Dokumentart(en): Sammelwerksbeitrag Forschungsergebnis Online-Publikation
Titel der Veröffentlichung: Vorhersage von Rehabilitationsbedarf auf Basis von Krankenkassendaten: Vergleich verschiedener Verfahren aus Statistik und Machine Learning

Hintergrund und Zielstellung

Wenn medizinische Rehabilitationsleistungen zu spät oder gar nicht in Anspruch genommen werden, können ungünstige Krankheitsverläufe resultieren. Eine erfolgreiche Rehabilitation hingegen hat positive Auswirkungen auf den Gesundheitszustand (Nübling et al., 2019) und senkt das Risiko für Erwerbsminderungsrente (Dannenmaier et al., 2020).

Daher soll im rehapro-Projekt „Zugangsoptimierte Arbeitsfähigkeitsorientierte Rehabilitation“ (ZAR) untersucht werden, wie Rehabilitationsbedarf anhand von Sozialversicherungsdaten erkannt werden kann, um Betroffenen frühzeitig eine Rehabilitationsmaßnahme anbieten zu können (Kaluscha et al., 2016). Zielgruppe sind zunächst Versicherte mit chronischen Rückenschmerzen, deren Gesundheit so verbessert und deren Verbleib im Arbeitsleben gefördert werden soll.

Take-Home-Message

Komplexe Machine Learning Algorithmen sind kein Allheilmittel - gerade in einem Setting wie dem hier vorgestellten, in dem Transparenz und Nachvollziehbarkeit der Entscheidungen eine Schlüsselrolle spielen, kann es zielführender sein, „einfachere“ Algorithmen einzusetzen und auf komplexe „Black-Box-Modelle“ zu verzichten.