26kgg584 10.3205/26kgg584 urn:nbn:de:0183-26kgg5840 Meeting Abstract Baumann Baumann Michael Heinrich MH

Universität Bayreuth, Mathematisches Institut, Bayreuth, Deutschland

author Jain Jain Aditi A

Universität Bayreuth, Mathematisches Institut, Bayreuth, Deutschland

author Grüne Grüne Lars L

Universität Bayreuth, Mathematisches Institut, Bayreuth, Deutschland

author German Medical Science GMS Publishing House

Düsseldorf

610 20251030 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0662 584 Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin Deutsche Gesellschaft für Sozialmedizin und Prävention Netzwerk Evidenzbasierte Medizin e.V. Deutsche Gesellschaft für Medizinische Soziologie 60. Kongress für Allgemeinmedizin und Familienmedizin Gesundheit gestalten Hitzeresiliente Gesundheitsversorgung: Integrierte Daten für die Versorgungspraxis und -planung für aktuelle und zukünftige Generationen Göttingen 20260930 20261002 SYM-04-03 GBA TextInhalt: Hintergrund, Zielsetzung, Fragestellung: Vor dem Hintergrund der Hypothese, dass durch häufigere, länger dauernde und ausgeprägtere Hitzeereignisse das Gesundheitswesen in Deutschland stärker belastet wird, was sich insbesondere in der Bettenbelegung der Krankenhäuser niederschlagen wird, sollen Modelle erarbeitet werden, die diesen Zusammenhang mathematisch dahingehend nutzbar machen, dass auf Grundlage von Hitzeszenarien Prognosen getroffen werden können. Mit Hilfe von Krankenkassendaten können explorative Vergleiche aller Perioden in den Sommermonaten mit Hitzeperioden krankheitsweise erstellt werden, indem die durchschnittliche, neu benötigte Bettenbelegungszahl berechnet wird. Dies kann deutschlandweit oder regional, für den Gesamtzeitraum oder für einzelne Zeitabschnitte (z. B. Jahre) geschehen.Material, Methoden, Ergebnisse, Diskussion: Diese Modelle zeigen für ausgewählte Regionen und bzw. oder Krankheiten deutliche Zusammenhänge – jedoch nicht für alle. Auf Grundlage dieser Vergleiche werden mathematische Differentialgleichungsmodelle entwickelt, wie man sie so ähnlich aus der Epidemiologie kennt (vgl. SIR-Modell). Diese Modelle sollen – mit Wetterdaten und wiederum mit Krankenkassendaten – kalibriert werden, um möglichst nahe an den empirischen Kurven zu liegen. Die Differentialgleichungen beschreiben, wie sich die benötigte Bettenzahl abhängig von der aktuell benötigten Bettenzahl und dem Wetter (oder anderen Umwelteinflüssen) entwickelt. Solche erklärenden Daten können neben der Temperatur (deutscher Wetterdienst) auch gefühlte Temperatur, Feinstaubbelastung, Windgeschwindigkeit, Luftfeuchtigkeit sein, sowie binäre Variablen wie Küste ja/nein, Stadt ja/nein. Nach der Kalibrierung, die unter anderem vorverarbeitete Krankenkassendaten benutzt und mit mathematischen Optimierungsverfahren ausgeführt wird, können damit Prognosen für verschiedene gegebene Hitzeszenarien erstellt werden. Dies erlaubt, szenarienabhängige Handlungsempfehlungen zu entwickeln.Take Home Message: Wichtig dabei ist, dass der Einfluss von Hitzeereignissen auf die zeitliche Entwicklung der Krankendaten nicht einfach ersichtlich ist. Daher müssen geeignete Aggregationen der Daten zur Kalibrierung der Modelle verwendet werden.Interessenkonflikt: KeineFinanzierung: Das Teilprojekt ist wie das gesamte HIRGEV-Projekt aus Mitteln des Innovationsfonds des Gemeinsamen Bundesausschusses mit Projektförderkennzeichen 01VSF23020 finanziert. 0 0 0 0