024_krankenhäuser_betten_balance_transparence_Divi

• 

  Prinzip unseres Lösungsansatzes

Inspiration

Es wird in den nächsten Wochen zu einer Überlastung der Krankenhausbetten, besonders im Intensivbereich, in Deutschland kommen. Für eine effiziente Verteilung der Patienten auf Intensivbetten ist eine Krankenhaus übergreifende Übersicht der freien Kapazitäten notwendig. Diese existiert momentan nicht. Zur Zeit erfasst und dokumentiert das Krankenhauspersonal manuell die Belegung ihrer Betten nach den Kriterien Low-Care, High-Care und ECMO und übermittelt diese nur teilweise und manuell an das zentrale Register DIVI.

Abbildung 1: Auszug aus DIVI

Abbildung 2: Aktuelles Tagesgeschehen

• Diese Tätigkeit bindet personelle Ressourcen, welche in Zeiten einer Krise stark begrenz sind.
• Es existiert kein einheitliches System zur Erfassung dieser Daten .
• Jedes Krankenhaus erfasst diese Daten für sich und übermittelt diese bestenfalls manuell an ein zentrales Register
• Eine vorausschauende übergreifende Verteilung von Patienten auf umliegende Krankenhäuser zur Reduzierung von Engpässen ist nicht möglich.
• Auslastungstendenzen können nicht krankenhausübergreifend dargestellt werden.
• Eine Übersicht der noch zur Verfügung stehenden Beatmungsgeräte in einem gewissen Umkreis ist nicht automatisch möglich aber in Zeiten von Covid-19 zwingend notwendig.

What it does

Das System reduziert den Aufwand in der Datenerhebung drastisch und stellt die gewonnen Daten in einer Datenbank automatisch zur Verfügung. Leitstellen, Krankenhäuser, Institute uvm. können auf diese Daten zurückgreifen und Handlungsempfehlungen ableiten. Weiterhin ermöglicht die große Anzahl an Daten die Vorhersage der Kapazitäten über einen kurzen Zeitraum. Ein Vergleich der Belegungsdauer von Betten und Engpassgeräten wird möglich #Predictive Occupancy

Abbildung 2: Funktionsweise der Übermittlung Alt und Neu

How we built it

Das System beseht aus Sensoren zur Erfassung des Zustands an einem Bett oder an einem Beatmungsgerät. Die Sensoren senden ihren Status (Belegt/Nicht Belegt) an ein LoraWan Gateway, das Gateway übermittelt diese Daten über ein GSM Modul an eine zentrale Datenbank. Das System lässt sich innerhalb weniger Minuten auch von Nicht-Technikern installieren und erfordert keine Wartung.

Die Sensoren arbeiten nach dem LoRaWan Funktstandard, diese Sensoren sind IP67 geschützt, haben eine Akkulebensdauer von mindestens 2 Jahren und eine Reichweite im Gebäude von mindestens 200m. Die Funkttechnik ist im Medizinbereich zugelassen und erprobt. Dieses System ist beliebig skalierbar, da Neugeräte kurzerhand mit dem Sensor ausgestattet werden können.

Zur Messung der Bettenbelegung wird ein einfacher Gewichtssensor eingesetzt: https://www.decentlab.com/products/strain-/-weight-sensor-for-lorawan

Zur Messeung des Zustandes der Geräte werden Sensoren eingesetzt, die einen Stromfluss des Verbrauchers messen.

Abbildung 2: Entwickelte Infrastruktur mit TTN, Influx und Grafana

Abbildung 3: Testlauf mit einem Sensor am Kühlschrank (Rot = Aus, Grün =An)

Challenges we ran into

• Zeitliches Taktung des Hackathons am Wochenende => keine Ansprechpartner zu etwaigen Recherchen zu erreichen (DIVI)
• Koordination der Teammitglieder ohne physischen Kontakt
• Installation einer funktionierenden Infrastruktur in kurzer Zeit
• Beschaffung von Sensoren

Accomplishments that we are proud of

• Tolle Gruppenarbeit
• Wir haben alle sehr viel gelernt
• Wir haben es geschafft von einer Idee, zu einem funktionierenden Prototypen zu kommen, der echten Mehrwert erbringen kann und in einem Pilotprojekt getestet werden könnte.

Der Aufbau und Einrichtung dieses System würde etwa 50 EURO pro Beatmungsgerät/Bett kosten, vergleichsweise gering gegenüber den Kosten eines Beatmungsgerätes von 20.000 EURO. Der Vorteil wäre eine automatisierte Erfassung des Betten- und Beatmungskapazität en direct, wodurch die Krankenhäuser sich ersparen die Zahlen selbst zu ermitteln. Der entstehende Datensatz ließe sich weiter nutzen um mit Hilfe von künstlicher Intelligenz Prognosen zu treffen, welche Auslastung für welche Krankenhäuser in naher Zukunft zu erwarten ist. Dadurch ließe sich eine bessere Patienten- und Ressoucenverteilung herstellen, wodurch wiederum Synergieeffekte zu erwarten sind.

What we learned

• Fachübergreifende Austausch hat einen Realitätscheck während der Ideenfindung möglich gemacht.
• In 48 Stunden Stunden kann man viel erreichen.
• Diversität in der Gruppe ist wertvoll

What's next

• Installation von Sensoren in einem Pilotprojekt in einem Krankenhaus.
• Treffen von Vorhersagen aufgrund der ermittelten Daten.
• Generierung von Kennzahlen und Prognosen aufgrund der gewonnen Datensätze:
• Kontaktaufnahme zu den entsprechenden Instanzen und etwaigen Projektpartnern (DIVI, Dräger, Ministerium für Digitalisierung)

Built With

• grafana
• influx
• iot
• lorawan
• love
• python