Das SCATTER-Projekt: Computerbasierte Simulation zur Unterstützung bei der strategischen Verlegung von Intensivpatienten

Kapazitätsengpässe bei der regionalen Patientenversorgung können durch den Ausfall kritischer Infrastruktur durch Naturgefahren (z. B. Hochwasserereignisse), Ressourcenknappheit oder infolge biologischer Gefahren (z. B. Pandemien) entstehen. Zu Beginn der COVID-19-Pandemie („coronavirus disease 2019“: Coronavirus-Krankheit-2019; ausgelöst durch eine Infektion mit dem Virus SARS-CoV-2) im Frühjahr 2020 zeigte der Blick nach Italien, wie schnell eine Region an ihre Versorgungsgrenze, insbesondere für Intensivpatienten, stoßen kann. Bilder aus Bergamo verdeutlichten die Notwendigkeit einer nationalen Verlegungsstrategie bei regionalen Überlastungssituationen. In Deutschland gab es für die bundesweite Verlegung von (vielen) Intensivpatienten bislang kein Konzept oder Erfahrungswerte. Daher erarbeiteten die Bundesländer gemeinsam mit der Arbeitsgemeinschaft der Obersten Landesgesundheitsbehörden, dem Arbeitskreis V der Ständigen Konferenz der Innenminister und -senatoren der Länder, Bundesministerien, Robert Koch-Institut und Fachvertretern der Fachgruppe Intensivmedizin, Infektiologie und Notfallmedizin (COVRIIN) das Kleeblattkonzept [1]. Deutschland wurde hierfür in 5 Regionen (Kleeblätter) aufgeteilt. Jedes Kleeblatt hat einen sogenannten Single Point of Contact (SPoC), der als Ansprechpartner dient und die Koordination innerhalb des Kleeblatts und im bundesweiten Kontext übernimmt. Nach Ausschöpfung der regionalen Verlegungsmöglichkeiten innerhalb des eigenen Kleeblatts können in einer Überlastungssituation überregionale Verlegungen zum Kapazitätsausgleich initiiert werden, um für jeden Patienten eine adäquate intensivmedizinische Behandlung zu gewährleisten.

Eine derartige Überlastungssituation zeichnete sich Ende 2021 in Deutschland ab. Am 23.11.2021 aktivierten die Kleeblätter Ost und Süd das Kleeblattkonzept. Daraufhin wurden innerhalb von 37 Tagen 115 Patienten aus überlasteten Regionen in Gebiete mit ausreichenden Intensivkapazitäten verlegt. Die Wetterlage in Bayern limitierte initial die Nutzung von Intensivtransporthubschraubern (ITH), was die ohnehin komplexe Planung erschwerte.

Bei der Verlegung von mehreren Intensivpatienten über große Distanzen sind viele Entscheidungen zu treffen und Besonderheiten zu beachten. Dieser komplexe Entscheidungsprozess kann durch die Anwendung von Computersimulationen vorbereitet und Erkenntnisse aus der Simulation können auf die Realität übertragen werden. Das Potenzial von Computersimulationen als Unterstützungstool für logistische Prozesse im Gesundheitswesen zeichnet sich zunehmend in verschiedenen Forschungsprojekten ab [2‐7].

Bis 2021 gab es keine wissenschaftliche Auseinandersetzung mit dem Thema strategische Patientenverlegungen. Um künftig für vergleichbare Situationen, wie etwa die COVID-19-Pandemie, gerüstet zu sein, wurde das vom Bundesministerium für Gesundheit geförderte und am Institut für Rettungs- und Notfallmedizin des Universitätsklinikums Schleswig-Holstein durchgeführte Forschungsprojekt SCATTER aufgesetzt. Ziel von SCATTER ist die Entwicklung eines computerbasierten Simulationsmodells, um den Vergleich von Transportstrategien und die Entwicklung von Entscheidungsempfehlungen zu ermöglichen sowie die im Kleeblattkonzept beschriebenen Vorgänge zu optimieren.

In der vorliegenden Publikation werden anhand der Ergebnisse eines fiktiven Szenarios die Vorteile von computerbasierten Unterstützungstools im Rahmen von Patientenverlegungen beschrieben und diskutiert. Die Methodik wird detailliert geschildert, um sichtbar zu machen, wie realitätsnah die Simulation entwickelt wurde und an welchen Stellschrauben diese ausgeweitet werden kann. Die Ergebnisse werden anhand der festgelegten Transportstrategien präsentiert und diese anschließend im operativen Kontext diskutiert.

Computerbasierte Simulationsmodelle bilden ein real existierendes oder geplantes System mit seinen Prozessen und Abhängigkeiten ab. Jeder Simulationsdurchlauf ist ein sogenanntes Experiment, in dem verschiedene Szenarien simuliert oder einzelne Parameter geändert werden können. Im Anschluss können die Ergebnisse der einzelnen Experimente miteinander verglichen und bewertet werden. Aus den Erkenntnissen der Simulation können bei realitätsnaher Modellierung Rückschlüsse gezogen werden, wie sich das reale System (z. B. alle an der strategischen Verlegung eines COVID-19-Intensivpatienten beteiligten Strukturen) in bestimmten Situationen verhält. Im Rahmen von SCATTER wurde ein Simulationsmodell für die bundesweite Verlegung von COVID-19-Patienten entwickelt und im Simulationsprogramm AnyLogic implementiert. Im Bereich der regelhaften Notfallrettung wurden bereits mehrere Simulationsmodelle beschrieben [8, 9], die teilweise der hier beschriebenen Modellierung zur Orientierung dienten. Allerdings erforderte insbesondere die Modellierung eines Wechsels von Transportmitteln (multimodaler Transportprozess) die Entwicklung eines eigenständigen Simulationsmodells. Auf die verwendete Methode der Simulation wird in dem Artikel von Renner et al. [10] näher eingegangen.

Die Ergebnisse für die unterschiedlichen Strategien für eine Zuordnung zu den Zielkliniken unter Berücksichtigung der Transportmittelart zeigen sich wie folgt:

Der bundesweite strategische Transport von einer Vielzahl von Patienten ist herausfordernd. SCATTER ermöglicht die Erprobung verschiedener Szenarien und Transportstrategien unter Berücksichtigung vieler Informationen, z. B. der Prognose der Intensivkapazitäten in der Zielregion.

Die einzelnen Komponenten des Intensivtransports werden in der Computersimulation berücksichtigt: Die Darstellung der Krankenhauslandschaft ist so realitätsnah wie möglich gehalten, um eine Übertragbarkeit sicherzustellen. Es erfolgte die Erfassung der Notfallstufen und der Versorgungsstufen, womit weitestgehend gewährleistet wird, dass die Verlegung auf horizontaler Ebene stattfindet. Diese ist charakteristisch für den strategischen Aspekt – sie findet nicht aufgrund individualmedizinischer Notwendigkeit statt, sondern aufgrund einer (drohenden) Überlastung des regionalen Systems und zum Kapazitätsausgleich.

Die Wahl des geeigneten Transportmittels ist für einen erfolgreichen Intensivtransport wichtig [13, 14]. Gerade bei den bundesweiten Verlegungen sind ITW aufgrund langer Transportdauer oft nicht geeignet bzw. es müssen Faktoren wie der Sauerstoffbedarf berücksichtigt werden. Aber auch eine Verlegungsstrategie, die nur ITH-Transporte vorsieht, ist nicht Erfolg versprechend und in der Realität nicht immer umsetzbar. Bei den Kleeblattverlegungen waren im Winter 2021 während der Akutphase Verlegungen mittels Hubschrauber in Bayern wetterbedingt nicht möglich. Wetterszenarien, in denen in einem Gebiet keine luftgebundenen Verlegungen möglich sind, lassen sich in die Simulation einspielen.

Eine Verlegung mittels Hubschrauber, insbesondere bei kurzen Strecken, bietet nicht immer einen Zeitvorteil [15]. Dies ist vor allem der Fall, wenn die Krankenhäuser (Quell- und/oder Zielklinik) keinen eigenen Hubschrauberlandeplatz besitzen und somit Zwischentransporte notwendig werden. Die Anzahl der Umlagerungen ist als Qualitätsmerkmal eines Intensivtransports zu betrachten, da z. B. bei Patienten mit einem akuten Atemnotsyndrom (ARDS) jeder Wechsel des Beatmungsgeräts als potenzielles (Transport‑)Trauma zu bewerten ist. Wenn auch in einigen Regionen bereits die Infrastruktur gegeben ist, dass der Patient auf der gleichen Trage in Hubschrauber und RTW transportiert werden kann und damit eine Umlagerung und ggf. der Wechsel des Beatmungsgerätes wegfällt, so ist das doch noch nicht in allen Gebietskörperschaften der Fall.

Insgesamt sind die Möglichkeiten der Verlegungsstrategien in der Simulation genauso vielfältig wie in der Realität. Bei Bedarf könnten sie problemlos noch um weitere Komponenten ergänzt werden, wie z. B. zusätzliche ITW, Hubschrauber oder neue Intensivtransportmittel (wie z. B. Rettungszüge). Auch der Auswahl der Patienten und deren unterschiedlichen Ansprüchen an das Transportmittel kann in der Simulation Rechnung getragen werden. Die Vorgaben für Eigenschaften der Intensivpatienten, die im Rahmen der COVID-19-Pandemie verlegt wurden, waren sehr restriktiv, sodass eine sehr homogene Patientengruppe entstand. Die Simulation ist jedoch so aufgebaut, dass nicht nur der individuelle Sauerstoffverbrauch auf die Transportdistanz ausgerechnet und mit den Sauerstoffreserven des geplanten Transportmittels abgeglichen werden kann, sondern auch Sondertransporte (z. B. mit einer extrakorporalen Membranoxygenierung, ECMO) geplant werden können.

Besonders aufschlussreich ist bei den vorliegenden Experimenten die Unterscheidung zwischen Auswahl der Krankenhäuser aufgrund der aktuellen Belegung und unter Berücksichtigung der Prognose. Während bei der Auswertung der Entwicklung im aufnehmenden Versorgungscluster bei Verlegungen auf Basis der aktuellen Lage im Verlauf eine Überlastungssituation angenommen wird (Kapazität-5), kommt es bei Verlegungsstrategien basierend auf den erwarteten Prognosen zu keiner weiteren Überlastungssituation.

Zukünftig kann diese Modellierung ausgeweitet werden und auch andere Lagen simulieren, wenn z. B. die regionalen Behandlungskapazitäten von Krankenhäusern überschritten werden oder nicht in normalem Maß zur Verfügung stehen. Beispiele dafür wären ein Terroranschlag mit vielen Verletzten, Naturkatastrophen, Ausfall von kritischen Infrastrukturen etc. Eine Ausweitung zur Entwicklung von Strategien für internationale Verlegungen ist ebenfalls denkbar.

Die Computersimulation bezieht sich auf die eigens erstellte Datenbank von Krankenhäusern und Transportmitteln. Eine unzureichende Datenlage, wie z. B. bei den Intensivtransportmitteln, führt unmittelbar zu einer Unschärfe der Simulation. Die Datenbanken sind jedoch jederzeit erweiter- und änderbar.

Die in diesem Beitrag beschriebene Methode ist ein kosteneffizienter Ansatz zur Erprobung von Strategien zur Krisenbewältigung und zur Stärkung der Bereitschaftsplanung im Gesundheitswesen. Bevor Ressourcen aktiviert und möglicherweise das Leben von Patienten riskiert werden, ermöglicht die Nutzung eines solchen Simulationstools die virtuelle Erprobung von Plänen und kann dabei unterstützen, strategische und weitsichtige Entscheidungen zu treffen. Der Einsatz von Simulationen als Entscheidungshilfe bei der strategischen Zuweisung von Patienten ist in der Literatur zu COVID-19 unterrepräsentiert [16], da dort der Schwerpunkt eher auf der Modellierung der Epidemiologie und der Intensivkapazität liegt [17]. SCATTER schließt diese Lücke zwischen der epidemiologischen COVID-19-Modellierung und dem Einsatz von Simulation bei der Katastrophenvorsorge. Simulation in Zusammenhang mit dem Katastrophenmanagement ist vergleichsweise neu, wird aber zunehmend als wichtiger Ansatz anerkannt. Sie ermöglicht allen Beteiligten Einblicke in das reale System und bietet eine Plattform, auf welcher Experimente durchgeführt werden können, die sonst nicht realisierbar wären [18]. SCATTER ist ein Entscheidungsinstrument, das zur Beantwortung von Fragen der Vorbereitung und Planung sowie der Ressourcenzuweisung genutzt werden kann.

In einer Weiterentwicklung der Simulation wäre die Umsetzung eines Optimierungsmodells denkbar. Dabei testet die Simulation in einem vorgegebenen Szenario verschiedene Verlegungsstrategien selbstständig, entscheidet anhand im Vorfeld definierter Parameter, welche Strategie am vorteilhaftesten wäre, und schlägt diese dem Anwender vor. Durch ein solches Optimierungsmodell könnte SCATTER in hochkomplexen Lagen als Entscheidungsunterstützungstool eingesetzt werden und so die Entscheidungsträger entlasten.

Computersimulationen können eine wichtige Entscheidungshilfe bei der Bewältigung von komplexen Situationen sein. Je mehr Faktoren auf ein Geschehen Einfluss nehmen und bei der Planung von Strategien bedacht werden müssen, desto eher scheint eine digitale Unterstützung sinnvoll. Mit der dargestellten Computersimulation lassen sich Verlegungsstrategien von Intensivpatienten in Hinblick auf Machbarkeit prüfen und die Auswirkung auf Patienten, Transportmittel und Intensivkapazitäten auf den unterschiedlichen Ebenen vergleichen.