PRT Modul Mangelernährung
Automatisiertes Screening von Mangelernährung
Automatisiertes Screening Mangelernährung
Eine Mangelernährung liegt bei ca. 20-60 % der hospitalisierten Patient*innen vor. Sie verursacht häufig komplexe pathophysiologische Veränderungen, die das Risiko für operative Eingriffe, schwere medikamentöse Therapien oder bestimmte Erkrankungen beträchtlich erhöhen und zudem die Lebensqualität von Patient*innen deutlich verschlechtern können.
![](https://predicting-health.at/wp-content/uploads/2023/12/people-medicine-stomatology-technology-health-care-concept-dentists-looking-x-ray-scan-monitor-dental-clinic-1-1024x654.jpg)
Aufgrund der erheblichen Auswirkungen durch Mangelernährung ist es von großer Bedeutung, präventive Maßnahmen bestmöglich zu ergreifen.
Mangelernährung | Das Problem
Eine gestörte Immunfunktion, Störung der Wundheilung und eine verzögerte Genesung können Folgen von Mangelernährung sein.
Die erhöhten Komplikationsraten sind mit längeren Liegezeiten und häufigeren Wiederaufnahmen verbunden und damit auch ein schwerwiegender ökonomischer Faktor.
In Untersuchungen konnte gezeigt werden, dass mangelernährte Patient*innen eine um 40 % längere Krankenhausaufenthaltsdauer aufweisen und die Behandlungskosten bis zu 20 % höher sind.
Bestehende Screenings werden oft nicht befüllt
Seit Jahren wird daher in Krankenhäusern (nahezu) flächendeckend ein manuelles Mangelernährung-Screening durchgeführt.
In vielen Fällen führt dieser zusätzliche Dokumentationsaufwand dazu, dass das Screening nur teilweise oder gar nicht abgeschlossen wird und es daher keine Einschätzung zum Ernährungsstatus der Patient*innen gibt. Durch die unvollständige Befüllung der bestehenden Tools (z.B. MNA, MUST oder NRS) zum Screening der Mangelernährung entstehen massive Nachteile für die Patient*innen
Die Lösung | Unser PRT – Modul Mangelernährung
Unser automatisierter Ansatz basiert auf in der Routinedokumentation gesammelten Daten und kann gerade bei gefährdeten Patient*innen den Behandlungserfolg und die Sicherheit erhöhen.
Unser Machine Learning Algorithmus erreicht im klinischen Betrieb eine ausgezeichnete Performance und erkennt über 80 Prozent der Risikopatient*innen korrekt (AUROC: 0,852).
Dieser Algorithmus kann entweder als Vorscreening zu einem bestehenden Tool eingesetzt werden oder dieses gänzlich ersetzen.
Revolutionieren Sie die Patientenversorgung in Ihrem Krankenhaus mit Predicting Health.
Kontaktieren Sie uns noch heute, um mehr über unsere maßgeschneiderten Lösungen zu erfahren.