Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

KI-gestützte Erkennung epidemiologischer Verzerrungen in Beobachtungsstudien

Etminan M et al. · J Eval Clin Pract · erschienen Sept. 2026 · in PubMed seit 10.09.2026 · PMID 42720525

Von KI ausgewählt und zusammengefasst

Worum es geht

Framework EpiVise zur automatisierten Identifikation von Bias in pharmacoepidemiologischen Studien wurde gegen Bewertungen von zwei Expert-Epidemiologen validiert.

Ergebnis

Bei 10 publizierten Studien (60 Bewertungen) zeigte EpiVise substantielle Übereinstimmung mit Experten (gewichtetes κ = 0,75, 95 % KI 0,63–0,87). Bei 10 synthetischen Szenarien (50 Bewertungen) κ = 0,72 (95 % KI 0,61–0,83). 80% der Bewertungen waren konkordant.

Übertragbarkeit auf Deutschland

Kanada und USA, methodik-orientiert, Verzerrungserkennung nicht systemabhängig

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.