Gesundheitsökonomische Kennzahlen

Thema 52 von 91· HTA-Rahmenwerke und Präventionsökonomie

NICE-Evidenzstandards-Rahmenwerk (ESF)

Das ESF ist NICEs Rahmenwerk, das festlegt, wie viel Evidenz eine digitale Gesundheitstechnologie braucht, verhältnismäßig zu ihrem Risiko. Es ist das Nächste an einer offiziellen Antwort auf "was müssen wir beweisen, bevor der NHS unsere App kauft?"

Warum es wichtig ist

Das ESF (erstmals 2019 veröffentlicht, 2022 aktualisiert, um KI und adaptive Algorithmen abzudecken) klassifiziert digitale Gesundheitstechnologien nach klinischer Funktion in Stufen, mit kumulativen Evidenzstandards — 21 Standards über 5 Gruppen (Designfaktoren, Wert, Leistung/Wirksamkeit, ökonomische Wirkung, Einsatz):

Stufe A — Systemdienste, kein direktes Patientenergebnis (z. B. E-Rostering)
         → Basisstandards: Glaubwürdigkeit, Datenschutz, technische Absicherung
Stufe B — informieren, einfache Überwachung, Kommunikation (z. B. Symptomtagebuch)
         → + Evidenz für Nutzernutzen, angemessene Zuverlässigkeit
Stufe C — behandeln, diagnostizieren oder aktiv das klinische Management leiten
         → + hochwertige vergleichende Wirksamkeitsevidenz (idealerweise RCT)
           und ökonomische Analyse

Für ökonomische Evidenz ist die Kosten-Konsequenzen-Analyse für die meisten Stufen akzeptabel; die Kosten-Nutzwert-Analyse wird beim höchsten Risiko erwartet. Das ESF definiert Ihre Evidenzkosten des Markteintritts — dafür budgetieren wie für jede andere Baukosten.

Die Mathematik

Keine Formeln — eine Entscheidungstabelle. Die operative Rechnung ist kommerziell:

Erforderliche Evidenzinvestition = f(Stufe)
  Stufe A: Dokumentation + Absicherung ≈ 10.000–50.000 £
  Stufe B: beobachtende/vergleichende Nutzenstudie ≈ 50.000–250.000 £
  Stufe C: vergleichende Studie in RCT-Qualität + ökonomisches Modell
           ≈ 250.000 £–2 Mio. £+

Die Behauptungen des eigenen Produkts bewusst positionieren: "unterstützt
klinische Entscheidungen" statt "informiert Patienten" zu behaupten,
verschiebt eine Stufe nach oben und kann die Rechnung verzehnfachen.

Durchgerechnetes Beispiel

Ein Hersteller einer Medikamentenerinnerungs-App erwägt, eine Funktion zur Dosisanpassungsempfehlung hinzuzufügen.

  • Als Erinnerungs-App: Stufe B — eine Kohortenstudie, die eine Verbesserung der Adhärenz zeigt, genügt.
  • Mit Dosisempfehlungen: Stufe C — vergleichende Wirksamkeitsevidenz (wahrscheinlich ein RCT gegen übliche Versorgung) plus ökonomische Analyse.

Kostet das RCT 600.000 £ und der inkrementelle Umsatz der Dosisfunktion 200.000 £/Jahr, muss die Funktion 3+ Jahre lang Wert halten, bevor sich die Evidenzkosten amortisieren — eine Produktentscheidung, die völlig anders aussieht, sobald die ESF-Stufe eingepreist ist. Viele Teams liefern das Stufe-B-Produkt aus und stellen die Stufe-C-Behauptung hinter Finanzierung zurück.

Bezug zur Softwareentwicklung

Das ESF ist das übertragbarste Governance-Muster in diesem Repository: risikogestufte Evidenzanforderungen für die Einführung von Tools. Interne Version: Ein Code-Formatierer braucht eine Demo (Stufe A); ein Produktivitätstool, das gesparte Stunden behauptet, braucht einen gemessenen Piloten (Stufe B); ein KI-Gate, das Deployments automatisch blockiert oder klinischen Code automatisch schreibt, braucht Evidenz in kontrollierter-Studien-Qualität vor dem organisationsweiten Rollout (Stufe C). Verhältnismäßige Evidenz stoppt beide Fehlermodi — Bürokratie, die triviale Tools erdrosselt, und Bauchgefühl, das folgenreiche Tools ausliefert. Siehe auch Deutschlands DiGA-Schnellverfahren für das ergänzende Muster "vorläufige Einführung mit Evidenzfrist".

Fallstricke

  • Stufen-Fehlklassifizierung durch Wunschdenken — Regulierer und Käufer klassifizieren nach dem, was das Produkt tut, nicht danach, was das Marketing sagt.
  • Evidenz nachträglich zum Produkt gebaut: ein RCT nachträglich auf ein ausgeliefertes Produkt aufzusetzen, ohne Instrumentierung oder Equipoise, ist langsam und oft unmöglich.
  • Das ESF erfüllen und den Rest vergessen: Das ESF steht neben DTAC (klinische Sicherheit, Datenschutz, Interoperabilität) und, für KI, regulatorischer Zulassung — siehe Regulatorische KI-Evaluation.

Quellen