Realist Synthesis
- Eingeführt von
- Ray Pawson (2005)
- Jahr
- 2005
- Typ
- Framework
- Familie
- Theory-Driven Synthesis
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Realist Synthesis ist eine theoriegeleitete, interpretative Methode zur Evidenzsynthese, die von Ray Pawson (2005) entwickelt wurde und sich darauf konzentriert zu verstehen, WIE und WARUM Interventionen funktionieren, anstatt OB sie funktionieren.
Basierend auf der realistischen Philosophie untersucht die Realist Synthesis Kontext-Mechanismus-Ergebnis (KME)-Konfigurationen: wie spezifische kontextuelle Bedingungen Mechanismen aktivieren, die Ergebnisse hervorbringen. Im Gegensatz zu traditionellen systematischen Reviews, die typischerweise die Frage beantworten 'Reduziert Intervention X Ergebnis Y?', fragt die Realist Synthesis 'Unter welchen Bedingungen, durch welche Mechanismen, für welche Populationen funktioniert X?' Dieser Ansatz ist besonders wertvoll für komplexe Interventionen (Politiken, Programme, multikomponentige Behandlungen), bei denen die Wirksamkeit je nach Kontext stark variiert, und zum Verständnis, warum Interventionen in einigen Umgebungen erfolgreich sind, in anderen jedoch scheitern.
Die Intuition hinter der Methode
Traditionelle Evidenzsynthesen kommen oft zu dem Schluss 'Medikament X reduziert Depressionen bei Erwachsenen' basierend auf Meta-Analysen von RCTs. Aber Implementierungsdaten zeigen, dass das Medikament in einigen Kliniken brillant wirkt und in anderen versagt. Warum? Realist Synthesis sagt: Ergebnisse hängen nicht nur von der Intervention ab, sondern auch vom Kontext (Verfügbarkeit psychiatrischer Betreuung, sozioökonomischer Status des Patienten, Kapazität des Gesundheitssystems), der spezifische Mechanismen aktiviert (Nebenwirkungen werden von verschiedenen Patienten unterschiedlich toleriert, Adhärenz wird durch kulturelle Überzeugungen beeinflusst, Wirksamkeit hängt von der Zuordnung des Patienten zu einem bestimmten Medikament basierend auf früheren Reaktionsmustern ab). Realist Synthesis ist Detektivarbeit: Sie synthetisiert Evidenz, um eine kausale Theorie darüber aufzubauen, was Interventionen in welchen Kontexten funktionieren lässt. Diese Theorie ist für Politik und Praxis weitaus nützlicher als ein einfaches 'Ja, es funktioniert', da sie Bedingungen identifiziert, unter denen die Implementierung erfolgreich sein oder scheitern wird.
Geschichte
Ray Pawson entwickelte die Realist Synthesis in den frühen 2000er Jahren als Kritik an konventionellen systematischen Reviews. Er argumentierte, dass systematische Reviews, die sich eng auf 'Hat es funktioniert?' konzentrieren, kritische Einblicke darüber verpassen, wie es funktioniert und für wen. Pawson's realistische Philosophie (begründet im kritischen Realismus) besagt, dass kausale Mechanismen real und durch empirische Untersuchung entdeckbar sind, aber sie operieren innerhalb von Kontexten, die ihre Aktivierung und ihre Auswirkungen prägen. Wong und Kollegen an der University of Toronto entwickelten die Methoden der Realist Synthesis weiter, insbesondere für die Gesundheits- und Implementierungsforschung. Die Cochrane Collaboration erkennt die Realist Synthesis nun als legitime Review-Methodik an, die quantitative systematische Reviews ergänzt. Die Realist Synthesis ist in der Implementierungswissenschaft, der Gesundheitsforschung und der Politikbewertung, wo kontextabhängige Wirksamkeit üblich ist, immer beliebter geworden.
Wann wird sie eingesetzt?
Nutzen Sie Realist Synthesis, wenn (1) Sie verstehen müssen, wie und warum komplexe Interventionen funktionieren, nicht nur, ob sie funktionieren, (2) die Evidenz darauf hindeutet, dass die Wirksamkeit der Intervention in verschiedenen Kontexten oder Populationen stark variiert, (3) die Wirkmechanismen unklar sind und Stakeholder Einblicke in kausale Pfade benötigen, (4) Sie ein Programm entwerfen oder implementieren und verstehen müssen, welche Bedingungen den Erfolg ermöglichen, (5) frühere systematische Reviews zu dem Schluss kamen 'die Evidenz ist gemischt' und Sie verstehen wollen, warum, oder (6) Sie Hebelpunkte für die Verbesserung von Politik oder Praxis identifizieren möchten (z. B. welche Aspekte des Kontexts geändert werden müssen, um den Erfolg der Intervention zu ermöglichen). Häufige Anwendungen sind Implementierungswissenschaft, Stärkung von Gesundheitssystemen, Bildungspolitik, Strafjustizprogramme und komplexe soziale Interventionen.
Grenzen und Hinweise
- Erfordert tiefes inhaltliches Wissen und theoretische Raffinesse. Realist Synthesis ist keine einfache Checkliste; sie erfordert Urteilsvermögen über Mechanismen und kausale Theorie.
- Interpretativer als quantitative systematische Reviews, was Subjektivität einführt. Unterschiedliche Gutachter können aus derselben Evidenz unterschiedliche Theorien konstruieren. Transparenz und Einbeziehung von Stakeholdern reduzieren dieses Risiko, eliminieren es aber nicht.
- Einschlusskriterien sind lockerer als bei traditionellen systematischen Reviews (umfasst diverse Studientypen, einige von geringerer Qualität). Studien werden nach Relevanz für die Programmtheorie beurteilt, nicht nach standardisierten Einschlusskriterien. Dies kann zu weniger rigorosen Daten führen, wenn es nicht sorgfältig gehandhabt wird.
- Zeitaufwendig und ressourcenintensiv aufgrund des iterativen Ansatzes und der Notwendigkeit, Mechanismen tiefgehend zu verstehen. Möglicherweise nicht unter engen Zeitvorgaben durchführbar.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Behandelt Komplexität explizit: erkennt an, dass die Auswirkungen von Interventionen vom Kontext und den Mechanismen abhängen, nicht nur von den Interventionskomponenten allein.
- Synthetisiert diverse Evidenztypen: RCTs informieren über die Wirksamkeit, qualitative Studien beleuchten Mechanismen, Implementierungsforschung deckt kontextuelle Barrieren auf – alles trägt zum Verständnis bei.
- Produziert handlungsorientierte Theorie: Anstatt 'Dieses Programm funktioniert (p <0,05)', produziert die Synthese 'Dieses Programm funktioniert, wenn X, Y, Z Bedingungen erfüllt sind; Mechanismen sind A, B, C; in anderen Kontexten werden Mechanismen durch Barrieren 1, 2, 3 blockiert.'
- Iterativ und reflexiv: Theorie entwickelt sich, während Evidenz untersucht wird; Forscher bleiben transparent darüber, wie sich die Theorie während der Synthese verändert hat.
- Besonders wirkungsvoll zur Erklärung von Heterogenität: Wenn Studien unterschiedliche Effekte zeigen, fragt Realist Synthesis nach dem Warum (Kontext-/Mechanismusunterschiede), anstatt Heterogenität als Störfaktor zu behandeln.
Anwendungen
- Implementierungsforschung: Verstehen, warum eine in einem Krankenhaus eingeführte klinische Intervention erfolgreich ist, während dieselbe Intervention in einem anderen scheitert. Realist Synthesis identifiziert Kontextfaktoren und Mechanismen, die den Erfolg ermöglichen.
- Stärkung von Gesundheitssystemen: Bewertung komplexer politischer Interventionen (z. B. Umstrukturierung der Primärversorgung, Einführung von Telemedizin) durch Untersuchung von KME-Konfigurationen in verschiedenen Gesundheitseinrichtungen.
- Bildungs- und Ausbildungsprogramme: Synthese von Evidenz darüber, welche Lehrerfortbildungsprogramme am besten funktionieren, in welchen schulischen Kontexten, durch welche Mechanismen (z. B. verbesserte Lehrerkenntnisse und -vertrauen, Unterstützung durch die Schulleitung, Verfügbarkeit von Ressourcen).
- Soziale Interventionen: Verstehen von Mechanismen, durch die Gemeindegesundheitsprogramme die Müttersterblichkeit reduzieren – Mechanismen hängen von Vertrauen, kulturellem Kontext und Überweisungswegen ab.
- Programme der Strafjustiz: Synthese von Evidenz zu Programmen zur Reduzierung von Rückfällen, Untersuchung, wie Kontext (Schulung des Personals, Motivation der Teilnehmer, Unterstützung bei der Wiedereingliederung in die Gemeinschaft) und Mechanismen (kognitive Veränderung, soziale Unterstützung, Beschäftigung) interagieren.
So funktioniert es
So funktioniert es
Definieren Sie Ihre Forschungsfrage im Hinblick darauf, was für wen, unter welchen Umständen und wie funktioniert: 'Welche Mechanismen erklären, warum kognitive Verhaltenstherapie bei Depressionen bei einigen Patienten besser wirkt als bei anderen? Unter welchen Bedingungen steigt die Beteiligung an der KVT, und wie interagieren diese Mechanismen mit Patienten-/Anbieter-/organisatorischen Kontexten?' Entwickeln Sie eine vorläufige Programmtheorie – eine Formulierung dessen, wie Sie ERWARTEN, dass die Intervention funktioniert, basierend auf Literatur, Konsultation von Stakeholdern und logischen Modellen. Diese Theorie ist hypothesenähnlich, aber auf substanziellem Wissen begründet, nicht nur auf Vermutungen. Führen Sie eine systematische Suche (ähnlich wie bei traditionellen systematischen Reviews) nach Evidenz über die Intervention durch, aber erweitern Sie den Suchbereich: Schließen Sie RCTs, Beobachtungsstudien, Implementierungsforschung, qualitative Studien und realistische Evaluationen ein, die Mechanismen und Kontextwirkungen beleuchten. Filtern Sie Studien nach Relevanz für Ihre Programmtheorie (Spricht diese Studie die Mechanismen oder Kontexte in meiner Theorie an?). Im Gegensatz zu traditionellen systematischen Reviews ist die Realist Synthesis iterativ: Während Sie Daten extrahieren, kann sich Ihr Verständnis von Mechanismen und Kontexten weiterentwickeln, und Sie können erneut nach Studien suchen, die sich mit der verfeinerten Theorie befassen.
Extrahieren Sie Daten aus den eingeschlossenen Studien mit Schwerpunkt auf KME-Konfigurationen: Was sind die Kontextmerkmale (Patientenmerkmale, Anbieterfaktoren, organisatorisches Umfeld, politisches Umfeld, kultureller Kontext)? Welche Mechanismen (kognitive, verhaltensbezogene, soziale, organisatorische Prozesse) werden aktiviert? Welche Ergebnisse resultieren? Erstellen Sie eine Matrix, die Kontexte zu Mechanismen zu Ergebnissen abbildet. Suchen Sie nach Mustern: Sind bestimmte Mechanismen in bestimmten Kontexten aktiv? Unterscheiden sich die Ergebnisse vorhersagbar basierend auf Kontext-Mechanismus-Kombinationen? Synthetisieren Sie Evidenz thematisch, organisiert um Schlüsselmechanismen und Kontexte. Zum Beispiel: 'Mechanismus 1: Therapeutische Adhärenz hängt vom Kontext ab (ältere Patienten, stabile Wohnverhältnisse, früherer Therapieerfolg); wenn dieser Kontext diesen Mechanismus aktiviert, ist das Ergebnis anhaltendes Engagement. Im Gegensatz dazu untergräbt Mechanismus 2: Nebenwirkungen bei Patienten mit komorbiden Erkrankungen die Adhärenz trotz ansonsten günstiger Kontexte.' Verfeinern Sie Ihre Programmtheorie, wenn sich die Evidenz anhäuft: Aktualisieren Sie hypothetische KME-Konfigurationen, verwerfen Sie Mechanismen, die durch Evidenz nicht gestützt werden, und elaborieren Sie Mechanismen, die durch mehrere Studien gestützt werden. Dokumentieren Sie Annahmen: Welche Aspekte der Theorie bleiben spekulativ (nicht durch die eingeschlossene Evidenz gestützt) im Gegensatz zu gut belegt?
Präsentieren Sie die verfeinerte Programmtheorie als verfeinerte KME-Konfigurationen: explizite, testbare Aussagen darüber, wie die Intervention in welchen Kontexten funktioniert. Beispiel: 'Kognitive Verhaltenstherapie bei Depressionen ist wirksam, wenn: [Kontext: Patient hat moderate Depression, unterstützendes soziales Netzwerk, Zugang zu einem ausgebildeten KVT-Therapeuten] aktiviert [Mechanismus: kognitive Umstrukturierung negativer Gedanken, Verhaltensaktivierung zur Steigerung positiver Verstärkung] und führt zu [Ergebnis: anhaltende Reduktion depressiver Symptome]. Wenn jedoch [Kontext: schwere Depression mit Suizidalität, instabile Wohnverhältnisse, mangelnde Therapeutenverfügbarkeit], können Mechanismen blockiert oder durch [Kontext: überwältigende Umweltstressoren, begrenzte kognitive Kapazität für kognitive Arbeit, mangelnde Kontinuität der Behandlung] konterkariert werden, und die Ergebnisse können schlecht sein.' Nutzen Sie Evidenz aus allen Studientypen, um diese Theorie aufzubauen: RCT-Daten zeigen, was im Durchschnitt funktioniert; qualitative Studien erklären warum; Implementierungsforschung deckt kontextuelle Barrieren auf. Berichten Sie über die Zuversicht in verschiedene KME-Konfigurationen: Welche sind durch mehrere Studien unterschiedlicher Art gut gestützt und welche bleiben hypothetisch? Diskutieren Sie Implikationen: für Praktiker, identifizieren Sie Bedingungen, die wahrscheinlich Erfolg unterstützen; für die Politik, identifizieren Sie notwendige Investitionen oder Änderungen, um Schlüsselmechanismen zu aktivieren.
Häufige Fallstricke
- Auferlegung einer vorbestimmten Theorie ohne kritische Prüfung. Realist Synthesis sollte iterativ und datenresponsiv sein, nicht an der Anfangstheorie festhalten. Seien Sie bereit, anfängliche KME-Konfigurationen zu verwerfen oder substanziell zu überarbeiten, wenn die Evidenz ihnen widerspricht.
- Einbeziehung von Studien von geringer methodischer Qualität, ohne die Einschränkungen anzuerkennen. Nur weil diverse Evidenz einbezogen wird, heißt das nicht, dass alle Studien gleich vertrauenswürdig sind. Gewichtung der Evidenzqualität explizit.
- Überbewertung der Erklärungskraft der verfeinerten Theorie. Realist Synthesis produziert plausible, auf Evidenz basierende Theorien, aber sie 'beweist' keine Mechanismen. Verbleibende Unsicherheiten anerkennen, insbesondere bei Mechanismen, die in der verfügbaren Literatur schlecht repräsentiert sind.
- Vernachlässigung quantitativer Evidenz. Realist Synthesis schätzt qualitative Einblicke in Mechanismen, aber quantitative Evidenz (aus Studien, Umfragen) über Effektgrößen und Bevölkerungsmerkmale ist ebenso wichtig. Balance zwischen Tiefe des Mechanismusverständnisses und Breite der Ergebnisdaten.
Häufig gestellte Fragen
Wie unterscheidet sich Realist Synthesis von einem traditionellen systematischen Review?
Traditionelle systematische Reviews fragen 'Funktioniert die Intervention?' und synthetisieren Evidenz quantitativ, mit dem Ziel einer einzigen gepoolten Schätzung des Effekts. Realist Synthesis fragt 'Wie und warum funktioniert sie, für wen, unter welchen Umständen?' und synthetisiert diverse Evidenz iterativ, um kausale Theorien (KME-Konfigurationen) aufzubauen. Traditionelle Reviews verwenden enge Einschlusskriterien und bewerten die Studienqualität einheitlich. Realistische Reviews schließen diverse Evidenztypen ein, die nach Relevanz für das Verständnis von Mechanismen und Kontexten beurteilt werden. Beide sind systematisch und transparent, aber Realist Synthesis ist stärker theorieorientiert und interpretativ.
Was ist eine KME-Konfiguration und wie entwickle ich sie?
KME steht für Kontext-Mechanismus-Ergebnis. Eine Konfiguration ist eine kausale Behauptung: 'Im Kontext X (spezifische Bedingungen des Patienten, Anbieters, der Organisation, der Gesellschaft) wird Mechanismus M (kausaler Prozess) aktiviert, der Ergebnis O hervorbringt.' Beispiel: 'Im Kontext erfahrener, betreuter Therapeuten, die mit motivierten Patienten in gut ausgestatteten Kliniken arbeiten, wird der Mechanismus der kognitiven Umstrukturierung aktiviert, was zu einer anhaltenden Angstreduktion führt.' Entwickeln Sie Konfigurationen durch Synthese von Evidenz: Nutzen Sie RCTs und Beobachtungsstudien, um Ergebnisse zu identifizieren, qualitative und Implementierungsstudien, um Mechanismen zu identifizieren, und vergleichen Sie Studien, um Kontextvariationen zu identifizieren.
Kann ich Studien von geringer Qualität in die Realist Synthesis einbeziehen?
Ja, Realist Synthesis schließt diverse Evidenztypen und Qualitätsstufen ein, wenn sie für das Verständnis von Mechanismen und Kontexten relevant sind. Erkennen Sie jedoch die Qualität an: Für Fragen zur Effektgröße priorisieren Sie RCTs und starke Beobachtungsstudien. Zum Verständnis von Mechanismen sind qualitative und Implementierungsstudien wertvoll, auch wenn es keine RCTs sind. Bewerten Sie die Qualität explizit und gewichten Sie Ihre Interpretationen entsprechend.
Wie balanciere ich Theorieentwicklung mit empirischer Evidenz?
Beginnen Sie mit einer vorläufigen Programmtheorie, die auf substanziellem Wissen basiert, und aktualisieren Sie diese dann iterativ, wenn neue Evidenz auftaucht. Zwingen Sie die Evidenz nicht in eine vorgegebene Theorie; seien Sie bereit, sie substanziell zu überarbeiten. Unterscheiden Sie zwischen: (1) Mechanismen, die durch mehrere Studien gut gestützt werden (als etabliert beschreiben); (2) Mechanismen, die durch eine oder zwei Studien gestützt werden (als wahrscheinlich beschreiben); (3) Aspekte der Theorie, die in der Literatur nicht behandelt werden (als spekulativ beschreiben). Diese Transparenz ermöglicht es den Lesern, die Glaubwürdigkeit der Theorie zu beurteilen.
Verwandte Methoden
Quellen
Pawson, R., Greenhalgh, T., Harvey, G., & Walshe, K. (2005). Realist review—a new method of systematic review designed for complex policy and programme evaluation. Journal of Health Services Research & Policy, 10(S1), 21–35.
DOI-Referenz öffnenKopiert.Pawson, R. (2013). The Science of Evaluation: A Realist Manifesto. SAGE Publications.
Publikationsreferenz öffnenKopiert.Wong, G., Westhorp, G., Pawson, R., & Greenhalgh, T. (2013). Realist synthesis: Introduction and some practical guidance. Cochrane Database of Systematic Reviews, 12, CD012032.
Publikationsreferenz öffnenKopiert.