Der Lehrstuhl für Health Care Operations/Health Information Management verfolgt mehrere Projekte mit Bezug zur Covid-19 Pandemie, in denen verschiedene Fragestellungen in Zusammenarbeit mit hochrangigen Praxispartnern mittels unterschiedlicher methodischer Ansätze analysiert werden.

Besuchsmanagement in Gesundheitseinrichtungen während Pandemiezeiten

Die Besuchsregelungen, die seit Beginn der Corona-Pandemie im Gesundheitssektor vorgeschrieben sind, stellen Krankenhäuser und Pflegeeinrichtungen vor enorme Herausforderungen und haben eine völlig neue Managementaufgabe definiert: Das Besuchsmanagement. Um mögliche Eintragungen von Infektionen durch Besuchende und Externe zu kontrollieren, werden im Rahmen des Bundesweiten Forschungsnetz Angewandte Surveillance und Testung ( B-FAST) Best-Practice Konzepte erstellt.

Ziele des B-FAST Teilprojektes Besuchsmanagement, das im Rahmen des Netzwerks Universitätsmedizin aus Bundesmitteln finanziert ist, sind die wissenschaftliche Evaluation von Einlasskonzepten und entsprechende prospektive Empfehlungen. Auch sollen Fragen einer dynamischen Anpassung des Besuchereinlasses an lokale und regionale Ausbruchsgeschehen bei unbedingter Aufrechterhaltung einer würdigen palliativen Begleitung sowie die Koordination von Besucherströmen und Hygieneschulungen in dem Projekt beantwortet werden. Um dies zu erreichen, wurden unter anderem Hospitationen, semistrukturierte Interviews, strukturierte Online-Fragebögen für Krankenhäuser und Pflegeeinrichtungen, Monte-Carlo-Simulation sowie Discrete-Event Simulationen durchgeführt.

 

Falls Sie an den Ergebnissen unserer Studie interessiert sind, können Sie sich gerne an Dr. Christina Bartenschlager wenden.

 

Kooperationspartner:

  • Lehrstuhl Brunner (Wirtschaftswissenschaftliche Fakultät, Medizinische Fakultät)
  • Prof. Dr. Messmann, Dr. Römmele (Universitätsklinikum Augsburg)
  • Dr. Temizel (Universitätsklinikum Augsburg)

 

Publikationen und Working paper:

Bartenschlager CC, Römmele C, Temizel S (2021): Befragung zum Besuchsmanagement: Wie Pflegeeinrichtungen Besuche während der Covid-19-Pandemie organisierten. Potenziale digitaler Systeme kaum genutzt. CAREkonkret 32/33.

Bartenschlager CC, Temizel S, Ebigbo A, Gruenherz V, Messmann H, Brunner JO, Römmele C: A simulation based cost-effectiveness analysis of SARS-CoV-2 infection prevention strategies for visitors of health care institutions.

Bartenschlager CC, Frey R, Freitag M, Classen J, Messmann H, Brunner JO, Römmele C: Managing hospital visitor admission during Covid-19: A discrete-event simulation by the data of a German University Hospital.

Temizel S, Bartenschlager CC, Frey R, Freitag M, Messmann H, Brunner JO, Römmele C: Status quo of visitor management in German hospitals during Covid-19: A nationwide survey.

 

Zusatzmaterialien:

Eine detaillierte Auswertung der Ergebnisse der Online-Umfrage in Pflegeeinrichtungen finden Sie hier.

Entwicklung eines Prognosetools zur Kapazitätsauslastung durch COVID-19 Patienten in Krankenhäusern

Die COVID-19 Pandemie zeichnet sich durch eine sich langsam aufbauende Inanspruchnahme von Ressourcen des Gesundheitswesens mit lokalen Hotspots aus und stellt damit das Gesundheitswesen vor enorme Probleme. Für die Krankenhäuser liegt eine der größten Herausforderungen in der Vorhaltung von Bettenkapazitäten, insbesondere da die Bettennachfrage im Verlauf einer Pandemie schwer vorherzusehen ist. Um den Entscheidungsträgern eine Hilfestellung zu geben, wurde ein simulationsbasiertes Prognosetool für die Kapazitätsauslastung mit dem Universitätsklinikum Augsburg entwickelt, um bei verschiedenen Pandemieverläufen die benötigten Bettenkapazitäten abschätzen zu können. Als Input dienen aktuelle Erkenntnisse über den Verlauf der Ausbreitung, insbesondere die Wachstumsrate an kumulierten Neuinfektionen pro Tag. Zur Abbildung von Unsicherheit werden mittels Verteilungsfunktionen basierend auf Realdaten der Wachstumsrate an kumulierten Neuinfektionen, die Verweildauer, sowie der Anteil der hospitalisierungspflichtigen COVID-19 Patienten im Einzugsgebiet, modelliert. Im Anschluss erfolgt eine Monte-Carlo-Simulation, die eine Abschätzung der benötigten Bettenkapazitäten für mehrere Tage in der Zukunft erlaubt.

Mit Hilfe der simulationsbasierten Prognose der Kapazitätsauslastung kann den Kliniken und den Führungsstellen des Katastrophenschutzes eine wertvolle Hilfestellung in der Abschätzung der kurzfristigen Entwicklung des Kapazitätsbedarfs für Verdachtsfälle sowie bestätigte COVID-19 Patienten gegeben werden. Der operative Einsatz der Methode am Universitätsklinikum Augsburg zeigt verlässliche Ergebnisse. Sollten die politischen Vorgaben bezüglich Kontakt- und Ausgangssperren im Verlauf geändert werden, könnte der zukünftige Verlauf der benötigten Bettenkapazitäten exakter prognostiziert werden, aufgrund der sich dann im historisch erfassten Korridor bewegenden Wachstumsrate an kumulierten Neuinfektionen. Wir erstellen aktuell mit Hilfe des Prognosetools Berichte für das Bayerische Gesundheitsministerium und den Rettungszweckverband Schwaben, um deren politische und operative Arbeit zu unterstützen. Mit unserem Prognosetool trugen wir im Rahmen von  egePan Unimed zur Entwicklung, Testung und Implementierung von regional adaptiven Versorgungsstrukturen und Prozessen für ein evidenzgeleitetes Pandemiemanagement bei. Die Zusammenarbeit im vom Netzwerk Universitätsmedizin geförderten Projekt kam Ende April 2021 zu einem erfolgreichen Abschluss.

 

Falls Sie Interesse an unserem Tool haben, können Sie sich gerne an Dr. Jan Schoenfelder wenden.

 

Kooperationspartner:

  • Lehrstuhl Brunner (Wirtschaftswissenschaftliche Fakultät, Medizinische Fakultät)
  • Bayerisches Staatsministerium für Gesundheit und Pflege
  • Prof. Dr. Heller (Universitätsklinikum Augsburg)

 

Publikationen:

Römmele, C., Neidel, T., Heins, J., Heider, S., Otten, V., Ebigbo, A., Weber, T., Müller, M., Spring, O., Braun, G., Wittmann, M., Schoenfelder, J., Heller, A. R., Messmann, H., & Brunner, J. O. (2020). Bettenkapazitätssteuerung in Zeiten der COVID-19-Pandemie: Eine simulationsbasierte Prognose der Normal- und Intensivstationsbetten anhand der deskriptiven Daten des Universitätsklinikums Augsburg. Der Anaesthesist, 1–8. Advance online publication.  https://doi.org/10.1007/s00101-020-00830-6

Polotzek, K.; Karch, A.; Karschau, J.; von Wagner, M.; Lünsmann, B.; Menk, M.; Römmele, C.; Schmitt, J.;...; Freitag, M.; Schoenfelder, J.; Heins, J.; Heider, S.; Brunner, J.O. (2021). COVID-19-Pandemie: Regionale Steuerung der Patienten. Dtsch Arztebl 2021; 118(3): A-84 / B-74

AI-based diagnosis of COVID-19 using laboratory results

Die durch das neue Corona-Virus (SARS-CoV-2) verursachte Pandemie stellt das Gesundheitswesen insgesamt sowie insbesondere die Krankenhauskapazitäten vor enorme Probleme. Für die Krankenhäuser beziehungsweise die Notaufnahmen liegt eine der größten Herausforderungen in der Steuerung der Patientenströme, da die differentialdiagnostische Abwägung einer möglichen COVID-19 Infektion von symptomatischen Patienten durch das breite klinische Erscheinungsbild einer COVID-19 Erkrankung schwerfällt. Durch eine zeitnahe und objektive Entscheidungshilfe, ob eine COVID-19 Erkrankung vorliegt, könnte eine unnötige Belastung der COVID-Bettenkapazitäten mit COVID-19 negativen Patienten vermieden werden.

 

Auf Basis der am Universitätsklinikum Augsburg erhobenen Laborwerte der bisherig bestätigten und ausgeschlossenen COVID-19 Patienten wurden klassische Machine-Learning-Algorithmen sowie ein neu entwickelter Algorithmus, den wir COVIDAL nennen, trainiert. Die Algorithmen bringen wir bereits in einer Excel-basierten Lösung sowie einem browser-basierten Tool, der COVIDAL-APP, zur Anwendung. Da Analysen zeigen, dass eine breitere Datenbasis die Algorithmen in ihrer Sensitivität und Spezifität signifikant zu verbessern mag, verfolgen wir nun einen multizentrischen Ansatz. Durch die Integration einschlägiger Datensätze aus verschiedenen Krankenhäusern in Deutschland sowie des LEOSS Registers versprechen wir uns eine nochmalige Verbesserung der Ergebnisse. Diese werden im head-to-head Vergleich mit mehreren in der Behandlung von COVID-19 vertrauten Intensivmedizinern bzw. Infektiologen validiert. Durch das Projekt können die Patientenströme im Bettenhaus besser gesteuert werden und den Ärzten eine real-time Entscheidungshilfe bei der differentialdiagnostischen Abwägung einer möglichen COVID-19 Infektion an die Hand geben werden.

 

Für weitere Informationen zu unseren Algorithmen und dem Anwendungstool können Sie sich gerne an Dr. Christina Bartenschlager wenden.

 

Kooperationspartner:

  • Lehrstuhl Brunner (Wirtschaftswissenschaftliche Fakultät, Medizinische Fakultät)
  • Prof. Dr. Hoffmann (Universitätsklinikum Augsburg)
  • Prof. Dr. Heller (Universitätsklinikum Augsburg)
  • Prof. Dr. Messmann (Universitätsklinikum Augsburg)

 

 

Working Paper:

Bartenschlager CC, Ebel SS, Kling S, Brunner JO, Heller AR, Hoffmann R, Messmann H, Römmele C (2021): A sensitive combined machine learning tool for the prediction of Covid-19 infections in a German University Hospital. Working paper, University of Augsburg.

Bartenschlager CC, Kling S, Ebel SS, Brunner JO, Heller AR, Hoffmann R, Messmann H, Römmele C et al. (2021): Balancing performance, turnaround time and costs: A readily applicable AI alternative to POC, PCR and physicians’ classification in German hospitals. Working paper, University of Augsburg.

Covid-19 triage in the emergency department

Mit der Coronapandemie ist in Deutschland die Diskussion über eine mögliche Triage in den Fokus des öffentlichen Interesses gelangt. In der Literatur gibt es zwar schon einige Vorschläge, wie symptomatische Patienten in der Notaufnahme etwa bezüglich Behandlungsdringlichkeit triagiert werden sollten, allerdings betrachten nur wenige die Problematik aus einer Datenperspektive heraus oder fokussieren klinische Pfade von Patienten. Mithilfe der Daten des LEOSS-Registers validieren wir einen bestehenden Algorithmus, versuchen entsprechende Optimierungspotentiale zu identifizieren und mithilfe von Analytics und AI Technologien in die Umsetzung zu bringen. Darüber hinaus setzen wir Monte-Carlo-Simulationen ein, um Fragestellungen in Bezug auf die Triagierung von Coronapatienten zu untersuchen.

 

Falls Sie an den Ergebnissen unserer Studie interessiert sind, können Sie sich gerne an Dr. Christina Bartenschlager wenden.

 

Kooperationspartner:

  • Lehrstuhl Brunner (Wirtschaftswissenschaftliche Fakultät, Medizinische Fakultät)
  • Prof. Dr. Messmann (Universitätsklinikum Augsburg)
  • Prof. Dr. Heller (Universitätsklinikum Augsburg)

 

Working Paper:

Bartenschlager CC, Grieger M, Heller AR, Messmann H, Brunner JO, Neidel T, Römmele C et al. (2021): Covid-19 triage in the emergency department 2.0: How analytics and AI transform a human-made algorithm for the prediction of clinical pathways. Working Paper, University of Augsburg.

To the performance of infection-prevention strategies in hospitals during Covid-19

FFP2-Maske oder OP-Maske? Schnelltest oder PCR-Test? Solche und ähnliche Fragen versuchen wir in diesem Projekt mithilfe von statistischen Analysen, Monte-Carlo-Simulationen und entscheidungstheoretischen Ansätzen im Krankenhausumfeld, z.B. in einer endoskopischen Einheit, zu beantworten. Zur Evaluation werden verschiedene integrierte Kennzahlen aus medizinischer Sicht, etwa Sensitivität oder Anzahl zusätzlicher Infektionen, sowie aus betriebswirtschaftlicher Sicht, etwa Kostenaspekte, herangezogen.

 

Falls Sie an den Ergebnissen unserer Studie interessiert sind, können Sie sich gerne an Dr. Christina Bartenschlager wenden.

 

Kooperationspartner:

  • Lehrstuhl Brunner (Wirtschaftswissenschaftliche Fakultät, Medizinische Fakultät)
  • Prof. Dr. Messmann (Universitätsklinikum Augsburg)

 

Publikationen:

Ebigbo A, Römmele C, Bartenschlager CC, Temizel S, Kling E, Brunner JO, Messmann H (2020): Cost-effectiveness analysis of SARS-CoV-2 infection-prevention strategies including pre-endoscopic virus testing and use of high-risk personal protective equipment. Endoscopy.

Kahn M, Schuierer L, Bartenschlager CC, Zellmer S, Frey R, Freitag M, Dhillon C, Heier M, Ebigbo A, Denzel C, Temizel S, Messmann H, Wehler M, Hoffmann R, Kling E, Römmele C (2021): Performance of antigen testing for diagnosis of COVID-19 – a direct comparison of a lateral flow device to nucleic acid amplification based tests. Accepted for publication in BMC Infectious Diseases.

Suche