Wie IT-Systeme Entscheidungen der Pflege unterstützen

verfasst von: Karen Güttler (Leitung Forschung & Entwicklung apenio®)

Entscheidungsunterstützung für die Pflege GrafikEntscheidungsprobleme entstehen u. a. dann, wenn ein Entscheidungsträger (z. B. ein Individuum oder Unternehmen) ein Problem lösen soll, für das es

  • mindestens zwei sehr komplexe und/oder
  • schlecht strukturierte und/oder
  • mit Risiken behaftete

Alternativen gibt.

Bei der Lösung dieser Formen von Entscheidungsproblemen sollen sogenannte Entscheidungsunterstützungssysteme (EUS) helfen.

Im Gesundheitswesen finden sich digitale EUS häufig im Zusammenhang mit Datenauswertung, Alarmierung, Erinnerungsfunktionen usw. Datenauswertung ist beispielsweise seit vielen Jahren ein wichtiger Bestandteil des Gesundheitswesens, z. B. für die Forschung, aber auch bei der Qualitätssicherung.

Digitale Systeme im Umfeld der Pflege sind nicht selten und der Markt allein in Deutschland umfasst zahlreiche unterschiedliche Softwarelösungen, deren Schwerpunkt jedoch meist auf der Dokumentation liegt.

Entscheidungsunterstützungssysteme können mehr

Foto Weggabelung Entscheidungsfindung

EUS können aber weitaus mehr. Über die Dokumentation hinaus können sie selbstständig relevante Daten extrahieren und Optionen bzw. Antworten auf Fragen der unterschiedlichen Berufsgruppen im Gesundheitswesen anbieten.

Auf Basis von aktuell vorliegenden Patientendaten sowie gespeichertem medizinisch-pflegerischen Wissen sind EUS in der Lage, Pflegende und Ärzte bei der Diagnostik, Maßnahmenplanung bzw. Therapie, der Einschätzung einer Prognose sowie einem effizienten Patientenmanagement zu unterstützen.

Die Anwendung formaler Methoden der Wissensrepräsentation und des Wissenserwerbs ermöglicht es, das benötigte pflegerisch-medizinische Wissen in strukturierter Form in Wissensbasen anzubieten. EUS können unter Nutzung der jeweiligen Wissensbasis entweder

  • einzelne Patientendaten interpretieren, und/oder
  • eine umfassende, ganzheitliche Betrachtung liefern und zwar aus allen vorliegenden Patientendaten in einem System oder über mehrere Systeme hinweg und über einen längeren Zeitraum.

Das bedeutet mitunter, dass über die auf der Grundlage der Wissensbasis hinaus gemachten Vorschläge ein solches EUS unter Berücksichtigung des Kontextes der Benutzung (z. B. Zeit, Ort, Benutzergruppe) und der Merkmale des Patienten (z. B. Geschlecht, Alter, bisherige Diagnosen) die Komplexität der Auswahl verringert und einen besonders leichten und schnellen Zugriff auf die große Anzahl pflegerischer (Katalog-)Elemente ermöglicht. Des Weiteren ermöglicht der Einsatz von maschinellem Lernen die Entdeckung neuer Korrelationen, die ein semantisches Netz (s. Grafik unten) mit weitergehendem Wissen anreichern kann.

Visualisierung eines semantischen Netzes zum Thema

 

Intelligente Analysen bringen das Gesundheitswesen voran

Es stellt sich die Frage, wie sich diese Datenmengen zum Wohle der Patienten beispielsweise in EUS nutzen lassen.

Hier können intelligente Unterstützungen auf Datenbasis (Smart Data) einen Beitrag leisten, weil aus großen Datenmengen durch intelligente Analysen mittels Algorithmen verborgene Zusammenhänge sichtbar werden.

Dieser Ansatz der intelligenten Datenanalyse – das heißt das Finden und Erkennen von Mustern und Gesetzmäßigkeiten aus den Daten – kann in den nächsten Jahren auch im Gesundheitswesen einen Beitrag dazu leisten Patienten effizienter zu versorgen, Prozesse zu optimieren und auch die Wirtschaftlichkeit der Einrichtungen zu verbessern.

 

Sie möchten mehr erfahren oder mit uns zu diesem Thema diskutieren?

Wie IT-Systeme im klinischen Umfeld im Allgemeinen und in der Pflege im Speziellen Entscheidungsunterstützung liefern, beleuchtet unsere Veröffentlichung zum Thema.

Karen Güttler, Teamleitung apenio® Forschung & Entwicklung und Autorin dieses Artikels, steht Ihnen für Fragen oder Anregungen gern zur Verfügung unter Telefon +49 (0) 421 2 23 01-29 oder per E-Mail.

Zurück