Text

Hintergrund: Stürze gehören zu den häufigsten und folgenschwersten Ereignissen in der stationären Langzeitpflege und im Krankenhaus. Sie verursachen Verletzungen, Mobilitätseinbußen und Verlust an Selbstständigkeit. Obwohl evidenzbasierte Leitlinien vorliegen, ist ihre Umsetzung herausfordernd: Pflegepersonen müssen unter Zeitdruck komplexe Informationen integrieren und Handlungsoptionen situativ entscheiden. Ziel dieses Projektes ist es, Leitlinienempfehlungen digital, kontextsensitiv und personalisiert nutzbar zu machen.

Zielsetzung/Fragestellung: Wie lassen sich evidenzbasierte Leitlinienempfehlungen zur Sturzprävention in maschinenlesbare Entscheidungslogiken überführen und mit Routinedaten verknüpfen, um am Point of Care personalisierte Handlungsempfehlungen zu generieren?

Material & Methoden: Im COMET-Projekt N!CA erfolgten: (1) eine systematische Leitlinienanalyse mit Extraktion von Zielgruppen und Interventionen; (2) die Zuordnung der extrahierten Daten zur Pflegeterminologie DIZIMA sowie zur internationalen Terminologie SNOMED; (3) die semantische Modellierung der Leitlinieninhalte zur Herstellung von Maschinenlesbarkeit und regelbasierter Auswertbarkeit; (4) die formale Repräsentation der Inhalte in einer strukturierten, digital abbildbaren Entscheidungslogik; sowie (5) die Schaffung der Grundlage für eine interoperable Datennutzung durch Harmonisierung und Standardisierung von Routinedaten.

In Co-Design-Workshops wird die Praxistauglichkeit des Prototyps getestet und die notwendigen Spezifikationen werden ermittelt.

Ergebnisse: Die Leitlinie wurde in ein maschinenlesbares, semantisch modelliertes Regelwerk überführt. Terminologie-Mappings und ein Interoperabilitätskonzept ermöglichen die Verknüpfung mit Routinedaten und perspektivisch die Kombination mit KI-gestützten Risikovorhersagen. Die Machbarkeit wurde anhand exemplarischer Fallvignetten demonstriert. Der Prototyp sowie erste Ergebnisse zu den Co-Design-Workshops mit Pflegepersonen werden präsentiert.

Diskussion: Die Modellierung schlägt die Brücke zwischen evidenzbasierter Pflege und digitaler Entscheidungsunterstützung. Herausforderungen bestehen in Datenqualität, Akzeptanz, Integration in bestehende Systeme und kontinuierlicher Pflege der Wissensbasis. Ein partizipatives Vorgehen mit Einbindung der Anwender:innen und die Evaluation im Routinebetrieb sind zentral.

Take Home Message für die Praxis: Digitale Leitlinien kombiniert mit standardisierten Pflegedaten ermöglichen personalisierte, kontextsensitive Sturzprävention am Point of Care und damit eine Entlastung von Pflegepersonen.

Interessenkonflikte: Das Projekt wird im Rahmen von COMET – Competence Centers for Excellent Technologies durch BMIMI, BMWET, [Land Steiermark, SFG] gefördert. Das Programm COMET wird durch die FFG abgewickelt.