CEDOCS-Score für die Überfüllung der Notaufnahme

Klinischer Hintergrund

Die Überbelegung von Notaufnahmen ist ein strukturelles Problem, das die Behandlung verzögert, die Mortalität erhöht und das Arbeitsumfeld verschlechtert. Die Belastung in Echtzeit zu quantifizieren ist notwendig, um Belastungsprotokolle auszulösen, Rettungswagen umzuleiten oder stationäre Betten freizumachen. Die Herausforderung liegt darin, dass Überbelegung ein mehrdimensionales Konzept ist, das Patientenaufkommen, Wartezeiten, Aufnahmedruck und die von den Mitarbeitenden empfundene Arbeitsbelastung umfasst, und dass keine einzelne Variable das gesamte Bild erfasst.

CEDOCS (Community Emergency Department Overcrowding Scale) wurde speziell für Notaufnahmen außerhalb von Universitätskliniken entwickelt, wo der Vorgänger NEDOCS Schwächen gezeigt hatte. NEDOCS wurde an Universitätskliniken hergeleitet und erfordert unter anderem die Angabe der Gesamtzahl der stationären Betten, eine Variable, die an kleineren Krankenhäusern oft schwer in Echtzeit zu definieren ist. CEDOCS wurde über ein breiteres Spektrum jährlicher Besuchsvolumina kalibriert und ersetzt die Variable der stationären Betten durch das Gesamtbesuchsvolumen der Notaufnahme, was sie für kleinere Einheiten besser anwendbar macht.

Berechnung des CEDOCS

CEDOCS wird mit einem multivariablen linearen Regressionsmodell berechnet, das auf fünf Variablen beruht, die zum selben Zeitpunkt in der Notaufnahme erhoben werden:

$$\text{CEDOCS} = -29{,}53 + 3{,}14 \times n_{\text{IVA}} + 0{,}52 \times t_{\text{max}} + 1{,}14 \times n_{\text{väntrum}} + 20{,}55 \times \frac{n_{\text{total}}}{n_{\text{platser}}} + 0{,}00124 \times V_{\text{års}}$$

wobei $n_{\text{IVA}}$ die Anzahl der derzeit in der Notaufnahme befindlichen Intensivpatienten ist, $t_{\text{max}}$ die längste Wartezeit eines aufzunehmenden Patienten, der sich noch in der Notaufnahme befindet, in Stunden, $n_{\text{väntrum}}$ die Anzahl der derzeit im Wartezimmer befindlichen Patienten, $n_{\text{total}}$ die Gesamtzahl der derzeit in der Notaufnahme befindlichen Patienten (alle Plätze), $n_{\text{platser}}$ die Gesamtzahl der genehmigten und besetzten Notfallbehandlungsplätze und $V_{\text{års}}$ das jährliche Patientenbesuchsvolumen der Notaufnahme.

Negative Ergebnisse werden als 0 angegeben, entsprechend "nicht ausgelastet".

Das Modell wurde in der CEDOCS-Studie hergeleitet, in der zwischen dem 6. April und dem 1. Mai 2011 Daten an 13 kalifornischen Krankenhäusern unterhalb der Universitätsklinikebene erhoben wurden [1]. Insgesamt wurden 2006 Datensätze erhoben, von denen 1489 in die vollständige Analyse eingingen. Der Endpunkt war der Mittelwert der Einschätzung der Überbelegung durch Ärzte und verantwortliche Pflegekräfte auf einer visuellen Analogskala (VAS) von 100 mm. Von 20 Kandidatvariablen wurden 7 wegen Multikollinearität entfernt; die verbleibenden 13 erklärten 50,5 % der Varianz des Endpunkts. Die fünf Variablen, die CEDOCS bilden, machten 92 % der durch das vollständige Modell erklärten Varianz aus [1]. Die eingeschlossenen Krankenhäuser hatten jährliche Notaufnahmevolumina zwischen 18 000 und 98 000 Besuchen.

Interpretation in der Praxis

Der CEDOCS-Score wird in sechs Stufen mit zunehmendem Handlungsbedarf eingeteilt:

Der Score ist eine Momentaufnahme und sollte regelmäßig berechnet werden, nicht zuletzt zu bekannten Spitzenbelastungszeiten. Ein einzelner hoher Score ohne Trend stützt eine sofortige Maßnahme; ein steigender Trend über mehrere Messungen gibt Zeit, präventiv zu handeln.

Validierung und Leistung

CEDOCS hat bislang nur eine begrenzte externe Validierung durchlaufen. In der Herleitungsstudie erklärte das Modell 50,5 % der Varianz der VAS-Einschätzung der Überbelegung durch das Personal, was einem mäßigen Anteil entspricht und widerspiegelt, dass Überbelegung selbst in der Population, in der das Modell erstellt wurde, mit objektiven Variablen schwer zu erfassen ist [1].

Der einzige publizierte externe Vergleich wurde an drei französischen Notaufnahmen (einer Universitätsklinik und zwei Krankenhäusern unterhalb der Universitätsklinikebene) über zwei Wochen im Jahr 2023 durchgeführt [2]. CEDOCS korrelierte mäßig mit der selbst eingeschätzten Arbeitsbelastung des Personals (Spearman ρ = 0,471, 95 % KI 0,289–0,616). Ein einfacherer Maßstab, die Census Rate (Anzahl der Patienten dividiert durch die Anzahl der Plätze), schnitt signifikant besser ab (ρ = 0,744, 95 % KI 0,619–0,832; Korrelationsdifferenz 0,273, p < 0,001). An den beiden Krankenhäusern unterhalb der Universitätsklinikebene schnitten CEDOCS und Census Rate jedoch gleichwertig ab, was dafür spricht, dass CEDOCS seinen größten Wert gerade in der Population haben könnte, für die es bestimmt war [2]. Der Umfang der Studie war mit 81 Beobachtungen begrenzt, und die Ergebnisse sollten mit Vorsicht interpretiert werden.

Zum Vergleich wurde NEDOCS, die international am weitesten verbreitete Überbelegungsskala, in mehreren Zusammenhängen mit unterschiedlichen Ergebnissen validiert. In einer schwedischen Multicenterstudie an vier Notaufnahmen erreichte NEDOCS eine AuROC von 0,97 für die Vorhersage einer Überbelegung, definiert als hohe Arbeitsbelastung des Personals, was mit dem schwedischen mSEAL-Modell (AuROC 0,91) und der Occupancy Rate (AuROC 0,90) vergleichbar war [3]. In einer italienischen Studie an einer Universitätsklinik war die Übereinstimmung zwischen NEDOCS und der subjektiven Einschätzung des Personals jedoch nur mäßig (gewichtetes Kappa 0,381) [4]. CEDOCS wurde unter schwedischen Bedingungen nicht validiert.

Einschränkungen

CEDOCS wurde für Notaufnahmen unterhalb der Universitätsklinikebene mit jährlichen Volumina zwischen 18 000 und 98 000 Besuchen entwickelt. Für die Anwendung an Universitätskliniken oder sehr kleinen Notaufnahmen außerhalb dieses Spektrums fehlt eine Validierungsgrundlage. In der französischen externen Studie schnitt CEDOCS an der Universitätsklinik schlechter ab, was darauf hindeutet, dass sich die Kalibrierung des Modells nicht unverändert auf größere Einheiten übertragen lässt [2].

Der Endpunkt des Modells, die VAS-Einschätzung des Personals, ist subjektiv und kann zwischen Personen, Schichten und Kulturen variieren. Dies ist eine systematische Schwäche, die NEDOCS und die meisten Überbelegungsskalen teilen: Sie werden gegen einen Goldstandard kalibriert, der selbst ungenau ist. In der italienischen NEDOCS-Studie zeigte sich, dass das Personal dazu neigte, die Belastung bei niedriger Auslastung zu überschätzen und bei hoher Auslastung zu unterschätzen, ein Muster, das wahrscheinlich auch für CEDOCS gilt [4].

Die Variable "Anzahl der Intensivpatienten in der Notaufnahme" hat den höchsten Koeffizienten (3,14) und erhält damit einen großen Einfluss auf den Score. Dies spiegelt wider, dass Intensivpatienten, die in der Notaufnahme boarden, ein starker Indikator für Abflussprobleme sind. Zugleich bewirkt der hohe Koeffizient, dass bereits einige wenige solcher Patienten den Score um eine ganze Stufe verschieben können, was ein diskontinuierliches Bild der Belastung ergeben kann.

CEDOCS erfordert, ebenso wie NEDOCS, dass alle Variablen korrekt und aktuell eingegeben werden. Bei hoher Belastung ist das Risiko am größten, dass sich die manuelle Dateneingabe verzögert oder fehlerhaft wird, also gerade in der Situation, in der der Score am dringendsten benötigt wird. Eine automatisierte Datenerfassung aus dem Patientenverwaltungssystem ist daher in der Praxis eine Voraussetzung für eine zuverlässige Anwendung.

Schwedischer Kontext

Keine Überbelegungsskala ist in der schwedischen Praxis etabliert. Das schwedische mSEAL-Modell, das an vier schwedischen Notaufnahmen validiert wurde, enthält nur zwei Variablen (Patientenstunden und Zeit bis zum Arzt) und schneidet vergleichbar mit NEDOCS und der Occupancy Rate ab [3]. mSEAL hat den Vorteil, dass seine Variablen an nationale Register gemeldet werden, was sowohl eine Echtzeitmessung als auch eine retrospektive Analyse ermöglicht. CEDOCS wurde im schwedischen Umfeld nicht getestet, und seine Variable "jährliches Besuchsvolumen" ist statisch und trägt bei einer einzelnen Messung nur marginal zur Variation des Scores bei, was seinen Mehrwert gegenüber einfacheren Maßen wie der Occupancy Rate im schwedischen Kontext infrage stellt.

Quellen

1. Weiss SJ m.fl. Evaluating community ED crowding: the Community ED Overcrowding Scale study. Am J Emerg Med. 2014. PMID: 25234796
2. Paris F m.fl. Census rate as a pragmatic indicator of emergency department crowding: a multicentre prospective observational comparison with CEDOCS against frontline-perceived workload. BMC Nurs. 2026. PMID: 42337765
3. Wretborn J m.fl. Validation of the modified Skåne emergency department assessment of patient load (mSEAL) model for emergency department crowding and comparison with international models; an observational study. BMC Emerg Med. 2021. PMID: 33618658
4. Strada A m.fl. Do health care professionals' perceptions help to measure the degree of overcrowding in the emergency department? A pilot study in an Italian University hospital. BMC Emerg Med. 2019. PMID: 31455226