Projektname
DaTa dRiven Assemble of nursing CaRe needs and Individual Network contributions of mothers and newborns in labor and delivery

Projektleitung
Diana Trutschel

INS-Projektteam
Diana Trutschel
Michael Simon
Luisa Eggenschwiler

Externe Projektpartner
LEP-AG (Renate Ranegger, Retro Bürgin)
Universitätsspital Basel (Niklaus Gygli, Anja Hermann, Bettina Steinle)
Universität Basel (Giusi Moffa), ETH Zürich (Jack Kuipers)
KU Leuven (Kristel Van Steen)
Universitätsspital Bern (Olga Endrich)

Ort der Datenerhebung
Basel-Stadt 

Laufzeit
2025 bis 2026

Projektbeschreibung
Hintergrund
Der derzeitige weltweite Mangel an Pflegepersonal stellt die Gesundheitssysteme überall vor die Herausforderung, eine angemessene Versorgung zu gewährleisten. Besonders kritisch ist dieses Problem in der Geburtshilfe, wo die sinkende Zahl von Hebammen und examinierten Pflegefachpersonen gebärende Frauen und Neugeborene gefährdet. Sowohl für die Mütter, als auch für die Neugeborenen können die Folgen einer unzureichenden Personalausstattung Sterblichkeit und gesundheitliche Beeinträchtigungen sein.
Da die derzeitigen Methoden zur Messung der Patientenressourcen den Pflegebedarf nicht vollständig berücksichtigen, besteht ein Missverhältnis zwischen den verfügbaren Ressourcen und den Bedürfnissen der Patientinnen. Studien belegen zwar, dass ein höherer Personalbestand an Pflegekräften positiv mit den Ergebnissen für die Patientinnen korreliert, doch die Empfehlungen für eine optimale Personalausstattung bleiben begrenzt.
Zielsetzung
Das Projekt TRACR-IN zielt darauf ab, den Pflegebedarf detailliert zu beschreiben und Anzeichen für Veränderungen in der Nachfrage zu erkennen, so dass Manager das Angebot an Pflegekräfte proaktiv an die Nachfrage der Patientinnen anpassen können.
Methoden
Anhand von Daten eines Schweizer Universitätsspitals wird in dieser Studie die dokumentierte Pflegezeit aus elektronischen Patientenakten von Frauen und Neugeborenen in der Entbindungspflege untersucht. Es werden Methoden des maschinellen Lernens und Netzwerkanalysen eingesetzt, um versteckte Muster in komplexen, hochdimensionalen Datensätzen aufzudecken. Mit der Studie werden drei Ziele verfolgt:
1) Validierung von Pflegeaktivitätszeiten und Identifizierung von Pflegeaktivitätsmodulen durch Netzwerkanalyse
2) Entdeckung Untergruppen von Frauen unterschiedlichen Pflegebedarfsmustern mit Hilfe von Clustering-Methoden 
3) Identifizierung signifikanter Signale in Pflegedaten, die mit einem höheren Bedarf verbunden sind, sowie Integration dieser Signalerkennung in das elektronischen Datensystem.
Erwarteter Nutzen/Relevanz
Mit dieser Studie wird es möglich, komplexe Muster von Pflegeaktivitäten zu visualisieren und zu beschreiben. Die Untersuchung der Beziehungen zwischen einzelnen individuellen Merkmalen und der Pflegezeit wird erste Indikatoren für einen erhöhten Pflegebedarf in der Wochenbettbetreuung liefern, welche auf ihren prädiktiven Wert hin analysiert werden. Dieses Projekt hat damit zum Ziel, die Planung und Bewertung der Mutterschaftspflege zu verbessern. Die Identifizierung von Bedarfssignalen in der Pflegedokumentation wird ein wichtiger Schritt zur Vorhersage eines erhöhten Pflegebedarfs sein und kann eine rechtzeitige Anpassung des Personalbestands ermöglichen und somit Diskrepanzen zwischen Pflegeangebot und -nachfrage verhindern.