Aufspüren von Übertragungen (Hot spots) von Problemkeimen im Spital mittels Datenanalyse

Das Risiko, sich im Krankenhaus mit multiresistenten Keimen anzustecken ist relevant. Durch die hohen Patientenzahlen, gerade in grossen Krankenhäusern, und durch die Tatsache, dass die Patienten währen ihres Krankenhausaufenthaltes mehrfach von einer Abteilung in eine andere verlegt werden, ist das Aufspüren und Nachverfolgen von Übertragungen extrem schwierig. In diesem Projekt ist deshalb eine datenbasierte, rechnergestützte Analysemethode entwickelt worden, die es erlaubt, in kurzer Zeit Abteilungen mit erhöhten Übertragungen aufzuspüren. Damit können gezielt und zeitgerecht Massnahmen eingeleitet werden, um weitere Ansteckungen zu verhindern.

Keywords: Big Data, Data Mining, HotSpots, Multiresistente Keime, Krankenhauskeime, Nosokomiale Infektion

Wenn man sich wegen einer Krankheit oder einer Verletzung in ein Krankenhaus begibt, geht man davon aus, dass man dort so behandelt wird, dass man anschliessend wieder gesund ist. Leider ist dem nicht immer so. In Krankenhäusern kann man sich unter Umstäden mit Krankenhauskeimen anstecken (nosokomiale Infektion) Mögliche Gründe dafür sind:

• Ungenügende hygienische Massnahmen im Spital
• Patientenrisikofaktoren

So führt zum Beispiel die Behandlung mit Antibiotika zur Selektion von krankmachenden Keimen im Darm (Clostridium difficile Infektionen) oder vereinfacht die Besiedelung mit im Spital vorkommenden multiresistenten Keimen. Um die Wahrscheinlichkeit einer solchen Ansteckung zu verringern, ist es wichtig zu wissen, in welchen Bereichen des Krankenhauses sich die Übertragungen ereignen. Da in einem grösseren Krankenhaus, wie z. B. dem Kantonsspital St. Gallen, pro Jahr mehrere zehntausend Patienten behandelt werden und während der Hospitalisation zum Teil mehrfach verlegt werden müssen, ist es unmöglich, diese Information von Hand zu erlangen. In diesem Projekt ist ein Softwaretool entwickelt und implementiert worden, das basierend auf den Verlegungsdaten und dem Datum des Keimnachweises die Abteilungen mit möglichen Übertragungen darstellen kann. Damit ist es möglich, gezielt entsprechende Massnahmen zur Vermeidung von Übertragungen zu treffen.

Referenzen:

[1] Immediate automated detection of nosocomial transmission clusters (HotSpots) D. Flury, M. Hoffmann, Th. Meier, Ph. Kohler, M. Schreiner, M. Schlegel; Poster ECCMID Barcelona and Joint Annual Meeting 2014 SSI/SSHH

[2] Presumably hospital-transmitted Clostridium difficile infections based on epidemiological linkage, Philipp Kohler, Andrea Bregenzer-Witteck, Philippe Rafeiner, Matthias Schlegel, Swiss Med Wkly. 2017;143:w13824