Priorisierte Terminvergabe bei Neuvorstellungen: Was ist wirklich entscheidend?

Author:

Krämer Stefan,Flöge A.,Handt S.,Juzek-Küpper F.,Vogt K.,Ullmann J.,Rauen T.

Abstract

Zusammenfassung Hintergrund Die zeitnahe Terminvergabe für Neuvorstellungen ist eine tägliche Herausforderung in der rheumatologischen Praxis, die von digitalen Lösungen unterstützt werden kann. Es stellt sich die Frage nach einer möglichst einfachen und effektiven Methode der Terminpriorisierung. Methoden Mithilfe eines Anmeldeformulars für Neuvorstellungen wurden standardisiert Symptome und Laborbefunde erfasst. Die Terminvergabe erfolgte nach fachärztlicher Sichtung dieser Informationen in 3 Kategorien: (a) < 6 Wochen, (b) 6 Wochen bis 3 Monate und (c) > 3 Monate. Die Wartezeiten zwischen dem Zeitpunkt der Anmeldung und dem Vorstellungstermin wurden berechnet und verglichen zwischen Patienten mit und ohne Diagnose einer entzündlich-rheumatischen Erkrankung (ERE). Zusätzlich wurde ein Entscheidungsbaum, eine Methode aus dem Bereich des überwachten Lernens innerhalb der künstlichen Intelligenz (KI), erstellt und die resultierende Klassifikation bezüglich Trefferrate und berechneter Wartezeitersparnis verglichen. Ergebnisse Insgesamt wurden 800 Fälle (darunter 555 Frauen [69,4 %], medianes Alter 53 Jahre [IQA 39–63]) zwischen 2020 und 2023 ausgewertet. Eine ERE konnte in 409 (51,1 %) Fällen bestätigt werden mit einer Wartezeit von 58 vs. 93 Tagen bei Non-ERE-Fällen (−38 %, p < 0,01). Eine KI-Stratifizierung ergab eine Trefferrate von 67 % bezüglich einer ERE und eine prognostizierte Einsparung von 19 % Wartezeit. Die Trefferrate stieg hierbei auf 78 % mit einer Zeitersparnis für ERE-Fälle um bis zu 31 %, wenn grundlegende Laborergebnisse bekannt waren. Andererseits ergaben vereinfachte Algorithmen z. B. durch eine reine Laborwert-basierte Stratifizierung eine niedrigere Trefferrate und Zeitersparnis. Schlussfolgerung Die fachärztliche Terminzuweisung ist effektiv und verkürzt die Terminwartezeit für Patienten mit ERE signifikant. Eine automatisierte Kategorisierung kann unter Berücksichtigung vollständiger Laborwerte mit reduzierter Sensitivität zu einer Verkürzung der Terminwartezeit führen.

Funder

Universitätsklinikum RWTH Aachen

Publisher

Springer Science and Business Media LLC

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3