nach oben

Erschienen in:

03.06.2019 | Originalien

Computerassistierte Entscheidungsfindung beim Traumapatienten

verfasst von: PD Dr. Georg Osterhoff, Dominik Pförringer, Julian Scherer, Christian Juhra, Sven Maerdian, David A. Back, Arbeitsgruppe Digitalisierung der Deutschen Gesellschaft für Orthopädie und Unfallchirurgie

Erschienen in: Die Unfallchirurgie | Ausgabe 3/2020

Einloggen, um Zugang zu erhalten

Zusammenfassung

Hintergrund

Bei der Behandlung von Schockraumpatienten müssen in komplexen Situationen laufend und unter Zeitdruck zahlreiche kritische Entscheidungen getroffen werden. Auch erfahrene Teams machen hierbei häufig Fehler. Computerassistierte Entscheidungshilfen können basierend auf kontinuierlich eingespielten Informationen über den Zustand des Patienten anhand errechneter Wahrscheinlichkeiten weitere Behandlungsschritte vorschlagen. Die vorliegende Übersichtsarbeit fasst den aktuellen Stand der Literatur zur computerassistierten Entscheidungsfindung beim Traumapatienten zusammen.

Fragestellung

Literaturübersicht zu den vorhandenen Konzepten und Anwendungen der computerassistierten Entscheidungsfindung beim Traumapatienten.

Methodik

Narrativer Übersichtsartikel basierend auf einer Recherche der relevanten deutsch- und englischsprachigen Literatur der letzten 10 Jahre.

Ergebnisse

Es sind bereits einige gut funktionierende computerassistierte Entscheidungshilfen im Bereich der Traumaversorgung implementiert. Diverse Studien konnten zeigen, dass computerbasierte Entscheidungen im präklinischen Setting, im Schockraum und auf der traumatologischen Intensivstation das Behandlungsergebnis verbessern können. Zur weiteren Validierung und Implementierung müssen informationstechnische Barrieren behoben, die existierenden Systeme an die Datenschutzgesetze angeglichen und multizentrische Studien zur größeren Datenerhebung generiert werden.

Schlussfolgerung

Computerassistierte Entscheidungshilfen können helfen, die Versorgung von Traumapatienten zu verbessern. Für eine flächendeckende Anwendung müssen jedoch zuvor technische und legislative Barrieren überwunden werden.

Anazodo AN, Murthi SB, Frank MK, Hu PF, Hartsky L, Imle PC, Stephens CT, Menaker J, Miller C, Dinardo T, Pasley J, Mackenzie CF (2015) Assessing trauma care provider judgement in the prediction of need for life-saving interventions. Injury 46(5):791–797CrossRef

Arkes HR, Shaffer VA, Medow MA (2007) Patients derogate physicians who use a computer-assisted diagnostic aid. Med Decis Making 27(2):189–202CrossRef

Beda A, Carvalho AR, Carvalho NC, Hammermüller S, Amato MBP, Muders T, Gittel C, Noreikat K, Wrigge H, Reske AW (2017) Mapping regional differences of local pressure-volume curves with electrical impedance Tomography. Crit Care Med 45(4):679–686CrossRef

Berchialla P, Gangemi EN, Foltran F, Haxhiaj A, Buja A, Lazzarato F, Stella M, Gregori D (2014) Predicting severity of pathological scarring due to burn injuries. A clinical decision making tool using Bayesian networks. Int Wound J 11(3):246–252CrossRef

Bibault J‑E, Giraud P, Durdux C, Taieb J, Berger A, Coriat R, Chaussade S, Dousset B, Nordlinger B, Burgun A (2018) Deep Learning and radiomics predict complete response after neo-adjuvant chemoradiation for locally advanced rectal cancer. Sci Rep 8(1):12611CrossRef

Burke JP, Pestotnik SL (1999) Antibiotic use and microbial resistance in intensive care units. Impact of computer-assisted decision support. J Chemother 11(6):530–535CrossRef

Carron P‑N, Taffe P, Ribordy V, Schoettker P, Fishman D, Yersin B (2011) Accuracy of prehospital triage of trauma patients by emergency physicians. A retrospective study in western Switzerland. Eur J Emerg Med 18(2):86–93CrossRef

Chen L, McKenna TM, Reisner AT, Gribok A, Reifman J (2008) Decision tool for the early diagnosis of trauma patient hypovolemia. J Biomed Inform 41(3):469–478. https://doi.org/10.1016/j.jbi.2007.12.002 CrossRefPubMed

Clarke JR, Webber BL, Gertner A, Kaye J, Rymon R (1994) On-line decision support for emergency trauma management. Proc Annu Symp Comput Appl Med Care 1994:1028

10.

Clarke JR, Spejewski B, Gertner AS, Webber BL, Hayward CZ, Santora TA, Wagner DK, Baker CC, Champion HR, Fabian TC, Lewis FR, Moore EE, Weigelt JA, Eastman AB, Blank-Reid C (2000) An objective analysis of process errors in trauma resuscitations. Acad Emerg Med 7(11):1303–1310CrossRef

11.

Clarke JR, Hayward CZ, Santora TA, Wagner DK, Webber BL (2002) Computer-generated trauma management plans. Comparison with actual care. World J Surg 26(5):536–538CrossRef

12.

Convertino VA, Moulton SL, Grudic GZ, Rickards CA, Hinojosa-Laborde C, Gerhardt RT, Blackbourne LH, Ryan KL (2011) Use of advanced machine-learning techniques for noninvasive monitoring of hemorrhage. J Trauma 71(1 Suppl):S25–S32CrossRef

13.

Dami F, Golay C, Pasquier M, Fuchs V, Carron P‑N, Hugli O (2015) Prehospital triage accuracy in a criteria based dispatch centre. BMC Emerg Med 15:32CrossRef

14.

Deutsche Gesellschaft für Unfallchirurgie (2017) S3-Leitlinie Polytrauma/Schwerverletzten-Versorgung

15.

Fitzgerald M, Cameron P, Mackenzie C, Farrow N, Scicluna P, Gocentas R, Bystrzycki A, Lee G, O’Reilly G, Andrianopoulos N, Dziukas L, Cooper DJ, Silvers A, Mori A, Murray A, Smith S, Xiao Y, Stub D, McDermott FT, Rosenfeld JV (2011) Trauma resuscitation errors and computer-assisted decision support. Arch Surg 146(2):218–225CrossRef

16.

Fritz J, Gaissmaier C, Volkmann R, Höntzsch D, Greschner H (1999) Rechnergestützte Leistungsdokumentation. Auswirkungen in Orthopädie und Unfallchirurgie auf Budget und Entgeltformen. Unfallchirurg 102(2):92–97CrossRef

17.

Mackenzie CF, Hu P, Sen A, Dutton R, Seebode S, Floccare D, Scalea T (2008) Automatic pre-hospital vital signs waveform and trend data capture fills quality management, triage and outcome prediction gaps. AMIA Annu Symp Proc 2008:318–322PubMedCentral

18.

Mina MJ, Winkler AM, Dente CJ (2013) Let technology do the work. Improving prediction of massive transfusion with the aid of a smartphone application. J Trauma Acute Care Surg 75(4):669–675CrossRef

19.

Nachtigall I, Tafelski S, Deja M, Halle E, Grebe MC, Tamarkin A, Rothbart A, Uhrig A, Meyer E, Musial-Bright L, Wernecke KD, Spies C (2014) Long-term effect of computer-assisted decision support for antibiotic treatment in critically ill patients. A prospective ‘before/after’ cohort study. BMJ Open 4(12):e5370CrossRef

20.

Navarro S, Montmany S, Rebasa P, Colilles C, Pallisera A (2014) Impact of ATLS training on preventable and potentially preventable deaths. World J Surg 38(9):2273–2278CrossRef

21.

Ogunyemi OI, Clarke JR, Ash N, Webber BL (2002) Combining geometric and probabilistic reasoning for computer-based penetrating-trauma assessment. J Am Med Inform Assoc 9(3):273–282CrossRef

22.

Osterhoff G (2017) Nurse gender and its influence on emergency department triage-upsides and downsides of registry data. Pain 158(3):367–368CrossRef

23.

Rughani AI, Dumont TM, Lu Z, Bongard J, Horgan MA, Penar PL, Tranmer BI (2010) Use of an artificial neural network to predict head injury outcome. J Neurosurg 113(3):585–590CrossRef

24.

Salinas J, Chung KK, Mann EA, Cancio LC, Kramer GC, Serio-Melvin ML, Renz EM, Wade CE, Wolf SE (2011) Computerized decision support system improves fluid resuscitation following severe burns. An original study. Crit Care Med 39(9):2031–2038CrossRef

25.

Schuurman N, Leight M, Berube M (2008) A web-based graphical user interface for evidence-based decision making for health care allocations in rural areas. Int J Health Geogr 7:49CrossRef

26.

Sintchenko V, Iredell JR, Gilbert GL, Coiera E (2005) Handheld computer-based decision support reduces patient length of stay and antibiotic prescribing in critical care. J Am Med Inform Assoc 12(4):398–402CrossRef

27.

Stengel D, Bauwens K, Walter M, Köpfer T, Ekkernkamp A (2004) Comparison of handheld computer-assisted and conventional paper chart documentation of medical records. A randomized, controlled trial. J Bone Joint Surg Am 86-A(3):553–560CrossRef

28.

Walkinshaw E (2011) iPhone app an aid in diagnosing concussions. CMAJ 183(14):E1047–E1048CrossRef

29.

Weng SF, Reps J, Kai J, Garibaldi JM, Qureshi N (2017) Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLoS ONE 12(4):e174944CrossRef

30.

Wong KH, Lob S‑C, Lin C‑F, Lasser B, Mun SK (2009) Imaging components for a robotic casualty evaluation system. Conf Proc IEEE Eng Med Biol Soc. https://doi.org/10.1109/IEMBS.2009.5334416 CrossRefPubMed

Titel: Computerassistierte Entscheidungsfindung beim Traumapatienten
verfasst von: PD Dr. Georg Osterhoff
Dominik Pförringer
Julian Scherer
Christian Juhra
Sven Maerdian
David A. Back
Arbeitsgruppe Digitalisierung der Deutschen Gesellschaft für Orthopädie und Unfallchirurgie
Publikationsdatum: 03.06.2019
Verlag: Springer Medizin
Erschienen in: Die Unfallchirurgie / Ausgabe 3/2020
Print ISSN: 2731-7021
Elektronische ISSN: 2731-703X
DOI: https://doi.org/10.1007/s00113-019-0676-y

Arthropedia

Grundlagenwissen der Arthroskopie und Gelenkchirurgie. Erweitert durch Fallbeispiele, Videos und Abbildungen.
» Jetzt entdecken

Neu im Fachgebiet Orthopädie und Unfallchirurgie

Notfall-TEP der Hüfte ist auch bei 90-Jährigen machbar

26.04.2024 Hüft-TEP Nachrichten

Ob bei einer Notfalloperation nach Schenkelhalsfraktur eine Hemiarthroplastik oder eine totale Endoprothese (TEP) eingebaut wird, sollte nicht allein vom Alter der Patientinnen und Patienten abhängen. Auch über 90-Jährige können von der TEP profitieren.

Arthroskopie kann Knieprothese nicht hinauszögern

25.04.2024 Gonarthrose Nachrichten

Ein arthroskopischer Eingriff bei Kniearthrose macht im Hinblick darauf, ob und wann ein Gelenkersatz fällig wird, offenbar keinen Unterschied.

Therapiestart mit Blutdrucksenkern erhöht Frakturrisiko

25.04.2024 Hypertonie Nachrichten

Beginnen ältere Männer im Pflegeheim eine Antihypertensiva-Therapie, dann ist die Frakturrate in den folgenden 30 Tagen mehr als verdoppelt. Besonders häufig stürzen Demenzkranke und Männer, die erstmals Blutdrucksenker nehmen. Dafür spricht eine Analyse unter US-Veteranen.

Ärztliche Empathie hilft gegen Rückenschmerzen

23.04.2024 Leitsymptom Rückenschmerzen Nachrichten

Personen mit chronischen Rückenschmerzen, die von einfühlsamen Ärzten und Ärztinnen betreut werden, berichten über weniger Beschwerden und eine bessere Lebensqualität.

Update Orthopädie und Unfallchirurgie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Springer Medizin

Zusammenfassung

Hintergrund

Fragestellung

Methodik

Ergebnisse

Schlussfolgerung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 3/2020

Reduktion von Nadelstichverletzungen um 48 % in einem Jahr

Schlichtungsverfahren nach Versorgung einer Hundebissverletzung

Rehabilitation mithilfe des „blood flow restriction training“

Die okkulte Skaphoidfraktur: Evidenz und Algorithmus

Jejunumabriss als isolierte abdominelle Verletzung

Effektivität des „blood flow restriction training“ im Leistungssport