MétaCan
Menu
Back to cohort
Record W4416675967 · doi:10.1055/s-0043-1762718

Eignung des Infektionsschutzgesetz für die Umsetzung eines wirkungsorientierten Infektionsschutzes: Ergebnisse einer qualitativen Befragung von Expert*innen aus Gesundheitsämtern

2023· article· de· W4416675967 on OpenAlexaboutno aff
N. Oster, David Häske, P. Schäfer, Stefanie Joos

Bibliographic record

VenueDas Gesundheitswesen · 2023
Typearticle
Languagede
FieldHealth Professions
TopicHealth and Medical Studies
Canadian institutionsnot available
Fundersnot available
KeywordsQuarter (Canadian coin)Government (linguistics)Public health

Abstract

fetched live from OpenAlex

Hintergrund Aufgabe der Gesundheitsämter ist, große Teile des Infektionsschutzgesetzes (IfSG) umzusetzen mit dem Zweck der frühzeitigen Erkennung, Verhütung und Bekämpfung von übertragbaren Krankheiten. Wie gut es Gesundheitsämtern gelingt, anhand des IfSG wirkungsorientiert vor Infektionen zu schützen, wurde bislang nicht systematisch untersucht. Ziele Ziel des vorliegenden Teilprojektes der IfSG-CHECK-Studie ist es, Erfahrungen und Meinungen von IfSG-Expert*innen aus Gesundheitsämtern zur Eignung des IfSG im Hinblick auf die Erfüllung seines Zweckes zu erheben. Methoden Die Auswahl von IfSG-Expert*innen erfolgte anhand einschlägiger Publikationstätigkeit, Gremienarbeit oder Facharztqualifikation. Es wurden eine Fokusgruppendiskussion mit n=4 Teilnehmenden und qualitative Interviews (n=3) zu individuellen Kritikpunkte am IfSG (offener Teil) sowie zu Haltung zu vorgegebenen Thesen zu Rechts- und Handlungssicherheit, Wissenschaftlichkeit, Wirkungsorientierung, Verständlichkeit, Aufgabenpriorisierung und Methoden im IfSG geführt (thesengeleiteter Teil). Die Auswertung erfolgte induktiv-deduktiv mittels qualitativer Inhaltsanalyse nach Kuckartz. Ergebnisse Im Vordergrund des offenen Teils standen Forderungen nach mehr Beteiligung der Gesundheitsämter bei IfSG-Änderungen, nach einer Evaluation des IfSG und nach mehr Rechts- und Handlungssicherheit. Positiv bewertet wurde, dass das IfSG existiert und anpassungsfähig ist, sowie dass vermehrt die Wichtigkeit einheitlicher Daten und Regelungen erkannt wird. Negative Kritikpunkte im offenen Teil waren der große Gesetzesumfang, Kurzlebigkeit und mangelnde medizinische Nachvollziehbarkeit neuerer Vorgaben, unzureichende Berücksichtigung der Pflegeeinrichtungen, teils unrealistische Meldepflichten und die einrichtungsbezogene Impfpflicht sowie ein weitgehend unidirektionaler Datenfluss aus den Gesundheitsämtern zum RKI. Im thesengeleiteten Teil wurde folgenden Thesen überwiegend zugestimmt: Das IfSG sei schwer verständlich und nicht ausreichend wirkungsorientiert. Kontrovers diskutiert wurden: Das IfSG priorisiere Ermittlung und Erfassung von Infektionskrankheiten vor deren Bekämpfung und berücksichtige nicht ausreichend den aktuellen Stand der Wissenschaft sowie Methoden wie Gesundheitsplanung und Gesundheitsförderung. Es wurde formuliert, dass die strukturellen Voraussetzungen einen Infektionsschutz, wie ihn das IfSG vorsehe, nahezu unmöglich machten. Fazit Anliegen der Expert*innen betrafen überwiegend strukturelle Forderungen: Die Evaluation des IfSG, mehr Partizipation der Gesundheitsämter bei Änderungen sowie mehr Rechts- und Handlungssicherheit waren hier führend. Zweifel wurden an der Wirkungsorientierung und Verständlichkeit des IfSG geäußert. Limitationen der Studie ergeben sich aus einer möglicherweise nicht ausreichenden Sättigung der Daten. Die Ergebnisse bzw. die daraus abgeleiteten Hypothesen sollen als Basis zur Entwicklung eines Fragebogens genutzt werden, der im Rahmen einer Befragung von Infektionsschutzmitarbeitenden aller Gesundheitsämter eingesetzt werden soll. Publication History Article published online: 08 March 2023 © 2023. Thieme. All rights reserved. Georg Thieme Verlag Rüdigerstraße 14, 70469 Stuttgart, Germany

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.071
metaresearch head score (Gemma)0.132
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.071
Threshold uncertainty score0.377

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0710.132
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.002
Science and technology studies0.0030.004
Scholarly communication0.0050.003
Open science0.0010.005
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0070.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.124
GPT teacher head0.504
Teacher spread0.380 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractno

Explore more

Same venueDas GesundheitswesenSame topicHealth and Medical StudiesFrench-language works237,207