Projektdaten
SAiFE-ICU - Studie zur automatischen Erkennung von häufigen pflegespezifischen Ereig-nissen bei Patient*innen auf der Intensivstation
Hochschule
Universitätsklinikum Jena
Fakultät/Einrichtung
Medizinische Fakultät
Drittmittelgeber
Bundesministerium für Bildung und Forschung
Bewilligungssumme, Auftragssumme
999.999,07 €
Abstract:
Patientensicherheit beschreibt die Abwesenheit vermeidbarer Patientenschädigungen sowie die Reduktion des Risikos unnötiger Beeinträchtigungen im Zusammenhang mit der Gesundheitsversorgung. Treten Schäden im Kontext pflegerischer Versorgung auf, sind das unerwünschte pflegespezifische Ereignisse. In spezialisierten Fachbereichen (z.B. Intensivstationen) kommt es aufgrund der komplexen Versorgungssituation von Patient:innen mit hohem Pflegebedarf vermehrt zu unerwünschten Ereignissen.Das Projekt SAiFE-ICU (Study for Automatic Detection of Frequent Nursing-Sensitive Events in Intensive Care Unit Patients) verfolgt das Ziel, unerwünschte pflegespezifische Ereignisse auf Intensivstationen systematisch zu erfassen und darauf aufbauend ein Verfahren zur automatischen Detektion zu entwickeln. Im Einzelnen verfolgt SAiFE-ICU folgende Ziele: (1) Erfassung von Häufigkeit, Schweregrad, Vermeidbarkeit und Art vordefinierter unerwünschter pflegespezifischer Ereignisse mittels strukturierten, manuellen Aktenreviews. (2) Durchführung von Ursachenanalysen (Root Cause Analyses) für ausgewählte Ereignisse zur Identifikation der zugrundeliegenden Ursachen, mit dem Ziel, geeignetePräventionsstrategien zu abzuleiten (3) Entwicklung und Training eines Algorithmus zur automatischen Detektion ausgewählter pflegespezifischer Ereignisse. (4) Bestimmung der diagnostischen Genauigkeit des entwickelten Algorithmus. Ziel 1 liefert die notwendige Datengrundlage für die weiteren Projektschritte. Ziel2 ermöglicht ein tieferes Verständnis der Ursachen und unterstützt die Entwicklung praxisnaher Maßnahmen zur Steigerung der Patientensicherheit. In den Zielen 3 und 4 wird ein Algorithmus zur automatisierten Erkennung erstellt, trainiert und validiert. Eine automatische Detektion lässt sich auf große Populationen und Datensätze anwenden und ermöglicht den Vergleich von Daten zu unerwünschten pflegespezifischen Ereignissen unter Berücksichtigung verschiedener Rahmenbedingungen.