Muster praxisbericht

Wir betrachten kurz die potenziellen Ziele der Modellierung, wenn sie in Verbindung mit systematischen Überprüfungen durchgeführt wird.39-53 Was uns jedoch klar wird, ist, dass die Einbettung eines neuen Modells ein herausfordernder Prozess ist. Es ist keine schnelle Lösung! Aber wir haben erhebliche Unterschiede in der Art und Weise gefunden, wie gut einige Modelle implementiert werden. Der Name des Modells sagt Ihnen nicht, was es ist oder was es tut – das gleiche benannte Modell kann ganz unterschiedlich an verschiedenen Orten implementiert werden. Es ist wichtig, dass führende Politiker wissen, was sie zu erreichen versuchen und wie Erfolg aussieht. Derselbe Ansatz ist nicht unbedingt für jeden lokalen Bereich richtig. Ich glaube, es gibt bestimmte Zutaten in verschiedenen Praxismodellen, die es ihnen ermöglichen, effektiver zu sein. Ein Praxismodell ist am effektivsten, wenn das Ethos der lokalen Gebietskörperschaften klar ist und den Ansatz untermauert. Ein Modell ist eine vereinfachte Darstellung ausgewählter Aspekte der Realität. Es gibt physikalische (z.B. einen verkleinerten Flugzeugflügel, der in einem Windkanal getestet wurde), analoge (z.B. ein DNA-Molekül ist wie eine Treppe) oder theoretische (formale) Modelle (z.B. eine mathematische Beschreibung des Luftstroms um einen Flugzeugflügel).18,19 Modelle, die in Verbindung mit systematischen Überprüfungen erstellt werden können, sind ausschließlich theoretisch. Ausgangspunkt für die meisten theoretischen Modelle ist ein konzeptionelles Modell, eine vereinfachte natürliche Sprache oder eine bildliche Darstellung der Realität.

Ein solides konzeptionelles Modell ist Voraussetzung für die Entwicklung mathematischer (quantitativer) Modelle. Die analytischen Rahmenbedingungen, die als Richtschnur für die Durchführung systematischer Überprüfungen dienen, die von den EPK erstellt werden, können die Grundlage für konzeptionelle Modelle bilden, die den zugrunde liegenden Entscheidungs- oder Pflegeprozess darstellen; Zum Beispiel ähneln analytische Frameworks20-24 oft dem Kern von Entscheidungsbäumen oder Einflussdiagrammen.25,26 Hintergrundinformationen zu analytischen Frameworks finden Sie an anderer Stelle im Methodenleitfaden für Vergleichende Wirksamkeitsüberprüfungen.27,28 Die Entwicklung von Modellen, insbesondere Modellen, die verwendet werden können, um komplexe Phänomene zu verstehen und schwierige Entscheidungen zu treffen, ist ein anspruchsvoller Prozess. Die Wahl zwischen alternativen Modellierungsansätzen kann schwierig sein, da die richtige Wahl nicht immer früh im Modellierungsprozess offensichtlich ist. Außerdem kann dieselbe Forschungsfrage für mehrere Modellierungsansätze mit unterschiedlichen Stärken und Schwächen zugänglich sein. Obwohl dieses Dokument und die hier zitierten Referenzen Informationen über Methoden zur Modellierung und Simulation enthalten, ist es schwierig, die Umstände zu definieren, unter denen die Modellierung die Investition von Zeit und Ressourcen wert ist, die über die für eine systematische Überprüfung erforderlichen Ressourcen hinausgehen. Im Allgemeinen ist Modellierung am nützlichsten, wenn die Forschungsfrage komplex ist, Datenquellen Einschränkungen haben (z. B. spärliche oder widersprüchliche Beweise, hohes Risiko von Verzerrungen oder Folgedauern, die kürzer sind als der Zeithorizont von Interesse), Ergebnisse komplexe Kompromisse beinhalten und Auswahlmöglichkeiten bevorzugt sind. Es sollte auch geprüft werden, ob die Modellierung wahrscheinlich zu Ergebnissen führt, die die beabsichtigte Zielgruppe der Überprüfung für glaubwürdig und nützlich hält. Die Details der Forschungsfrage, die Verfügbarkeit von Ressourcen (z. B. Analystenzeit und Erfahrung mit den zugehörigen Methoden) und die potenziellen Auswirkungen der Modellierung auf zukünftige Forschung, klinische Praxis und Gesundheitspolitik sollten ebenfalls berücksichtigt werden, wenn entschieden wird, ob sich die Modellierung lohnt.

Bewerten Sie das Risiko einer Verzerrung der verfügbaren Beweise und berücksichtigen Sie die Voreingenommenheitsquellen bei der Schätzung von Werten für Modellparameter. Modelle werden in der Regel in Bezug auf “wahre” Parameter angegeben, aber empirische Studien liefern Parameterschätzungen, die einer Verzerrung unterliegen. Daher sollten die Modelleingänge für Verzerrungen angepasst (“korrigiert”) werden. Im Allgemeinen sollten Modellierer die Verwendung unangepasster, unvollständig angepasster oder unangemessen angepasster Ergebnisse vermeiden, nur weil keine anderen Informationen verfügbar sind.371.372 Wenn die verfügbare Evidenzbasis groß ist, kann dies möglich sein, indem Informationen aus Studien ohne solche Probleme einholen.