Optimierung der Medikation in der Schwangerschaft
Das Ziel des Projektes ist es, anhand von Schweizer Krankenkassendaten Therapieunterbrechungen zu identifizieren und die Wirkung eines digitalen evidenz-basierten Tools (MAMA-MEDS) zur Therapieverbesserung in der Schwangerschaft zu untersuchen.
Projektbeschreibung
Im Fokus stehen schwangere Frauen mit chronischen Erkrankungen und die Optimierung ihrer Medikation. Obwohl eine fortlaufende Behandlung wichtig ist, unterbrechen viele Schwangere aufgrund von überschätzten Risiken ihre Therapie. Wir identifizieren die häufigsten unnötigen Therapieumstellungen/-abbrüche und untersuchen in einer randomisierten Studie, inwiefern die digitale Plattform MAMA-MEDS, die evidenzbasierte Informationen zur Arzneimittelsicherheit bietet, solche unnötigen Umstellungen verringert und die Entscheidungsfindung verbessert.
Forschungsziel
Das Projekt soll die sichere und wirksame Medikation während der Schwangerschaft verbessern, mittels evidenzbasierter Versorgung und der Reduktion von unnötigen Therapieumstellungen. Durch die Analyse von Schweizer Krankenkassendaten identifizieren wir unnötige Therapieumstellungen bei chronischen Erkrankungen wie Asthma und Diabetes während der Schwangerschaft. Eine digitale Plattform, die evidenzbasierte Informationen zur Arzneimittelsicherheit bietet, soll dann Gesundheitsversorger und Schwangere befähigen, fundierte Entscheidungen zu treffen.
Zweck
Das Projekt fokussiert auf die Versorgung von Schwangeren mit chronischen Erkrankungen, bei denen Angst und fehlende Evidenz oft zu unnötigen Therapieumstellungen führen und Mutter und Kind gefährden. Evidenzbasierte Medikationsleitlinien sollen fundierte Entscheidungen ermöglichen und den Zugang zu wirksamen Therapien verbessern. Zudem schafft es die Basis für eine bessere Nutzung von Schweizer Krankenkassendaten und fördert die Public-Health-Forschung und die klinische Praxis für Schwangere mit chronischen Krankheiten.
Originaltitel
MEDS4MAMA - Optimisation of pharmacotherapy in pregnancy: from a popu-lation study approach to an evidence-based decision tool