Die MAUDE-Datenbank (Manufacturer and User Facility Device Experience) ist die öffentlich zugängliche US-amerikanische Datenbank der FDA für Meldungen zu Vorkommnissen mit Medizinprodukten (Medical Device Reports, MDRs). Sie enthält verpflichtende Meldungen von Herstellern, Importeuren und Gesundheitseinrichtungen sowie freiwillige Meldungen von Anwendern, Patienten und medizinischem Fachpersonal. Im Human-Factors- und Usability-Engineering dient MAUDE als wichtige Quelle zur Identifikation realer Anwendungsprobleme, Nutzungsmuster und potenzieller Use-Related Risks.
Bedeutung für Human Factors Engineering
MAUDE ist eine der wichtigsten öffentlich zugänglichen Quellen für Post-Market-Daten zu Medizinprodukten in den USA. Die Datenbank ermöglicht die Analyse tatsächlicher Fehlerereignisse, Gerätemalfunktionen und nutzungsbezogener Vorkommnisse. Für Human-Factors-Spezialisten liefert sie Hinweise auf kritische Nutzungsszenarien, Bedienfehler und unerwartete Interaktionen zwischen Anwendern und Produkten. Besonders in frühen Entwicklungsphasen kann die Analyse ähnlicher Produkte wertvolle Erkenntnisse für die Nutzungsrisikoanalyse liefern.
Einsatz im Usability-Engineering-Prozess
MAUDE-Daten können bereits während der Anwendungs- und Nutzungskontextanalyse ausgewertet werden. Häufig werden relevante Ereignisse systematisch extrahiert und in Use-Related Risk Analysen übernommen. Die identifizierten Fehlermuster dienen als Input für Designentscheidungen an der Benutzungsschnittstelle, formative Evaluationen und die Definition kritischer Aufgaben für summative Usability-Tests. Die Datenbank unterstützt somit mehrere Schritte des IEC-62366-konformen Entwicklungsprozesses.
Identifikation von Use Errors und Use-Related Hazards
Nicht jede Meldung in MAUDE beschreibt einen technischen Defekt. Viele Berichte enthalten Hinweise auf Bedienfehler, Fehlinterpretationen von Anzeigen, Verwechslungen von Komponenten oder Probleme bei der Gerätevorbereitung. Solche Berichte können genutzt werden, um wiederkehrende Use Errors zu identifizieren. Die Analyse erfordert jedoch eine sorgfältige qualitative Bewertung, da die eigentliche Ursache eines Ereignisses häufig nicht eindeutig dokumentiert ist.
Nutzung für Wettbewerbs- und Predicate-Analysen
Im regulatorischen Umfeld wird MAUDE häufig zur Untersuchung ähnlicher oder konkurrierender Produkte verwendet. Hersteller können bekannte Fehlermuster, wiederkehrende Anwenderprobleme oder sicherheitsrelevante Ereignisse bei vergleichbaren Produkten analysieren. Die daraus gewonnenen Erkenntnisse können in Risikoanalysen, Design Inputs oder die Begründung von Usability-Maßnahmen einfließen. Besonders im Umfeld von FDA-Zulassungen wird dieser Ansatz häufig angewendet.
Grenzen und methodische Schwächen
MAUDE ist kein epidemiologisches System. Die Anzahl der Meldungen erlaubt keine Aussagen über die tatsächliche Häufigkeit eines Problems, da die Anzahl installierter Geräte, die Nutzungshäufigkeit und das Ausmaß möglicher Untererfassung unbekannt sind. Zusätzlich können Berichte unvollständig, fehlerhaft oder mehrfach vorhanden sein. Kausalzusammenhänge zwischen Gerät und Ereignis lassen sich allein anhand von MAUDE-Daten häufig nicht verlässlich feststellen – die Daten sollten deshalb stets gemeinsam mit weiteren Informationsquellen bewertet werden.
Systematische Auswertungsmethoden
Für Human-Factors-Untersuchungen werden MAUDE-Daten häufig mittels qualitativer Inhaltsanalyse ausgewertet. Typische Vorgehensweisen umfassen Keyword-Suchen, Fehlerklassifikation, Task-Mapping sowie die Zuordnung zu bekannten Use-Related Hazards. Bei größeren Datenmengen kommen zusätzlich statistische Auswertungen, Trendanalysen oder Text-Mining-Verfahren zum Einsatz. Die Ergebnisse sollten stets gegen weitere Evidenzquellen wie CAPA-Daten, Complaint Files oder Literaturrecherchen trianguliert werden.
Regulatorischer Bezug
Nach dem FDA Medical Device Reporting (MDR) System (21 CFR Part 803) müssen Hersteller, Importeure und bestimmte Gesundheitseinrichtungen schwerwiegende Vorkommnisse und relevante Produktfehlfunktionen an die FDA melden; diese Meldungen werden in MAUDE veröffentlicht. Die FDA beschreibt MAUDE als Post-Market-Surveillance-Datenquelle zur Identifikation potenzieller Sicherheitsprobleme von Medizinprodukten, weist aber ausdrücklich darauf hin, dass MAUDE-Daten allein nicht zur Bestimmung von Ereignisraten, Häufigkeiten oder zum direkten Vergleich von Produkten geeignet sind. Für Human-Factors- und Usability-Aktivitäten können Post-Market-Daten als Input für die Identifikation nutzungsbezogener Risiken verwendet werden; die explizite Nutzung von MAUDE wird in relevanten FDA-HF-Dokumenten indirekt unterstützt, jedoch nicht zwingend vorgeschrieben.
Häufige Fragen (FAQ)
Kann die Anzahl der MAUDE-Meldungen direkt als Risikomaß verwendet werden?
Nein. Die FDA weist ausdrücklich darauf hin, dass aus der Anzahl der Meldungen weder die tatsächliche Ereignishäufigkeit noch das relative Risiko eines Produkts abgeleitet werden kann. Meldungen unterliegen Meldeverzerrungen und unvollständiger Erfassung.
Sind MAUDE-Berichte verifizierte Ursachenanalysen?
Nein. Ein MAUDE-Bericht dokumentiert ein gemeldetes Ereignis, nicht zwingend die bestätigte Ursache. Die Kausalität muss häufig durch weitere Untersuchungen bewertet werden.
Eignet sich MAUDE für die Identifikation von Use Errors?
Ja, allerdings nur nach qualitativer Analyse der Einzelfälle. Viele Berichte enthalten Informationen zu Bedienfehlern oder Anwenderinteraktionen, die für die Nutzungsrisikoanalyse relevant sein können.
Sollte MAUDE bei der Entwicklung neuer Medizinprodukte berücksichtigt werden?
In vielen Fällen ja. Die Analyse ähnlicher Produkte kann potenzielle Gefährdungen, Fehlanwendungen und bekannte Nutzungsschwächen frühzeitig sichtbar machen und die Vollständigkeit der Risikoanalyse verbessern.
MAUDE liefert wertvolle Hinweise auf reale Anwendungsprobleme – aber keine Häufigkeits- oder Risikokennzahlen. Die Daten entfalten ihren Wert erst durch qualitative Analyse und Triangulation mit weiteren Quellen wie CAPA- und Complaint-Daten.
Sie möchten MAUDE- und Post-Market-Daten systematisch für Ihre Nutzungsrisikoanalyse auswerten? Wir unterstützen Sie im gesamten Usability-Engineering-Prozess nach IEC 62366-1.
Mehr zu unserem Usability Engineering