gms | German Medical Science

Einleitung und Zielstellung: Im Rahmen des Use Cases ASIC wurde eine mobile Anwendung entwickelt, die Ärzten helfen soll, das akute Lungenversagen (Acute Respiratory Distress Syndrome, ARDS) früher zu diagnostizieren und bei der Behandlung die aktuellsten Leitlinien einzuhalten. ARDS ist ein vital bedrohlicher Zustand, von dem Intensivpatienten betroffen sind, bei denen sich aufgrund von diversen Risikofaktoren (u.a. pulmonale Infektionen, Aspiration, Trauma, Sepsis) gravierende pulmonale Inflammationsreaktionen in einem Alveolarkollaps münden und die betroffene Lunge nicht mehr in der Lage ist, Sauerstoff aufzunehmen und lebenswichtige Organe des Körpers ausreichend mit Sauerstoff zu versorgen [1]. Solche Patienten müssen in der Folge oftmals maschinell beatmet werden; eine frühere Erkennung und die Einhaltung von Therapierichtlinien sind notwendig, um die bisher weiterhin bestehende Sterblichkeitsrate von etwa 40% zu verbessern [2], [3].

Methoden: Die ASIC-App wurde im Rahmen einer Qualitätsverbesserungsstrategie (Quality Improvement Strategy, QIS) auf ihren Nutzen im klinischen Umfeld geprüft [4]. Die QIS wurde in einem dreiphasigen Design konzipiert. Acht (8) deutsche Universitätskliniken mit insgesamt 31 Intensivstationen wurden nach dem Zufallsprinzip zu 12-Clustern zusammengefasst. Über einen Zeitraum von vier Jahren, einschließlich einer 18-monatigen Vorbereitungszeit, durchlief jedes Cluster diese Phasen in einem gestaffelten Zeitplan. Die erste Kontrollphase dauerte mindestens 8 Monate, in der die Standorte eine Einführung in die Systeme und die App bekommen haben. Gefolgt von der Einführungsphase (3 Monate), welche ausgelegt war, um die ersten Tests der ASIC-App auf den Stationen durchzuführen und eventuelle Rückfragen der Ärzte zu klären. Die mindestens 6-monatige bis maximal 12-monatige Qualitätssicherungsphase schloss sich an die Roll-In Phase an, in welcher die ASIC-App im Arbeitsalltag der Ärzte eingesetzt wurde und aktiv Patienten eingeschlossen wurden (siehe auch Abbildung 1 [Abb. 1]).

Patientendaten wurden in Hinblick auf ausgewählte wichtige Leistungsindikatoren (key performance indicators, KPIs) untersucht. Zu den primären KPIs gehörten die ARDS-Diagnoserate und die Einhaltung der Leitlinien zur lungenprotektiven Beatmung.

Die Definitionskriterien teilen sich in 4 Bereiche auf:

• Zeitpunkt ist definiert als „Beginn innerhalb einer Woche“
• Bildgebung der Lunge: Bilaterale Verdichtungen (nicht alleine auf Ergüsse, Atelektase oder Rundherde erklärbar)
• Ursprung des Lungenödems: Respiratorisches Versagen nicht alleine erklärbar durch Herzinsuffizienz (Echokardiographie) oder Hyperhydration
• Grade der Oxygenierungsstörung teilt sich in 3 Kategorien:
  • Mild: P_aO₂/F_iO2: 201–300 mmHg bei PEEP ≥ 5 cm H₂O –> Tiefstellung prüfen
  • Moderat: P_aO₂/F_iO₂: 101–200 mmHg bei PEEP ≥ 5 cm H₂O
  • Schwer: P_aO₂/F_iO₂≤ 100 mmHg bei PEEP ≥ 5 cm H₂O

Die sekundären KPIs betrafen die Prävalenz von Organfunktionsstörungen innerhalb von 28 Tagen nach der Diagnose oder der Entlassung aus der Intensivstation sowie die Dauer der Behandlung auf der Intensivstation und schließlich die Krankenhaussterblichkeit. Zusätzlich zu den KPIs wurde die ASIC-App auch hinsichtlich der Benutzerakzeptanz und der Benutzerfreundlichkeit bewertet.

Ergebnisse: Standortübergreifend wurden Daten von 14.833 Patienten und Patientinnen unter Berücksichtigung der Einschlusskriterien erhoben. Damit liegt der Durchschnitt an Datensätzen pro Monat während der QS-Phase des Use Cases ASIC bei 494 Patientinnen und Patienten. Die ursprüngliche Zielsetzung an Datensätzen lag bei 5.000 Patienten. Durch App-Einführung ist aus den Erstauswertungen eine Diagnosesteigerung von rund 8% erkennbar (siehe Abbildung 2 [Abb. 2]).

Diskussion: Die verlässliche und dauerhafte Verwendung von klinischen Unterstützungssystemen im stationären Alltag birgt nach wie vor Herausforderungen. Nicht nur die technische Infrastruktur auf einer Station muss gegeben sein. Die unkomplizierte und intuitive Bedienbarkeit einer Applikation muss ebenfalls sichergestellt werden. Der Use Case ASIC hat damit erhebliche Erkenntnisse für die Akzeptanz eines Unterstützungssystems und dessen Nutzen für Patienten und Patientinnen erzielt.