@phdthesis{SchulzBehrendt2020,
  author    = {Schulz-Behrendt, Claudia},
  title     = {Entwicklung und Evaluation eines berufsorientierten Gruppenprogramms Sozialer Arbeit in der medizinischen Rehabilitation am Beispiel kardiovaskul{\"a}rer Erkrankungen},
  doi       = {10.25932/publishup-49139},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-491397},
  school      = {Universit{\"a}t Potsdam},
  pages     = {142},
  year      = {2020},
  abstract  = {Die vorliegende Untersuchung analysierte den direkten Zusammenhang eines berufsbezogenen Angebots Sozialer Gruppenarbeit mit dem Ergebnis beruflicher Wiedereingliederung bei Rehabilitandinnen und Rehabilitanden in besonderen beruflichen Problemlagen. Sie wurde von der Deutschen Rentenversicherung Bund als Forschungsprojekt vom 01.01.2013 bis 31.12. 2015 gef{\"o}rdert und an der Professur f{\"u}r Rehabilitationswissenschaften der Universit{\"a}t Potsdam realisiert. Die Forschungsfrage lautete: Kann eine intensive sozialarbeiterische Gruppenintervention im Rahmen der station{\"a}ren medizinischen Rehabilitation soweit auf die St{\"a}rkung sozialer Kompetenzen und die Soziale Unterst{\"u}tzung von Rehabilitandinnen und Rehabilitanden einwirken, dass sich dadurch langfristige Verbesserungen hinsichtlich der beruflichen Wiedereingliederung im Vergleich zur konventionellen Behandlung ergeben? Die Studie gliederte sich in eine qualitative und eine quantitative Erhebung mit einer zwischenliegenden Intervention. Eingeschlossen waren 352 Patientinnen und Patienten im Alter zwischen 18 und 65 Jahren mit kardiovaskul{\"a}ren Diagnosen, deren Krankheitsbilder h{\"a}ufig von komplexen Problemlagen begleitet sind, verbunden mit einer schlechten sozialmedizinischen Prognose. Die Evaluation der Gruppenintervention erfolgte in einem clusterrandomisierten kontrollierten Studiendesign, um einen empirischen Nachweis dar{\"u}ber zu erbringen, inwieweit die Intervention gegen{\"u}ber der regul{\"a}ren sozialarbeiterischen Behandlung h{\"o}here Effekte erzielen kann. Die Interventionsgruppen nahmen am Gruppenprogramm teil, die Kontrollgruppen erhielten die regul{\"a}re sozialarbeiterische Behandlung. Im Ergebnis konnte mit dieser Stichprobe kein Nachweis zur Verbesserung der beruflichen Wiedereingliederung, der gesundheitsbezogenen Arbeitsf{\"a}higkeit, der Lebensqualit{\"a}t sowie der Sozialen Unterst{\"u}tzung durch die Teilnahme am sozialarbeiterischen Gruppenprogramm erbracht werden. Die Return-To-Work-Rate betrug 43,7 \%, ein Viertel der Untersuchungsgruppe befand sich nach einem Jahr in Arbeitslosigkeit. Die durchgef{\"u}hrte Gruppenintervention ist dem konventionellen Setting Sozialer Arbeit als gleichwertig anzusehen. Schlussfolgernd wurde auf eine sozialarbeiterische Unterst{\"u}tzung der beruflichen Wiedereingliederung {\"u}ber einen l{\"a}ngeren Zeitraum nach einer kardiovaskul{\"a}ren Erkrankung verwiesen, insbesondere durch wohnortnahe Angebote zu einem sp{\"a}teren Zeitpunkt bei stabilerer Gesundheit. Aus den Erhebungen ließen sich m{\"o}gliche Erfolge bei engerer Kooperation zwischen dem Fachbereich der Sozialen Arbeit und der Psychologie ableiten. Ebenfalls gab es Hinweise auf die einflussreiche Rolle der Angeh{\"o}rigen, die durch Einbindung in die Soziale Beratung unterst{\"u}tzend auf den Wiedereingliederungsprozess wirken k{\"o}nnten. Die Passgenauigkeit der untersuchten sozialarbeiterischen Gruppeninterventionen ist durch eine gezielte Soziale Diagnostik zu verbessern.},
  language  = {de}
}
@phdthesis{Dehne2021,
  author    = {Dehne, Julian},
  title     = {M{\"o}glichkeiten und Limitationen der medialen Unterst{\"u}tzung forschenden Lernens},
  doi       = {10.25932/publishup-49789},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-497894},
  school      = {Universit{\"a}t Potsdam},
  pages     = {xvii, 404},
  year      = {2021},
  abstract  = {Forschendes Lernen und die digitale Transformation sind zwei der wichtigsten Einfl{\"u}sse auf die Entwicklung der Hochschuldidaktik im deutschprachigen Raum. W{\"a}hrend das forschende Lernen als normative Theorie das sollen beschreibt, geben die digitalen Werkzeuge, alte wie neue, das k{\"o}nnen in vielen Bereichen vor. In der vorliegenden Arbeit wird ein Prozessmodell aufgestellt, was den Versuch unternimmt, das forschende Lernen hinsichtlich interaktiver, gruppenbasierter Prozesse zu systematisieren. Basierend auf dem entwickelten Modell wurde ein Softwareprototyp implementiert, der den gesamten Forschungsprozess begleiten kann. Dabei werden Gruppenformation, Feedback- und Reflexionsprozesse und das Peer Assessment mit Bildungstechnologien unterst{\"u}tzt. Die Entwicklungen wurden in einem qualitativen Experiment eingesetzt, um Systemwissen {\"u}ber die M{\"o}glichkeiten und Grenzen der digitalen Unterst{\"u}tzung von forschendem Lernen zu gewinnen.},
  language  = {de}
}
@phdthesis{Hefen2021,
  author    = {Hefen, Veronika},
  title     = {Karrierewege in der Wirtschaftspr{\"u}fung unter besonderer Ber{\"u}cksichtigung der relativen Repr{\"a}sentation von Frauen},
  doi       = {10.25932/publishup-52983},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-529831},
  school      = {Universit{\"a}t Potsdam},
  pages     = {XIX, 411},
  year      = {2021},
  abstract  = {Ausgangspunkt der Dissertation ist die Fragestellung, warum es relativ wenige weibliche Wirtschaftspr{\"u}fer/innen in Deutschland gibt. Laut Mitgliederstatistik der Wirtschaftspr{\"u}ferkammer vom 1. Januar 2020 liegt der Frauenanteil im Berufs-stand bei rund 17 \%. Einschl{\"a}gige Literatur zeigt, dass auf Ebene der Berufseinstei-ger/innen im Segment der zehn gr{\"o}ßten Wirtschaftspr{\"u}fungsgesellschaften das Ge-schlechterverh{\"a}ltnis recht ausgewogen ist. Jedoch liegt der Frauenanteil auf der Hierarchieebene „Manager", f{\"u}r die {\"u}blicherweise ein bestandenes Berufsexamen Voraussetzung ist, bereits deutlich niedriger und sinkt mit jeder weiteren Hierar-chiestufe. Die Zielstellung der Dissertation wurde somit dahingehend spezifiziert, diejenigen Faktoren zu analysieren, die dazu beitragen k{\"o}nnen, dass die relative Repr{\"a}sentation von Frauen im Segment der zehn gr{\"o}ßten Wirtschaftspr{\"u}fungsge-sellschaften Deutschlands ab der Manager-Ebene (d. h. {\"u}blicherweise ab der Schwelle der examinierten Wirtschaftspr{\"u}fer/innen) sinkt. Der Fokus der Analyse liegt daher auf Ebene der erfahrenen Pr{\"u}fungsassistenten und Pr{\"u}fungsassistentin-nen (Senior), um diese Schwelle unmittelbar vor der Manager-Ebene detailliert zu beleuchten. Neben der Auswertung von Erkenntnissen aus der internationalen Pr{\"u}fungsfor-schung wurde eine empirische Studie unter den Senior von sechs der zehn gr{\"o}ßten Wirtschaftspr{\"u}fungsgesellschaften in Deutschland durchgef{\"u}hrt. Die empirischen Ergebnisse wurden mittels deskriptiver Datenanalyse ausgewertet und dahinge-hend analysiert, f{\"u}r welche der zuvor definierten Aspekte signifikante geschlechts-spezifische Unterschiede zu beobachten sind. F{\"u}r ausgew{\"a}hlte Aspekte wurde zu-dem analysiert, ob es Unterschiede zwischen weiblichen/m{\"a}nnlichen Senior mit Kind/ern und ohne Kind/er gibt. Insgesamt wurden f{\"u}r zahlreiche Aspekte ge-schlechtsspezifische Unterschiede und Unterschiede zwischen Senior mit Kind/ern und ohne Kind/er gefunden. Es zeigt sich außerdem, dass neben der beruflichen Situation auch die individuellen Eigenschaften und das private Umfeld von Bedeu-tung sind. Im Rahmen der beruflichen Situation spielen sowohl die Wahrnehmung der aktuellen beruflichen Situation eine Rolle als auch u. a. die Erwartungen der Senior an die m{\"o}gliche k{\"u}nftige Manager-Position, an das Wirtschaftspr{\"u}fungsexa-men und an weitere berufliche Perspektiven.},
  language  = {de}
}
@phdthesis{Maier2021,
  author    = {Maier, Corinna},
  title     = {Bayesian data assimilation and reinforcement learning for model-informed precision dosing in oncology},
  doi       = {10.25932/publishup-51587},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-515870},
  school      = {Universit{\"a}t Potsdam},
  pages     = {x, 138},
  year      = {2021},
  abstract  = {While patients are known to respond differently to drug therapies, current clinical practice often still follows a standardized dosage regimen for all patients. For drugs with a narrow range of both effective and safe concentrations, this approach may lead to a high incidence of adverse events or subtherapeutic dosing in the presence of high patient variability. Model-informedprecision dosing (MIPD) is a quantitative approach towards dose individualization based on mathematical modeling of dose-response relationships integrating therapeutic drug/biomarker monitoring (TDM) data. MIPD may considerably improve the efficacy and safety of many drug therapies. Current MIPD approaches, however, rely either on pre-calculated dosing tables or on simple point predictions of the therapy outcome. These approaches lack a quantification of uncertainties and the ability to account for effects that are delayed. In addition, the underlying models are not improved while applied to patient data. Therefore, current approaches are not well suited for informed clinical decision-making based on a differentiated understanding of the individually predicted therapy outcome. The objective of this thesis is to develop mathematical approaches for MIPD, which (i) provide efficient fully Bayesian forecasting of the individual therapy outcome including associated uncertainties, (ii) integrate Markov decision processes via reinforcement learning (RL) for a comprehensive decision framework for dose individualization, (iii) allow for continuous learning across patients and hospitals. Cytotoxic anticancer chemotherapy with its major dose-limiting toxicity, neutropenia, serves as a therapeutically relevant application example. For more comprehensive therapy forecasting, we apply Bayesian data assimilation (DA) approaches, integrating patient-specific TDM data into mathematical models of chemotherapy-induced neutropenia that build on prior population analyses. The value of uncertainty quantification is demonstrated as it allows reliable computation of the patient-specific probabilities of relevant clinical quantities, e.g., the neutropenia grade. In view of novel home monitoring devices that increase the amount of TDM data available, the data processing of sequential DA methods proves to be more efficient and facilitates handling of the variability between dosing events. By transferring concepts from DA and RL we develop novel approaches for MIPD. While DA-guided dosing integrates individualized uncertainties into dose selection, RL-guided dosing provides a framework to consider delayed effects of dose selections. The combined DA-RL approach takes into account both aspects simultaneously and thus represents a holistic approach towards MIPD. Additionally, we show that RL can be used to gain insights into important patient characteristics for dose selection. The novel dosing strategies substantially reduce the occurrence of both subtherapeutic and life-threatening neutropenia grades in a simulation study based on a recent clinical study (CEPAC-TDM trial) compared to currently used MIPD approaches. If MIPD is to be implemented in routine clinical practice, a certain model bias with respect to the underlying model is inevitable, as the models are typically based on data from comparably small clinical trials that reflect only to a limited extent the diversity in real-world patient populations. We propose a sequential hierarchical Bayesian inference framework that enables continuous cross-patient learning to learn the underlying model parameters of the target patient population. It is important to note that the approach only requires summary information of the individual patient data to update the model. This separation of the individual inference from population inference enables implementation across different centers of care. The proposed approaches substantially improve current MIPD approaches, taking into account new trends in health care and aspects of practical applicability. They enable progress towards more informed clinical decision-making, ultimately increasing patient benefits beyond the current practice.},
  language  = {en}
}