MII IG PRO
2026.2.0 - ci-build
Unknown region code '276'
MII IG PRO, published by Medizininformatik-Initiative. This guide is not an authorized publication; it is the continuous build for version 2026.2.0 built by the FHIR (HL7® FHIR® Standard) CI Build. This version is based on the current content of https://github.com/medizininformatik-initiative/kerndatensatzmodul-proms/ and changes regularly. See the Directory of published versions
Das Patient-Reported Outcomes Measurement Information System (PROMIS) ist ein vom US National Institute of Health (NIH) entwickeltes, IRT-basiertes Messsystem zur standardisierten Erfassung patientenberichteter Outcomes. PROMIS-Instrumente sind international validiert und liefern T-Scores (Mean=50, SD=10 der US-Normalbevölkerung), die instrument- und populationsübergreifend vergleichbar sind.
PROMIS-Instrumente existieren in verschiedenen Konfigurationen:
| Typ | Beschreibung | Beispiel |
|---|---|---|
| Multi-Domain Instrument | Erfasst mehrere Gesundheitsdomänen in einem Fragebogen | PROMIS-29 |
| Single-Domain Short Form | Fokussiert auf eine einzelne Domäne mit wenigen Items | PROMIS Physical Function SF 4a, PROMIS Depression SF 4a |
| Item Bank | Vollständiger Itempool einer Domäne für CAT oder individuelle Zusammenstellung | PROMIS Depression Item Bank (zukünftig) |
Multi-Domain Instrument zur Erfassung der gesundheitsbezogenen Lebensqualität über 7 Domänen (Physical Function, Anxiety, Depression, Fatigue, Sleep Disturbance, Social Function, Pain Interference) plus Schmerzintensität.
–> Detaillierte Dokumentation und Vorschau
Single-Domain Short Form zur Erfassung von Depressionssymptomen mit 4 Items aus der PROMIS Depression Item Bank. Dient als exemplarisches Beispiel für die Implementierung von PROMIS-Instrumenten aus einer einzelnen Domäne.
–> Detaillierte Dokumentation und Vorschau
Exemplarisches Single-Domain Instrument für die Domäne körperliche Funktion. Geplant als Referenzimplementierung für PROMIS-Instrumente aus einer einzelnen Domäne mit vollständiger Score-Berechnung und Observation-Extraktion.