NEDOCS-Score für die Überfüllung der Notaufnahme

Klinischer Hintergrund

Die Überbelegung von Notaufnahmen (Crowding) ist ein weit verbreitetes Problem, für das es keine einheitliche Definition gibt. Die Folgen sind gut dokumentiert: schlechtere Versorgungsqualität, mehr medizinische Fehler, verlängerte Wartezeiten und erhöhte Mortalität. Die Herausforderung für den klinischen Betrieb besteht darin, die Überbelegung objektiv und in Echtzeit zu messen, damit Belastungsprotokolle, die Umleitung von Rettungsdiensten oder die Freigabe von Behandlungsplätzen auf der Grundlage von Daten statt individueller Intuition ausgelöst werden können. NEDOCS wurde entwickelt, um genau diesen Bedarf zu decken: den Grad der Überbelegung einer Notaufnahme in einer einzigen Zahl zu quantifizieren, die über die Zeit verfolgt und zwischen Arbeitsschichten verglichen werden kann.

Berechnung des NEDOCS

NEDOCS ist ein regressionsbasierter Score mit fünf objektiven Variablen, die auf die Kapazität der Notaufnahme und des Krankenhauses indexiert sind:

$$\text{NEDOCS} = 85{,}8 \times \frac{\text{Gesamtzahl der Patienten in der Notaufnahme}}{\text{Gesamtzahl der Behandlungsplätze der Notaufnahme}} + 600 \times \frac{\text{Aufgenommene Patienten, die noch warten}}{\text{Gesamtzahl der Krankenhausbetten}} + 13{,}4 \times \text{Beatmete/intensivpflichtige Patienten} + 0{,}93 \times \text{Längste Wartezeit auf Aufnahme} + 5{,}64 \times \text{Wartezeit des am längsten wartenden Patienten} - 20$$

Negative Ergebnisse werden auf 0 gesetzt. Die Variablen bedeuten:

• Gesamtzahl der Patienten, die sich derzeit in der Notaufnahme befinden: alle Patienten im Wartebereich, auf der Liege und in Behandlung.
• Gesamtzahl der Behandlungsplätze der Notaufnahme (besetzt/zugelassen): physische Behandlungsplätze, die personell besetzt und für den Betrieb zugelassen sind.
• Aufgenommene Patienten, die noch in der Notaufnahme warten: Patienten mit Aufnahmeentscheidung, die noch kein Krankenhausbett erhalten haben, also Patienten, die weiter in der Notaufnahme liegen (Boarding).
• Gesamtzahl der Krankenhausbetten (ohne pädiatrische Betten und Entbindungsbetten): die Gesamtzahl der Betten des Krankenhauses für die somatische Versorgung Erwachsener.
• Anzahl beatmeter/intensivpflichtiger Patienten in der Notaufnahme: Patienten, die maschinelle Beatmung oder Intensivbehandlung benötigen und in der Notaufnahme verbleiben.
• Längste Wartezeit auf Aufnahme: die Zeit des Patienten, der am längsten auf ein Krankenhausbett wartet, in Stunden.
• Wartezeit des am längsten wartenden Patienten (Door-to-Bed): die Zeit von der Ankunft bis zur Zuweisung eines Behandlungsplatzes, in Stunden.

Die Ableitungskohorte bestand aus acht amerikanischen Universitätskliniken. Bei jeder Messung wurden 336 Stichproben an 42 computergenerierten Zufallszeitpunkten über einen Zeitraum von drei Wochen erhoben. Zielgröße war der Grad der Überbelegung gemäß dem Konsens der verantwortlichen Pflegekraft und des verantwortlichen Arztes der Notaufnahme. Das vollständige Modell mit 23 Fragen erreichte gegenüber dieser Zielgröße ein $R^2 = 0{,}49$ ($p < 0{,}001$). Ein reduziertes Fünf-Variablen-Modell, das heißt der heutige NEDOCS, sagte das vollständige Modell mit einer Genauigkeit von 88 Prozent voraus [1].

Interpretation in der Praxis

NEDOCS liefert einen Score auf einer Skala von 0 bis über 200, aufgeteilt in sechs Stufen. Jede Stufe entspricht einem Belastungsgrad, der bestimmte Maßnahmen auslösen sollte:

Der Schwellenwert bei 100 entspricht dem Übergang von „extrem ausgelastet“ zu „überbelegt“ und ist der am häufigsten verwendete Auslösepunkt für Belastungsmaßnahmen. In der schwedischen Validierungsstudie lag der nach dem Youden-Index optimale Schwellenwert bei 90, also nahe der etablierten Grenze von 100 [2].

Validierung und Leistungsfähigkeit

NEDOCS ist das am besten untersuchte zusammengesetzte Instrument zur Messung der Überbelegung von Notaufnahmen. In einer systematischen Übersichtsarbeit mit 90 Studien war NEDOCS zusammen mit EDWIN das Instrument, das die meisten Studien zur Messung der vom Personal empfundenen Arbeitsbelastung verwendeten, und nahezu alle Studien fanden einen positiven Zusammenhang. Bemerkenswert ist, dass keine Studie NEDOCS gegen die Mortalität als Zielgröße untersucht hat; die Sterblichkeit wurde überwiegend anhand einfacherer Maße wie Belegungsgrad und Patientenvolumen untersucht [3].

In der Ableitungsstudie erreichte das Modell ein $R^2 = 0{,}49$ gegenüber der Konsensbeurteilung des Personals, das heißt, dass knapp die Hälfte der Variation der empfundenen Überbelegung durch den Score erklärt wird [1]. In einer Vergleichsstudie an einem amerikanischen Universitätsklinikum, in der NEDOCS und EDWIN alle zwei Stunden über zehn Tage erhoben wurden (130 Messzeitpunkte), erreichte NEDOCS eine AUC von 0,83 (95-%-KI 0,75-0,90) für die Vorhersage einer Überbelegung, definiert als VAS ≥ 50 mm. In einem kombinierten Modell trug NEDOCS 97 Prozent der prognostischen Information bei, verglichen mit 86 Prozent für EDWIN [4].

In einer belgischen Studie an drei Krankenhäusern (zwei Universitätskliniken und ein Regionalkrankenhaus) korrelierte NEDOCS stark mit dem Belegungsgrad (Pearson r = 0,97) und mit der subjektiven Einschätzung des Personals. Die Autoren kamen zu dem Schluss, dass der einfache Belegungsgrad ebenso treffsicher war wie NEDOCS [5].

Die schwedische Validierung wurde an vier Notaufnahmen (drei Universitätskliniken und ein Kreiskrankenhaus) von September bis November 2017 durchgeführt. NEDOCS konnte nur an zwei der vier Notaufnahmen berechnet werden, weil die Variable für beatmete/intensivpflichtige Patienten nicht aus den Patientenakten-Systemen extrahiert werden konnte. Trotz dieser Modifikation schnitt NEDOCS mit einer AuROC von 0,97 für die Vorhersage einer Überbelegung gut ab, definiert als Arbeitsbelastung des Personals ≥ 4,5 auf einer sechsstufigen Skala. Der Belegungsgrad schnitt jedoch fast ebenso gut ab (AuROC 0,90) [2].

Eine italienische Studie aus dem Jahr 2024 evaluierte NEDOCS anhand der Wartezeit bis zur ersten ärztlichen Beurteilung bei 2,75 Millionen Besuchen in 91 allgemeinen Notaufnahmen in der Lombardei im Jahr 2022. Das Ergebnis war ernüchternd: Die Wartezeit der Patienten nahm mit steigendem NEDOCS-Niveau nicht zu, und die Übereinstimmung zwischen NEDOCS und einem neuen wartezeitbasierten Maß war in den meisten Notaufnahmen minimal. Die Autoren merkten an, dass NEDOCS von italienischen Notfallmedizinern routinemäßig kritisiert wurde, weil er nicht mit der Wahrnehmung des Personals übereinstimme [6].

Einschränkungen

NEDOCS wurde ausschließlich an amerikanischen Universitätskliniken entwickelt und spiegelt deren Struktur mit großen Notaufnahmen, hohem Patientenvolumen und eigenen Schockräumen wider. Die Anwendung in kleineren Krankenhäusern, in pädiatrischen Notaufnahmen oder in Systemen ohne Traumabereitschaft kann irreführende Scores ergeben. Die italienische Evaluation zeigt, dass NEDOCS in europäischen Gesundheitssystemen mit anderer Organisation schlechter abschneiden kann, wobei der Zusammenhang zwischen Score und tatsächlicher Auswirkung auf die Patienten verloren gehen kann [6].

Mehrere Variablen der Formel lassen sich in Echtzeit nur schwer aus elektronischen Patientenakten-Systemen extrahieren, insbesondere die Anzahl beatmeter/intensivpflichtiger Patienten in der Notaufnahme und die längste Wartezeit auf Aufnahme. In der schwedischen Validierung musste diese Variable an zwei von vier Notaufnahmen ausgeschlossen werden [2]. Dies schwächt die Validität des Scores, wenn er mit unvollständigen Daten berechnet wird. Hinzu kommt, dass die Definition der besetzten Behandlungsplätze und der Krankenhausbetten zwischen Einrichtungen variieren kann; ein Vergleich der Scores zwischen Krankenhäusern setzt daher vergleichbare Kapazitätsangaben voraus.

NEDOCS misst die vom Personal empfundene Arbeitsbelastung, nicht die Behandlungsergebnisse der Patienten. Es gibt keine Studien, die NEDOCS-Scores mit der Mortalität verknüpfen, und der Zusammenhang mit der Versorgungsqualität ist weniger untersucht als bei einfacheren Maßen wie Belegungsgrad und Verweildauer [3]. Der Score ist eine Momentaufnahme: Er erfasst die Situation im Augenblick, sagt aber nichts darüber aus, wie lange der Patient der Überbelegung ausgesetzt war, was der Faktor ist, der schlechte Verläufe am besten vorhersagt.

Ein praktischer Fallstrick ist die Verwendung von NEDOCS als alleinige Entscheidungsgrundlage für die Umleitung von Rettungsdiensten. Der Score wurde für die interne Überwachung und Trendverfolgung entwickelt, nicht für die Steuerung präklinischer Entscheidungen ohne Kontext zur Ursache der Überbelegung.

Schwedischer Kontext

Die schwedische Validierungsstudie an vier Notaufnahmen zeigte, dass NEDOCS auch im schwedischen Umfeld als Maß der Arbeitsbelastung gut funktioniert, dass aber der Belegungsgrad (Anzahl der Patienten geteilt durch die Anzahl der Behandlungsplätze) fast ebenso gut abschneidet und deutlich einfacher zu berechnen ist [2]. Die Autoren entwickelten außerdem mSEAL (modified Skåne Emergency Department Assessment of Patient Load, benannt nach der südschwedischen Region Skåne), ein schwedisches Modell auf der Grundlage von Patientenstunden und Zeit bis zum Arzt, das sich automatisch aus schwedischen Patientenakten-Systemen berechnen lässt und eine vergleichbare Leistung wie NEDOCS erzielte (AuROC 0,91). Für die schwedische klinische Praxis ist NEDOCS eine nützliche Alternative, wenn die Daten verfügbar sind, doch der Belegungsgrad ist eine einfachere und ebenso treffsichere Alternative für die routinemäßige Überwachung.

Quellen

1. Weiss SJ et al. Estimating the degree of emergency department overcrowding in academic medical centers: results of the National ED Overcrowding Study (NEDOCS). Acad Emerg Med 2004. PMID: 14709427
2. Wretborn J et al. 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
3. Badr S et al. Measures of Emergency Department Crowding, a Systematic Review. How to Make Sense of a Long List. Open Access Emerg Med 2022. PMID: 35018125
4. Weiss SJ, Ernst AA, Nick TG. Comparison of the National Emergency Department Overcrowding Scale and the Emergency Department Work Index for quantifying emergency department crowding. Acad Emerg Med 2006. PMID: 16551777
5. Jobé J et al. Quantifying emergency department crowding: comparison between two scores. Acta Clin Belg 2018. PMID: 29207925
6. Signorini F et al. Measuring the crowding of emergency departments: an assessment of the NEDOCS in Lombardy, Italy, and the development of a new objective indicator based on the waiting time for the first clinical assessment. BMC Emerg Med 2024. PMID: 39420258