CLM: Community-led monitoring
Weltweit werden HIV-Programme abgebaut. Alle stehen unter Druck, die Wirksamkeit ihrer Angebote zu beweisen. Gleichzeitig kommen Regierungen an die Macht, die bewusst auf das Sammeln von Gesundheitsdaten verzichten, um die Betroffenheit von Schlüsselpopulationen unsichtbar zu machen. Community-led monitoring (CLM) wird unverzichtbar.
26. internationale Aids-Konferenz 2026 in Rio de Janeiro
Beitrag von Florian Vock
Juliana Cesar der brasilianischen NGO Gestos zeigte auf, wie entscheidend es ist, Daten als Communitys zu kontrollieren. Wir müssen Die Datensammlung und die Auswertung in unseren Händen behalten, gerade in politisch stürmischen Zeiten. Daten sind dabei kein Selbstzweck, sondern die Grundlage für die politische Einflussnahme. Wir müssen die Realitäten von betroffenen Populationen mittels qualitativer und quantitativer Auswertung sichtbar machen und strategisch einsetzen. Dabei müssen wir berücksichtigen:
- Datensammlung und -auswertung muss möglichst unabhängig finanziert und durchgeführt werden, damit sie in der Macht der Community bleibt.
- Ergebnisse müssen "übersetzt" werden in die Sprache der Politik, damit sie verstanden werden.
- Ergebnisse müssen "reisen" können in andere Politikbereiche als HIV, z. B. Gleichstellung, Menschenrechte oder Jugendförderung, damit sie eine breite Wirkung entfalten.
- Ergebnisse müssen verteidigt werden als demokratische Basis: Es gibt ein Recht, Informationen zu sammeln und es ist eine Pflicht, ihnen Gehör zu schenken (Data Justice).
Unisono wurde darauf hingewiesen, dass Datensammlung und deren Analysen kein Hexenwerk ist. Unzählige NGOs auf der ganzen Welt sammeln Informationen und werten sie aus. Monitoring von NGOs kann dabei nicht nur aufzeigen, was geschieht (z. B. Infektionsraten) oder was getan wird (z. B. Tests). Es wird auch sichtbar, wer von Interventionen nicht erreicht wird (z. B. Armutsbetroffene).
Aufgabe von NGOs ist es auch, Daten für Menschen zugänglich und verständlich zu machen. Daten sind müssen genutzt, geteilt und veröffentlicht werden: Infografiken, einfache Download-Möglichkeiten, Dashboards oder Themenschwerpunkte helfen dabei. AIDSvu in den USA oder HIVlens in den UK sind erfolgreiche Beispiele dafür.
Und nicht zuletzt geht es darum, Daten auch zu nutzen, um Modellierungen zu ermöglichen. Wie können wir mit dem Wissen, das wir haben, berechnen, welche Interventionen besonders wirksam sind: Lohnt es sich, den Fokus auf langwirksame PrEP zu setzen, um HIV-Übertragungen zu reduzieren? Reduziert sich die Syphilis-Inzidenz, wenn wir bestimmte Gruppen zum Test einladen? Die Universität Bristol bietet in einem Online-Kurs eine Einführung zum Modellieren mit Daten an.