Ein Scoping-Review zur Nutzung von Real-World-Daten zur Bewertung der Wirksamkeit von mHealth-Anwendungen

Warum Ihre Gesundheits-Apps über Ihr Telefon hinaus wichtig sind

Viele von uns protokollieren inzwischen Stimmung, Schlaf, Schritte oder Blutzucker in Gesundheits-Apps – aber was passiert mit all diesen Informationen? Dieser Artikel untersucht, wie reale, im Alltag entstehende Daten aus mobilen Gesundheitsanwendungen (mHealth) genutzt werden, um zu beurteilen, ob diese Tools Menschen im täglichen Leben tatsächlich helfen. Statt sich allein auf traditionelle klinische Studien zu stützen, betrachten die Autorinnen und Autoren Studien, die auf Daten zurückgreifen, die Apps auf natürliche Weise erfassen, während Menschen sie zu Hause, bei der Arbeit und unterwegs verwenden.

Was die Forschenden herausfinden wollten

Die Autorinnen und Autoren führten ein Scoping-Review durch, eine Art breit angelegte Kartierung, um zu sehen, wie Real-World-Daten aus Gesundheits-Apps aktuell in der publizierten Forschung verwendet werden. Sie konzentrierten sich auf patientenorientierte Apps, die Menschen eigenständig nutzen, um Gesundheit zu managen, Erkrankungen zu verfolgen oder Verhaltensänderungen zu unterstützen. Entscheidend war, dass nur Studien einbezogen wurden, die „natürlich entstehende“ Daten nutzten – Informationen, die durch normale App-Funktionen oder routinemäßige Gesundheitsaufzeichnungen erfasst wurden, nicht ergänzende Fragebögen oder speziell für eine Studie hinzugefügte Werkzeuge. Diese Daten ordneten sie drei einfachen Typen zu: Informationen, die Personen in eine App eintippen, automatisch von Geräten wie Sensoren oder Wearables aufgezeichnete Daten und Informationen aus Gesundheitssystemen wie elektronische Gesundheitsakten oder Versicherungsabrechnungen.

Wo Gesundheits-Apps auf die Probe gestellt werden

Aus über zehntausend Artikeln identifizierte das Team 72 Studien, die ihre Kriterien erfüllten, und die 61 verschiedene Apps abdeckten. Die meisten dieser Apps richteten sich an psychische Gesundheitsprobleme wie Depression oder Schlaflosigkeit oder an metabolische Probleme wie Diabetes und Gewichtsmanagement. Viele der Apps fungieren in der Praxis als medizinische Instrumente und unterstützen Behandlungsentscheidungen oder den Alltag, auch wenn ihr offizieller regulatorischer Status nicht immer klar angegeben wurde. Mental-Health-Apps stützten sich tendenziell stark auf von Nutzern eingegebene Angaben zu Stimmung, Schlaf oder Symptomen, während metabolische Apps häufiger auf angeschlossene Geräte wie Glukosemessgeräte oder smarte Waagen zurückgriffen, die Messwerte automatisch aufzeichnen.

Welche Art von Daten diese Apps tatsächlich verwenden

Das Review ergab, dass die meisten Studien auf aktiv eingegebene Informationen setzten, etwa Symptomfragebögen innerhalb der App, während passive Daten aus Sensoren oder Gesundheitssystemen seltener intensiv genutzt wurden. Etwa sieben von zehn Studien verwendeten nutzereingetragene Daten, oft Scores zu Schmerz, Stimmung oder Schlaf. Rund ein Viertel nutzte gerätegenerierte Daten, und nur ein kleiner Bruchteil verknüpfte Daten aus medizinischen Unterlagen oder Versicherungsabrechnungen. Viele Apps sammelten Informationen kontinuierlich oder zumindest sehr häufig, doch die Art und Weise, wie Forschende diesen reichen Datenstrom analysierten, war oft überraschend begrenzt. Nur wenige Studien kombinierten mehrere Datenquellen – zum Beispiel Selbstberichte zum Wohlbefinden mit Sensordaten –, obwohl solche Kombinationen ein umfassenderes und zuverlässigeres Bild der Gesundheit liefern könnten.

Wie belastbar sind die bisherigen Belege?

Bei der Betrachtung des Studiendesigns stellten die Autorinnen und Autoren fest, dass die meisten Studien relativ einfache Vorher-Nachher-Vergleiche innerhalb einer einzigen Nutzergruppe durchführten, ohne Kontrollgruppe zum Vergleich. Nur eine kleine Anzahl nutzte anspruchsvollere Ansätze, etwa den Vergleich von App-Nutzern mit ähnlichen Nicht-Nutzern oder pragmatische randomisierte Studien, die eher dem realen Versorgungsalltag entsprechen. Folglich können viele aktuelle Studien zeigen, dass sich Symptome während der App-Nutzung verändert haben, doch sie können nicht mit Zuversicht behaupten, dass die App selbst diese Veränderungen verursacht hat. Die Studiengrößen variierten stark – von einigen Dutzend bis zu Hunderttausenden Teilnehmenden – und Nachbeobachtungszeiträume dauerten oft nur wenige Monate, sodass langfristige Effekte weiterhin schlecht verstanden sind.

Was das für Patientinnen und Patienten und die künftige digitale Versorgung bedeutet

Insgesamt zeichnet das Review ein Bild großer Versprechungen, aber noch unvollendeter Arbeit. Gesundheits-Apps sind eindeutig in der Lage, große Mengen realer Informationen darüber zu erfassen, wie Menschen sich fühlen und funktionieren, und diese Daten könnten laufende, flexible Bewertungen der Leistungsfähigkeit digitaler Tools nach der Markteinführung unterstützen. Bislang nutzen die meisten publizierten Studien dieses Potenzial jedoch nur teilweise: Sie stützen sich stark auf Selbstberichte, verwenden eingeschränkte Studiendesigns und verknüpfen selten App-Daten mit klinischen Aufzeichnungen. Um Klinikerinnen und Klinikern, Regulierungsbehörden und Patientinnen und Patienten mehr Vertrauen zu geben, müssen künftige Bewertungen verschiedene Arten von Real-World-Daten zusammenführen, Personen länger verfolgen und bessere Vergleichsmethoden einsetzen. Gut gemacht könnte dies die alltägliche App-Nutzung in einen starken Motor für Erkenntnisse darüber verwandeln, was in der digitalen Gesundheitsversorgung wirklich wirkt.

Zitation: Gehder, S., Brückner, S., Gilbert, S. et al. A scoping review on using real-world data to evaluate the effectiveness of mHealth applications. npj Digit. Med. 9, 309 (2026). https://doi.org/10.1038/s41746-026-02562-0

Schlüsselwörter: Mobile-Health-Apps, Real-World-Daten, Digital Therapeutics, Gesundheitsdatenforschung, evidenzbasierte mHealth