Sandra Jaworeck's dissertation, submitted to the Faculty of Sociology at Chemnitz University of Technology, examines the connection between machine learning and multilevel analysis to integrate both subjective and objective criteria in health research. At the core of her work is the development of a novel index to measure access to healthcare systems, which considers both subjective and objective criteria. Traditionally, primarily objective criteria such as the number of hospital beds and a country’s healthcare expenditures are used to represent the value of a healthcare system. While these objective measurements provide valuable insights, they often overlook the subjective experiences and perceptions that significantly influence individuals' well-being and health. Jaworeck argues that both subjective and objective measurements have their advantages and disadvantages and that their combination can lead to deeper insights in health research. Using machine learning methods, she develops, for the first time, an index that captures the subjective perception of access to healthcare systems across various countries by integrating both subjective and objective indicators. This advanced approach opens new avenues for better understanding and analyzing the often invisible differences between healthcare systems in different countries. Ultimately, Jaworeck’s work may contribute to explaining the perception of equity in access to healthcare services. Her dissertation fills a significant gap in international health research by developing, validating, and comparing a missing index with existing health indices to highlight its relevance and explanatory power. In summary, Jaworeck's work underscores the importance of integrating subjective perspectives into health research and demonstrates innovative methods for utilizing these perspectives alongside objective criteria to evaluate healthcare systems more comprehensively. / Die Dissertation von Sandra Jaworeck, eingereicht an der Fakultät für Soziologie der Technischen Universität Chemnitz, untersucht die Verbindung zwischen maschinellem Lernen und Mehrebenenanalyse, um sowohl subjektive als auch objektive Kriterien in der Gesundheitsforschung zu integrieren. Im Mittelpunkt ihrer Arbeit steht die Entwicklung eines neuartigen Indexes zur Messung des Zugangs zu Gesundheitssystemen, der sowohl subjektive als auch objektive Kriterien berücksichtigt. Traditionell werden hauptsächlich objektive Kriterien wie die Anzahl der Krankenhausbetten und die Gesundheitsausgaben eines Landes genutzt um den Wert eines Gesundheitssystems darzustellen. Diese objektiven Messungen bieten zwar wertvolle Einblicke, übersehen jedoch oft die subjektiven Erfahrungen und Wahrnehmungen, die das Wohlbefinden und damit auch die Gesundheit von Menschen erheblich beeinflussen können. Jaworeck argumentiert, dass sowohl subjektive als auch objektive Messungen ihre Vor- und Nachteile haben, und dass ihre Kombination zu tiefergehenden Erkenntnissen in der Gesundheitsforschung führen kann. Durch den Einsatz von maschinellen Lernverfahren entwickelt sie erstmals einen Index, der durch den Einbezug von subjektiven und objektiven Indikatoren am Ende die subjektive Wahrnehmung des Zugangs zu Gesundheitssystemen in verschiedenen Ländern erfasst. Dieser fortschrittliche Ansatz eröffnet neue Wege, um die oft unsichtbaren Unterschiede zwischen den Gesundheitssystemen verschiedener Länder besser zu verstehen und gezielt zu analysieren. Letztlich kann Jaworecks Arbeit dazu beitragen, die Gerechtigkeitswahrnehmung im Zugang zu Gesundheitsleistungen zu erklären. Ihre Dissertation schließt eine wichtige Lücke in der internationalen Gesundheitsforschung, indem sie einen fehlenden Index entwickelt, validiert und mit bestehenden Gesundheitsindizes vergleicht, um dessen Relevanz und Aussagekraft zu unterstreichen. Zusammenfassend trägt Jaworecks Arbeit dazu bei, die Bedeutung der Integration subjektiver Perspektiven in die Gesundheitsforschung hervorzuheben und zeigt innovative Methoden auf, wie diese zusammen mit objektiven Kriterien genutzt werden können, um Gesundheitssysteme umfassender zu bewerten.