PHASE-ED: Recorded Emergency Department Stay and Temporal Prediction Across Pandemic Phases at Jordanian Public Hospitals

Wenn ein Patient in der Notaufnahme eines Krankenhauses eintrifft, beginnt die Uhr zu ticken. Diese Zeit, bekannt als Verweildauer (Length of Stay), ist mehr als nur eine Zahl in einer Tabelle; sie ist ein Maß dafür, wie schnell sich eine Person von dem Moment an bewegt, in dem sie durch die Tür tritt, bis zu dem Moment, in dem sie das Krankenhaus verlässt – entweder um nach Hause zu gehen oder um ein Krankenhausbett zu beziehen. Für Ärzte und Krankenhausmanager ist die Verfolgung dieser Dauer entscheidend. Sie hilft ihnen zu verstehen, ob ihre Systeme reibungslos funktionieren oder ob Patienten in Engpässen feststecken und zu lange auf eine Behandlung warten müssen. In den letzten Jahren hat die globale Pandemie diese Systeme in Chaos gestürzt und verändert, wie viele Menschen aufkreuzten, wie krank sie waren und wie die Krankenhäuser darauf reagierten. Nun, da die unmittelbare Krise vorüber ist, bleibt eine kritische Frage: Sind die Notaufnahmen wirklich zum Normalzustand zurückgekehrt, oder hat sich die Art und Weise, wie wir Zeit messen, zusammen mit der Art und Weise, wie wir Patienten behandeln, verändert?

Eine neue Studie aus Jordanien mit dem Titel PHASE-ED ging dieser Frage nach, indem sie die Aufzeichnungen von fast äo 400.000 Besuchen in der Notaufnahme eines öffentlichen Krankenhauses zwischen 2018 und 2025 untersuchte. Die Forscher wollten sehen, wie sich die Zeit, die Patienten in der Notaufnahme verbrachten, vor der Pandemie, während der Hochphase des Virus und in den Jahren danach verschob. Sie wollten auch testen, ob einfache Computermodelle vorhersagen können, wie lange ein zukünftiger Patient bleiben würde, basierend nur auf Basisinformationen wie Alter, Geschlecht und der Tageszeit ihrer Ankunft. Das Ziel war nicht nur, Minuten zu zählen, sondern zu verstehen, ob die Zahlen die wahre Geschichte einer schnelleren Versorgung erzählten oder ob sie Veränderungen in der Art und Weise verbargen, wie das Krankenhaus seine Daten erfasste.

Die Studie begann mit der Bereinigung und Organisation eines massiven digitalen Protokolls jedes Patienten, der die Notaufnahme betrat. Die Forscher konzentrierten sich auf eine spezifische Krankenhausstation, um sicherzustellen, dass die Daten konsistent waren, und betrachteten Besuche vom Beginn des Jahres 2018 bis zum Ende des Jahres 2025. Sie unterteilten diesen Zeitstrahl in drei deutliche Ären: die Zeit vor der Pandemie, die Jahre, in denen das Virus aktiv verbreitet wurde, und die Erholungsphase nach dem Ende des offiziellen Gesundheitsnotstands. Durch den Vergleich der Mittelwerte dieser Gruppen fanden sie einen klaren Trend. Vor der Pandemie blieb der typische Patient 63 Minuten. Während der Pandemie sank diese Zeit leicht auf 60 Minuten. In der Erholungsphase fiel die typische Verweildauer weiter auf 51 Minuten.

Der Durchschnittswert erzählt jedoch nur einen Teil der Geschichte. Die Forscher blickten tiefer in die Daten, um zu sehen, was mit den Patienten geschah, die am längsten warteten. Vor der Pandemie dauerten die längsten 10 Prozent der Aufenthalte mehr als fünf Stunden und fünfzehn Minuten. Während der Pandemie lag diese obere Grenze der Wartezeit immer noch bei fast fünf Stunden. In der Erholungsphase jedoch sank die längste Wartezeit drastisch auf knapp unter drei Stunden. Dies deutet darauf hin, dass sich der typische Patient zwar moderat verbesserte, die signifikanteste Änderung jedoch für diejenigen eintrat, die am längsten im System feststeckten. Die Anzahl der Patienten, die mehr als sechs Stunden warteten, sank von über 8 Prozent vor der Pandemie auf etwas mehr als 1 Prozent in der Erholungsphase.

Dennoch waren die Forscher vorsichtig damit, anzunehmen, dass diese kürzeren Zeiten bedeuteten, dass das Krankenhaus plötzlich viel schneller bei der Behandlung von Menschen geworden sei. Sie entdeckten eine subtile, aber wichtige Verschiebung in der Art und Weise, wie das Krankenhaus die Zeit protokollierte. Im Juli 2024 änderte sich die Art und Weise, wie das System den exakten Moment des Verlassens des Patienten erfasste, und wurde präziser. Die Forscher fanden heraus, dass die kürzeren Verweildauern bereits vor dieser technischen Änderung aufgetreten waren, was darauf hindeutet, dass der Trend real war und nicht nur ein Fehler im Erfassungssystem. Dennoch stellten sie fest, dass die Daten ein seltsames Muster zeigten: Die Anzahl der Patienten mit einem „unbekannten“ Endstatus sank in der Erholungsphase drastisch. Dies weckte die Möglichkeit, dass sich die Art und Weise geändert hatte, wie das Personal Patienten als „entlassen“ oder „aufgenommen“ markierte, was die erfassten Zeiten kürzer erscheinen lassen könnte, selbst wenn die tatsächliche medizinische Versorgung genauso lange dauerte.

Um zu sehen, ob sie diese Zeiten in der Zukunft vorhersagen könnten, baute das Team mehrere Computermodelle. Sie versuchten es mit einem einfachen historischen Durchschnitt, der schlichtweg davon ausging, dass jeder neue Patient die gleiche Zeit wie der Durchschnitt der Vergangenheit bleiben würde. Sie versuchten es auch mit komplexeren Methoden, einschließlich fortgeschrittener statistischer Techniken und Machine-Learning-Algorithmen, die Muster in Alter, Geschlecht und Tageszeit erkennen konnten. Die Ergebnisse waren überraschend. Die komplexen Modelle schnitten nicht wesentlich besser ab als der einfache historische Durchschnitt. Das am weitesten fortgeschrittene Modell reduzierte den Vorhersagefehler um weniger als zwei Minuten im Vergleich zur einfachen Schätzung. Dies deutet darauf hin, dass das Wissen über das Alter oder das Geschlecht eines Patienten für dieses spezifische Krankenhaus nicht viel dabei half, vorherzusagen, wie lange er bleiben würde. Die Tageszeit und der Wochentag waren wichtig, aber die grundlegende Historie der Leistung des Krankenhauses war ein überraschend starker Prädiktor.

Die Studie untersuchte auch, wie gut diese Modelle die Spanne der Zeit schätzen konnten, die ein Patient voraussichtlich verbringen würde, anstatt nur eine einzelne Zahl anzugeben. Sie wollten wissen, ob sie ein Zeitfenster angeben könnten, wie etwa „die meisten Patienten werden zwischen 20 und 100 Minuten bleiben“, und dabei sicher sein könnten, dass dieses Fenster genau war. Das einfache historische Modell war in diesem Gesamtzusammenhang gut und deckte die korrekte Zeitspanne für etwa 91 Prozent der Patienten ab. Wenn die Forscher jedoch spezifische Gruppen betrachteten, wurde das Bild ungleichmäßig. Für Patienten, die als „Reanimation“ (Resuscitation) eingestuft wurden – die kritischste Kategorie – war das Modell nur in etwa 69 Prozent der Fälle korrekt. Das bedeutet, dass die Vorhersagen für die schwerstkranken Patienten oft zu weit gefasst waren oder völlig danebenlagen, was verdeutlicht, dass das System Schwierigkeiten hat, den Bedarf der dringendsten Fälle zu prognostizieren.

Die Forscher kamen zu dem Schluss, dass die registrierte Zeit in der Notaufnahme definitiv kürzer geworden ist, insbesondere für diejenigen, die am längsten warteten, aber die Gründe dafür sind nicht vollständig geklärt. Die Daten zeigen eine reale Veränderung der Zahlen, aber sie können nicht beweisen, ob dies daran liegt, dass die Ärzte schneller arbeiten, sich die Art der ankommenden Patienten geändert hat oder ob sich die Art und Weise verschoben hat, wie die Zeit dokumentiert wird. Die Studie dient als Erinnerung daran, dass in einem komplexen System wie einem Krankenhaus eine kürzere Zahl auf einem Bildschirm nicht automatisch eine bessere Versorgung bedeutet. Sie legt nahe, dass Krankenhausmanager über die Gesamtzeit hinausblicken und die spezifischen Schritte des Prozesses untersuchen müssen, wie etwa wie lange es dauert, einen Arzt zu sehen oder wie schnell ein Bett gefunden wird. Bis diese Details verstanden sind, bleiben die kürzeren Aufenthalte ein vielversprechendes Zeichen, das eher weiterer Untersuchungen bedarf, als ein gelöstes Problem zu sein.