gms | German Medical Science

19. Deutscher Kongress für Versorgungsforschung

Deutsches Netzwerk Versorgungsforschung e. V.

30.09. - 01.10.2020, digital

Das DISPENSE-Tool: Dresdner Informations- und Prognosetool für Bettenauslastung in Sachsen

Meeting Abstract

  • Jochen Schmitt - Zentrum für Evidenzbasierte Gesundheitsversorgung, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Toni Lange - Zentrum für Evidenzbasierte Gesundheitsversorgung, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Christoph Forkert - Zentrum für Evidenzbasierte Gesundheitsversorgung, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Martin Rößler - Zentrum für Evidenzbasierte Gesundheitsversorgung, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Felix Walther - Zentrum für Evidenzbasierte Gesundheitsversorgung, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Andreas Knapp - Zentrum für Evidenzbasierte Gesundheitsversorgung, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Jens Karschau - Zentrum für Evidenzbasierte Gesundheitsversorgung, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Mirko Gruhl - Zentrum für Medizinische Informatik, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Michele Kümmel - Zentrum für Medizinische Informatik, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Richard Gebler - Zentrum für Medizinische Informatik, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Maik Löwe - Zentrum für Medizinische Informatik, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Martin Sedlmayr - Zentrum für Medizinische Informatik, Universitätsklinikum und Medizinische Fakultät Carl Gustav Carus an der Technischen Universität Dresden, Dresden, Deutschland
  • Andreas Mogwitz - Universitätsklinikum Carl Gustav Carus Dresden, Dresden, Deutschland
  • Christian Kleber - Chirurgische Notaufnahme, Universitätsklinikum Carl Gustav Carus Dresden, Dresden, Deutschland

19. Deutscher Kongress für Versorgungsforschung (DKVF). sine loco [digital], 30.09.-01.10.2020. Düsseldorf: German Medical Science GMS Publishing House; 2020. Doc20dkvf048

doi: 10.3205/20dkvf048, urn:nbn:de:0183-20dkvf0484

Published: September 25, 2020

© 2020 Schmitt et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Hintergrund und Stand der Forschung: Wichtige Voraussetzung für ein erfolgreiches regionales Pandemiemanagement ist neben der Vernetzung sämtlicher Akteure im Gesundheitswesen eine zügige und tiefgehende Abbildung des lokalen Erkrankungsgeschehens von COVID-19-Fällen. Diese Abbildung verlief und verläuft auf Bundesebene für wichtige prognostische und Planungsfaktoren (z.B. Alter, Geschlecht, Bettenauslastung) nicht in der lokal erforderlichen Tiefe. Für die Früherkennung möglicher Engpässe in der Bettenversorgung ist es zentral zu wissen, wie sich die Anzahl der COVID-19-Erkrankten, die eine Hospitalisierung benötigen, entwickeln wird.

Fragestellung und Zielsetzung: In Sachsen wurden bereits Anfang März 2020 im Rahmen eines regionalen Pandemiemanagements Netzverbünde aller regionaler Kliniken ind Dresden/Ostsachsen mit jeweils einer koordinierenden Krankenhausleitstelle Corona etabliert. Unser Ziel war es, im Rahmen dieser Verbünde ein lokales COVID-19-Monitoring mit Prognose des Bettenbedarfs im regionalen Klinikverbund bereitzustellen. Dieses Monitoring wird im DISPENSE-Tool gebündelt.

Methode: Das DISPENSE-Tool verbindet tagesaktuell und automatisiert unter anderem Daten zur Bettenauslastung von derzeit 35 ostsächsischen Kliniken, Daten östsächsischer Gesundheitsämter und der Landesuntersuchungsanstalt (LUA) Sachsen über das Infektionsgeschehen. Die Darstellung und Prognose des COVID-19-Erkrankungsgeschehens und des (intensiv)medizinischen Versorgungsbedarfs erfolgt mittels interaktiver Diagramme und Karten in einer web-basierten Anwendung. Ein täglicher Bericht kann zur einsatztaktischen und politischen Steuerung heruntergeladen werden. Die Prognostik wird laufend an das Infektionsgeschehen und den jeweiligen Stand der Forschung angepasst. Versorger und politische Entscheidungsträger können so lokale Entwicklungen der Pandemie differenzierter interpretieren und für den eigenen Wirkungskreis prospektiv beurteilen.

Ergebnisse: Das DISPENSE-Tool ist Anfang April entstanden und bietet mit Stand zum August 2020 tagesaktuell

1.
Regionale (Landkreise in Sachsen) und überregionale (bundesweite) Informationen zur Entwicklung laborbestätigter Fallzahlen über die Zeit („Dashboard“)
2.
Feingliedrige Alters- und Geschlechtsverteilung laborbestätigter Fallzahlen über die Zeit zur Erfassung von Risikogruppen für schwere Verläufe auf Grundlage der Daten der LUA
3.
Erfassung der zeitaktuellen Bettenauslastung ostsächsischer Krankenhäuser mit besonderem Fokus auf Intensivmedizin
4.
Prognose der Bettenauslastung und des kurz- und mittelfristigen Bedarfs intensivmedizinischer Behandlungskapazitäten sowie Kennzahlen und Trends für die Beurteilung des Infektionsgeschehens

Der Aufbau der Dateninfrastruktur erfolgte für die jeweiligen Datenlieferanten individuell angepasst und damit möglichst aufwandsarm. Zum Ziel der Anwendung werden die Rohdaten zuerst in einem sogenannten Data Lake (Cloud) gespeichert und danach für die Anwendung bereitgestellt. Die Anwendungsprogrammierung selbst erfolgt über R Shiny.

Diskussion und praktische Implikationen: Das Tool bietet für die Versorgungsplanung der Krankenhäuser Informationsquelle, Monitoring und Prognose unter Vernetzung sämtlicher beteiligter Akteure. Ein Ausbau für ganz Sachsen ist in Arbeit. Eine Erweiterung um Daten aus Testungen sowie die Erfassung weiterer wichtiger Risikofaktoren zur Verbesserung der Prognostik ist vorgesehen.