威尼斯赌博游戏_威尼斯赌博app-【官网】

图片

威尼斯赌博游戏_威尼斯赌博app-【官网】

图片

Der Lehrstuhl für Health Care Operations/Health Information Management verfolgte mehrere Projekte mit Bezug zur Covid-19 Pandemie, in denen verschiedene Fragestellungen in Zusammenarbeit mit hochrangigen Praxispartnern mittels unterschiedlicher methodischer Ans?tze analysiert wurden.

Besuchsmanagement in Gesundheitseinrichtungen w?hrend Pandemiezeiten

Die Besuchsregelungen, die seit Beginn der Corona-Pandemie im Gesundheitssektor vorgeschrieben sind, stellen Krankenh?user und Pflegeeinrichtungen vor enorme Herausforderungen und haben eine v?llig neue Managementaufgabe definiert: Das Besuchsmanagement. Um m?gliche 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 Universit?tsmedizin 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 Besucherstr?men und Hygieneschulungen in dem Projekt beantwortet werden. Um dies zu erreichen, wurden unter anderem Hospitationen, semistrukturierte Interviews, strukturierte Online-Frageb?gen für Krankenh?user und Pflegeeinrichtungen, Monte-Carlo-Simulation sowie Discrete-Event Simulationen durchgeführt.

?

Kooperationspartner:

  • Prof. Dr. Brunner (Wirtschaftswissenschaftliche Fakult?t, 威尼斯赌博游戏_威尼斯赌博app-【官网】izinische Fakult?t)
  • Prof. Dr. Messmann, Dr. R?mmele (Universit?tsklinikum Augsburg)
  • Dr. Temizel (Universit?tsklinikum Augsburg)

?

Publikationen und Working paper:

Bartenschlager CC, R?mmele C, Temizel S (2021): Befragung zum Besuchsmanagement: Wie Pflegeeinrichtungen Besuche w?hrend 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, R?mmele 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, R?mmele C: Managing hospital visitor admission during Covid-19: A discrete-event simulation by the data of a German 威尼斯赌博游戏_威尼斯赌博app-【官网】 Hospital.

Temizel S, Bartenschlager CC, Frey R, Freitag M, Messmann H, Brunner JO, R?mmele 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 Kapazit?tsauslastung durch COVID-19 Patienten in Krankenh?usern

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 Krankenh?user liegt eine der gr??ten Herausforderungen in der Vorhaltung von Bettenkapazit?ten, insbesondere da die Bettennachfrage im Verlauf einer Pandemie schwer vorherzusehen ist. Um den Entscheidungstr?gern eine Hilfestellung zu geben, wurde ein simulationsbasiertes Prognosetool für die Kapazit?tsauslastung mit dem Universit?tsklinikum Augsburg entwickelt, um bei verschiedenen Pandemieverl?ufen die ben?tigten Bettenkapazit?ten absch?tzen zu k?nnen. 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 Absch?tzung der ben?tigten Bettenkapazit?ten für mehrere Tage in der Zukunft erlaubt.

Mit Hilfe der simulationsbasierten Prognose der Kapazit?tsauslastung kann den Kliniken und den Führungsstellen des Katastrophenschutzes eine wertvolle Hilfestellung in der Absch?tzung der kurzfristigen Entwicklung des Kapazit?tsbedarfs für Verdachtsf?lle sowie best?tigte COVID-19 Patienten gegeben werden. Der operative Einsatz der Methode am Universit?tsklinikum Augsburg zeigt verl?ssliche Ergebnisse. Sollten die politischen Vorgaben bezüglich Kontakt- und Ausgangssperren im Verlauf ge?ndert werden, k?nnte der zukünftige Verlauf der ben?tigten Bettenkapazit?ten 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 Universit?tsmedizin gef?rderten Projekt kam Ende April 2021 zu einem erfolgreichen Abschluss.

?

?

?

Kooperationspartner:

  • Prof. Dr. Brunner (Wirtschaftswissenschaftliche Fakult?t, 威尼斯赌博游戏_威尼斯赌博app-【官网】izinische Fakult?t)
  • Bayerisches Staatsministerium für Gesundheit und Pflege
  • Prof. Dr. Heller (Universit?tsklinikum Augsburg)

?

Publikationen:

R?mmele, 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). Bettenkapazit?tssteuerung in Zeiten der COVID-19-Pandemie: Eine simulationsbasierte Prognose der Normal- und Intensivstationsbetten anhand der deskriptiven Daten des Universit?tsklinikums 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.; R?mmele, 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 Krankenhauskapazit?ten vor enorme Probleme. Für die Krankenh?user beziehungsweise die Notaufnahmen liegt eine der gr??ten Herausforderungen in der Steuerung der Patientenstr?me, da die differentialdiagnostische Abw?gung einer m?glichen COVID-19 Infektion von symptomatischen Patienten durch das breite klinische Erscheinungsbild einer COVID-19 Erkrankung schwerf?llt. Durch eine zeitnahe und objektive Entscheidungshilfe, ob eine COVID-19 Erkrankung vorliegt, k?nnte eine unn?tige Belastung der COVID-Bettenkapazit?ten mit COVID-19 negativen Patienten vermieden werden.

?

Auf Basis der am Universit?tsklinikum Augsburg erhobenen Laborwerte der bisherig best?tigten 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 L?sung sowie einem browser-basierten Tool, der COVIDAL-APP, zur Anwendung. Da Analysen zeigen, dass eine breitere Datenbasis die Algorithmen in ihrer Sensitivit?t und Spezifit?t signifikant zu verbessern mag, verfolgen wir nun einen multizentrischen Ansatz. Durch die Integration einschl?giger Datens?tze aus verschiedenen Krankenh?usern 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 k?nnen die Patientenstr?me im Bettenhaus besser gesteuert werden und den ?rzten eine real-time Entscheidungshilfe bei der differentialdiagnostischen Abw?gung einer m?glichen COVID-19 Infektion an die Hand geben werden.

?

Kooperationspartner:

  • Prof. Dr. Brunner (Wirtschaftswissenschaftliche Fakult?t, 威尼斯赌博游戏_威尼斯赌博app-【官网】izinische Fakult?t)
  • Prof. Dr. Hoffmann (Universit?tsklinikum Augsburg)
  • Prof. Dr. Heller (Universit?tsklinikum Augsburg)
  • Prof. Dr. Messmann (Universit?tsklinikum Augsburg)

?

?

Working Paper:

Bartenschlager CC, Ebel SS, Kling S, Brunner JO, Heller AR, Hoffmann R, Messmann H, R?mmele C (2021): A sensitive combined machine learning tool for the prediction of Covid-19 infections in a German 威尼斯赌博游戏_威尼斯赌博app-【官网】 Hospital. Working paper, 威尼斯赌博游戏_威尼斯赌博app-【官网】 of Augsburg.

Bartenschlager CC, Kling S, Ebel SS, Brunner JO, Heller AR, Hoffmann R, Messmann H, R?mmele 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, 威尼斯赌博游戏_威尼斯赌博app-【官网】 of Augsburg.

Covid-19 triage in the emergency department

Mit der Coronapandemie ist in Deutschland die Diskussion über eine m?gliche Triage in den Fokus des ?ffentlichen Interesses gelangt. In der Literatur gibt es zwar schon einige Vorschl?ge, 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.

?

Kooperationspartner:

  • Prof. Dr. Brunner (Wirtschaftswissenschaftliche Fakult?t, 威尼斯赌博游戏_威尼斯赌博app-【官网】izinische Fakult?t)
  • Prof. Dr. Messmann (Universit?tsklinikum Augsburg)
  • Prof. Dr. Heller (Universit?tsklinikum Augsburg)

?

Working Paper:

Bartenschlager CC, Grieger M, Heller AR, Messmann H, Brunner JO, Neidel T, R?mmele 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, 威尼斯赌博游戏_威尼斯赌博app-【官网】 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 ?hnliche Fragen versuchen wir in diesem Projekt mithilfe von statistischen Analysen, Monte-Carlo-Simulationen und entscheidungstheoretischen Ans?tzen im Krankenhausumfeld, z.B. in einer endoskopischen Einheit, zu beantworten. Zur Evaluation werden verschiedene integrierte Kennzahlen aus medizinischer Sicht, etwa Sensitivit?t oder Anzahl zus?tzlicher Infektionen, sowie aus betriebswirtschaftlicher Sicht, etwa Kostenaspekte, herangezogen.

?

Kooperationspartner:

  • Prof. Dr. Brunner (Wirtschaftswissenschaftliche Fakult?t, 威尼斯赌博游戏_威尼斯赌博app-【官网】izinische Fakult?t)
  • Prof. Dr. Messmann (Universit?tsklinikum Augsburg)

?

Publikationen:

Ebigbo A, R?mmele 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, R?mmele 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