Suchergebnisse

Zusammenfassung
Hintergrund
Großschadenslagen stellen den Rettungsdienst vor die Herausforderung, vielen Patienten mit begrenzten Ressourcen das Überleben zu sichern. Um hier eine Fehlverteilung von Ressourcen zu verhindern, ist eine genaue Vorsichtung essenziell. Aktuelle Studien zeigen, dass bei den verwendeten Vorsichtungsalgorithmen weiterhin Verbesserungsbedarf besteht.

Ziel der Arbeit
In dieser Arbeit untersuchten wir, welchen Einfluss eine veränderte Reihenfolge der Abfragen/Items auf die Qualität der Vorsichtungsalgorithmen hat.

Material und Methoden
Wir verwendeten eine Datenbank von 492 Luftrettungseinsätzen. Allen Patienten wurde durch eine Gruppe von Notärzten eine Referenzsichtungskategorie (SK) vergeben. Die Vorsichtungsalgorithmen mSTaRT, ASAV und PRIOR wurden in Excel-Befehle übersetzt und die SK für jeden Patienten berechnet. Anschließend rotierte die Reihenfolge der Items. Die berechneten SK wurden hinsichtlich Sensitivität, Spezifität, Unter‑/Übertriage und Youden-Index für die SK I (rot) ausgewertet.

Ergebnisse
mSTaRT zeigte keinerlei Veränderung der Qualität. Die Originalvariante von ASAV erreichte die beste Performance. Eine Rotation der Items führte zu einer Zunahme der Übertriage um 15 % bei sinkender Qualität. PRIOR profitierte am meisten von den Rotationen, wobei insbesondere die Variante mit einer initialen Abfrage der Gehfähigkeit zu einer Abnahme der Übertriage von 22 % führte. Dies führte zur stärksten Verbesserung des Youden-Index (+0,12).

Diskussion
Wir konnten demonstrieren, dass eine Rotation der Items innerhalb der Vorsichtungsalgorithmen ASAV und PRIOR einen Einfluss auf Über- und Untertriage hat. Insbesondere die Position der Abfrage der Gehfähigkeit hat einen bedeutenden Einfluss auf die Spezifität der Algorithmen.

BACKGROUND: Following the regional outbreak in China, severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has spread all over the world, presenting the healthcare systems with huge challenges worldwide. In Germany the coronavirus diseases 2019 (COVID-19) pandemic has resulted in a slowly growing demand for health care with a sudden occurrence of regional hotspots. This leads to an unpredictable situation for many hospitals, leaving the question of how many bed resources are needed to cope with the surge of COVID-19 patients. OBJECTIVE: In this study we created a simulation-based prognostic tool that provides the management of the University Hospital of Augsburg and the civil protection services with the necessary information to plan and guide the disaster response to the ongoing pandemic. Especially the number of beds needed on isolation wards and intensive care units (ICU) are the biggest concerns. The focus should lie not only on the confirmed cases as the patients with suspected COVID-19 are in need of the same resources. MATERIAL AND METHODS: For the input we used the latest information provided by governmental institutions about the spreading of the disease, with a special focus on the growth rate of the cumulative number of cases. Due to the dynamics of the current situation, these data can be highly variable. To minimize the influence of this variance, we designed distribution functions for the parameters growth rate, length of stay in hospital and the proportion of infected people who need to be hospitalized in our area of responsibility. Using this input, we started a Monte Carlo simulation with 10,000 runs to predict the range of the number of hospital beds needed within the coming days and compared it with the available resources. RESULTS: Since 2 February 2020 a total of 306 patients were treated with suspected or confirmed COVID-19 at this university hospital. Of these 84 needed treatment on the ICU. With the help of several simulation-based forecasts, the required ICU and normal bed ...