Mar 28, 2020 Last Updated 2:10 PM, Oct 30, 2019

DruckenE-Mail Adresse

Nutzung klinischer Routinedaten zur automatisierten Detektion und Prädiktion von Delir – Ein Studienprotokoll

Beginn:
6. Sep 2019
Ende:
6. Sep 2019
Kurs-Nr.:
906
Preis:
Kostenfrei
Ort:
HS 3
Plätze:
30
Trainer:

Beschreibung

Nutzung klinischer Routinedaten zur automatisierten Detektion und Prädiktion von Delir – Ein Studienprotokoll


Begründung und Hintergrund: Das Delir ist eine akute Störung der mentalen und kognitiven Funktionsfähigkeit und tritt häufig bei älteren Personen im Krankenhaus auf. Das Delir-Syndrom gilt in bis zu 40% der Fälle als vermeidbar, weist aber eine hohe Komplexität auf und wird daher von klinischem Personal relativ häufig fehl- oder gar nicht diagnostiziert, (Inouye, Westendorp, & Saczynski, 2014). Instrumente zur Delir-Detektion, wie z.B. die Delirium Observation Screening Scale (DOSS) oder die Confusion Assessment Method (CAM), sind mit einem zusätzlichen Erhebungsaufwand in der praktischen Anwendung verbunden. Eine Nutzung bereits vorhandener Daten aus der pflegerischen, medizinischen und therapeutischen Dokumentation (= klinische Routinedaten) könnte dagegen eine automatisierte Delir-Detektion und Prädiktion mit geringem Zeitaufwand ermöglichen. Fraglich ist, ob und wie gut solche automatisierten Verfahren funktionieren. Zielsetzung: Nutzbarmachung vorhandener klinischer Routinedaten einer gerontopsychiatrischen Einrichtung sowie Entwicklung und Evaluation entsprechender Modelle, um Delirien automatisiert retrospektiv detektieren bzw. deren Risiko prospektiv prädiktieren zu können. Methoden: Das methodische Vorgehen orientiert sich am SPIRIT-framework (Hackl & Ammenwerth, 2016). Zunächst werden relevante Faktoren zur Delir-Detektion und Prädiktion in einer breiten Literaturrecherche und Experteninterviews identifiziert. Dann werden diese Faktoren mit vorhandenen (Daten-)Elementen aus den diversen elektronischen Dokumentationssystemen der Einrichtung abgeglichen. Sämtliche als relevant klassifizierten Daten (=Minimum Data Set) sämtlicher Patientenaufenthalte werden pseudonymisiert aus den Dokumentationssystemen extrahiert und mit den diagnostischen Informationen zu aufgetretenen Delir-Zuständen zusammengeführt. Dann werden alle Daten anonymisiert und in ein Delir-Register (=Forschungsdatenbank) integriert. Im Anschluss erfolgt die retrospektive Datenauswertung zur Erstellung und Evaluierung geeigneter Detektions- und Prädiktionsmodelle. Dabei werden geeignete statistische Methoden sowie maschinelle Lernverfahren (z.B. Regressionsmodelle, Entscheidungsbaummodelle, Support Vector Machines) eingesetzt. Die verschiedenen Modellierungsansätze werden im Hinblick auf deren Performanz und entsprechende Gütekriterien sowohl miteinander als auch mit etablierten manuellen Screening- und Assessment-Instrumenten verglichen. Population und zeitlicher Rahmen: Ziel ist die Analyse der vorliegenden und relevanten klinischen Routinedaten zweier gerontopsychiatrischer Stationen in Tirol. Die Auswertung ist für den Zeitraum März 2019 bis Dezember 2019 geplant. Erwartete Ergebnisse: Die erwarteten Ergebnisse sind ein Minimum Data Set zur Detektion und Prädiktion von Delirien, eine anonymisierte Forschungsdatenbank, geeignete Verfahren und Modelle zur Delir-Detektion und Prädiktion sowie deren Evaluierung.

Literatur

Hackl, W. O., & Ammenwerth, E. (2016). SPIRIT: Systematic planning of intelligent reuse of inte-grated clinical routine data: A conceptual best-practice framework and procedure model. Meth-ods of Information in Medicine, 55(2), 114–124. https://doi.org/10.3414/ME15-01-0045 Inouye, S. K., Westendorp, R. G. J., & Saczynski, J. S. (2014). Delirium in elderly people. Lancet, 383(9920), 911–922. https://doi.org/10.1016/S0140-6736(13)60688-1

Im Artikelarchiv von hpsmedia nach Michael Schaller suchen

Kategorie

Tags

Titelsponsor

epa

epaCC GmbH

 

Goldsponsor

Logo LEP rgb cmyk 1400pixel

LEP AG

Akkreditierungen


Für diesen Kongress werden im Rahmen der freiwilligen Registrierung 10 Fortbildungspunkte verliehen.
Kursnummer: 20190314190001

 

logo akk

Für diesen Kongress werden von der Ärztekammer Schleswig-Holstein 9 Fortbildungspunkte der Kategorie B verliehen.
Anerkennungsnummer 201901450