[Förderung der mentalen Gesundheit von Medizinstudierenden: Bedürfnisse und Anforderungen an eine E-Mental-Health-Anwendung im Kontext der medizinischen Ausbildung]

Catharina Grüneberg ¹
Alexander Bäuerle ^1,2
Sophia Karanukaran ¹
Dogus Darici ³
Christoph Jansen ^1,2
Nora Dörrie ^1,2
Sven Benson ⁴
Martin Teufel ^1,2
 Anita Robitzsch <sup>1,2

1</sup> Universität Duisburg-Essen, LVR-Klinikum, Klinik für Psychosomatische Medizin und Psychotherapie, Essen, Deutschland
² Universität Duisburg-Essen, Zentrum für Translationale Neuro- und Verhaltenswissenschaften (C-TNBS), Essen, Deutschland
³ Universität Münster, Institut für Anatomie und Neurobiologie, Münster, Deutschland
⁴ Universität Duisburg-Essen, Universitätsklinikum Essen, Institut für Medizinische Ausbildung, Essen, Deutschland

Zusammenfassung

Hintergrund: Digitale Technologien werden zunehmend in die medizinische Ausbildung sowie gesundheitliche Versorgung integriert. Die Wirksamkeit von E-Mental-Health-Angeboten ist wissenschaftlich belegt und ermöglichen kosteneffiziente, benutzerfreundliche, anonyme und ortsunabhängige Unterstützung.

Zielsetzung: Ziel der vorliegenden Studie ist die Erhebung der Bedürfnisse von Medizinstudierenden im Hinblick auf die Gestaltung und Anforderungen an eine E-Mental-Health-Anwendung zur Förderung von Stressbewältigung und persönlicher Kompetenzen im Rahmen der medizinischen Ausbildung.

Methodik: Im Zeitraum von November 2022 bis Juli 2023 wurde eine Querschnittsstudie an der Universität Duisburg-Essen durchgeführt. In die finale Datenanalyse gingen N=229 Studierende ein. Die Studie umfasste standardisierte sowie eigens entwickelte Erhebungsinstrumente. Bedürfnisse und Anforderungen wurden deskriptiv ausgewertet. Eine Clusteranalyse untersuchte potenzielle Subgruppen. Unterschiede und Gemeinsamkeiten der Gruppen wurden verglichen.

Ergebnisse: Die Studierenden bevorzugten die Nutzung via Smartphone oder Tablet mit Einheiten von 10 bis 20 Minuten Dauer, in akuten Stresssituationen und bei Bedarf. Inhalte zu Selbst-/Zeitmanagement, Selbstwertgefühl/-sicherheit, Umgang mit eigener Hilflosigkeit, Lernmethoden sowie Selbstfürsorge/Resilienz wurden als besonders wichtig eingestuft. Formate wie Video-, Audio- und Downloadmaterialien sowie Kontakt zu Expert:innen wurden als hilfreich eingeschätzt. Die k-Medoids-Clusteranalyse ergab eine Gruppe mit erniedrigter und eine mit erhöhter mentaler Belastung.

Schlussfolgerung: Die Entwicklung nutzerzentrierte und bedürfnisorientierter E-Mental-Health-Apps mit Ausrichtung auf spezifische Bedürfnisse und Anforderungen der Zielgruppe kann als Grundlage für eine bedürfnisorientierte E-Mental-Health App für Medizinstudierende dienen.

---

---

1. Einleitung

1.1. Hintergrund

Digitale Technologien sind zunehmend integraler Bestandteil der medizinischen Ausbildung und der gesundheitlichen Versorgung. Sie ermöglichen eine kosteneffiziente, benutzerfreundliche, anonyme sowie ortsunabhängige Unterstützung [1], [2], [3]. Für eine hohe Nutzerakzeptanz und optimale Anwendbarkeit digitaler Gesundheitslösungen ist ein partizipativer Entwicklungsansatz, der die Bedürfnisse und Anforderungen der zukünftigen Nutzer*innen in den Mittelpunkt stellt, von zentraler Bedeutung [4], [5].

Der Bedarf an präventiven Maßnahmen für Studierende im Hochschulkontext – insbesondere im Hinblick auf Stressbewältigung – wurde in einem Gesundheitsbericht einer großen deutschen Krankenkasse aus dem Jahr 2023 hervorgehoben. Demnach leiden rund zwei Drittel der Studierenden in Deutschland unter stressbedingten gesundheitlichen Belastungen [6]. Medizinstudierende sind einem erhöhten Stressniveau ausgesetzt, einhergehend mit einer erhöhten Prävalenz von Angststörungen, depressiven Symptomen, Burnout sowie suizidalen Gedanken [7], [8], [9], [10], [11], [12]. Die Herausforderung Selbstfürsorge und mentale Gesundheitskompetenz zu fördern, wird durch eine geringe Inanspruchnahme professioneller Hilfsangebote sowie bestehende Stigmatisierung gegenüber psychischer Erkrankung im medizinischen Berufsfeld belegt [13], [14], [15], [16], [17], [18], [19], [20], [21]. Vor diesem Hintergrund sind Unterstützungsangebote zur Förderung des mentalen Wohlbefindens von Medizinstudierenden dringend erforderlich [22].

Partizipative Designansätze bieten vielversprechendes Potenzial bei der Entwicklung nutzerorientierter Lösungen, um bestehende Zugangsbarrieren zu verringern und die Anwenderzufriedenheit zu steigern [4], [23], [24]. Der Fokus auf eine nutzerorientierte Gestaltung kann zur Qualitätssteigerung von E-Health-Anwendungen beitragen, die Nutzungshäufigkeit erhöhen und Abbruchquoten signifikant reduzieren [25], [26]. Studien belegen die Notwendigkeit zielgruppenspezifische Interventionen für Studierende an Hochschulen, insbesondere Medizinstudierende, zu entwickeln [16], [27], [28]. Eine Studie aus dem Jahr 2021 beschreibt, dass Medizinstudierende evidenz-basierte internet- und mobilbasierte Interventionen (IMIs) grundsätzlich positiv bewerten und diese als potenziell wirksame Instrumente zur Stressbewältigung einschätzen [29]. Dennoch besteht ein deutlicher Mangel an systematischer Forschung, die sich gezielt mit den Bedürfnissen und Anforderungen der späteren Nutzer*innen befasst. Für die Entwicklung und Implementation maßgeschneiderter E-Mental-Health-Angebote sowie zur Evaluation partizipativer Forschungsansätze im Kontext medizinischer Ausbildung wird weitere empirische Evidenz benötigt [30], [31], [32], [33].

Die vorliegende Studie strebt an, bestehende Erkenntnisse aus der patientenzentrierten Forschung in den Bereich der medizinischen Ausbildungsforschung zu übertragen und damit eine Forschungslücke hinsichtlich der Präferenzen von Medizinstudierenden bei der Entwicklung maßgeschneiderter digitaler Gesundheitsanwendungen zu schließen.

1.2. Zielsetzung

Ziel dieser Studie ist es, die spezifischen Bedürfnisse und Anforderungen von Medizinstudierenden in Bezug auf die Gestaltung einer E-Mental-Health-Anwendung zu identifizieren. Die Anwendung soll einen Beitrag zur Stressprävention und zur Förderung personaler Kompetenzen im Rahmen der medizinischen Ausbildung leisten. Aufbauend auf bisherigen Erkenntnissen zur Akzeptanz sowie zu deren Einflussfaktoren im Hinblick auf die Entwicklung und Nutzung maßgeschneiderter E-Mental-Health-Angebote im Medizinstudium [34] wurde eine vertiefende Sekundäranalyse durchgeführt. Zur Exploration potenzieller Subgruppen innerhalb der Stichprobe wurde eine Clusteranalyse eingesetzt, um differenzierte Einblicke in individuelle Bedürfnisse und Präferenzen zu gewinnen [35], [36], [37].

Zentrale Forschungsfrage:

• Welche Bedürfnisse und Anforderungen haben Medizinstudierende hinsichtlich Gestaltung, Inhalt und Integration einer E-Mental-Health-Anwendung im Rahmen der medizinischen Lehre – insbesondere im Hinblick auf potenzielle Subgruppen differenziert nach mentaler Belastung?

2. Methoden

2.1. Studiendesign und Teilnehmende

Es wurde eine Querschnittsstudie an der Universität Duisburg-Essen (Nordrhein-Westfalen, Deutschland) im Zeitraum von November 2022 bis Juli 2023 durchgeführt. N=305 (100%) Studierende des 5. klinischen Semesters wurden im Rahmen der Lehrveranstaltung Psychosomatische Medizin zur Teilnahme an der Befragung eingeladen. Alle Studierenden waren mindestens 18 Jahre alt. Von N=245 (80.3%) teilnehmenden Studierenden konnten N=16 (6.5%) aufgrund fehlender Daten nicht in die finale Datenauswertung eingeschlossen werden. Insgesamt wurden N=229 (93.5%) Studierende in die abschließende Analyse einbezogen.

2.2. Ethische Aspekte und Berichtsstandards

Die Datenerhebung erfolgte in Übereinstimmung mit der Deklaration von Helsinki und wurde von der Ethikkommission der Medizinischen Fakultät der Universität Duisburg-Essen genehmigt (21-10196-BO). Die Berichterstattung orientierte sich an den Richtlinien zur Verbesserung der Qualität von Beobachtungsstudien in der Epidemiologie (STROBE) [38]. Für die Teilnahme wurden keine finanziellen oder anderweitigen Anreize geboten. Die Befragung war anonym und freiwillig; eine schriftliche Einwilligung wurde eingeholt.

2.3. Erhebungsinstrumente

Im Rahmen der Querschnittsstudie erfolgte eine papierbasierte Befragung unter Verwendung etablierter und selbstentwickelter Fragebögen zur Erhebung soziodemografischer Daten, Nutzung digitaler Technologien, bisheriger Erfahrungen und Einstellungen zu E-Health-Anwendungen sowie zu Bedürfnissen und Anforderungen im Hinblick auf die Entwicklung einer maßgeschneiderten E-Mental-Health-App. Daten zur mentalen Gesundheit, wie Symptome von Ängstlichkeit und Depression, wurden mithilfe validierter Messinstrumente (PHQ-2 und GAD-2) erfasst.

2.3.1. Soziodemografische Daten

Angaben zu Geschlecht, Alter und Familienstand der Teilnehmenden wurden erfasst.

2.3.2. Daten zur mentalen Gesundheit

Zur Erfassung der Ängstlichkeit und Depressivität von Medizinstudierenden wurde der Patient Health Questionnaire-4 (PHQ-4), ein validiertes und etabliertes vierteiliges Instrument, eingesetzt [39]. Die Antworten erfolgten auf einer vierstufigen Likert-Skala von 0 („nie“) bis 3 („fast täglich“). Der PHQ-4 setzt sich aus den beiden Subskalen PHQ-2 (Depressionsscreening) und GAD-2 (Angstscreening) zusammen. Der PHQ-2 untersucht depressive Symptomatik und der GAD-2 Symptome generalisierter Angststörungen über einen Zeitraum von zwei Wochen. Ein Summenwert von ≥3 auf einer der beiden Skalen gilt als Indikator für eine klinisch relevante Symptomatik [40], [41].

Zudem wurde das Belastungs- und Stressempfinden der Medizinstudierenden innerhalb der vergangenen Woche auf einer Skala von 0 („keine Belastung/Stress“) bis 10 („extreme Belastung/Stress“) gemessen. Ergänzend erfassten selbstentwickelte Fragen Informationen zum bisherigen Kontakt mit internen oder externen psychosozialen Unterstützungsangeboten.

2.3.3. Bedürfnisse und Anforderungen

Bedürfnisse und Anforderungen wurden mittels angepasster Items erfasst, die unterschiedliche Antwortformate beinhalteten (dichotome, Einzel- oder Mehrfachantworten sowie Likert-Skalen). Die Erhebung basierte auf Vorstudien und wurde durch das Forschungsteam angepasst [35], [36], [42], [43], [44]. Die Eignung verschiedener Angebotsformate wurde auf einer fünfstufigen Likert-Skala von 1 („sehr ungeeignet“) bis 5 („sehr geeignet“) bewertet. Wesentliche Merkmale hinsichtlich Inhalt und Aufbau der App wurden analysiert. Die Relevanz von neun vorgegebenen Themenbereichen wurde durch die Teilnehmenden auf einer fünfstufigen Skala von 1 („sehr unwichtig“) bis 5 („sehr wichtig“) eingeschätzt. Die Themenauswahl basierte auf aktueller Fachliteratur sowie Experteninterviews mit Fachkräften der Klinik für Psychosomatische Medizin und Psychotherapie und der Arbeitsgruppe Digitale Gesundheit des LVR-Universitätsklinikums Essen [42], [45], [46]. Zusätzlich bestand die Möglichkeit, über offene Antwortformate weitere Themenvorschläge oder Hinweise einzubringen.

2.3.4. Vorerfahrung und Nutzung digitaler Medien

Vorerfahrungen mit internetbasierten Programmen zur Gesundheitsförderung und Stressbewältigung wurden über angepasste fünfstufige Likert-Skalen erfasst (1=„stimme nicht zu“ bis 5=„stimme voll und ganz zu“), basierend auf aktueller Literatur [42], [43]. Zudem wurden Informationen über die durchschnittliche Nutzung digitaler Medien untersucht.

2.3.5. Statistische Analyse

Die statistischen Auswertungen erfolgten mit SPSS Statistics Version 26 (IBM, New York, NY, USA), RStudio Version 4.0.2 (RStudio PBC, Boston, MA, USA) sowie Microsoft Excel Version 16.86 (Microsoft). Vor Durchführung statistischer Tests wurden die jeweiligen Voraussetzungen geprüft. Das Signifikanzniveau wurde auf alpha=0.05 festgelegt. Bei multiplen Tests erfolgte eine Bonferroni-Korrektur. Es wurden deskriptive Analysen durchgeführt und Cut-off-Werte für PHQ-2 und GAD-2 berechnet. Die mentalen Gesundheitsdaten (PHQ-2, GAD-2, Belastungsscore) wurden für eine Clusteranalyse verwendet, um hypothetische Subgruppen innerhalb der Stichprobe zu identifizieren. Die k-Medoids-Clusteranalyse wurde aufgrund ihrer Robustheit gegenüber Ausreißern gewählt. Zur Prüfung der Clustertendenz und Eignung des Datensatzes wurde die Hopkins-H-Statistik herangezogen. Die optimale Anzahl an Clustern wurde mit Hilfe des Parameterpakets bestimmt [47]. Es erfolgte eine Clusteranalyse mit zwei Clustern, bei der die Kohorte in ein Cluster mit erniedrigter und ein Cluster mit erhöhter Symptombelastung unterteilt wurde. Die Gesamtgüte des Modells wurde mittels R²-Statistik bewertet und die Trennschärfe durch lineare Diskriminanzanalyse überprüft. Für Gruppenvergleiche zwischen den Clustern kam der Wilcoxon-Rangsummentest zum Einsatz. Unterschiede und Gemeinsamkeiten der Bedürfnisse und Anforderungen in Abhängigkeit von der mentalen Belastung wurden deskriptiv ausgewertet.

3. Ergebnisse

3.1. Studienpopulation

N=229 Medizinstudierende konnten in die abschließende Analyse eingeschlossen werden, mit einem Durchschnittsalter von 25.05 Jahren (SD=2.83; MIN=20, MAX=37 Jahre). Die Mehrheit war weiblich (68.6%, n=157). 39% lebten in einer Partnerschaft oder waren verheiratet.

3.2. Daten zur mentalen Gesundheit

12.2% der Medizinstudierenden berichteten über erhöhte Depressivitätssymptome mit PHQ-2 Summenscores ≥3, und 22.3% über erhöhte Ängstlichkeitssymptome mit GAD-2 Summenscores ≥3. Eine detaillierte Beschreibung der psychischen Gesundheitsdaten findet sich in Tabelle 1 [Tab. 1].

60.70% (N=139) gaben an, über die an der medizinischen Fakultät verfügbaren Unterstützungsangebote zur Förderung der mentalen Gesundheit informiert zu sein, diese jedoch noch nicht genutzt zu haben. 13.97% (N=32) berichteten über frühere Inanspruchnahme der psychologischen Beratungsdienste. 9.61% (N=22) der Befragten hatten zuvor keine Kenntnis über die Hilfsangebote an der medizinischen Fakultät, äußerten jedoch Interesse an einer Nutzung. Im Gegensatz dazu zeigten 12.22% (N=28) der Teilnehmenden kein Interesse an einer Inanspruchnahme von Hilfe und waren auch nicht über die bestehenden Angebote informiert. Eine Minderheit von 3.06% (N=7) bevorzugte die Inanspruchnahme externer Unterstützung.

3.3. Vorerfahrungen und Nutzung digitaler Medien

Medizinstudierende berichteten, durchschnittlich 1.42 Stunden pro Tag (SD=1.82) digitale Medien im beruflichen Kontext außerhalb des Medizinstudiums zu nutzen, 3.81 Stunden pro Tag (SD=2.06) für universitäre Zwecke und 3.23 Stunden pro Tag (SD=1.76) für persönliche Aktivitäten. Hinsichtlich der Nutzung und Vorerfahrung mit digitalen Gesundheitsangeboten gaben 84.72% (N=194) der Studierenden an, regelmäßig digitale Gesundheitslösungen zu nutzen. Im Einzelnen berichteten 40.35% (N=92) über häufige Nutzung im Bereich körperlicher Aktivität und Fitness, 26.64% (N=66) für Selbst- und Zeitmanagement, 8.73% (N=20) für Stressbewältigung und 8.30% (N=19) für Schlaftracking.

3.4. Bedürfnisse und Anforderungen

Die Medizinstudierenden bewerteten verschiedene Bedürfnisse und Anforderungen hinsichtlich der Implementierung und Gestaltung einer E-Mental-Health-Anwendung.

3.4.1. Verfügbarkeit und (Un)geeignete Formate

Die überwiegende Mehrheit, 97.3% (N=222), bewertete die Verfügbarkeit über das Smartphone (M=4.82, SD=0.52) und 91.2% (N=209) über das Tablet (M=4.55, SD=0.72) als sehr geeignet. Videomaterial (85.59%), Download-Materialien (72.37%), Audioformate wie Podcasts (70.31%) sowie der Kontakt zu Expert*innen (70.31%) wurden von den meisten als geeignet bis sehr geeignet zur Förderung der E-Mental Health im Medizinstudium eingeschätzt. Chatbots (36.40%) und spielerische Angebote (31.44%) wurden hingegen als weniger geeignet bis ungeeignet angesehen. Eine Übersicht der Antwortfrequenzen findet sich in Tabelle 2 [Tab. 2].

3.4.2. Nutzung, Bedienbarkeit und Aufbau

Die Mehrheit der Studierenden bevorzugte die Nutzung der App über das gesamte Studium hinweg, insbesondere bei Bedarf bzw. in belastenden und stressreichen Phasen. Neue Inhalte sollten ein- bis dreimal pro Woche bereitgestellt werden (51.98%, N=118). Die meisten Studierenden bevorzugten eine bedarfsgerechte Nutzung (79.91%, N=183), gefolgt von einem angeleiteten modularen Aufbau (43.23%, N=99). Eine Sitzung sollte etwa 10 bis 20 Minuten dauern (40.17%, N=92). Eine detaillierte Übersicht findet sich in Tabelle 3 [Tab. 3].

3.4.3. Inhalte und Themen

Die folgenden Themen wurden als besonders wichtig bewertet: Selbst-/Zeitmanagement (66.81%), Selbstwertgefühl/-vertrauen sowie der Umgang mit Hilflosigkeit (63.16%). Eine Übersicht der Antworten findet sich in Abbildung 1 [Abb. 1].

3.4.4. Clusteranalyse

Für die Clusteranalyse wurden die Daten zur mentalen Gesundheit (PHQ-2, GAD-2, Belastung/Stress-Score) herangezogen. Die Hopkins-H-Statistik zeigte eine Clustertendenz (Hopkins’ H=0.41). Die Wahl zweier Cluster wurde durch 12 von 29 Methoden (41.38%) gestützt. Die k-Medoids-Methode wurde eingesetzt, um eine Clusteranalyse mit zwei Clustern durchzuführen. Die zwei Cluster wurden als ein „Low-Burden“-Cluster (n=111) und ein „High-Burden“-Cluster (n=118) interpretiert. Die Modellgüte lag bei R²=0.342. Die Klassifikationsgenauigkeit betrug 93.01%. Die Clusteranalyse ist in Abbildung 2 [Abb. 2] visualisiert.

Signifikante Unterschiede zwischen den Clustern konnten festgestellt werden. Die Mittelwerte für PHQ-2, GAD-2 und Belastung/Stress waren im „High-Burden“-Cluster signifikant höher (p_adj<.001). Eine Übersicht der Gruppencharakteristika ist in Tabelle 4 [Tab. 4] dargestellt.

3.4.5. Vergleich der Cluster

Die Charakteristika beider Cluster wurden deskriptiv hinsichtlich bevorzugter Endgeräte, Formate und Inhalte verglichen. 50% der „High-Burden“-Gruppe bewerteten die Interaktion mit anderen Studierenden als hilfreich bis sehr hilfreich, im Vergleich zu 44% der „Low-Burden“-Gruppe. In der „High-Burden“-Gruppe wurden insbesondere Lernmethoden, Risikoanalyse von Stressoren, Selbstfürsorge/Resilienz sowie Entspannung/Achtsamkeit/Meditation/Yoga als wichtig bewertet. Studierende der „Low-Burden“-Gruppe legten besonderen Wert auf Selbstfürsorge/Resilienz, Lernmethoden und körperliche Aktivität/Fitness. Eine Übersicht über bevorzugte Endgeräte und Formate ist in Abbildung 3 [Abb. 3] dargestellt. Der Vergleich bevorzugter Inhalte zwischen beiden Gruppen ist in Abbildung 4 [Abb. 4] dargestellt.

Studierende des „High-Burden“-Clusters bevorzugten eine Nutzungsdauer von 1 bis 10 Minuten, während im „Low-Burden“-Cluster 10 bis 20 Minuten gewünscht wurden. Details zur bevorzugten Nutzung und Aufbau sind in Tabelle 3 [Tab. 3] dargestellt.

4. Diskussion

Die primäre Analyse des Datensatzes zeigt, dass die Mehrheit der Studierenden eine hohe Akzeptanz gegenüber einer maßgeschneiderten E-Mental-Health-App im Medizinstudium aufweist [34]. Die vorliegende Studie untersuchte demnach die Bedürfnisse und Anforderungen hinsichtlich Inhalt und Design einer solchen App unter Berücksichtigung möglicher Cluster in Bezug auf die mentale Belastung.

Erhöhte Angst- und Depressionswerte bei Medizinstudierenden sind gut dokumentiert. Unsere Ergebnisse unterstreichen die Notwendigkeit maßgeschneiderter Unterstützungsangebote angesichts erhöhter mentaler Belastungen. Zwar äußerten knapp 10% der Studierenden Interesse an einer Inanspruchnahme von Hilfe an der medizinischen Fakultät, jedoch würden 15% keine Unterstützung dort suchen. Diese Ergebnisse stimmen mit einer früheren Untersuchung überein [48] und sollten bei der Entwicklung weiterer Unterstützungsangebote berücksichtigt werden. Ein niedrigschwelliges digitales Angebot für Medizinstudierende kann persönliche Beratungen vor Ort sinnvoll ergänzen, Hemmschwellen abbauen und die Suche nach Hilfe optimieren.

Hinsichtlich der Bedürfnisse und Anforderungen wurden Smartphones und Tablets als bevorzugte Geräte bewertet – im Einklang mit früheren patientenzentrierten Studien [35], [49]. Die Teilnehmer an unserer Studie waren vergleichsweise jung und nutzten digitale Medien häufig für Studium und private Aktivitäten, was die hohe Relevanz mobiler Lösungen erklärt. Daher ist es nachvollziehbar, dass die Studierenden Apps auf Smartphones und Tablets einen hohen Stellenwert beimessen, da sie eine optimale Verfügbarkeit und niederschwellige Angebote darstellen [29]. Die Mehrheit der Studierenden bevorzugten die Nutzung der App während des gesamten Studiums, insbesondere bei Bedarf und auf Abruf beispielsweise in belastenden Situationen und anspruchsvollen Zeiten. Die Studierenden bevorzugten neue Inhalte ein- bis dreimal wöchentlich und eine Sitzungsdauer von 10 bis 20 Minuten. Dies könnte den Wunsch widerspiegeln, die App dauerhaft in ihren Alltag zu integrieren. Ein modularer Aufbau mit Anleitung wurde von annähernd 40% favorisiert, während die Mehrzahl eine Nutzung bei Bedarf bevorzugte. Der Wunsch nach einer individuell gesteuerten Nutzung weist auf ein Bedürfnis nach Autonomie und Flexibilität hin. Die bevorzugten Formate wie Video- und Audiomaterialien sollten dementsprechend präzise ausgestaltet werde, um den Nutzen der App für die Zielgruppe und die Nutzerfreundlichkeit zu optimieren. Die Möglichkeit der Vernetzung mit Expert*innen wurde als förderlich eingestuft und sollte ermöglicht werden. Verschiedene Inhalte wurden von den Studierenden als wichtig bewertet: Selbst-/Zeitmanagement, Selbstwert/-vertrauen, Umgang mit Hilflosigkeit, Lernmethoden sowie Selbstfürsorge/Resilienz. Aufgrund individueller Zielgruppenmerkmale sollten unterschiedliche Themen bei der App-Entwicklung untersucht und berücksichtigt werden.

Die explorative Analyse ergab zwei Cluster, ein „Low Burden“- und ein „High-Burden“-Cluster, mit signifikanten Unterschieden: Die mentale Belastung, Symptome wie Ängstlichkeit und Depressivität, war im „High-Burden“-Cluster deutlich höher als im „Low-Burden“-Cluster. Im Cluster mit erhöhter mentaler Belastung wurden Formate wie Video- und Downloadmaterial, Kontakt zu Expert*innen, interaktive Übungen und Audiomaterial als hilfreich eingeschätzt. Die soziale Vernetzung mit anderen Studierenden wurde in der Gruppe erhöhter mentaler Belastung besonders geschätzt – übereinstimmend mit der Studie von Kappner et al. [50]. Dies betont die Bedeutung sozialer Unterstützung und erfordert weitere Forschung. In Bezug auf Inhalte schätzte das „High-Burden“-Cluster vor allem Lernmethoden, Stressanalyse, Selbstfürsorge und Resilienz, während im „Low-Burden“-Cluster Selbstfürsorge und Resilienz, Lernmethoden sowie körperliche Aktivität und Fitness stärker im Vordergrund standen. Zur Untersuchung individueller Eigenschaften könnten qualitative Interviews oder pädagogische Workshops in zukünftigen Studien ergänzend eingesetzt werden, um neue Erkenntnisse innerhalb der medizinischen Ausbildungsforschung und partizipativen Entwicklungsansätzen zu liefern – wie bereits von Dederichs et al. empfohlen [51].

Die Ergebnisse dieser Studie bilden eine Grundlage für weiterführende Forschung und die Gestaltung von E-Mental-Health-Angeboten im Medizinstudium. Künftige Studien sollten den Fokus auf nutzerzentrierte Entwicklungsansätze für digitale Unterstützungsangebote legen, um bestehende Angebote – z.B. Beratung vor Ort – zu ergänzen und individuelle Bedürfnisse gezielt zu adressieren [27], [52], [53]. Trotz des Potenzials maßgeschneiderter E-Mental-Health Apps sollte die gezielte Anpassung der Anforderungen an die Lernumgebung innerhalb der medizinischen Ausbildung ein zentrales Element darstellen.

4.1. Limitationen

Bei der Interpretation der Ergebnisse sollten einige Limitationen berücksichtigt werden. Die Daten wurden ausschließlich von Medizinstudierenden erhoben, die im fünften klinischen Semester ein Seminar zur Psychosomatik besuchten. Daher ist ein Selektionsbias nicht auszuschließen. Die Bedürfnisse und Anforderungen von Studierenden anderer Semester oder anderer medizinischer Fakultäten wurden nicht erfasst und sollten in zukünftigen Untersuchungen berücksichtigt werden. Zudem handelt es sich um Selbstauskünfte. Die Entwicklung des Fragebogens erfolgte auf Grundlage der Expertise unserer Arbeitsgruppe sowie patientenzentrierter Studien. Die spezifischen Bedürfnisse männlicher sowie diverser/nicht-binärer Studierender sollten aufgrund ihrer Bedeutung in künftigen Studien gezielt adressiert werden. Es sei außerdem angemerkt, dass die Datenerhebung als Papierbefragung durchgeführt wurde, was trotz einfacher Handhabung potenzielle Verzerrungen mit sich bringen kann. Verzerrungen können die Generalisierbarkeit und Repräsentativität einschränken. Trotz dieser Einschränkungen liefert unsere Studie einen praxisnahen und niederschwelligen Ansatz zur Erfassung der Bedürfnisse und Anforderungen von Medizinstudierenden an die Entwicklung einer maßgeschneiderten E-Mental-Health App.

4.2. Implikationen

Zukünftige Forschung sollte untersuchen, wie Präferenzen der Zielgruppe (hier: Medizinstudierende) mit der tatsächlichen Nutzung und Adhärenz zusammenhängen. Auf Basis unserer Ergebnisse kann eine maßgeschneiderte E-Mental-Health-App für Medizinstudierende entwickelt und implementiert werden. Um die Effektivität und Benutzerfreundlichkeit solcher Anwendungen zu erhöhen, sollten App-Designer*innen, Entwickler*innen und weitere relevante Akteur*innen frühzeitig in den Entwicklungsprozess eingebunden werden. Darüber hinaus sind weitere Studien erforderlich, um die Wirksamkeit nutzerzentrierter Designansätze zu evaluieren.

5. Schlussfolgerungen

Die Entwicklung von E-Mental-Health-Anwendungen auf Grundlage eines nutzerzentrierten Designs bietet großes Potenzial, die Benutzerfreundlichkeit und letztlich das mentale Wohlbefinden von Medizinstudierenden zu verbessern. Die gewonnenen Erkenntnisse liefern wertvolle Hinweise für die Gestaltung einer maßgeschneiderten App und sollten sowohl in zukünftigen Forschungsprojekten als auch direkt im Designprozess berücksichtigt werden, um Nutzerfreundlichkeit, Adhärenz und die Inanspruchnahme von Unterstützungsangeboten zu optimieren. Die Ergebnisse dieser Studie werden in die Konzeption, Entwicklung, Implementierung und Evaluation einer E-Mental-Health-App für die medizinische Ausbildung einfließen.

Abkürzungen

• GAD-2: Generalized Anxiety Disorder Scale-2
• PHQ-2: Patient Health Questionnaire-2
• PHQ-4: Patient Health Questionnaire-4

Anmerkungen

Verfügbarkeit der Daten

Die in dieser Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage erhältlich. Bitte wenden Sie sich hierzu an die korrespondierende Autorin Dr. med. Anita Robitzsch (anita.robitzsch@lvr.de).

Finanzierung

Die Studie wurde ohne externe Finanzierung durchgeführt. Für die Unterstützung bei der Publikation danken wir dem Open-Access-Fonds der Universität Duisburg-Essen.

Autor*innenbeiträge

AR, MT und AB haben die Studie initiiert und konzipiert. Die Projektkoordination erfolgte durch AR, AB und SB. CG und SK führten die statistischen Analysen durch und interpretierten die Ergebnisse. CG verfasste die erste Version des Manuskripts. Die Datenerhebung wurde von AR, AB und CG durchgeführt. AR, MT, AB und SB überwachten die Durchführung der Studie und trugen zum Studiendesign sowie Datensammlung bei. SB, DD, CJ und ND leisteten einen wichtigen Beitrag zur kritischen Überarbeitung des Manuskripts. Alle Autor*innen beteiligten sich an der weiteren Ausarbeitung und genehmigten die finale Version des Manuskripts.

ORCIDs der Autor*innen

• Catharina Grüneberg: [0009-0002-0918-5905]
• Alexander Bäuerle: [0000-0003-1488-8592]
• Sophia Karunakaran: [0009-0000-1202-2950]
• Dogus Darici: [0000-0002-2375-8792]
• Nora Dörrie: [0000-0002-9760-9167]
• Sven Benson: [0000-0002-4487-4258]
• Martin Teufel: [0000-0003-2120-1840]
• Anita Robitzsch: [0009-0005-2941-1123]

Danksagung

Wir danken Herrn Prof. Dr. med. Joachim Fandrey für seine Unterstützung und seinen Beitrag zur kritischen Überarbeitung des Manuskripts. Unser Dank gilt außerdem Lisa Jahre und Anna-Lena Frewer für ihre Unterstützung bei der statistischen Auswertung.

Wir bedanken uns für die Unterstützung durch den Open-Access-Publikationsfonds der Universität Duisburg-Essen.

Interessenkonflikt

Die Autor*innen erklären, dass sie keinen Interessenkonflikt im Zusammenhang mit diesem Artikel haben.

---

Literatur

[1] Ebert DD, Lehr D, Heber E, Riper H, Cuijpers P, Berking M. Internet- and mobile-based stress management for employees with adherence-focused guidance: efficacy and mechanism of change. Scand J Work Environ Health. 2016;42(5):382-394. DOI: 10.5271/sjweh.3573
[2] Hedman E, Andersson E, Ljotsson B, Andersson G, Ruck C, Lindefors N. Cost-effectiveness of Internet-based cognitive behavior therapy vs. cognitive behavioral group therapy for social anxiety disorder: results from a randomized controlled trial. Behav Res Ther. 2011;49(11):729-736. DOI: 10.1016/j.brat.2011.07.009
[3] Ebert DD, Heber E, Berking M, Riper H, Cuijpers P, Funk B, Lehr D. Self-guided internet-based and mobile-based stress management for employees: results of a randomised controlled trial. Occup Environ Med. 2016;73(5):315-323. DOI: 10.1136/oemed-2015-103269
[4] Clemensen J, Rothmann MJ, Smith AC, Caffery LJ, Danbjorg DB. Participatory design methods in telemedicine research. J Telemed Telecare. 2017;23(9):780-785. DOI: 10.1177/1357633X16686747
[5] Reiners F, Sturm J, Bouw LJW, Wouters EJ. Sociodemographic Factors Influencing the Use of eHealth in People with Chronic Diseases. Int J Environ Res Public Health. 2019;16(4):645. DOI: 10.3390/ijerph16040645
[6] Techniker Krankenkasse (TK). Gesundheitsreport - Wie geht’s Deutschlands Studierenden? Hamburg: Techniker Krankenkasse; 2023. Zugänglich unter/available from: https://www.tk.de/resource/blob/2149886/e5bb2564c786aedb3979588fe64a8f39/2023-tk-gesundheitsreport-data.pdf
[7] Thapa B, Sapkota S, Khanal A, Aryal BK, Hu Y. Predictors of Depression and Anxiety among Medical Students. J Nepal Health Res Counc. 2023;21(1):63-70. DOI: 10.33314/jnhrc.v21i1.4514
[8] Wege N, Muth T, Li J, Angerer P. Mental health among currently enrolled medical students in Germany. Public Health. 2016;132:92-100. DOI: 10.1016/j.puhe.2015.12.014
[9] Nair M, Moss N, Bashir A, Garate D, Thomas D, Fu S, Phu D, Pham C. Mental health trends among medical students. Proc (Bayl Univ Med Cent). 2023;36(3):408-410. DOI: 10.1080/08998280.2023.2187207
[10] Almutairi H, Alsubaiei A, Abduljawad S, Alshatti A, Fekih-Romdhane F, Husni M, Jahrami H. Prevalence of burnout in medical students: A systematic review and meta-analysis. Int J Soc Psychiatry. 2022;68(6):1157-1170. DOI: 10.1177/00207640221106691
[11] Seo C, Di Carlo C, Dong SX, Fournier K, Haykal KA. Risk factors for suicidal ideation and suicide attempt among medical students: A meta-analysis. PLoS One. 2021;16(12):e0261785. DOI: 10.1371/journal.pone.0261785
[12] Kamski L, Frank E, Wenzel V. Suizidalität von Medizinstudierenden: Fallserie [Suicide in medical students: case series]. Anaesthesist. 2012;61(11):984-988. DOI: 10.1007/s00101-012-2094-1
[13] Kaiser H, Grice T, Walker B, Kaiser J. Barriers to help-seeking in medical students with anxiety at the University of South Carolina School of Medicine Greenville. BMC Med Educ. 2023;23(1):463. DOI: 10.1186/s12909-023-04460-5
[14] Lynch L, Long M, Moorhead A. Young Men, Help-Seeking, and Mental Health Services: Exploring Barriers and Solutions. Am J Mens Health. 2018;12(1):138-149. DOI: 10.1177/1557988315619469
[15] Winter RI, Patel R, Norman RI. A Qualitative Exploration of the Help-Seeking Behaviors of Students Who Experience Psychological Distress Around Assessment at Medical School. Acad Psychiatry. 2017;41(4):477-485. DOI: 10.1007/s40596-017-0701-9
[16] Gold JA, Johnson B, Leydon G, Rohrbaugh RM, Wilkins KM. Mental health self-care in medical students: a comprehensive look at help-seeking. Acad Psychiatry. 2015;39(1):37-46. DOI: 10.1007/s40596-014-0202-z
[17] Mitchell KM, Holtz BE, McCarroll AM. Assessing College Students' Perceptions of and Intentions to Use a Mobile App for Mental Health. Telemed J E Health. 2022;28(4):566-574. DOI: 10.1089/tmj.2021.0106
[18] Tong G. World Mental Health Day 2018, but how aware are medical students? Adv Med Educ Pract. 2019;10:217-219. DOI: 10.2147/AMEP.S190187
[19] Morgan AJ, Ross A, Reavley NJ. Systematic review and meta-analysis of Mental Health First Aid training: Effects on knowledge, stigma, and helping behaviour. PLoS One. 2018;13(5):e0197102. DOI: 10.1371/journal.pone.0197102
[20] Pinto IC, Bernardo M, Sousa S, Curral R. Evaluation of mental health stigma on medical education: an observational study with Portuguese medical students. Porto Biomed J. 2020;5(4):e074. DOI: 10.1097/j.pbj.0000000000000074
[21] Braun J, Jocham D. Arztgesundheit: Was macht uns krank – Was hält uns gesund? [Physician health: What makes us ill? What keeps us healthy?]. Aktuelle Urol. 2019;50(2):195-202. DOI: 10.1055/a-0854-5049
[22] de Sá E Camargo ML, Torres RV, Cotta KCG, Ezequiel ODS, Lucchetti G, Lucchetti ALG. Mental health throughout the medical career: A comparison of depression, anxiety, and stress levels among medical students, residents, and physicians. Int J Soc Psychiatry. 2023;69(5):1260-1267. DOI: 10.1177/00207640231157258
[23] Saparamadu AA, Fernando P, Zeng P, Teo H, Goh A, Lee JM, Lam CW. User-Centered Design Process of an mHealth App for Health Professionals: Case Study. JMIR Mhealth Uhealth. 2021;9(3):e18079. DOI: 10.2196/18079
[24] Narvaez S, Tobar AM, Lopez DM, Blobel B. Human-Centered Design of an mHealth App for the Prevention of Burnout Syndrome. Stud Health Technol Inform. 2016;228:215-219. DOI: 10.3233/978-1-61499-678-1-215
[25] van Gemert-Pijnen JE, Nijland N, van Limburg M, Ossebaard HC, Kelders SM, Eysenbach G, Seydel ER. A holistic framework to improve the uptake and impact of eHealth technologies. J Med Internet Res. 2011;13(4):e111. DOI: 10.2196/jmir.1672
[26] Eysenbach G. The law of attrition. J Med Internet Res. 2005;7(1):e11. DOI: 10.2196/jmir.7.1.e11
[27] Apolinario-Hagen J, Harrer M, Salewski C, Lehr D, Ebert DD. Acceptance and use of e-mental health services among university students Secondary analysis of an experiment. Pravent Gesundheit. 2023;18(2):196-203. DOI: 10.1007/s11553-022-00945-1
[28] Peng P, Hao Y, Liu Y, Chen S, Wang Y, Yang Q, Wang X, Li M, Wang Y, He L, Wang Q, Ma Y, He H, Zhou Y, Wu Q, Liu T. The prevalence and risk factors of mental problems in medical students during COVID-19 pandemic: A systematic review and meta-analysis. J Affect Disord. 2023;321:167-181. DOI: 10.1016/j.jad.2022.10.040
[29] Dederichs M, Weber J, Pischke CR, Angerer P, Apolinario-Hagen J. Exploring medical students' views on digital mental health interventions: A qualitative study. Internet Interv. 2021;25:100398. DOI: 10.1016/j.invent.2021.100398
[30] Enam A, Torres-Bonilla J, Eriksson H. Evidence-Based Evaluation of eHealth Interventions: Systematic Literature Review. J Med Internet Res. 2018;20(11):e10971. DOI: 10.2196/10971
[31] Rigby M, Ammenwerth E. The Need for Evidence in Health Informatics. Stud Health Technol Inform. 2016;222:3-13. DOI: 10.3233/978-1-61499-635-4-3
[32] Orlowski SK, Lawn S, Venning A, Winsall M, Jones GM, Wyld K, Damarell RA, Antezana G, Schrader G, Smith D, Collin P, Bidargaddi N. Participatory Research as One Piece of the Puzzle: A Systematic Review of Consumer Involvement in Design of Technology-Based Youth Mental Health and Well-Being Interventions. JMIR Hum Factors. 2015;2(2):e12. DOI: 10.2196/humanfactors.4361
[33] Ungar P, Schindler AK, Polujanski S, Rotthoff T. Online programs to strengthen the mental health of medical students: A systematic review of the literature. Med Educ Online. 2022;27(1):2082909. DOI: 10.1080/10872981.2022.2082909
[34] Grüneberg C, Bäuerle A, Karunakaran S, Darici D, Dörrie N, Teufel M, Benson S, Robitzschg A. Medical Students’ Acceptance of Tailored E-Mental Health Apps to Foster Their Mental Health: A cross-sectional study. JMIR Med Educ. 2025;11:e58183. DOI: 10.2196/58183
[35] Jahre LM, Lortz J, Rassaf T, Rammos C, Mallien C, Skoda EM, Teufel M, Bäuerle A. Needs and demands for mHealth cardiac health promotion among individuals with cardiac diseases: a patient-centred design approach. Eur Heart J Digit Health. 2023;4(5):393-401. DOI: 10.1093/ehjdh/ztad038
[36] Jansen C, Bäuerle A, Jahre LM, Kocol D, Krakowczyk J, Geiger S, Dörrie N, Skoda EM, Teufel M. Needs and Demands for e-Health Interventions in Patients Attending a Psychosomatic Outpatient Clinic: A Baseline Assessment for a User-Centered Design Approach. Telemed J E Health. 2024;30(6):e1747-e1756. DOI: 10.1089/tmj.2023.0360
[37] Otto N, Böckers A, Shiozawa T, Brunk I, Schumann S, Kugelmann D, Missler M, Darici D. Profiling learning strategies of medical students: A person-centered approach. Med Educ. 2024;58(11):1304-1314. DOI: 10.1111/medu.15388
[38] von Elm E, Altman DG, Egger M, Pocock SJ, Gotzsche PC, Vandenbroucke JP; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. J Clin Epidemiol. 2008;61(4):344-349. DOI: 10.1016/j.jclinepi.2007.11.008
[39] Kroenke K, Spitzer RL, Williams JBW, Lowe B. An Ultra-Brief Screening Scale for Anxiety and Depression: The PHQ-4. Psychosomatics. 2009;50(6):613-621. DOI: 10.1176/appi.psy.50.6.613
[40] Kroenke K, Spitzer RL, Williams JB. The Patient Health Questionnaire-2 - Validity of a two-item depression screener. Med Care. 2003;41(11):1284-1292. DOI: 10.1097/01.Mlr.0000093487.78664.3c
[41] Lowe B, Wahl I, Rose M, Spitzer C, Glaesmer H, Wingenfeld K, Schneider A, Brähler E. A 4-item measure of depression and anxiety: validation and standardization of the Patient Health Questionnaire-4 (PHQ-4) in the general population. J Affect Disord. 2010;122(1-2):86-95. DOI: 10.1016/j.jad.2009.06.019
[42] Geiger S, Steinbach J, Skoda EM, Jahre L, Rentrop V, Kocol D, Jansen C, Schüren L, Niedergethmann M, Teufel M, Bäuerle A. Needs and Demands for e-Mental Health Interventions in Individuals with Overweight and Obesity: User-Centred Design Approach. Obes Facts. 2023;16(2):173-183. DOI: 10.1159/000527914
[43] Stoppok P, Frewer AL, Schweda A, Geiger S, Skoda EM, Müßgens D, Bingel U, Teufel M, Bäuerle A. Needs and Demands for eHealth Pain Management Interventions in Chronic Pain Patients. J Pers Med. 2023;13(4):675. DOI: 10.3390/jpm13040675
[44] Schröder J, Dinse H, Maria Jahre L, Skoda EM, Stettner M, Kleinschnitz C, Teufel M, Bäuerle A. Needs and Demands for e-Health Symptom Management Interventions in Patients with Post-COVID-19 Condition: A User-Centered Design Approach. Telemed J E Health. 2024;30(8):2194-2202. DOI: 10.1089/tmj.2024.0088
[45] Bäuerle A, Graf J, Jansen C, Musche V, Schweda A, Hetkamp M, Weismüller B, Dörrie N, Junne F, Teufel M, Skoda EM. E-mental health mindfulness-based and skills-based 'CoPE It' intervention to reduce psychological distress in times of COVID-19: study protocol for a bicentre longitudinal study. BMJ Open. 2020;10(8):e039646. DOI: 10.1136/bmjopen-2020-039646
[46] Bäuerle A, Jahre L, Teufel M, Jansen C, Musche V, Schweda A, Fink M, Dinse H, Weismüller B, Dörrrie N, Junne F, Graf J, Skoda EM. Evaluation of the E-Mental Health Mindfulness-Based and Skills-Based "CoPE It" Intervention to Reduce Psychological Distress in Times of COVID-19: Results of a Bicentre Longitudinal Study. Front Psychiatry. 2021;12:768132. DOI: 10.3389/fpsyt.2021.768132
[47] Lüdecke D, Ben Shachar M, Patil I, Makowski D. Extracting, Computing and Exploring the Parameters of Statistical Models using R. J Open Source Software. 2020;5:2445. DOI: 10.21105/joss.02445
[48] Berliant M, Rahman N, Mattice C, Bhatt C, Haykal KA. Barriers faced by medical students in seeking mental healthcare: A scoping review. MedEdPublish (2016). 2022;12:70. DOI: 10.12688/mep.19115.1
[49] Lortz J, Simanovski J, Kuether T, Kreitschmann-Andermahr I, Ullrich G, Steinmetz M, Rammos C, Jánosi RA, Moebus S, Rassaf T, Paldán K. Needs and Requirements in the Designing of Mobile Interventions for Patients With Peripheral Arterial Disease: Questionnaire Study. JMIR Form Res. 2020;4(8):e15669. DOI: 10.2196/15669
[50] Kappner N, Lang J, Berthold A, Gaum PM. The moderating effect of social resources on the link between study-related stressors and depressive symptoms among medical students in North Rhine-Westphalia, Germany - a cross-sectional study. BMC Psychiatry. 2022;22(1):524. DOI: 10.1186/s12888-022-04170-0
[51] Dederichs M, Nitsch FJ, Apolinario-Hagen J. Piloting an Innovative Concept of e-Mental Health and mHealth Workshops With Medical Students Using a Participatory Co-design Approach and App Prototyping: Case Study. JMIR Med Educ. 2022;8(1):e32017. DOI: 10.2196/32017
[52] Oti O, Pitt I. Online mental health interventions designed for students in higher education: A user-centered perspective. Internet Interv. 2021;26:100468. DOI: 10.1016/j.invent.2021.100468
[53] Mak WW, Ng SM, Leung FH. A Web-Based Stratified Stepped Care Platform for Mental Well-being (TourHeart+): User-Centered Research and Design. JMIR Form Res. 2023;7:e38504. DOI: 10.2196/38504