---
title: "Crowdhealth und Pandemien wie COVID-19"
language: "de"
type: "post"
original_url: "https://www.atlas-digitale-gesundheitswirtschaft.de/blog/2020/04/01/crowdhealth-und-pandemien/"
human_version: "../../../../../1/blog/2020/04/01/crowdhealth-und-pandemien/"
date: "2020-04-01"
section: "Review-Artikel"
categories: ["Big Data", "Forschung", "Public Health", "Social Media Daten"]
author: "Claudia Neumann"
reading_time: "8 Min."
description: "Kann Crowdhealth unser Gesundheitssystem dabei unterstützen, sich auf die hochkomplexe Situation während Pandemien wie COVID-19 vorzubereiten?"
publisher: "Lehrstuhl für Management und Innovation im Gesundheitswesen, Universität Witten/Herdecke"
---

# Crowdhealth und Pandemien wie COVID-19

*01.04.2020 · Review-Artikel · Von Claudia Neumann*

Review-Artikel

Die Corona Pandemie stellt die Welt aktuell vor eine besondere Herausforderung: Ein neuartiges Virus, gegen das derzeit weder Impfstoffe noch wirksame Gegenmittel existieren (1), breitet sich global aus. Es zeigen sich in einzelnen Ländern teils unterschiedliche, teils ähnlichen Übertragungs-, Erkrankungs- und Sterblichkeitsraten, je nach Vorbereitung und Maßnahmen. Mit Einstufung der Gefährdungslage als „hoch“ durch das Robert Koch Institut (2) hat COVID-19 eine hohe Bedeutung für das deutsche Gesundheitswesen.

Die Mobilität der Bevölkerung in unserer global vernetzten Welt verstärkt die Ausbreitung der Pandemie. Gleichzeitig birgt sie Potenziale: Experten vieler Nationen arbeiten zusammen, tauschen ihre Erkenntnisse aus und treiben gemeinsam den Wissensstand zu diesem neuartigen Erreger voran. Ein klassischer Fall von Crowdsourcing. – Kann eine digitale Erweiterung des althergebrachten Crowdsourcing-Ansatzes – Crowdhealth – dazu beitragen, die Oberhand über COVID-19 zu behalten?

#### Crowdhealth – Kollektives Wissen über unsere Gesundheit

Crowdsourcing im Allgemeinen bedient sich des kollektiven Wissens vieler, um gemeinsam Aufgaben auszuführen oder Probleme zu lösen (3, 4). Sowohl Experten als auch Laien können zur Wissensgewinnung beitragen (3). In Medizin und Gesundheitswesen gehören Fallbesprechungen, Expertenkonsultationen und morgendliche Visiten zur langen Tradition der kollektiven Intelligenz (3, 4). Durch die Möglichkeiten der Digitalisierung kann Crowdhealth das Expertenwissen mit Daten aus heterogenen digitalen Quellen verbinden. Ein denkbares Konzept von Crowdhealth richtet sich darauf aus, mit solchen Daten eine erweiterte, ganzheitliche elektronische Gesundheitsakte, den „Holistic Health Record“ (HHR), zu realisieren (5). Auch Daten aus der öffentlichen Gesundheit, Demografie, dem Sozialwesen und Sozialen Medien, der sozialen und ökonomischen Umgebung, aus Selbstvermessung (Tracker), medizinischen Apps (wie Blutdruck, Blutzucker, EKG) oder genetische Informationen können darin verknüpft werden. Eine Auswertung des entstehenden Datenpools kann mit Big Data-Technologien erfolgen (5).

#### Wie kann Crowdhealth aktuell helfen?

Entscheidungsträger in Gesundheitspolitik und Gesundheitswesen haben in der jetzigen Lage einen extrem hohen Informationsbedarf. Vor allem die stationäre Versorgung und Pflege müssen sich in kürzester Zeit auf eine hochkomplexe Situation mit vielen unbekannten Determinanten einstellen. Kenntnisse aus Echtzeit-Datenquellen in Verknüpfung mit Gesundheitsdaten, wie es ein Crowdhealth Ansatz erlaubt, könnten dabei unterstützen. Während des MERS Ausbruchs 2015 in Südkorea hat sich beispielsweise in doppelter Hinsicht die wichtige Rolle sozialer Medien gezeigt: Sie unterstützen den Informationsfluss und Wissensgewinn unter den Individuen (Mikroebene). Gleichzeitig eröffnen sie den Gesundheitsinstitutionen (Mesoebene) und ihren Entscheidungsträgern wichtige Erkenntnisse über die Besorgnisse, den Informationsstand und die Risikowahrnehmung der Öffentlichkeit. Auf deren Basis können die Gesundheitsinstitutionen mit angemessenen Maßnahmen reagieren (6).

Grafik: Crowdhealth, Quelle: Eigene Darstellung

![Crowdhealth](https://www.atlas-digitale-gesundheitswirtschaft.de/1/assets/bilder/wp-content/uploads/2020/04/Crowdhealth_sketch.png)

Neben einer globalen Vernetzung der Kommunikation von Bürgern und Experten ermöglicht digitales Crowdsourcing von Gesundheitswissen eine Anreicherung der Gesundheitsdaten aus der Bevölkerung mit Kontextinformationen aus vielen gesundheitsrelevanten Datenbeständen. Big Data Technologien führen von einer bloßen Informationssammlung heterogener Daten zu „Erkenntnisprozessen“ (5, 7). Ein Crowdhealth-Ansatz kann daher in Krisen wie der Corona-Pandemie die vielen Variablen der Sachlage dynamisch mit relevanten Daten hinterlegen und dabei helfen, mögliche Determinanten der Erkrankung zu erkennen. Entscheidungsträger in Politik und Gesundheitswesen können mit den resultierenden Modellen die Lage schneller einschätzen und angemessene Maßnahmen für Schutz und Versorgung der Menschen in ihrem Verantwortungsbereich treffen.

#### Chancen und Hindernisse für Crowdhealth

Im konkreten Beispiel von COVID-19 kann mithilfe digitaler Technologien das Wissen aus Erstkontakt-Gebieten, Best Practices aus besonders gut reagierenden Gebieten sowie Probleme der Krisengebiete früh disseminiert werden. Dies ermöglicht eine bessere Vorbereitung der Gebiete, in die die Erkrankung erst später vordringt (8). Ein besonderer Vorteil des Einbindens heterogener real-time Daten in Crowdhealth Lösungen wäre eine Minimierung des Zeitverzugs evidenzbasierten Wissens aus Studien bzw. wissenschaftlichen Quellen. Im aktuellen Fall der Pandemie befähigt dies die Entscheider, gut informiert und schnell zu handeln. Eine Relevanz solcher Wissensbasen besteht auch über die aktuelle Lage hinaus, um sie – ähnlich wie heute die Erfahrungen aus SARS und MERS – in zukünftige Szenarien einzubeziehen.

Gleichzeitig ist festzulegen, welche Daten in den Gesundheits-Wissenspool gehören oder mit ihm zu verknüpfen sind: Einige Länder nutzten im Zusammenhang der Corona-Pandemie Videoüberwachungsdaten, Kreditkartendaten und Bewegungsprofile, um Infizierte oder Kontaktpersonen zu identifizieren oder die Compliance mit Ausgangssperren zu überwachen (7). – In Deutschland genießen biometrische, genetische und personenbezogene Gesundheitsdaten hohes Schutzniveau (9). Zugleich ist jedoch der Vorrang lebenswichtiger Interessen der Betroffenen oder einer anderen natürlichen Person vor der Schutzwürdigkeit der Daten festgelegt (9). Mit der sehr hohen Datendichte einer HHR-Wissensbasis wäre eine weitreichende – auch persönliche – Profilbildung möglich. Sie kann im Krisenfall Leben retten, aber auch zu Missbrauch führen. Geeignete Maßnahmen müssen daher diesem ethischen Dilemma entgegenstehen.

#### Fazit

Evidenzbasiertes Wissen aus Studien und anderen wissenschaftlichen Quellen hat generell einen Zeitverzug. Eine Verknüpfung von Patientendaten mit einander und mit weiteren räumlichen, sozialen und persönlichen Daten erlaubt im Falle einer globalen Gesundheitskrise, Entscheidungen und Prognosen auf vieldimensionalen (nahezu) Echtzeit-Informationen zu begründen. Sie sind im Ergebnis aus der „Weisheit der Vielen“ zu erwarten. Daten aus elektronischen holistischen Gesundheitsakten könnten daher in Krisenfällen wie der COVID-19 Pandemie weitreichende Einsichten und Voraussagen ermöglichen. Diese sind essenziell für Entscheidungsträger im Gesundheitswesen, um frühzeitig die richtigen Maßnahmen zu planen und auf diese Weise Leben zu retten.

Wir stehen heute erst am Anfang der Entwicklung holistischer Gesundheitsdatenbanken. Sie werden ein mächtiges Werkzeug in der Planung und Führung des öffentlichen Gesundheitswesens sein (5). Lokale oder Landes-Projekte, die ähnliche Vernetzungen aus heterogenen Datenquellen ermöglichen, könnten Wegbereiter für einen Holistischen Health Record sein und damit die Gesundheitswirtschaft der Region für die Zukunft gut aufstellen. Ethische Überlegungen sind beim Aufbau solcher Werkzeuge der Entscheidungsunterstützung von Bedeutung. Es empfiehlt sich daher, die weitreichenden Auswirkungen der technisch möglichen Verknüpfungen von Wissensclustern zu erforschen und den Umgang mit ihnen in Ethik-Komitees zu entscheiden (3).

<a id="expandable-block--6aac4b9618efb"></a>

Quellen

1. Organization WH. Q&A on coronaviruses (COVID-19)-Treatment: WHO; 2020.

zum Original

2. Robert Koch Institut D. Coronavirus SARS-CoV-2 – Risikobewertung zu COVID-19 2020. [zum Original](https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Risikobewertung.html)

3. Wazny K. Applications of crowdsourcing in health: an overview. Journal of global health. 2018;8(1). [zum Original](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5840433/)

4. Radcliffe K, Lyson HC, Barr-Walker J, Sarkar U. Collective intelligence in medical decisionmaking: a systematic scoping review. BMC Medical Informatics and Decision Making. 2019. [zum Original](https://doi.org/10.1186/s12911-019-0882-0)

5. Kyriazis D, Autexier S, Brondino I, Boniface M, Donat L, Engen V, et al. Crowdhealth: Holistic health records and big data analytics for health policy making and personalized health. Informatics Empowers Healthcare Transformation. 2017;238:19. [zum Original](https://www.researchgate.net/publication/318340234_CrowdHEALTH_Holistic_Health_Records_and_Big_Data_Analytics_for_Health_Policy_Making_and_Personalized_Health)

6. Choi D-H, Yoo W, Noh G-Y, Park K. The impact of social media on risk perceptions during the MERS outbreak in South Korea. Computers in Human Behavior. 2017;72:422-31. [zum Original](https://www.sciencedirect.com/science/article/pii/S074756321730153X)

7. Liu JMD. Deployment of Health IT in China’s Fight Against the COVID-19 Epidemic: ITN – Imaging technology News; 2020. [zum Original](https://www.itnonline.com/article/deployment-health-it-china%E2%80%99s-fight-against-covid-19-epidemic)

8. Organization WH. WHO Director-General’s opening remarks at the Mission briefing on COVID-19 2020. [zum Original](https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Steckbrief.html#doc13776792bodyText1)

9. DSGVO E. Art. 9 – EU-DSGVO – Verarbeitung besonderer Kategorien personenbezogener Daten. 2016. [zum Original](https://dsgvo-gesetz.de/art-9-dsgvo/)





#### Verwandte Artikel

- [Alltag mit Gesundheits-Apps – Wie autonom sind Patienten?](../../../2019/12/02/alltag-mit-gesundheits-apps.md)
- [Blockchain-Technologie: Diabetes-Datenmanagement der Zukunft?](../03/blockchain-technologie.md)
- [Digital Divide – wo tut sich der Abgrund auf?](../../02/21/digital-divide.md)


**Kategorien:** Big Data, Forschung, Public Health, Social Media Daten

## Bilder auf dieser Seite

- Crowdhealth: ../../../../../1/assets/bilder/wp-content/uploads/2020/04/Crowdhealth_sketch.png
- shutterstock_523262311-1320x792.jpg: ../../../../../1/assets/bilder/wp-content/uploads/2022/05/shutterstock_523262311-1320x792.jpg

---
Diese Seite ist für KI-Systeme optimiert. Version für Menschen: [Crowdhealth und Pandemien wie COVID-19](../../../../../1/blog/2020/04/01/crowdhealth-und-pandemien/)
