e4t. Deshalb revolutionieren die EMA-Methoden (siehe unten) die Erhebung von PRO in der zeitgen\u00f6ssischen Forschung.<\/pee>\n<h3>3. Die digitalen Verhaltensdaten (Digitale Biomarker)<\/h3>\n<pee>Eine der spektakul\u00e4rsten Innovationen der letzten Jahre ist die M\u00f6glichkeit, <strong>digitale Biomarker<\/strong> zu sammeln \u2014 objektive Messungen des Verhaltens und der Physiologie, die kontinuierlich durch digitale Ger\u00e4te erfasst werden. Diese Daten umfassen die Herzfrequenz und ihre Variabilit\u00e4t (\u00fcber Smartwatches), Muster der k\u00f6rperlichen Aktivit\u00e4t und Inaktivit\u00e4t (Beschleunigungssensoren), die Qualit\u00e4t und Dauer des Schlafs (Aktigraphen), geografische Bewegungsmuster (GPS), die H\u00e4ufigkeit von Telefonanrufen und Nachrichten, Tippmuster auf der Tastatur (Tippdynamik) und Sprachdaten (Prosodie, Fl\u00fcssigkeit, Pausen).<\/pee>\n<pee>Diese passiven digitalen Biomarker \u2014 gesammelt, ohne dass der Patient &#8222;etwas tun muss&#8220; \u2014 sind besonders wertvoll in der Forschung zur psychischen Gesundheit. Studien haben gezeigt, dass Ver\u00e4nderungen in den Mustern von Schlaf, Aktivit\u00e4t und Kommunikation mehrere Tage vor dokumentierten depressiven oder manischen Episoden auftreten k\u00f6nnen \u2014 was neue Perspektiven f\u00fcr die R\u00fcckfallpr\u00e4vention er\u00f6ffnet.<\/pee>\n<h3>4. Die Daten aus digitalen kognitiven Tests<\/h3>\n<pee>Die kognitiven Tests, die \u00fcber mobile Anwendungen durchgef\u00fchrt werden, stellen eine Revolution f\u00fcr die Forschung in der kognitiven Neurowissenschaft und Psychiatrie dar. Im Gegensatz zu den j\u00e4hrlichen neuropsychologischen Bewertungen in der Klinik k\u00f6nnen kurze digitale Tests t\u00e4glich oder w\u00f6chentlich durchgef\u00fchrt werden \u2014 und erfassen die zeitliche Variabilit\u00e4t der kognitiven Leistungen.<\/pee>\n<pee>Tests wie der Trail Making Test, der Stroop-Test, N-back Arbeitsged\u00e4chtnistests oder Reaktionszeit-Tests k\u00f6nnen in 2 bis 5 Minuten auf einem Smartphone durchgef\u00fchrt werden. Die gesammelten Daten erm\u00f6glichen es, subtile Ver\u00e4nderungen der kognitiven Leistung zu erkennen, die den klinischen Manifestationen vorausgehen \u2014 eine vielversprechende Anwendung zur fr\u00fchzeitigen Erkennung von Alzheimer, zur \u00dcberwachung der Folgen eines Schlaganfalls oder zur Evaluierung der Wirksamkeit von Behandlungen.<\/pee>\n<pee>Die DYNSEO kognitiven Tests \u2014 <a href=\"https:\/\/www.dynseo.com\/de\/speichertest\/\" target=\"_blank\"><strong>Ged\u00e4chtnistest<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-Konzentration-attention\/\" target=\"_blank\"><strong>Konzentrations- und Aufmerksamkeits-Test<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/de\/test-der-exekutiven-funktionen\/\" target=\"_blank\"><strong>Test der Exekutivfunktionen<\/strong><\/a> \u2014 sind Beispiele f\u00fcr digitale Werkzeuge, die eine regelm\u00e4\u00dfige und zug\u00e4ngliche Bewertung der kognitiven Funktionen au\u00dferhalb des klinischen Kontexts erm\u00f6glichen. Diese wiederholt gesammelten Daten bilden ein dynamisches Profil der kognitiven Entwicklung \u2014 wertvoll sowohl f\u00fcr die klinische Nachverfolgung als auch f\u00fcr die Forschung.<\/pee>\n<h2>Die EMA (Ecological Momentary Assessment): die Revolution der Echtzeiterfassung<\/h2>\n<pee>Die Ecological Momentary Assessment (EMA) \u2014 auch als Experience Sampling Method bezeichnet \u2014 ist eine Datenerhebungsmethode, bei der die Teilnehmer zu verschiedenen Zeitpunkten und in unterschiedlichen Kontexten in ihrem Alltag \u00fcber ihren Zustand (Stimmung, Symptome, Verhalten, Kontext) befragt werden, \u00fcber ein Smartphone oder eine spezielle Anwendung.<\/pee>\n<h3>Warum die EMA alles f\u00fcr die Forschung im Bereich der psychischen Gesundheit ver\u00e4ndert<\/h3>\n<pee>Das grundlegende Problem der klassischen klinischen Bewertung ist, dass sie retrospektiv und punktuell ist. Wenn ein Patient einen w\u00f6chentlichen Depressionsfragebogen ausf\u00fcllt, versucht er, seine Woche zu &#8222;durchschnittlich&#8220; zu erfassen \u2014 was erhebliche Verzerrungen erzeugt (Erinnerungsverzerrungen, Effekt des Bewertungszeitpunkts, Ankerverzerrung). Die EMA l\u00f6st dieses Problem, indem sie den tats\u00e4chlichen Zustand der Person genau zu dem Zeitpunkt erfasst, an dem sie antwortet.<\/pee>\n<pee>In der Praxis sendet die EMA mehrmals t\u00e4glich (in der Regel 3 bis 8 Mal) Benachrichtigungen zu zuf\u00e4lligen oder halb zuf\u00e4lligen Zeitpunkten. Die Person beantwortet 5-15 kurze Fragen zu ihrem emotionalen Zustand, ihren Symptomen, ihrem sozialen Kontext und ihrem Verhalten. Die Gesamtheit der Antworten \u00fcber mehrere Wochen hinweg bildet eine dichte Datenkurve, die Muster, Ausl\u00f6ser, Zyklen und individuelle Variabilit\u00e4t offenbart, die durch punktuelle Bewertungen niemals erkannt worden w\u00e4ren.<\/pee>\n<\/div>\n<div class=\"highlight-box\">\n<h4>\ud83d\udd2c Beispiele daf\u00fcr, was EMA offenbaren kann, was klassische Bewertungen \u00fcbersehen<\/h4>\n<pee><strong>Bei Depression:<\/strong> die Tageszeiten, an denen die Stimmung systematisch niedriger ist, die ausl\u00f6senden sozialen Situationen, die Beziehung zwischen der Schlafqualit\u00e4t der vorherigen Nacht und der Stimmung am n\u00e4chsten Morgen.<!\u2013- [et_pb_br_holder] -\u2013><br \/>\n<strong>Bei ADHS:<\/strong> die Tageszeiten, an denen die Aufmerksamkeit maximal ist (was es erm\u00f6glicht, anspruchsvolle Aufgaben zu planen), der Einfluss von Ern\u00e4hrung und Bewegung auf die Konzentration, die Ausl\u00f6ser von Impulsivit\u00e4t.<!\u2013- [et_pb_br_holder] -\u2013><br \/>\n<strong>Bei fr\u00fcher Alzheimer-Krankheit:<\/strong> die ersten Schwankungen der kognitiven F\u00e4higkeiten, die Umweltfaktoren, die die Leistung verbessern oder verschlechtern, der Fortschritt der Schwierigkeiten im Laufe der Wochen.<\/pee>\n<\/div>\n<h3>Die Herausforderungen der EMA<\/h3>\n<pee>Die EMA ist nicht ohne Grenzen. Die <strong>Belastung<\/strong> (Last f\u00fcr den Teilnehmer) ist real \u2014 mehrmals t\u00e4glich \u00fcber Wochen auf Benachrichtigungen zu antworten, f\u00fchrt zu M\u00fcdigkeit und kann die Compliance beeintr\u00e4chtigen. Die Abbruchraten in EMA-Studien sind hoch, wenn die Belastung nicht gut abgestimmt ist. Die Selektionsverzerrungen (die Teilnehmer, die abschlie\u00dfen, unterscheiden sich von denen, die abbrechen) k\u00f6nnen die externe Validit\u00e4t beeintr\u00e4chtigen. Und die Vertraulichkeit der sehr granularen Daten (Verhalten, Standorte, emotionale Zust\u00e4nde) wirft wichtige ethische Fragen auf.<\/pee>\n<h2>Die vernetzten Objekte und Wearables: passive Sensoren des realen Lebens<\/h2>\n<h3>Aktigraphen und Smartwatches<\/h3>\n<pee>Aktigraphen (fortschrittliche Schrittz\u00e4hler) und Smartwatches (Apple Watch, Garmin, Fitbit, Withings) sammeln kontinuierlich Daten \u00fcber k\u00f6rperliche Aktivit\u00e4t, Schlaf (Dauer, Phasen, n\u00e4chtliches Aufwachen) und Herzfrequenz. Diese passiven Daten sind besonders wertvoll in der Forschung zur psychischen Gesundheit, da sie Konstrukte objektivieren, die oft subjektiv berichtet werden: &#8222;Ich schlafe schlecht&#8220;, &#8222;Ich bin ersch\u00f6pft&#8220;, &#8222;Ich mache nichts mehr&#8220;.<\/pee>\n<pee>Studien haben gezeigt, dass die kontinuierlich gemessene Herzfrequenzvariabilit\u00e4t (HRV \u2014 Herzfrequenzvariabilit\u00e4t) ein Proxy f\u00fcr die Funktionsweise des autonomen Nervensystems ist \u2014 und den Zustand von Stress, Angst und emotionaler Regulation widerspiegelt. Apps wie Garmin Health oder Apple Health generieren t\u00e4gliche HRV-Daten, die in Studien zur psychischen Gesundheit als Biomarker dienen k\u00f6nnen.<\/pee>\n<h3>Sprachsensoren und Sprachanalyse<\/h3>\n<pee>Die automatische Analyse der Stimme stellt eine der vielversprechendsten Grenzen der digitalen Biomarker in der psychischen Gesundheit dar. Sprachmerkmale wie Sprechgeschwindigkeit, Pausen, Tonh\u00f6he, Energie, Reaktionslatenz und Intonationsmuster \u00e4ndern sich messbar bei Depression, Schizophrenie, Demenz und anderen psychischen St\u00f6rungen. Machine-Learning-Algorithmen, die auf Tausenden von Stunden an Aufnahmen trainiert wurden, k\u00f6nnen diese Ver\u00e4nderungen mit einer Genauigkeit erkennen, die sich positiv mit standardisierten klinischen Bewertungen vergleicht.<\/pee>\n<h3>Verhaltensanalysen \u00fcber Smartphones<\/h3>\n<pee>Das Smartphone selbst ist ein Sensor f\u00fcr das t\u00e4gliche Verhalten. Die H\u00e4ufigkeit und Dauer von Anrufen, die Messaging-Muster, die Geolokalisierung (Mobilit\u00e4t, besuchte Orte), die Umgebungshelligkeit (Indikator f\u00fcr Au\u00dfenaktivit\u00e4ten) und sogar die Mikro-Muster beim Entsperren des Bildschirms stellen dichte Verhaltensdaten dar. Studien haben gezeigt, dass diese passiven Daten Episoden von Depression, Angst und Psychose mit bemerkenswerter Genauigkeit vorhersagen k\u00f6nnen \u2014 was Perspektiven f\u00fcr Fr\u00fchwarnsysteme er\u00f6ffnet.<\/pee>\n<h2>Mobile Gesundheitsanwendungen in klinischen Studien<\/h2>\n<pee>Mobile Gesundheitsanwendungen \u2014 von einfachen Stimmungs-Tracking-Apps bis hin zu validierten kognitiven Stimulationswerkzeugen \u2014 spielen eine doppelte Rolle in RWD-Studien: Datensammlung (\u00fcber Nutzungsprotokolle und Ergebnisse der \u00dcbungen) und therapeutische Intervention (deren Adh\u00e4renz und Wirksamkeit in Echtzeit gemessen werden k\u00f6nnen).<\/pee>\n<h3>Emotionale Regulierung und Symptomverfolgung<\/h3>\n<pee>Apps wie Daylio, Moodpath oder Woebot erm\u00f6glichen es den Nutzern, ihre Stimmung, ihr Verhalten und ihre Gedanken t\u00e4glich zu verfolgen. Im Forschungskontext stellen die aggregierten und anonymisierten Daten dieser Apps eine wertvolle Quelle f\u00fcr RWD dar, um die emotionalen Muster gro\u00dfer Populationen zu untersuchen.<\/pee>\n<pee>Klinische Werkzeuge wie der <a href=\"https:\/\/www.dynseo.com\/nos-outils\/thermometre-des-emotions\/\" target=\"_blank\"><strong>DYNSEO Emotionsthermometer<\/strong><\/a>, die <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Werkzeugkiste zur emotionalen Regulierung<\/strong><\/a> und die <a href=\"https:\/\/www.dynseo.com\/nos-outils\/strategies-retour-au-calme\/\" target=\"_blank\"><strong>12 Strategien zur Beruhigung<\/strong><\/a> erm\u00f6glichen die Sammlung von Daten \u00fcber die tats\u00e4chliche Nutzung von Regulierungstechniken \u2014 welche Strategie gew\u00e4hlt wird, in welchen Kontexten, mit welcher Effektivit\u00e4t. Diese \u00f6kologischen Nutzungsdaten bereichern unser Verst\u00e4ndnis der Wirksamkeit von Interventionen in der psychischen Gesundheit erheblich.<\/pee>\n<h3>Stimulationsanwendungen und kognitive Tests<\/h3>\n<pee>Kognitive Stimulation Apps \u2014 wie <a href=\"https:\/\/www.dynseo.com\/de\/joe-ihr-gehirntrainingstrainer\/\" target=\"_blank\"><strong>JOE<\/strong><\/a> f\u00fcr Erwachsene oder <a href=\"https:\/\/www.dynseo.com\/de\/edith-einfache-und-passende-gedaechtnisspiele-fuer-senioren\/\" target=\"_blank\"><strong>EDITH<\/strong><\/a> f\u00fcr Senioren \u2014 generieren wertvolle Daten \u00fcber die langfristige kognitive Leistung. Die Nutzungsprotokolle (H\u00e4ufigkeit, Dauer der Sitzungen, Ergebnisse der \u00dcbungen, erreichter Level, Abbruch) stellen RWD dar, die es erm\u00f6glichen, das Engagement in der kognitiven Stimulation, deren Entwicklung im Laufe der Zeit und die Faktoren, die mit Adh\u00e4renz oder Abbruch verbunden sind, zu untersuchen.<\/pee>\n<pee>F\u00fcr die Forschung zu digitalen Interventionen bei Alzheimer, Parkinson oder nach einem Schlaganfall bringen diese realen Nutzungsdaten eine \u00f6kologische Dimension, die Laborstudien zur Wirksamkeit nicht bieten k\u00f6nnen. Eine Anwendung kann in einer kontrollierten klinischen Studie hervorragende Ergebnisse zeigen \u2014 aber wenn die Patienten sie im echten Leben nicht nutzen, wird ihre Bev\u00f6lkerungswirkung begrenzt sein. Die RWD erm\u00f6glichen eine pr\u00e4zise Untersuchung dieser Fragen zu Adoption und Engagement.<\/pee>\n<h2>Methoden zur Analyse von Real-World-Daten: die methodologischen Herausforderungen<\/h2>\n<h3>Die Verwirrungsbias: die zentrale Herausforderung<\/h3>\n<pee>Die Hauptbeschr\u00e4nkung von RWD-Studien im Vergleich zu randomisierten Studien ist das Fehlen von Randomisierung \u2014 und damit die potenzielle Pr\u00e4senz von Verwirrungsbias. Wenn Patienten, die eine Behandlung A erhalten, systematisch anders sind als diejenigen, die eine Behandlung B erhalten (j\u00fcnger, weniger krank, mit besserem Zugang zur Versorgung), spiegelt der Vergleich ihrer Ergebnisse diese Unterschiede ebenso wider wie den Effekt der Behandlung. Mehrere statistische Techniken erm\u00f6glichen es, diese Verzerrungen zu korrigieren: das Propensity-Score-Matching, instrumentelle Analysen, Fall-Kontroll-Studien und strukturelle kausale Modelle (Directed Acyclic Graphs).<\/pee>\n<h3>Die Analyse von Zeitreihen und longitudinalen Daten<\/h3>\n<pee>Die EMA- und Wearable-Daten generieren dichte Zeitreihen \u2014 Hunderte oder Tausende von Messpunkten pro Teilnehmer \u00fcber Wochen oder Monate. Die Analyse dieser Daten erfordert spezialisierte statistische Methoden, die ihre zeitliche Struktur erfassen: gemischte Modelle mit zuf\u00e4lligen Effekten, vektorielle autoregressive Modelle (VAR), um die Beziehungen zwischen Variablen im Laufe der Zeit zu untersuchen, Netzwerk-Analysen, um die dynamischen Interaktionen zwischen Symptomen zu kartieren.<\/pee>\n<div class=\"method-card teal\">\n<div class=\"method-badge badge-green\">\ud83d\udcca Die Netzwerk-Analyse in der Psychiatrie<\/div>\n<h4>Eine methodologische Revolution f\u00fcr die psychische Gesundheit<\/h4>\n<pee>Der Netzwerkansatz, insbesondere von Borsboom und Cramer entwickelt, konzeptualisiert psychiatrische St\u00f6rungen nicht als diskrete Entit\u00e4ten (eine &#8222;Krankheit&#8220;, die Symptome verursacht), sondern als Netzwerke von miteinander verbundenen Symptomen, die sich selbst aufrechterhalten. In diesem Modell erm\u00f6glichen longitudinale RWD die Identifizierung, welche Symptome am &#8222;zentralsten&#8220; sind (die anderen am meisten beeinflussen), welche Verbindungen zuerst bei einem R\u00fcckfall aktiviert werden und welche Interventionen am effektivsten das pathologische Netzwerk deaktivieren k\u00f6nnten. Dieser Ansatz er\u00f6ffnet neuartige personalisierte therapeutische Perspektiven.<\/pee>\n<\/div>\n<h3>K\u00fcnstliche Intelligenz und maschinelles Lernen<\/h3>\n<pee>Das Volumen und die Komplexit\u00e4t der RWD haben die Ans\u00e4tze des maschinellen Lernens und der k\u00fcnstlichen Intelligenz unverzichtbar gemacht. Deep-Learning-Algorithmen k\u00f6nnen Muster in sprachlichen, verhaltensbezogenen und physiologischen Daten erkennen, die der klassischen statistischen Analyse entgehen. Der <a href=\"https:\/\/www.dynseo.com\/de\/coach-ia\/\" target=\"_blank\"><strong>Coach IA DYNSEO<\/strong><\/a> veranschaulicht diese Richtung: ein intelligentes Begleitungssystem, das aus Nutzungsmustern lernt, um die Empfehlungen zu personalisieren.<\/pee>\n<h2>Der ethische und regulatorische Rahmen der RWD im Gesundheitswesen<\/h2>\n<h3>DSGVO, HDS und Datenverwaltung im Gesundheitswesen<\/h3>\n<pee>Gesundheitsdaten sind sensible personenbezogene Daten, die durch die DSGVO (Datenschutz-Grundverordnung) und f\u00fcr gehostete Gesundheitsdaten durch die HDS-Zertifizierung (Gesundheitsdaten-Hosting) in Frankreich gesch\u00fctzt sind. Jede Erhebung von Gesundheitsdaten im Rahmen von Forschung erfordert die informierte Zustimmung der Teilnehmer, die Genehmigung eines Ausschusses zum Schutz von Personen (CPP) und oft eine Genehmigung der CNIL (Nationale Kommission f\u00fcr Informatik und Freiheiten).<\/pee>\n<pee>Der <strong>Health Data Hub<\/strong> in Frankreich (GIE, das den Zugang zu den Daten des SNDS erleichtert und deren Verkn\u00fcpfung mit anderen Datenbanken erm\u00f6glicht) ist zum zentralen Werkzeug der RWD-Forschung in Frankreich geworden. Seine Nutzung wird von Expertengremien \u00fcberwacht, die das wissenschaftliche Interesse, die Verh\u00e4ltnism\u00e4\u00dfigkeit der angeforderten Daten und die Schutzgarantien f\u00fcr Personen bewerten.<\/pee>\n<h3>Die Selektionsbias in digitalen Daten<\/h3>\n<pee>Eine wichtige ethische und methodologische Herausforderung der digitalen RWD ist ihr Potenzial f\u00fcr Repr\u00e4sentativit\u00e4tsbias. Die Nutzer von Smartwatches, Smartphones und Gesundheitsanwendungen sind nicht repr\u00e4sentativ f\u00fcr die allgemeine Bev\u00f6lkerung \u2014 sie sind im Durchschnitt j\u00fcnger, wohlhabender, gebildeter und engagierter in ihrer Gesundheit. Studien, die sich auf diese Daten st\u00fctzen, laufen Gefahr, g\u00fcltige Beweise f\u00fcr diese Bev\u00f6lkerungsgruppen zu produzieren, die jedoch schwer auf \u00e4ltere, benachteiligte oder digital wenig alphabetisierte Menschen \u00fcbertragbar sind.<\/pee>\n<div class=\"warning-box\">\n<h4>\u26a0\ufe0f Die digitale Kluft: ein blinder Fleck der RWD<\/h4>\n<pee>Die verletzlichsten Personen im Bereich der psychischen Gesundheit \u2014 \u00e4ltere Menschen mit Demenz, obdachlose Personen, Menschen in gro\u00dfer Prekarit\u00e4t \u2014 sind oft am wenigsten in den digitalen RWD vertreten. Studien, die diese digitale Kluft ignorieren, riskieren, relevante Beweise f\u00fcr die am besten ausgestatteten Bev\u00f6lkerungsgruppen zu produzieren, aber die Gesundheitsungleichheiten zu versch\u00e4rfen, indem sie Innovationen in Richtung der Bev\u00f6lkerungsgruppen lenken, die m\u00f6glicherweise am wenigsten davon profitieren.<\/pee>\n<\/div>\n<h2>Praktische Anwendungen f\u00fcr die Forschung in der psychischen und kognitiven Gesundheit<\/h2>\n<h3>Fr\u00fcherkennung von Demenz<\/h3>\n<pee>Eine der vielversprechendsten Anwendungen von RWD in der klinischen Neurowissenschaft ist die Fr\u00fcherkennung von kognitiven St\u00f6rungen, Jahre bevor die klinischen Symptome der Demenz auftreten. Forschungsteams haben gezeigt, dass digitale Biomarker \u2014 subtile Ver\u00e4nderungen in GPS-Bewegungsmustern, in der Tippgeschwindigkeit auf der Tastatur, in den Leistungen bei kurzen kognitiven Tests \u2014 Ver\u00e4nderungen erkennen lassen, die 2 bis 5 Jahre vor den ersten klinischen Symptomen der Alzheimer-Krankheit auftreten.<\/pee>\n<pee>Die regelm\u00e4\u00dfige \u00dcberwachung der kognitiven Leistungen durch Tests wie den <a href=\"https:\/\/www.dynseo.com\/de\/speichertest\/\" target=\"_blank\"><strong>DYNSEO Ged\u00e4chtnistest<\/strong><\/a> und den <a href=\"https:\/\/www.dynseo.com\/test-Konzentration-attention\/\" target=\"_blank\"><strong>Konzentrationstest<\/strong><\/a>, die monatlich zu Hause auf Tablet oder Smartphone durchgef\u00fchrt werden, k\u00f6nnte ein \u00f6kologisches Protokoll f\u00fcr die longitudinale \u00dcberwachung von Risikopopulationen darstellen.<\/pee>\n<h3>Monitoring von Interventionen in der Psychiatrie<\/h3>\n<pee>Das Echtzeit-Monitoring der Reaktionen auf psychiatrische Behandlungen ist ein weiteres Gebiet, in dem RWD die Praxis transformieren. Anstatt auf die monatliche Konsultation zu warten, um zu erfahren, ob ein Antidepressivum zu wirken beginnt oder ob ein Patient r\u00fcckf\u00e4llig wird, erm\u00f6glichen w\u00f6chentliche EMA-Daten eine kontinuierliche therapeutische Anpassung. Die <a href=\"https:\/\/www.dynseo.com\/nos-outils\/fiche-restructuration-cognitive\/\" target=\"_blank\"><strong>DYNSEO Angstbew\u00e4ltigungsblatt<\/strong><\/a> und die <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Werkzeugkiste zur emotionalen Regulierung<\/strong><\/a> passen in diese Logik der \u00f6kologischen Intervention \u2014 indem sie Werkzeuge bereitstellen, die im Alltag verwendet werden k\u00f6nnen und deren Nutzung selbst eine relevante Forschungsdaten darstellt.<\/pee>\n<h3>Effektivit\u00e4t digitaler Interventionen<\/h3>\n<pee>RWD erm\u00f6glichen die Bewertung der tats\u00e4chlichen Effektivit\u00e4t digitaler Interventionen \u2014 Anwendungen der kognitiven Verhaltenstherapie, Werkzeuge zur kognitiven Stimulation, Achtsamkeitsprogramme \u2014 unter \u00f6kologischen Bedingungen. Das Engagement (Anzahl der Sitzungen, Dauer, Regelm\u00e4\u00dfigkeit), die Leistungskurve (Verbesserung, Plateau, R\u00fcckgang) und die pr\u00e4diktiven Faktoren f\u00fcr die Einhaltung sind wertvolle Daten zur Verbesserung dieser Werkzeuge und zur Personalisierung der Empfehlungen.<\/pee>\n<h2>Richtung pragmatische und hybride Studien<\/h2>\n<pee>Die Zukunft der klinischen Forschung liegt wahrscheinlich in <strong>hybriden Studien<\/strong>, die die Strenge randomisierter Studien mit dem Reichtum der RWD kombinieren. Pragmatic Trials sammeln Daten unter realen Bedingungen der Versorgung statt in spezialisierten Forschungszentren. Plattformstudien erm\u00f6glichen die gleichzeitige Bewertung mehrerer Interventionen mit adaptiver Anpassung. Und &#8222;in silico&#8220;-Studien \u2014 die digitale Zwillinge oder computergest\u00fctzte Modelle verwenden, die mit RWD gespeist werden \u2014 erm\u00f6glichen die Simulation klinischer Studien, bevor sie tats\u00e4chlich durchgef\u00fchrt werden, wodurch Kosten und Zeitrahmen reduziert werden.<\/pee>\n<div class=\"conclusion\">\n<h2>Fazit: RWD, neue Grenze der personalisierten Medizin<\/h2>\n<pee>Die Daten aus dem realen Leben transformieren unsere F\u00e4higkeit, psychische und kognitive St\u00f6rungen in ihrer gesamten dynamischen Komplexit\u00e4t zu verstehen. Sie erm\u00f6glichen es, das Modell des &#8222;Sofortbildes&#8220; in der Konsultation zu verlassen und auf den &#8222;Film&#8220; des t\u00e4glichen Lebens des Patienten zuzugreifen. Diese methodologische Revolution birgt das Versprechen einer personalisierteren, pr\u00e4ventiveren und gerechteren Medizin \u2014 vorausgesetzt, dass die ethischen Herausforderungen (Datenschutz, digitale Kluft, Repr\u00e4sentativit\u00e4tsbias) vollst\u00e4ndig ber\u00fccksichtigt werden. DYNSEO tr\u00e4gt zu diesem \u00d6kosystem mit hochwertigen digitalen Werkzeugen bei \u2014 kognitive Tests, Stimulationsanwendungen, Werkzeuge zur emotionalen Regulierung \u2014 deren Nutzungsdaten die Forschung von morgen unterst\u00fctzen k\u00f6nnen.<\/pee>\n<a href=\"https:\/\/www.dynseo.com\/de\/unsere-tests\/\" target=\"_blank\" class=\"cta-button\">Die kognitiven Tests von DYNSEO entdecken \u2192<\/a>\n<\/div>\n<h2>FAQ<\/h2>\n<div class=\"faq-item\">\n<h4>Was sind Daten aus dem realen Leben (RWD)?<\/h4>\n<pee>Gesundheitsdaten, die au\u00dferhalb kontrollierter klinischer Studien gesammelt werden \u2014 medizinische Akten, Erstattungen, mobile Anwendungen, Sensoren, Register. Sie erfassen das reale Leben der Patienten au\u00dferhalb des klinischen Kontexts.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>Unterschied zwischen RWD und RWE?<\/h4>\n<pee>RWD = Rohdaten. RWE = wissenschaftliche Beweise, die durch die rigorose Analyse von RWD generiert werden. Die Unterscheidung ist entscheidend f\u00fcr die Regulierungsbeh\u00f6rden (EMA, FDA).<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>Was ist die EMA und warum ist sie in der psychischen Gesundheit wertvoll?<\/h4>\n<pee>\u00d6kologische Momentaufnahme: Frageb\u00f6gen, die mehrmals t\u00e4glich \u00fcber das Smartphone gesendet werden, um den aktuellen Zustand in Echtzeit zu erfassen. Sie offenbart die Variabilit\u00e4t der Symptome, die in punktuellen Bewertungen in der Konsultation unsichtbar ist.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>Welche ethischen Herausforderungen stellen RWD?<\/h4>\n<pee>Datenschutz (DSGVO, HDS), informierte Einwilligung, Risiken der Re-Identifizierung, digitale Kluft, Repr\u00e4sentativit\u00e4tsbias, Eigentum und Governance von Gesundheitsdaten.<\/pee><\/div>\n<div class=\"faq-item\">\n<h4>K\u00f6nnen mobile Anwendungen in klinischen Studien verwendet werden?<\/h4>\n<pee>Ja \u2014 f\u00fcr die EMA, wiederholte kognitive Tests, Verhaltens- und Emotionsverfolgung. Sie erfordern eine rigorose Validierung als Messinstrumente und einen strengen ethischen Rahmen.<\/pee><\/div>\n<\/div>\n<footer class=\"article-footer\">\n<h3>DYNSEO-Ressourcen \u2014 Psychische Gesundheit &amp; Forschung<\/h3>\n<div class=\"footer-links\">\n<a href=\"https:\/\/www.dynseo.com\/de\/unsere-tests\/\" target=\"_blank\">Kognitive Tests<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/de\/joe-ihr-gehirntrainingstrainer\/\" target=\"_blank\">JOE-Anwendung<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/de\/unsere-werkzeuge\/\" target=\"_blank\">Alle Werkzeuge<\/a><br \/>\n<a href=\"https:\/\/www.dynseo.com\/de\/unsere-schulungen\/\" target=\"_blank\">Schulungen<\/a>\n<\/div>\n<\/footer>\n<\/article>\n<\/div>\n<p>[\/et_pb_code][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":4,"featured_media":412655,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"[et_pb_section fb_built=\"1\" admin_label=\"Article HTML\" _builder_version=\"4.16\" custom_padding=\"0px||0px||false|false\" global_colors_info=\"{}\"][et_pb_row admin_label=\"Contenu\" _builder_version=\"4.16\" width=\"100%\" max_width=\"100%\" custom_padding=\"0px||0px||false|false\" global_colors_info=\"{}\"][et_pb_column type=\"4_4\" _builder_version=\"4.16\" global_colors_info=\"{}\"][et_pb_code admin_label=\"HTML import\u00e9\" _builder_version=\"4.16\" global_colors_info=\"{}\"]<style type=\"text\/css\">\n@import url('https:\/\/fonts.googleapis.com\/css2?family=Montserrat:wght@600;700;800&family=Poppins:wght@400;500;600&display=swap');\n        * { margin: 0; padding: 0; box-sizing: border-box; }\n.dbi-art-dffa9a { font-family: 'Poppins', sans-serif; line-height: 1.9; color: #333; background-color: #f8f9fa; }\n.dbi-art-dffa9a .container { max-width: 920px; margin: 0 auto; padding: 20px; }\n.dbi-art-dffa9a .article-header { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 70px 20px; text-align: center; border-radius: 0 0 30px 30px; margin-bottom: 50px; }\n.dbi-art-dffa9a .article-category { display: inline-block; background: rgba(255,255,255,0.2); padding: 8px 20px; border-radius: 25px; font-size: 0.9rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header h1 { font-family: 'Montserrat', sans-serif; font-size: 2.4rem; margin-bottom: 20px; }\n.dbi-art-dffa9a .article-header .subtitle { font-size: 1.1rem; opacity: 0.95; max-width: 720px; margin: 0 auto; }\n.dbi-art-dffa9a .intro-paragraph { font-size: 1.1rem; color: #555; padding: 32px; background: white; border-radius: 15px; border-left: 5px solid #5e5ed7; margin-bottom: 45px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a h2 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 2rem; margin: 55px 0 25px; padding-bottom: 15px; border-bottom: 3px solid #a9e2e4; }\n.dbi-art-dffa9a h3 { font-family: 'Montserrat', sans-serif; color: #5268c9; font-size: 1.4rem; margin: 38px 0 16px; }\n.dbi-art-dffa9a p { margin-bottom: 22px; text-align: justify; font-size: 1.02rem; }\n.dbi-art-dffa9a .highlight-box { background: linear-gradient(135deg, #a9e2e4 0%, #d0f0f2 100%); padding: 32px; border-radius: 15px; margin: 32px 0; }\n.dbi-art-dffa9a .highlight-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 15px; font-size: 1.2rem; }\n.dbi-art-dffa9a .tip-box { background: linear-gradient(135deg, #ffeca7 0%, #ffe88a 100%); padding: 26px; border-radius: 15px; margin: 26px 0; }\n.dbi-art-dffa9a .tip-box h4 { font-family: 'Montserrat', sans-serif; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .warning-box { background: linear-gradient(135deg, #fde8ee 0%, #fcc8d6 100%); padding: 26px; border-radius: 15px; margin: 26px 0; border-left: 5px solid #e73469; }\n.dbi-art-dffa9a .warning-box h4 { font-family: 'Montserrat', sans-serif; color: #e73469; margin-bottom: 10px; }\n.dbi-art-dffa9a .stats-grid { display: grid; grid-template-columns: repeat(3, 1fr); gap: 22px; margin: 32px 0; }\n.dbi-art-dffa9a .stat-card { background: white; padding: 28px; border-radius: 15px; text-align: center; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .stat-number { font-family: 'Montserrat', sans-serif; font-size: 2.6rem; font-weight: 800; color: #5e5ed7; display: block; }\n.dbi-art-dffa9a .stat-label { color: #666; font-size: 0.88rem; margin-top: 8px; }\n.dbi-art-dffa9a .comparison-table { width: 100%; border-collapse: collapse; margin: 32px 0; border-radius: 15px; overflow: hidden; box-shadow: 0 5px 20px rgba(94,94,215,0.1); }\n.dbi-art-dffa9a .comparison-table th { background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 16px 20px; text-align: left; font-family: 'Montserrat', sans-serif; }\n.dbi-art-dffa9a .comparison-table td { padding: 15px 20px; border-bottom: 1px solid #f0f0ff; background: white; vertical-align: top; }\n.dbi-art-dffa9a .comparison-table tr:last-child td { border-bottom: none; }\n.dbi-art-dffa9a .comparison-table tr:nth-child(even) td { background: #f8f8ff; }\n.dbi-art-dffa9a .method-card { background: white; border-radius: 15px; padding: 28px; margin: 24px 0; box-shadow: 0 5px 20px rgba(94,94,215,0.08); }\n.dbi-art-dffa9a .method-card.blue { border-left: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .method-card.teal { border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .method-card.rose { border-left: 4px solid #e73469; }\n.dbi-art-dffa9a .method-card.yellow { border-left: 4px solid #ffeca7; border-top: 3px solid #ffeca7; }\n.dbi-art-dffa9a .method-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 12px; font-size: 1.12rem; }\n.dbi-art-dffa9a .method-card.teal h4 { color: #5268c9; }\n.dbi-art-dffa9a .method-card.rose h4 { color: #e73469; }\n.dbi-art-dffa9a .method-badge { display: inline-block; padding: 5px 14px; border-radius: 20px; font-size: 0.82rem; font-weight: 600; margin-bottom: 12px; }\n.dbi-art-dffa9a .badge-blue { background: #f0f0ff; color: #5e5ed7; }\n.dbi-art-dffa9a .badge-green { background: #e0f7f8; color: #5268c9; }\n.dbi-art-dffa9a .badge-rose { background: #fde8ee; color: #e73469; }\n.dbi-art-dffa9a .badge-yellow { background: #fff8dc; color: #8a6d00; }\n.dbi-art-dffa9a .checklist { background: white; padding: 32px; border-radius: 15px; box-shadow: 0 5px 20px rgba(94,94,215,0.1); margin: 28px 0; }\n.dbi-art-dffa9a .checklist h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 20px; }\n.dbi-art-dffa9a .checklist ul { list-style: none; padding: 0; }\n.dbi-art-dffa9a .checklist li { padding: 12px 0; border-bottom: 1px solid #f0f0ff; padding-left: 38px; position: relative; }\n.dbi-art-dffa9a .checklist li::before { content: '\u2714'; position: absolute; left: 0; color: #5e5ed7; font-weight: bold; }\n.dbi-art-dffa9a .checklist li:last-child { border-bottom: none; }\n.dbi-art-dffa9a .app-card { background: white; border-radius: 18px; padding: 30px; margin: 28px 0; box-shadow: 0 8px 30px rgba(94,94,215,0.15); border-top: 4px solid #5e5ed7; }\n.dbi-art-dffa9a .app-card h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; font-size: 1.3rem; margin-bottom: 12px; }\n.dbi-art-dffa9a .cta-button { display: inline-block; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; padding: 15px 35px; border-radius: 30px; text-decoration: none; font-weight: 600; margin-top: 15px; }\n.dbi-art-dffa9a .quote-box { background: #f0f0ff; border-left: 4px solid #5e5ed7; padding: 26px; margin: 32px 0; border-radius: 0 15px 15px 0; }\n.dbi-art-dffa9a .quote-box p { font-style: italic; color: #5268c9; margin-bottom: 10px; }\n.dbi-art-dffa9a .quote-box .author { font-weight: 600; color: #5e5ed7; font-style: normal; font-size: 0.9rem; }\n.dbi-art-dffa9a .conclusion { background: linear-gradient(135deg, #f5f7fa 0%, #e8e8ff 100%); padding: 45px; border-radius: 20px; margin-top: 55px; }\n.dbi-art-dffa9a .conclusion h2 { border-bottom: none; margin-top: 0; }\n.dbi-art-dffa9a .article-footer { text-align: center; padding: 55px 20px; background: linear-gradient(135deg, #5e5ed7 0%, #5268c9 100%); color: white; border-radius: 30px 30px 0 0; margin-top: 65px; }\n.dbi-art-dffa9a .article-footer h3 { font-family: 'Montserrat', sans-serif; color: white; margin-bottom: 20px; font-size: 1.5rem; }\n.dbi-art-dffa9a .article-footer a { color: #ffeca7; text-decoration: none; font-weight: 600; }\n.dbi-art-dffa9a .footer-links { display: flex; gap: 20px; justify-content: center; flex-wrap: wrap; margin-top: 15px; }\n.dbi-art-dffa9a .faq-item { background: white; border-radius: 15px; padding: 28px 32px; margin: 16px 0; box-shadow: 0 3px 15px rgba(94,94,215,0.08); border-left: 4px solid #a9e2e4; }\n.dbi-art-dffa9a .faq-item h4 { font-family: 'Montserrat', sans-serif; color: #5e5ed7; margin-bottom: 13px; font-size: 1.08rem; }\n.dbi-art-dffa9a .faq-item p { margin: 0; color: #555; }\n.dbi-art-dffa9a a { color: #5e5ed7; }\n@media (max-width: 768px) {\n.dbi-art-dffa9a .article-header h1 { font-size: 1.85rem; }\n.dbi-art-dffa9a .stats-grid { grid-template-columns: 1fr; }\n.dbi-art-dffa9a .article-header { padding: 45px 15px; }\n.dbi-art-dffa9a .container { padding: 15px; }\n.dbi-art-dffa9a h2 { font-size: 1.6rem; }\n}\n\n<\/style>\n<div class=\"dbi-art-dffa9a\">\n<article>\n<header class=\"article-header\">\n<div class=\"article-category\">\ud83d\udd2c Psychische Gesundheit &amp; Klinische Forschung \u2014 Real-World-Daten<\/div>\n<h1>Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden?<\/h1>\n<p class=\"subtitle\">Traditionelle klinische Studien erfassen nur einen Bruchteil der Realit\u00e4t der Patienten. Die Real-World-Daten \u2014 gesammelt \u00fcber mobile Anwendungen, vernetzte Ger\u00e4te, EMA und Register \u2014 revolutionieren unser Verst\u00e4ndnis von kognitiven und psychischen St\u00f6rungen. Umfassender Leitfaden f\u00fcr Forscher, Kliniker und Patienten.<\/p>\n<\/header>\n\n<div class=\"container\">\n\n<div class=\"intro-paragraph\">\nSeit Jahrzehnten funktioniert die klinische Forschung nach einem bew\u00e4hrten Modell: eine randomisierte kontrollierte Studie, eine sorgf\u00e4ltig ausgew\u00e4hlte Population, standardisierte Messungen in festen Intervallen in einem klinischen Kontext. Dieses Modell bleibt der Goldstandard zur Feststellung von Kausalit\u00e4t \u2014 hat jedoch eine wesentliche Einschr\u00e4nkung: Es erfasst nicht das reale Leben. Die psychische Gesundheit wird insbesondere durch allt\u00e4gliche Kontexte tiefgreifend beeinflusst \u2014 den Stress bei der Arbeit, die Schlafqualit\u00e4t, soziale Interaktionen, das Wetter \u2014 die durch punktuelle Bewertungen in der Sprechstunde nicht erfasst werden k\u00f6nnen. Die Real-World-Daten (RWD) schlie\u00dfen diese L\u00fccke, indem sie den Alltag der Patienten in ein Labor verwandeln.\n<\/div>\n\n<div class=\"stats-grid\">\n<div class=\"stat-card\"><span class=\"stat-number\">\u00d710<\/span><div class=\"stat-label\">die Menge an verf\u00fcgbaren digitalen Gesundheitsdaten verdoppelt sich alle 3-4 Jahre \u2014 eine Revolution f\u00fcr die Forschung<\/div><\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">80%<\/span><div class=\"stat-label\">der klinischen Studien werden bis 2030 RWD integrieren, so die Prognosen von EMA und FDA<\/div><\/div>\n<div class=\"stat-card\"><span class=\"stat-number\">EMA<\/span><div class=\"stat-label\">die Europ\u00e4ische Arzneimittel-Agentur hat 2023 ihre Strategie zu Real-World-Daten ver\u00f6ffentlicht<\/div><\/div>\n<\/div>\n\n<h2>Definitionen: RWD, RWE und ihre grundlegenden Unterschiede<\/h2>\n\n<p>Bevor wir die Datentypen und Erhebungsmethoden erkunden, ist es wichtig, die Terminologie zu kl\u00e4ren \u2014 da die Begriffe oft f\u00e4lschlicherweise synonym verwendet werden.<\/p>\n\n<p>Die <strong>Real-World-Daten (RWD)<\/strong> \u2014 oder Real-World-Daten \u2014 sind alle Daten, die den Gesundheitszustand der Patienten und die Bereitstellung von Pflege au\u00dferhalb von randomisierten kontrollierten klinischen Studien betreffen. Sie k\u00f6nnen aus elektronischen Patientenakten, Erstattungsdatenbanken, Patientenregistern, tragbaren Sensoren, mobilen Anwendungen, Gesundheits-Social-Media oder Beobachtungsstudien stammen.<\/p>\n\n<p>Die <strong>Real-World-Evidence (RWE)<\/strong> \u2014 Beweise aus der realen Welt \u2014 sind die klinischen Beweise, die durch die rigorose Analyse der RWD generiert werden. Die RWD sind das Rohmaterial; die RWE sind das Ergebnis der Anwendung einer wissenschaftlichen Methodologie auf dieses Material. Sowohl die FDA als auch die EMA haben Rahmenbedingungen entwickelt, um die RWE in die Zulassungsunterlagen aufzunehmen \u2014 eine wesentliche Transformation f\u00fcr die Pharmaindustrie und die biomedizinische Forschung.<\/p>\n\n<h3>Warum sind RWD in der psychischen und kognitiven Gesundheit entscheidend?<\/h3>\n\n<p>Psychische und kognitive St\u00f6rungen weisen Merkmale auf, die sie besonders schwierig zu studieren machen im Rahmen klassischer klinischer Studien. Die intraindividuelle Variabilit\u00e4t ist erheblich \u2014 ein depressiver Patient kann sich von Montag bis Freitag oder je nach Jahreszeit oder Beziehungskontext sehr unterschiedlich f\u00fchlen. Diese Variabilit\u00e4t ist in einer monatlichen Bewertung in der Sprechstunde unsichtbar. Ebenso sind die kognitiven Manifestationen von St\u00f6rungen wie ADHS, den Folgen eines Schlaganfalls oder fr\u00fchen Stadien der Alzheimer-Krankheit stark kontextabh\u00e4ngig \u2014 die Umgebung, M\u00fcdigkeit, Stress modulieren sie in Echtzeit.<\/p>\n\n<p>Die RWD erm\u00f6glichen es, diese dynamische Komplexit\u00e4t zu erfassen. Sie machen sichtbar, was zwischen den Sprechstunden im echten Leben der Patienten passiert \u2014 was 99 % ihrer Existenz ausmacht.<\/p>\n\n<h2>Die gro\u00dfen Kategorien von Real-World-Daten in der Klinik<\/h2>\n\n<h3>1. Die Daten der Gesundheitssysteme (administrative und klinische Daten)<\/h3>\n\n<p>Dies sind die am h\u00e4ufigsten verwendeten RWD in der Beobachtungsforschung. Sie umfassen elektronische Patientenakten (EPA), Erstattungsdaten der Krankenversicherung (SNDS in Frankreich \u2014 Nationales System der Gesundheitsdaten), Patientenregister (Krebsregister, Register seltener Krankheiten, Alzheimer-Register), Krankenhausdaten (PMSI, Arzneimittelbasen) und Verschreibungsdaten. Diese Daten sind wertvoll f\u00fcr gro\u00dfangelegte epidemiologische Studien \u2014 sie erm\u00f6glichen die Analyse von Hunderttausenden oder sogar Millionen von Behandlungsverl\u00e4ufen. Ihre Einschr\u00e4nkung besteht darin, dass sie nur das erfassen, was kodiert und erstattet wird \u2014 sie fehlen subjektive, verhaltensbezogene und kontextuelle Daten.<\/p>\n\n<div class=\"method-card blue\">\n<div class=\"method-badge badge-blue\">\ud83c\udfe5 Das SNDS in Frankreich<\/div>\n<h4>Das gr\u00f6\u00dfte Gesundheitsdatenlager in Europa<\/h4>\n<p>Das Nationale System der Gesundheitsdaten (SNDS) deckt alle Erstattungen von Behandlungen f\u00fcr die 67 Millionen franz\u00f6sischen Versicherten ab, was es zu einer der gr\u00f6\u00dften Gesundheitsdatenbanken der Welt macht. Der Zugang wird durch den Health Data Hub geregelt und erfordert eine Genehmigung der CNIL. F\u00fcr die Forschung im Bereich der psychischen Gesundheit erm\u00f6glicht es die Untersuchung von Behandlungsverl\u00e4ufen, der Therapietreue, Komorbidit\u00e4ten und gro\u00dfangelegten Krankenhausaufenthalten \u2014 enth\u00e4lt jedoch keine Daten zu Symptomen, t\u00e4glichem Funktionieren oder Lebensqualit\u00e4t.<\/p>\n<\/div>\n\n<h3>2. Die von den Patienten selbst gesammelten Daten (PRO)<\/h3>\n\n<p>Die Patient-Reported Outcomes (PRO) sind Daten, die direkt von den Patienten ohne Interpretation durch einen Kliniker berichtet werden \u2014 Lebensqualit\u00e4tswerte, Schmerzintensit\u00e4t, Schwere der Symptome, Zufriedenheit, Therapietreue. In der psychischen Gesundheit sind sie besonders wertvoll, da viele Schl\u00fcsselsymptome (Stimmung, Angst, Energie, intrusive Gedanken) nur durch Selbstberichte zug\u00e4nglich sind.<\/p>\n\n<p>Traditionelle Papierfrageb\u00f6gen (PHQ-9 f\u00fcr Depression, GAD-7 f\u00fcr Angst, MADRS) bleiben klinische Referenzen. Aber ihre punktuelle Anwendung in der Sprechstunde erfasst nicht die zeitliche Variabilit\u00e4t. Deshalb revolutionieren die EMA-Methoden (siehe unten) die Erhebung von PRO in der zeitgen\u00f6ssischen Forschung.<\/p>\n\n<h3>3. Die digitalen Verhaltensdaten (Digitale Biomarker)<\/h3>\n\n<p>Eine der spektakul\u00e4rsten Innovationen der letzten Jahre ist die M\u00f6glichkeit, <strong>digitale Biomarker<\/strong> zu sammeln \u2014 objektive Messungen des Verhaltens und der Physiologie, die kontinuierlich durch digitale Ger\u00e4te erfasst werden. Diese Daten umfassen die Herzfrequenz und ihre Variabilit\u00e4t (\u00fcber Smartwatches), Muster der k\u00f6rperlichen Aktivit\u00e4t und Inaktivit\u00e4t (Beschleunigungssensoren), die Qualit\u00e4t und Dauer des Schlafs (Aktigraphen), geografische Bewegungsmuster (GPS), die H\u00e4ufigkeit von Telefonanrufen und Nachrichten, Tippmuster auf der Tastatur (Tippdynamik) und Sprachdaten (Prosodie, Fl\u00fcssigkeit, Pausen).<\/p>\n\n<p>Diese passiven digitalen Biomarker \u2014 gesammelt, ohne dass der Patient \"etwas tun muss\" \u2014 sind besonders wertvoll in der Forschung zur psychischen Gesundheit. Studien haben gezeigt, dass Ver\u00e4nderungen in den Mustern von Schlaf, Aktivit\u00e4t und Kommunikation mehrere Tage vor dokumentierten depressiven oder manischen Episoden auftreten k\u00f6nnen \u2014 was neue Perspektiven f\u00fcr die R\u00fcckfallpr\u00e4vention er\u00f6ffnet.<\/p>\n\n<h3>4. Die Daten aus digitalen kognitiven Tests<\/h3>\n\n<p>Die kognitiven Tests, die \u00fcber mobile Anwendungen durchgef\u00fchrt werden, stellen eine Revolution f\u00fcr die Forschung in der kognitiven Neurowissenschaft und Psychiatrie dar. Im Gegensatz zu den j\u00e4hrlichen neuropsychologischen Bewertungen in der Klinik k\u00f6nnen kurze digitale Tests t\u00e4glich oder w\u00f6chentlich durchgef\u00fchrt werden \u2014 und erfassen die zeitliche Variabilit\u00e4t der kognitiven Leistungen.<\/p>\n\n<p>Tests wie der Trail Making Test, der Stroop-Test, N-back Arbeitsged\u00e4chtnistests oder Reaktionszeit-Tests k\u00f6nnen in 2 bis 5 Minuten auf einem Smartphone durchgef\u00fchrt werden. Die gesammelten Daten erm\u00f6glichen es, subtile Ver\u00e4nderungen der kognitiven Leistung zu erkennen, die den klinischen Manifestationen vorausgehen \u2014 eine vielversprechende Anwendung zur fr\u00fchzeitigen Erkennung von Alzheimer, zur \u00dcberwachung der Folgen eines Schlaganfalls oder zur Evaluierung der Wirksamkeit von Behandlungen.<\/p>\n\n<p>Die DYNSEO kognitiven Tests \u2014 <a href=\"https:\/\/www.dynseo.com\/test-memoire\/\" target=\"_blank\"><strong>Ged\u00e4chtnistest<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-Konzentration-attention\/\" target=\"_blank\"><strong>Konzentrations- und Aufmerksamkeits-Test<\/strong><\/a>, <a href=\"https:\/\/www.dynseo.com\/test-des-fonctions-executives\/\" target=\"_blank\"><strong>Test der Exekutivfunktionen<\/strong><\/a> \u2014 sind Beispiele f\u00fcr digitale Werkzeuge, die eine regelm\u00e4\u00dfige und zug\u00e4ngliche Bewertung der kognitiven Funktionen au\u00dferhalb des klinischen Kontexts erm\u00f6glichen. Diese wiederholt gesammelten Daten bilden ein dynamisches Profil der kognitiven Entwicklung \u2014 wertvoll sowohl f\u00fcr die klinische Nachverfolgung als auch f\u00fcr die Forschung.<\/p>\n\n<h2>Die EMA (Ecological Momentary Assessment): die Revolution der Echtzeiterfassung<\/h2>\n\n<p>Die Ecological Momentary Assessment (EMA) \u2014 auch als Experience Sampling Method bezeichnet \u2014 ist eine Datenerhebungsmethode, bei der die Teilnehmer zu verschiedenen Zeitpunkten und in unterschiedlichen Kontexten in ihrem Alltag \u00fcber ihren Zustand (Stimmung, Symptome, Verhalten, Kontext) befragt werden, \u00fcber ein Smartphone oder eine spezielle Anwendung.<\/p>\n\n<h3>Warum die EMA alles f\u00fcr die Forschung im Bereich der psychischen Gesundheit ver\u00e4ndert<\/h3>\n\n<p>Das grundlegende Problem der klassischen klinischen Bewertung ist, dass sie retrospektiv und punktuell ist. Wenn ein Patient einen w\u00f6chentlichen Depressionsfragebogen ausf\u00fcllt, versucht er, seine Woche zu \"durchschnittlich\" zu erfassen \u2014 was erhebliche Verzerrungen erzeugt (Erinnerungsverzerrungen, Effekt des Bewertungszeitpunkts, Ankerverzerrung). Die EMA l\u00f6st dieses Problem, indem sie den tats\u00e4chlichen Zustand der Person genau zu dem Zeitpunkt erfasst, an dem sie antwortet.<\/p>\n\n<p>In der Praxis sendet die EMA mehrmals t\u00e4glich (in der Regel 3 bis 8 Mal) Benachrichtigungen zu zuf\u00e4lligen oder halb zuf\u00e4lligen Zeitpunkten. Die Person beantwortet 5-15 kurze Fragen zu ihrem emotionalen Zustand, ihren Symptomen, ihrem sozialen Kontext und ihrem Verhalten. Die Gesamtheit der Antworten \u00fcber mehrere Wochen hinweg bildet eine dichte Datenkurve, die Muster, Ausl\u00f6ser, Zyklen und individuelle Variabilit\u00e4t offenbart, die durch punktuelle Bewertungen niemals erkannt worden w\u00e4ren.<\/p>\n<\/div>\n<div class=\"highlight-box\">\n<h4>\ud83d\udd2c Beispiele daf\u00fcr, was EMA offenbaren kann, was klassische Bewertungen \u00fcbersehen<\/h4>\n<p><strong>Bei Depression:<\/strong> die Tageszeiten, an denen die Stimmung systematisch niedriger ist, die ausl\u00f6senden sozialen Situationen, die Beziehung zwischen der Schlafqualit\u00e4t der vorherigen Nacht und der Stimmung am n\u00e4chsten Morgen.<br>\n<strong>Bei ADHS:<\/strong> die Tageszeiten, an denen die Aufmerksamkeit maximal ist (was es erm\u00f6glicht, anspruchsvolle Aufgaben zu planen), der Einfluss von Ern\u00e4hrung und Bewegung auf die Konzentration, die Ausl\u00f6ser von Impulsivit\u00e4t.<br>\n<strong>Bei fr\u00fcher Alzheimer-Krankheit:<\/strong> die ersten Schwankungen der kognitiven F\u00e4higkeiten, die Umweltfaktoren, die die Leistung verbessern oder verschlechtern, der Fortschritt der Schwierigkeiten im Laufe der Wochen.<\/p>\n<\/div>\n\n<h3>Die Herausforderungen der EMA<\/h3>\n\n<p>Die EMA ist nicht ohne Grenzen. Die <strong>Belastung<\/strong> (Last f\u00fcr den Teilnehmer) ist real \u2014 mehrmals t\u00e4glich \u00fcber Wochen auf Benachrichtigungen zu antworten, f\u00fchrt zu M\u00fcdigkeit und kann die Compliance beeintr\u00e4chtigen. Die Abbruchraten in EMA-Studien sind hoch, wenn die Belastung nicht gut abgestimmt ist. Die Selektionsverzerrungen (die Teilnehmer, die abschlie\u00dfen, unterscheiden sich von denen, die abbrechen) k\u00f6nnen die externe Validit\u00e4t beeintr\u00e4chtigen. Und die Vertraulichkeit der sehr granularen Daten (Verhalten, Standorte, emotionale Zust\u00e4nde) wirft wichtige ethische Fragen auf.<\/p>\n\n<h2>Die vernetzten Objekte und Wearables: passive Sensoren des realen Lebens<\/h2>\n\n<h3>Aktigraphen und Smartwatches<\/h3>\n\n<p>Aktigraphen (fortschrittliche Schrittz\u00e4hler) und Smartwatches (Apple Watch, Garmin, Fitbit, Withings) sammeln kontinuierlich Daten \u00fcber k\u00f6rperliche Aktivit\u00e4t, Schlaf (Dauer, Phasen, n\u00e4chtliches Aufwachen) und Herzfrequenz. Diese passiven Daten sind besonders wertvoll in der Forschung zur psychischen Gesundheit, da sie Konstrukte objektivieren, die oft subjektiv berichtet werden: \"Ich schlafe schlecht\", \"Ich bin ersch\u00f6pft\", \"Ich mache nichts mehr\".<\/p>\n\n<p>Studien haben gezeigt, dass die kontinuierlich gemessene Herzfrequenzvariabilit\u00e4t (HRV \u2014 Herzfrequenzvariabilit\u00e4t) ein Proxy f\u00fcr die Funktionsweise des autonomen Nervensystems ist \u2014 und den Zustand von Stress, Angst und emotionaler Regulation widerspiegelt. Apps wie Garmin Health oder Apple Health generieren t\u00e4gliche HRV-Daten, die in Studien zur psychischen Gesundheit als Biomarker dienen k\u00f6nnen.<\/p>\n\n<h3>Sprachsensoren und Sprachanalyse<\/h3>\n\n<p>Die automatische Analyse der Stimme stellt eine der vielversprechendsten Grenzen der digitalen Biomarker in der psychischen Gesundheit dar. Sprachmerkmale wie Sprechgeschwindigkeit, Pausen, Tonh\u00f6he, Energie, Reaktionslatenz und Intonationsmuster \u00e4ndern sich messbar bei Depression, Schizophrenie, Demenz und anderen psychischen St\u00f6rungen. Machine-Learning-Algorithmen, die auf Tausenden von Stunden an Aufnahmen trainiert wurden, k\u00f6nnen diese Ver\u00e4nderungen mit einer Genauigkeit erkennen, die sich positiv mit standardisierten klinischen Bewertungen vergleicht.<\/p>\n\n<h3>Verhaltensanalysen \u00fcber Smartphones<\/h3>\n\n<p>Das Smartphone selbst ist ein Sensor f\u00fcr das t\u00e4gliche Verhalten. Die H\u00e4ufigkeit und Dauer von Anrufen, die Messaging-Muster, die Geolokalisierung (Mobilit\u00e4t, besuchte Orte), die Umgebungshelligkeit (Indikator f\u00fcr Au\u00dfenaktivit\u00e4ten) und sogar die Mikro-Muster beim Entsperren des Bildschirms stellen dichte Verhaltensdaten dar. Studien haben gezeigt, dass diese passiven Daten Episoden von Depression, Angst und Psychose mit bemerkenswerter Genauigkeit vorhersagen k\u00f6nnen \u2014 was Perspektiven f\u00fcr Fr\u00fchwarnsysteme er\u00f6ffnet.<\/p>\n\n<h2>Mobile Gesundheitsanwendungen in klinischen Studien<\/h2>\n\n<p>Mobile Gesundheitsanwendungen \u2014 von einfachen Stimmungs-Tracking-Apps bis hin zu validierten kognitiven Stimulationswerkzeugen \u2014 spielen eine doppelte Rolle in RWD-Studien: Datensammlung (\u00fcber Nutzungsprotokolle und Ergebnisse der \u00dcbungen) und therapeutische Intervention (deren Adh\u00e4renz und Wirksamkeit in Echtzeit gemessen werden k\u00f6nnen).<\/p>\n\n<h3>Emotionale Regulierung und Symptomverfolgung<\/h3>\n\n<p>Apps wie Daylio, Moodpath oder Woebot erm\u00f6glichen es den Nutzern, ihre Stimmung, ihr Verhalten und ihre Gedanken t\u00e4glich zu verfolgen. Im Forschungskontext stellen die aggregierten und anonymisierten Daten dieser Apps eine wertvolle Quelle f\u00fcr RWD dar, um die emotionalen Muster gro\u00dfer Populationen zu untersuchen.<\/p>\n\n<p>Klinische Werkzeuge wie der <a href=\"https:\/\/www.dynseo.com\/nos-outils\/thermometre-des-emotions\/\" target=\"_blank\"><strong>DYNSEO Emotionsthermometer<\/strong><\/a>, die <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Werkzeugkiste zur emotionalen Regulierung<\/strong><\/a> und die <a href=\"https:\/\/www.dynseo.com\/nos-outils\/strategies-retour-au-calme\/\" target=\"_blank\"><strong>12 Strategien zur Beruhigung<\/strong><\/a> erm\u00f6glichen die Sammlung von Daten \u00fcber die tats\u00e4chliche Nutzung von Regulierungstechniken \u2014 welche Strategie gew\u00e4hlt wird, in welchen Kontexten, mit welcher Effektivit\u00e4t. Diese \u00f6kologischen Nutzungsdaten bereichern unser Verst\u00e4ndnis der Wirksamkeit von Interventionen in der psychischen Gesundheit erheblich.<\/p>\n\n<h3>Stimulationsanwendungen und kognitive Tests<\/h3>\n\n<p>Kognitive Stimulation Apps \u2014 wie <a href=\"https:\/\/www.dynseo.com\/de\/joe-ihr-gehirntrainingstrainer\/\" target=\"_blank\"><strong>JOE<\/strong><\/a> f\u00fcr Erwachsene oder <a href=\"https:\/\/www.dynseo.com\/de\/edith-einfache-und-passende-gedaechtnisspiele-fuer-senioren\/\" target=\"_blank\"><strong>EDITH<\/strong><\/a> f\u00fcr Senioren \u2014 generieren wertvolle Daten \u00fcber die langfristige kognitive Leistung. Die Nutzungsprotokolle (H\u00e4ufigkeit, Dauer der Sitzungen, Ergebnisse der \u00dcbungen, erreichter Level, Abbruch) stellen RWD dar, die es erm\u00f6glichen, das Engagement in der kognitiven Stimulation, deren Entwicklung im Laufe der Zeit und die Faktoren, die mit Adh\u00e4renz oder Abbruch verbunden sind, zu untersuchen.<\/p>\n\n<p>F\u00fcr die Forschung zu digitalen Interventionen bei Alzheimer, Parkinson oder nach einem Schlaganfall bringen diese realen Nutzungsdaten eine \u00f6kologische Dimension, die Laborstudien zur Wirksamkeit nicht bieten k\u00f6nnen. Eine Anwendung kann in einer kontrollierten klinischen Studie hervorragende Ergebnisse zeigen \u2014 aber wenn die Patienten sie im echten Leben nicht nutzen, wird ihre Bev\u00f6lkerungswirkung begrenzt sein. Die RWD erm\u00f6glichen eine pr\u00e4zise Untersuchung dieser Fragen zu Adoption und Engagement.<\/p>\n\n<h2>Methoden zur Analyse von Real-World-Daten: die methodologischen Herausforderungen<\/h2>\n\n<h3>Die Verwirrungsbias: die zentrale Herausforderung<\/h3>\n\n<p>Die Hauptbeschr\u00e4nkung von RWD-Studien im Vergleich zu randomisierten Studien ist das Fehlen von Randomisierung \u2014 und damit die potenzielle Pr\u00e4senz von Verwirrungsbias. Wenn Patienten, die eine Behandlung A erhalten, systematisch anders sind als diejenigen, die eine Behandlung B erhalten (j\u00fcnger, weniger krank, mit besserem Zugang zur Versorgung), spiegelt der Vergleich ihrer Ergebnisse diese Unterschiede ebenso wider wie den Effekt der Behandlung. Mehrere statistische Techniken erm\u00f6glichen es, diese Verzerrungen zu korrigieren: das Propensity-Score-Matching, instrumentelle Analysen, Fall-Kontroll-Studien und strukturelle kausale Modelle (Directed Acyclic Graphs).<\/p>\n\n<h3>Die Analyse von Zeitreihen und longitudinalen Daten<\/h3>\n\n<p>Die EMA- und Wearable-Daten generieren dichte Zeitreihen \u2014 Hunderte oder Tausende von Messpunkten pro Teilnehmer \u00fcber Wochen oder Monate. Die Analyse dieser Daten erfordert spezialisierte statistische Methoden, die ihre zeitliche Struktur erfassen: gemischte Modelle mit zuf\u00e4lligen Effekten, vektorielle autoregressive Modelle (VAR), um die Beziehungen zwischen Variablen im Laufe der Zeit zu untersuchen, Netzwerk-Analysen, um die dynamischen Interaktionen zwischen Symptomen zu kartieren.<\/p>\n<div class=\"method-card teal\">\n<div class=\"method-badge badge-green\">\ud83d\udcca Die Netzwerk-Analyse in der Psychiatrie<\/div>\n<h4>Eine methodologische Revolution f\u00fcr die psychische Gesundheit<\/h4>\n<p>Der Netzwerkansatz, insbesondere von Borsboom und Cramer entwickelt, konzeptualisiert psychiatrische St\u00f6rungen nicht als diskrete Entit\u00e4ten (eine \"Krankheit\", die Symptome verursacht), sondern als Netzwerke von miteinander verbundenen Symptomen, die sich selbst aufrechterhalten. In diesem Modell erm\u00f6glichen longitudinale RWD die Identifizierung, welche Symptome am \"zentralsten\" sind (die anderen am meisten beeinflussen), welche Verbindungen zuerst bei einem R\u00fcckfall aktiviert werden und welche Interventionen am effektivsten das pathologische Netzwerk deaktivieren k\u00f6nnten. Dieser Ansatz er\u00f6ffnet neuartige personalisierte therapeutische Perspektiven.<\/p>\n<\/div>\n\n<h3>K\u00fcnstliche Intelligenz und maschinelles Lernen<\/h3>\n\n<p>Das Volumen und die Komplexit\u00e4t der RWD haben die Ans\u00e4tze des maschinellen Lernens und der k\u00fcnstlichen Intelligenz unverzichtbar gemacht. Deep-Learning-Algorithmen k\u00f6nnen Muster in sprachlichen, verhaltensbezogenen und physiologischen Daten erkennen, die der klassischen statistischen Analyse entgehen. Der <a href=\"https:\/\/www.dynseo.com\/coach-ia\/\" target=\"_blank\"><strong>Coach IA DYNSEO<\/strong><\/a> veranschaulicht diese Richtung: ein intelligentes Begleitungssystem, das aus Nutzungsmustern lernt, um die Empfehlungen zu personalisieren.<\/p>\n\n<h2>Der ethische und regulatorische Rahmen der RWD im Gesundheitswesen<\/h2>\n\n<h3>DSGVO, HDS und Datenverwaltung im Gesundheitswesen<\/h3>\n\n<p>Gesundheitsdaten sind sensible personenbezogene Daten, die durch die DSGVO (Datenschutz-Grundverordnung) und f\u00fcr gehostete Gesundheitsdaten durch die HDS-Zertifizierung (Gesundheitsdaten-Hosting) in Frankreich gesch\u00fctzt sind. Jede Erhebung von Gesundheitsdaten im Rahmen von Forschung erfordert die informierte Zustimmung der Teilnehmer, die Genehmigung eines Ausschusses zum Schutz von Personen (CPP) und oft eine Genehmigung der CNIL (Nationale Kommission f\u00fcr Informatik und Freiheiten).<\/p>\n\n<p>Der <strong>Health Data Hub<\/strong> in Frankreich (GIE, das den Zugang zu den Daten des SNDS erleichtert und deren Verkn\u00fcpfung mit anderen Datenbanken erm\u00f6glicht) ist zum zentralen Werkzeug der RWD-Forschung in Frankreich geworden. Seine Nutzung wird von Expertengremien \u00fcberwacht, die das wissenschaftliche Interesse, die Verh\u00e4ltnism\u00e4\u00dfigkeit der angeforderten Daten und die Schutzgarantien f\u00fcr Personen bewerten.<\/p>\n\n<h3>Die Selektionsbias in digitalen Daten<\/h3>\n\n<p>Eine wichtige ethische und methodologische Herausforderung der digitalen RWD ist ihr Potenzial f\u00fcr Repr\u00e4sentativit\u00e4tsbias. Die Nutzer von Smartwatches, Smartphones und Gesundheitsanwendungen sind nicht repr\u00e4sentativ f\u00fcr die allgemeine Bev\u00f6lkerung \u2014 sie sind im Durchschnitt j\u00fcnger, wohlhabender, gebildeter und engagierter in ihrer Gesundheit. Studien, die sich auf diese Daten st\u00fctzen, laufen Gefahr, g\u00fcltige Beweise f\u00fcr diese Bev\u00f6lkerungsgruppen zu produzieren, die jedoch schwer auf \u00e4ltere, benachteiligte oder digital wenig alphabetisierte Menschen \u00fcbertragbar sind.<\/p>\n<div class=\"warning-box\">\n<h4>\u26a0\ufe0f Die digitale Kluft: ein blinder Fleck der RWD<\/h4>\n<p>Die verletzlichsten Personen im Bereich der psychischen Gesundheit \u2014 \u00e4ltere Menschen mit Demenz, obdachlose Personen, Menschen in gro\u00dfer Prekarit\u00e4t \u2014 sind oft am wenigsten in den digitalen RWD vertreten. Studien, die diese digitale Kluft ignorieren, riskieren, relevante Beweise f\u00fcr die am besten ausgestatteten Bev\u00f6lkerungsgruppen zu produzieren, aber die Gesundheitsungleichheiten zu versch\u00e4rfen, indem sie Innovationen in Richtung der Bev\u00f6lkerungsgruppen lenken, die m\u00f6glicherweise am wenigsten davon profitieren.<\/p>\n<\/div>\n\n<h2>Praktische Anwendungen f\u00fcr die Forschung in der psychischen und kognitiven Gesundheit<\/h2>\n\n<h3>Fr\u00fcherkennung von Demenz<\/h3>\n\n<p>Eine der vielversprechendsten Anwendungen von RWD in der klinischen Neurowissenschaft ist die Fr\u00fcherkennung von kognitiven St\u00f6rungen, Jahre bevor die klinischen Symptome der Demenz auftreten. Forschungsteams haben gezeigt, dass digitale Biomarker \u2014 subtile Ver\u00e4nderungen in GPS-Bewegungsmustern, in der Tippgeschwindigkeit auf der Tastatur, in den Leistungen bei kurzen kognitiven Tests \u2014 Ver\u00e4nderungen erkennen lassen, die 2 bis 5 Jahre vor den ersten klinischen Symptomen der Alzheimer-Krankheit auftreten.<\/p>\n\n<p>Die regelm\u00e4\u00dfige \u00dcberwachung der kognitiven Leistungen durch Tests wie den <a href=\"https:\/\/www.dynseo.com\/test-memoire\/\" target=\"_blank\"><strong>DYNSEO Ged\u00e4chtnistest<\/strong><\/a> und den <a href=\"https:\/\/www.dynseo.com\/test-Konzentration-attention\/\" target=\"_blank\"><strong>Konzentrationstest<\/strong><\/a>, die monatlich zu Hause auf Tablet oder Smartphone durchgef\u00fchrt werden, k\u00f6nnte ein \u00f6kologisches Protokoll f\u00fcr die longitudinale \u00dcberwachung von Risikopopulationen darstellen.<\/p>\n\n<h3>Monitoring von Interventionen in der Psychiatrie<\/h3>\n\n<p>Das Echtzeit-Monitoring der Reaktionen auf psychiatrische Behandlungen ist ein weiteres Gebiet, in dem RWD die Praxis transformieren. Anstatt auf die monatliche Konsultation zu warten, um zu erfahren, ob ein Antidepressivum zu wirken beginnt oder ob ein Patient r\u00fcckf\u00e4llig wird, erm\u00f6glichen w\u00f6chentliche EMA-Daten eine kontinuierliche therapeutische Anpassung. Die <a href=\"https:\/\/www.dynseo.com\/nos-outils\/fiche-restructuration-cognitive\/\" target=\"_blank\"><strong>DYNSEO Angstbew\u00e4ltigungsblatt<\/strong><\/a> und die <a href=\"https:\/\/www.dynseo.com\/nos-outils\/boite-a-outils-regulation\/\" target=\"_blank\"><strong>Werkzeugkiste zur emotionalen Regulierung<\/strong><\/a> passen in diese Logik der \u00f6kologischen Intervention \u2014 indem sie Werkzeuge bereitstellen, die im Alltag verwendet werden k\u00f6nnen und deren Nutzung selbst eine relevante Forschungsdaten darstellt.<\/p>\n\n<h3>Effektivit\u00e4t digitaler Interventionen<\/h3>\n\n<p>RWD erm\u00f6glichen die Bewertung der tats\u00e4chlichen Effektivit\u00e4t digitaler Interventionen \u2014 Anwendungen der kognitiven Verhaltenstherapie, Werkzeuge zur kognitiven Stimulation, Achtsamkeitsprogramme \u2014 unter \u00f6kologischen Bedingungen. Das Engagement (Anzahl der Sitzungen, Dauer, Regelm\u00e4\u00dfigkeit), die Leistungskurve (Verbesserung, Plateau, R\u00fcckgang) und die pr\u00e4diktiven Faktoren f\u00fcr die Einhaltung sind wertvolle Daten zur Verbesserung dieser Werkzeuge und zur Personalisierung der Empfehlungen.<\/p>\n\n<h2>Richtung pragmatische und hybride Studien<\/h2>\n\n<p>Die Zukunft der klinischen Forschung liegt wahrscheinlich in <strong>hybriden Studien<\/strong>, die die Strenge randomisierter Studien mit dem Reichtum der RWD kombinieren. Pragmatic Trials sammeln Daten unter realen Bedingungen der Versorgung statt in spezialisierten Forschungszentren. Plattformstudien erm\u00f6glichen die gleichzeitige Bewertung mehrerer Interventionen mit adaptiver Anpassung. Und \"in silico\"-Studien \u2014 die digitale Zwillinge oder computergest\u00fctzte Modelle verwenden, die mit RWD gespeist werden \u2014 erm\u00f6glichen die Simulation klinischer Studien, bevor sie tats\u00e4chlich durchgef\u00fchrt werden, wodurch Kosten und Zeitrahmen reduziert werden.<\/p>\n<div class=\"conclusion\">\n<h2>Fazit: RWD, neue Grenze der personalisierten Medizin<\/h2>\n<p>Die Daten aus dem realen Leben transformieren unsere F\u00e4higkeit, psychische und kognitive St\u00f6rungen in ihrer gesamten dynamischen Komplexit\u00e4t zu verstehen. Sie erm\u00f6glichen es, das Modell des \"Sofortbildes\" in der Konsultation zu verlassen und auf den \"Film\" des t\u00e4glichen Lebens des Patienten zuzugreifen. Diese methodologische Revolution birgt das Versprechen einer personalisierteren, pr\u00e4ventiveren und gerechteren Medizin \u2014 vorausgesetzt, dass die ethischen Herausforderungen (Datenschutz, digitale Kluft, Repr\u00e4sentativit\u00e4tsbias) vollst\u00e4ndig ber\u00fccksichtigt werden. DYNSEO tr\u00e4gt zu diesem \u00d6kosystem mit hochwertigen digitalen Werkzeugen bei \u2014 kognitive Tests, Stimulationsanwendungen, Werkzeuge zur emotionalen Regulierung \u2014 deren Nutzungsdaten die Forschung von morgen unterst\u00fctzen k\u00f6nnen.<\/p>\n<a href=\"https:\/\/www.dynseo.com\/nos-tests\/\" target=\"_blank\" class=\"cta-button\">Die kognitiven Tests von DYNSEO entdecken \u2192<\/a>\n<\/div>\n\n<h2>FAQ<\/h2>\n<div class=\"faq-item\"><h4>Was sind Daten aus dem realen Leben (RWD)?<\/h4><p>Gesundheitsdaten, die au\u00dferhalb kontrollierter klinischer Studien gesammelt werden \u2014 medizinische Akten, Erstattungen, mobile Anwendungen, Sensoren, Register. Sie erfassen das reale Leben der Patienten au\u00dferhalb des klinischen Kontexts.<\/p><\/div>\n<div class=\"faq-item\"><h4>Unterschied zwischen RWD und RWE?<\/h4><p>RWD = Rohdaten. RWE = wissenschaftliche Beweise, die durch die rigorose Analyse von RWD generiert werden. Die Unterscheidung ist entscheidend f\u00fcr die Regulierungsbeh\u00f6rden (EMA, FDA).<\/p><\/div>\n<div class=\"faq-item\"><h4>Was ist die EMA und warum ist sie in der psychischen Gesundheit wertvoll?<\/h4><p>\u00d6kologische Momentaufnahme: Frageb\u00f6gen, die mehrmals t\u00e4glich \u00fcber das Smartphone gesendet werden, um den aktuellen Zustand in Echtzeit zu erfassen. Sie offenbart die Variabilit\u00e4t der Symptome, die in punktuellen Bewertungen in der Konsultation unsichtbar ist.<\/p><\/div>\n<div class=\"faq-item\"><h4>Welche ethischen Herausforderungen stellen RWD?<\/h4><p>Datenschutz (DSGVO, HDS), informierte Einwilligung, Risiken der Re-Identifizierung, digitale Kluft, Repr\u00e4sentativit\u00e4tsbias, Eigentum und Governance von Gesundheitsdaten.<\/p><\/div>\n<div class=\"faq-item\"><h4>K\u00f6nnen mobile Anwendungen in klinischen Studien verwendet werden?<\/h4><p>Ja \u2014 f\u00fcr die EMA, wiederholte kognitive Tests, Verhaltens- und Emotionsverfolgung. Sie erfordern eine rigorose Validierung als Messinstrumente und einen strengen ethischen Rahmen.<\/p><\/div>\n\n<\/div>\n<footer class=\"article-footer\">\n<h3>DYNSEO-Ressourcen \u2014 Psychische Gesundheit &amp; Forschung<\/h3>\n<div class=\"footer-links\">\n<a href=\"https:\/\/www.dynseo.com\/nos-tests\/\" target=\"_blank\">Kognitive Tests<\/a>\n<a href=\"https:\/\/www.dynseo.com\/de\/joe-ihr-gehirntrainingstrainer\/\" target=\"_blank\">JOE-Anwendung<\/a>\n<a href=\"https:\/\/www.dynseo.com\/nos-outils\/\" target=\"_blank\">Alle Werkzeuge<\/a>\n<a href=\"https:\/\/www.dynseo.com\/nos-formations\/\" target=\"_blank\">Schulungen<\/a>\n<\/div>\n<\/footer>\n<\/article>\n<\/div>[\/et_pb_code][\/et_pb_column][\/et_pb_row][\/et_pb_section]","_et_gb_content_width":"","footnotes":""},"categories":[2915],"tags":[],"class_list":["post-617365","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-les-conseils-des-coachs"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.5 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO - DYNSEO - Lern-App und Memory-Spiele<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO - DYNSEO - Lern-App und Memory-Spiele\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/\" \/>\n<meta property=\"og:site_name\" content=\"DYNSEO - Lern-App und Memory-Spiele\" \/>\n<meta property=\"article:published_time\" content=\"2026-05-16T04:48:29+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-16T04:50:54+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"900\" \/>\n\t<meta property=\"og:image:height\" content=\"540\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"DYNSEO\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"DYNSEO\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"17\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/\"},\"author\":{\"name\":\"DYNSEO\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#\\\/schema\\\/person\\\/78ef63df2ee64e0989bc68f8401b38d6\"},\"headline\":\"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO\",\"datePublished\":\"2026-05-16T04:48:29+00:00\",\"dateModified\":\"2026-05-16T04:50:54+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/\"},\"wordCount\":3427,\"publisher\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"articleSection\":[\"Les conseils des coachs\"],\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/\",\"name\":\"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO - DYNSEO - Lern-App und Memory-Spiele\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"datePublished\":\"2026-05-16T04:48:29+00:00\",\"dateModified\":\"2026-05-16T04:50:54+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"contentUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/abcdhe-113.jpg\",\"width\":900,\"height\":540,\"caption\":\"Interaktives Lernen mit digitalen Hilfsmitteln\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/www.dynseo.com\\\/de\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#website\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/\",\"name\":\"Jeux de m\u00e9moire et stimulation cognitive\",\"description\":\"Entra\u00eenez votre m\u00e9moire et votre cerveau avec DYNSEO\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#organization\",\"name\":\"DYNSEO\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/logo-dynseo-new.png\",\"contentUrl\":\"https:\\\/\\\/www.dynseo.com\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/logo-dynseo-new.png\",\"width\":5073,\"height\":1397,\"caption\":\"DYNSEO\"},\"image\":{\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/#\\\/schema\\\/person\\\/78ef63df2ee64e0989bc68f8401b38d6\",\"name\":\"DYNSEO\",\"url\":\"https:\\\/\\\/www.dynseo.com\\\/de\\\/author\\\/justine\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO - DYNSEO - Lern-App und Memory-Spiele","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/","og_locale":"de_DE","og_type":"article","og_title":"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO - DYNSEO - Lern-App und Memory-Spiele","og_url":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/","og_site_name":"DYNSEO - Lern-App und Memory-Spiele","article_published_time":"2026-05-16T04:48:29+00:00","article_modified_time":"2026-05-16T04:50:54+00:00","og_image":[{"width":900,"height":540,"url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","type":"image\/jpeg"}],"author":"DYNSEO","twitter_misc":{"Verfasst von":"DYNSEO","Gesch\u00e4tzte Lesezeit":"17\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/#article","isPartOf":{"@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/"},"author":{"name":"DYNSEO","@id":"https:\/\/www.dynseo.com\/de\/#\/schema\/person\/78ef63df2ee64e0989bc68f8401b38d6"},"headline":"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO","datePublished":"2026-05-16T04:48:29+00:00","dateModified":"2026-05-16T04:50:54+00:00","mainEntityOfPage":{"@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/"},"wordCount":3427,"publisher":{"@id":"https:\/\/www.dynseo.com\/de\/#organization"},"image":{"@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/#primaryimage"},"thumbnailUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","articleSection":["Les conseils des coachs"],"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/","url":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/","name":"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO - DYNSEO - Lern-App und Memory-Spiele","isPartOf":{"@id":"https:\/\/www.dynseo.com\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/#primaryimage"},"image":{"@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/#primaryimage"},"thumbnailUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","datePublished":"2026-05-16T04:48:29+00:00","dateModified":"2026-05-16T04:50:54+00:00","breadcrumb":{"@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/#primaryimage","url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","contentUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2025\/09\/abcdhe-113.jpg","width":900,"height":540,"caption":"Interaktives Lernen mit digitalen Hilfsmitteln"},{"@type":"BreadcrumbList","@id":"https:\/\/www.dynseo.com\/de\/welche-real-world-daten-koennen-bei-einer-klinischen-studie-gesammelt-werden-dynseo\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/www.dynseo.com\/de"},{"@type":"ListItem","position":2,"name":"Welche Real-World-Daten k\u00f6nnen bei einer klinischen Studie gesammelt werden? | DYNSEO"}]},{"@type":"WebSite","@id":"https:\/\/www.dynseo.com\/de\/#website","url":"https:\/\/www.dynseo.com\/de\/","name":"Jeux de m\u00e9moire et stimulation cognitive","description":"Entra\u00eenez votre m\u00e9moire et votre cerveau avec DYNSEO","publisher":{"@id":"https:\/\/www.dynseo.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.dynseo.com\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.dynseo.com\/de\/#organization","name":"DYNSEO","url":"https:\/\/www.dynseo.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.dynseo.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2022\/05\/logo-dynseo-new.png","contentUrl":"https:\/\/www.dynseo.com\/wp-content\/uploads\/2022\/05\/logo-dynseo-new.png","width":5073,"height":1397,"caption":"DYNSEO"},"image":{"@id":"https:\/\/www.dynseo.com\/de\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/www.dynseo.com\/de\/#\/schema\/person\/78ef63df2ee64e0989bc68f8401b38d6","name":"DYNSEO","url":"https:\/\/www.dynseo.com\/de\/author\/justine\/"}]}},"_links":{"self":[{"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/posts\/617365","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/comments?post=617365"}],"version-history":[{"count":6,"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/posts\/617365\/revisions"}],"predecessor-version":[{"id":617371,"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/posts\/617365\/revisions\/617371"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/media\/412655"}],"wp:attachment":[{"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/media?parent=617365"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/categories?post=617365"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dynseo.com\/de\/wp-json\/wp\/v2\/tags?post=617365"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}