Recommendations for the implementation of the NKLM 2.x through epidemiology, medical biometry, and medical informatics, with bioinformatics and related subjects

Medical data sciences receive attention as digitalization and artificial intelligence (AI) pose new challenges and opportunities in health care. Specific methods and skills derived from the data sciences have been driving essential developments in almost if not all areas of health care and medical research over many years. For example, evidence-based medicine is now a pillar of medical practice, combined with a stronger focus on reproducible and valid research and an improved understanding of scientific methods. The increased role of the data sciences in medical research and practice is reflected in the revised national competency-based learning objectives catalog for medicine (NKLM 2.0). Digitalization, research skills, evidence medicine and health promotion and prevention are integral parts of the curriculum from start to end. They relate to all subjects and topics in an interprofessional manner. This increase in relevance of the data sciences clearly calls for improved competencies in the clinico-theoretical disciplines previously combined as interdisciplinary domain 1 (Q1). Epidemiology, medical biometry and medical informatics will now contribute expertise throughout the whole course of studying medicine. These disciplines deal with digitalization, medical research competence, evidence-based medicine, and prevention. In addition, disease-related learning and many aspects of therapy, diagnostics, communication, and management benefit from cooperation with dedicated instruction in the medical data sciences by didactically trained experts. This article aims to support faculties and subject representatives during the implementation period of the NKLM 2.0 and beyond regarding data science skills. Tables provide an overview of essential learning objectives in epidemiology, biometry, and medical informatics across the different phases of the curriculum. In addition, we give recommendations for cooperation with other subject representatives. By this we wish to contribute to improving the medical curriculum based on graduate profile-oriented interdisciplinary-integrative teaching.Medizinische Datenwissenschaften erhalten über Themen wie Digitalisierung und künstliche Intelligenz (KI) große Aufmerksamkeit. Aber auch in anderen Bereichen entwickeln sich Gesundheitsversorgung und Forschung kontinuierlich weiter unter Rückgriff auf Methoden und Kompetenzen der in den Datenwissenschaften gebündelten Fächer. So ist die Evidenzbasierte Medizin inzwischen als Pfeiler ärztlichen Handelns etabliert, verbunden mit einem stärkeren Fokus auf reproduzierbarer und valider Forschung und verbessertem wissenschaftlichen Methodenverständnis. Diese wichtigen Entwicklungen medizinischer Forschung und Praxis spiegeln sich auch im überarbeiteten nationalen kompetenzbasierten Lernzielkatalog Medizin (NKLM 2.0) wider. Themenkomplexe zu Digitalisierung, medizinisch-wissenschaftlichen Kompetenzen, und Gesundheitsförderung und Prävention prägen das geplante Curriculum über das gesamte Studium hinweg fächerübergreifend und interprofessionell. Dies korrespondiert mit einer deutlichen Aufwertung der Fächer, die bisher als klinisch-theoretische Fächer im Querschnittsbereich 1 (Q1) zusammengefasst waren. Epidemiologie, Biometrie und Medizininformatik zuzüglich der Bioinformatik bringen nun über den gesamten Verlauf des Studiums Expertise ein. Diese Expertise betrifft schwerpunktmäßig die genannten Bereiche Digitalisierung, wissenschaftliche Methodenkompetenz, Evidenzbasierte Medizin und Prävention. Aber auch inhaltlich-krankheitsbezogene Themen und viele Aspekte aus Therapie, Diagnostik, Kommunikation und Management profitieren von Kooperationen mit Lehrenden der Datenwissenschaften. Dieser Artikel soll medizinische Fakultäten und Fachvertreter bei der Umsetzung des NKLM 2.0 dort unterstützen, wo Kompetenzen der Datenwissenschaften benötigt werden. An den Kapiteln des NKLM orientierte Tabellen bieten eine Übersicht der wesentlichen Lernziele der Epidemiologie, Biometrie und Medizininformatik über die verschiedenen Phasen des Studiums. Darüber hinaus geben wir konkrete Empfehlungen für Kooperationen mit anderen Fächern. Wir möchten damit zur Verbesserung medizinischer Curricula im Sinne absolventenprofilorientierter interdisziplinär-integrativer Lehre beitragen