Hand interacting with data displayed on multiple laptop screens.

Mehr Effizienz in der SSI-Surveillance

Postoperative Wundinfektionen gezielt identifizieren

Die Überwachung postoperativer Wundinfektionen (Surgical Site Infections; SSI) ist ein zentraler, erster Schritt zu ihrer Prävention [1, 2]. In der Praxis ist die Erfassung und Auswertung von SSI jedoch zeit- und personalintensiv [3, 4]. Eine vollständige Surveillance erfordert häufig die gleichzeitige Überwachung hunderter Patientinnen und Patienten oder die retrospektive Überprüfung tausender Patientenakten. Vor diesem Hintergrund untersuchte eine aktuelle Studie einen neuen Ansatz: Mit dem Algorithmus sAReS-SSI (semi-Automated Retrospective Surveillance of Surgical Site Infections) sollen potenzielle SSI retrospektiv anhand von Krankenhaus-Routinedaten identifiziert werden [4].

Der Algorithmus nutzt insbesondere ICD-10- und OPS-Codes einschließlich Zeitangaben. Durch die patientenbezogene Verknüpfung von Diagnosen, Eingriffen und deren zeitlicher Abfolge werden Hinweise auf SSI erkannt und die Zahl der zu prüfenden Patientenakten wird reduziert. sAReS-SSI dient ausdrücklich als Instrument zur Vorauswahl, bei dem Verdachtsfälle anschließend manuell überprüft werden [4].

Screening auf Basis verfügbarer Routinedaten

Die Validierung von sAReS-SSI erfolgte anhand von Routinedaten der HygArzt-Studie. Im Rahmen dieser Studie wurde auf drei orthopädisch-unfallchirurgischen Stationen eines Universitätsklinikums eine prospektive SSI-Surveillance mit manueller Bestätigung durchgeführt.

Von den 65 zuvor identifizierten SSIs, die in den Routinedaten abgebildet werden können, erkannte sAReS-SSI 61. Bei der anschließenden manuellen Analyse der zunächst als falsch-positiv eingestuften Fälle wurden zudem zehn weitere SSIs entdeckt, die in der HygArzt-Studie nicht erfasst worden waren. Insgesamt wurden damit 75 SSI identifiziert, von denen 71 durch sAReS-SSI erkannt wurden [4].

Ressourcen schonen durch weniger falsch-positive Ergebnisse

Von 2.298 Patienten wurden 198 durch den sAReS-SSI-Algorithmus als potenzielle SSI-Fälle markiert. Im Vergleich zu einem rekonstruierten NWIF-Algorithmus produzierte sAReS-SSI weniger falsch-positive Ergebnisse (127 vs. 203). Dadurch verringerte sich die Zahl der Fälle, die anschließend manuell bewertet werden mussten; die Prüfung eines solchen Falls dauerte nach Angaben der Autoren im Mittel etwa 30 Minuten [4].

sAReS-SSI als Ergänzung zur etablierten Surveillance?

Im Vergleich zum operativen Modul OP-KISS des Krankenhaus-Infektions-Surveillance-Systems des Nationalen Referenzzentrums (NRZ) ermöglicht sAReS-SSI eine breitere Perspektive: Während OP-KISS auf definierte Indikator-Operationen beschränkt ist, kann sAReS-SSI grundsätzlich alle chirurgischen Eingriffe einbeziehen und über einen Beobachtungszeitraum von bis zu 365 Tagen nachverfolgen. In der untersuchten Kohorte erfasste OP-KISS zwar mehr als die Hälfte der Operationen, jedoch nur rund 37 % der durch sAReS-SSI identifizierten potenziellen SSI. Der Algorithmus könnte damit insbesondere als Ergänzung zur etablierten Surveillance dienen [4].

Limitationen berücksichtigen

Die Ergebnisse zeigen, dass der sAReS-SSI-Algorithmus die SSI-Überwachung unterstützen und effizienter gestalten kann. Dafür nutzt er Daten, die im Krankenhaus ohnehin routinemäßig erhoben werden, und hilft dabei, diejenigen Fälle zu erkennen, die einer genaueren Überprüfung bedürfen. Der Algorithmus ist dabei nicht als Ersatz für etablierte Überwachungsmethoden oder die fachliche Beurteilung gedacht, sondern als ergänzendes Instrument. Auch wenn weitere Validierungen in anderen Krankenhäusern und chirurgischen Fachgebieten notwendig sind, bieten die Ergebnisse eine vielversprechende Grundlage für eine gezieltere Nutzung der verfügbaren Ressourcen in der Infektionsprävention [4].

Quellen

  1. KRINKO (2018) Prävention postoperativer Wundinfektionen. Empfehlungen der Kommission für Krankenhaushygiene und Infektionsprävention (KRINKO) beim Robert Koch-Institut. Bundesgesundheitsbl 61: 448–473.

  1. Centers for Disease Control (CDC) (1988) Guidelines for Evaluating Surveillance Systems. MMWR Suppl; 37(5): 1–18.

  1. WHO (2018) Global guidelines for the prevention of surgical site infection. World Health Organization 2018.

  1. Sons D et al. (2026) Antimicrobial Resistance & Infection Control 15: 112.

Diese Artikel könnten Sie ebenfalls interessieren