Softwaregestützte Analyse geriatrischer Entlassbriefe

Hintergrund: Im Bielefelder Reallabor Geriatrie der Hochschule Bielefeld wurde in Kooperation mit der Katholischen Hospitalvereinigung Ostwestfalen ein Entlassbriefanalyzer entwickelt. Dieser kann bei der Qualitätssicherung im Bereich des Entlassmanagements unterstützen. Methodik: Der Entlassbriefanalyzer nutzt Methoden des „Text Mining“, um Informationen in den jeweiligen Entlassbriefen zu finden. Es werden dabei Daten aus dem Freitext als auch Zahlenwerte der dokumentierten Assessments extrahiert. Eine Zuordnung der Fälle zu Diagnosekategorien erfolgte im Projekt sowohl durch eine deduktive als auch induktive Kategorienentwicklung und die Sammlung von Schlagworten durch das ärztlich eingebundene Fachpersonal. Ergebnisse: Mithilfe des Analyzers konnten Patient*innen unterschiedlichen Diagnosekategorien zugeordnet werden. Es zeigt sich, dass das Gros der Fälle aufgrund multifaktorieller oder sturzbedingter Indikationen behandelt wurde. Zudem verbesserten sich die Patient*innen in verschiedenen Tests über die Zeit der Behandlung. Die meisten Patient*innen konnten nach der Behandlung zurück in die Häuslichkeit entlassen werden. Diskussion: Anhand der Ergebnisse lässt sich für das Entlassmanagement erkennen, dass es in der anschließenden Behandlung einen besonderen Fokus auf sturzbedingte und neurodegenerative Erkrankungen braucht. Aufgrund der überwiegenden Entlassung der Patient*innen in ihre Häuslichkeit ergibt sich ein wesentliches Augenmerk auf die ambulante Versorgung. Grundsätzlich kann dabei auf eine messbare Verbesserung durch die stationäre Behandlung aufgebaut werden.

---

Background: A discharge letter analyzer was developed in the Bielefeld Geriatrics Living Laboratory at Bielefeld University of Applied Sciences in cooperation with the Catholic Hospital Association East Westphalia (Katholische Hospitalvereinigung Ostwestfalen). This can support quality assurance in the area of discharge management. Methods: The discharge letter analyzer uses text mining methods to find information in the respective discharge letters. Data are extracted from the free text as well as numerical values from the documented assessments. In the project the cases were assigned to diagnostic categories through both deductive and inductive category development and the collection of keywords by the medical staff involved. Results: With the help of the analyzer patients could be assigned to different diagnostic categories. It was found that the majority of cases were treated due to multifactorial or fall-related indications. In addition, the patients improved in various tests over the course of treatment. Most patients could be discharged back home after treatment. Conclusion: The results show that discharge management requires a special focus on fall-related and neurodegenerative diseases in the subsequent treatment. Due to the predominant discharge of patients to their homes, there is a significant focus on outpatient care. In principle, a measurable improvement can be achieved through inpatient treatment.