Page - 415 - in Soziale Netzwerke und gesundheitliche Ungleichheiten - Eine neue Perspektive für die Forschung

415Desiderata: Soziale Netzwerk und gesundheitliche Ungleichheiten … et al. 2006) oder dem F-SozU K-14 (Fydrich et al. 2007) in validierter Form vorliegen. Während die OSSS soziale Unterstützung mit drei Items erfasst, steuern im F-SozU K-14 ebenfalls drei Items die Beschreibung der sozialen Integration einer Person bei. • Hierbei sollten zukünftig die offline-Mechanismen in ihrer Verschränkung mit den online-Mechanismen untersucht werden, wobei sich von puren online-Makrostrategien – wie etwa dem berüchtigten Facebook-Experiment, in dem experimentell untersucht wurde, ob der emotionale Zustand der Nut- zer*innen durch die Auswahl der im Newsfeed angezeigten Nachrichten manipuliert werden kann (Kramer et al. 2014; kritisch dazu: Kleinsman und Buckley 2015) – bis hin zu mikrosystemalen on/offline-Wechselverhalten – etwa dem Übergang von (klassenübergreifenden) Multiplayer-Game-Netz- werken hin zu offline-Freundschaften alles denken lässt. Im mesosystemalen Bereich der sozialen Netzwerke sind inzwischen die größten Industrien der Neuzeit entstanden, deren Geschäftsmodelle eng an Mechanismen wie Ein- bindung, sozialen Einfluss oder Ansteckung gebunden sind. Hinter etlichen Knoten dieser Netzwerke stehen Maschinen oder Algorithmen, die sich nicht immer als solche zu erkennen geben. Damit dürften zukünftige Netzwerk- studien auch von den Forschungen zur Mensch-Mensch-Maschine-Interaktion (etwa bei partnerschaftlich geteilten Gesundheits-Apps) oder zur täuschenden Kommunikation profitieren. Hier lassen sich diverse Hypothesen bilden, über welche Mechanismen soziale Netzwerke an proximale, d. h. mikrofundierte, Faktoren von Gesundheit „kop- peln“. Was die Messung auf dieser vierten Modellebene aus Abb. 1 betrifft, so findet auch hier augenblicklich eine Revolution statt, an der sich zukünftige Netz- werkforschung zu orientieren hat. Ohne diesen Gedanken weiter auszuführen, soll nur darauf verwiesen werden, dass sich beispielsweise Gesundheitsverhalten über sogenannte EMAs (ecological momentary assessment) von beispielsweise psychophysiologischen Parametern (Raugh et al. 2019) in hohem Maße objek- tivieren lässt. Psychische und physische Marker, vom Hautleitwiderstand, Blut- druck und Hirnaktivität bis hin zur aktuellen Genexpression für die Bildung des schlafsteuernden Hormons Melatonin, werden im Zuge von komplexer werden- den Analysen in den Gesundheitswissenschaften immer zugänglicher und kön- nen dynamisch (zeit- und ortsveränderlich) erfasst werden. Die Patient*innen der Zukunft müssen auf vielerlei Weise als verbunden („connected“) verstanden wer- den, womit offline- und online-Beziehungen zu den „driving forces“ in der „digi- talen Psychiatrie“ und der „E-Health“ gehören (Bughra et al. 2017, S. 799).