Refine
Has Fulltext
- no (2)
Document Type
- Bachelor Thesis (1)
- Master's Thesis (1)
Institute
Language
- German (2)
Is part of the Bibliography
- no (2)
Der Stationsalltag einer Fachkraft beinhaltet derzeit auch das manuelle Verteilen der Medikamente eines Patienten. Die Fachkraft sucht dabei für jeden Patienten die einzunehmenden Medikamente heraus und legt diese zur gewünschten Tageszeit in dessen persönliche Medikamentenbox. Diese Aufgabe erfordert ein hohes Maß an Konzentration und kostet viel Zeit. Zur Verbesserung dieser Situation kann ein Roboter, der die Medikamente automatisiert verteilt, beitragen. Dabei wird wertvolle Zeit gespart, die für die Pflege der Patienten aufgewendet werden kann. Ein Lösungsansatz zur automatischen Medikamentenverteilung wird in dieser Arbeit mit einem LEGO-Modell beschrieben. Dieses beinhaltet die Hardware-Konstruktion des Roboters und dessen Steuerung.
Während der stationären oder ambulanten Behandlung im Krankenhausalltag wird für jeden einzelnen Patienten ein Fall angelegt, welcher alle erfassten Informationen (persönliche Daten, Diagnosen, Labordaten) enthält. Damit ist für die Mitarbeiter des Krankenhauses der Zugriff auf diese Daten jederzeit gewährleistet. Neben den bereits bestehenden Diagnosen und Erstdiagnosen sollten auch alle Folgediagnosen, die im Zuge der Behandlung gestellt werden, aufgenommen werden. Resultierend aus diesen erfassten Informationen ist der stationäre Fall später in diagnosebezogene Fallgruppen, Diagnosis Related Groups oder DRG, einzuordnen. Ziel der vorliegenden Arbeit ist die Entwicklung eines Verfahrens zur Diagnoseerkennung auf Grundlage von Laborwerten, welches dem Krankenhauspersonal als unterstützendes Hilfsmittel zur Seite gestellt werden kann. Das zu erstellende Framework kann aufgrund der vorliegenden Laborwerte noch nicht dokumentierte Diagnosen aufzeigen und somit zum einen einer lückenhaften Dokumentation vorbeugen, zum anderen kann eine nachträgliche Anpassung der Abrechnung erfolgen. Zur Umsetzung wurde zunächst eine Vorstudie durchgeführt, welche bestätigt, dass es mehrere Diagnosen gibt, die eine Veränderung der DRG bewirken und demnach die Entwicklung eines solchen Verfahrens sinnvoll ist. Infolge dessen schloss sich die Auswahl sowohl eines geeigneten Beispiellaborwertes (Troponin) als auch Laborkataloges (LOINC) an. Durch die anschließende Zuordnung einer Laborleistung zu einer Diagnose über LOINC-Codes wurde die Diagnoseerkennung aus Laborwerten realisierbar. Aufbauend auf diesem Verfahren wurde im Rahmen der Vismedica-Software das Laborframework implementiert. Dafür wurden Anforderungen an die zu erstellende Software festgelegt und während der Definition und Erstellung des Datenmodells berücksichtigt. Während dieser Umsetzung wurde ein DatastoreObjekt angelegt und die Befüllung dessen anschließend mittels Expertenroutinen implementiert. Im Ergebnis zeigt sich, dass die Möglichkeit besteht, aus vorhandenen Laborwerten automatisiert zugeordnete Diagnosen abzuleiten und sich durch die erneute Falleinstufung eine veränderte DRG ergeben kann. Eine nachträgliche Dokumentation sollte fachmedizinisch kontrolliert durchgeführt werden. Neben der angestrebten Verbesserung der Qualität der Diagnosedokumentation wäre eine nachweisliche Steigerung der DRG-Fallpauschalen-Beträge erreichbar und das Framework demnach ein effektives Hilfsmittel zur Kontrolle der derzeitigen Diagnosedokumentation.