Rückblick

Wir hatten in den vorherigen Beiträgen festgestellt, dass die Krankheitsquote der Pflege und des ärztlichen Dienstes seit Jahren steigt und vor allem private Krankenhausträger eine erhöhte Krankheitsquote haben.
Der vergangene Beitrag endete damit, dass eine multiple lineare Regression durchgeführt wurde, die folgende Zusammenhänge mit der Krankheitsquote in der Pflege feststellt.

Regression

Mittels des R-Packages „visreg“ können die Zusammenhänge des Krankenstandes in der Pflege sehr schön auf einen Blick visualisiert werden:

Regression Krankenstand Pflege

Hierbei bedeutet der graue Balken das Konfidenzintervall der Regression – wenn trotz diesen Balkens ein Zusammenhang zu sehen ist, ist dieser schon ziemlich eindeutig.
Beispiel ist dabei unten rechts die Nutzung der Intensivbetten: Je höher diese ist (teils über 100%!) desto höher auch der Krankenstand in der Pflege – oder es werden mehr Intensivbetten gebraucht, weil PatientInnen aufgrund fehlender Pflegekräfte nicht ausreichend versorgt werden. In jedem Fall ein unguter Zusammenhang.

Analyse von Kausalzusammenhängen in Daten

Wie schon oft erwähnt ist das Finden einer Korrelation nicht gleichzusetzen mit einem echten Kausalzusammenhang (will sagen: die eine Variable ändert sich WEIL die andere Variable sich ändert).

In der Programmiersprache R gibt es dafür allerdings (neben anderen Paketen) das Paket CAM (causal additive model), das Kausalzusammenhänge erkennen kann (wen es genau interessiert, klicke unten).

Spoiler

Um aus den circa 150 Variablen die relevanten Variablen herauszufiltern, wurde das R-Package olsrr benutzt,
das entweder den p-Wert oder den AIC-Wert benutzt, um Variablen zu einem linearen Modell hinzuzufügen.
Die Syntax sieht wie folgt aus:

k1<-ols_step_forward(model,details=T)
k2<-ols_stepwise(model,details=T)
k3<-ols_stepaic_both(model,details=T)

Wenn die Zahl der Variablen auf etwa 25 reduziert ist (erklärte Varianz etwa 80%), wird das Package
Compare Causal Networks benutzt, um mit verschiedenen Modellen Kausalzusammenhänge zu erkennen:

xx1<-getParents(daten,method=c(„pc“))
xx2<-getParents(daten,method=c(„rankPc“))
xx3<-getParents(daten,method=c(„bivariateANM“))
xx4<-getParents(daten,method=c(„CAM“))

Die Funktionsweise des bekanntesten Algorithmus „CAM“ wird hier beschrieben.

[collapse]

Kausalzusammenhänge Ausfallzeiten Pflegedienst

Hierbei bedeuten blaue Pfeile einen positiven Zusammenhang und rote Pfeile einen negativen Zusammenhang. Die Stärke des Einflusses wird durch die Dicke der Linie beschrieben.

Einflüsse auf Krankenstand

    • Verweildauer / Vorerkrankungen der Patienten / PPR-Minuten: Je pflegebedürftiger die Patienten sind, desto höher ist die Krankheitsquote der Pflege. Die PPR-Minuten sollen dabei die gesamten Pflegeminuten darstellen, die die Pflege bei pflegebedürftigen PatientInnen verbracht hat.
    • Raumtyp: In ländlichen Krankenhäusern sind Pflegekräfte häufiger krank (überlastet?) als in städtischen
    • Fluktuation bei Pflegedienst: Je höher die Fluktuation  in der Pflege , desto höher der Krankenstand
    • Krankheitszeiten beim Funktionsdienst: Je höher der Krankenstand beim Funktionsdienst, desto höher auch der Krankenstand in der Pflege
    • Fluktuation und Arbeitszeit bei ärztlichem Dienst: Je höher die Fluktuation beim ärztlichen Dienst und je höher die Arbeitszeiten der Ärzte, desto niedriger der Krankenstand bei der Pflege (vielleicht weil man es sich dann nicht leisten kann, krank zu sein). +
    • Auslastung der Planbetten und  Anteil von Patienten mit Chefarztwahl: Je höher die Auslastung der Betten, desto höher der Krankenstand. Der Einfluss von Patienten mit Chefarztwahl könnte darauf zurückzuführen sein, dass andere Patienten dann schlechter versorgt werden können und der Stresspegel steigt!?
    • Ausbildungsgrad der Pflege: Je höher der Anteil der Fachpfleger ist, desto niedriger der Krankenstand, ist irgendwie einleuchtend.
    • Fallzahl / Berechnungstage: Je größer das Krankenhaus, desto höher der Krankenstand
    • Sterblichkeit: Wie im letzten Beitrag gezeigt, besteht ein Zusammenhang zwischen der Sterblichkeit im Krankenhaus und der Krankenrate, was sicherlich bei Hochrisikokliniken mit Stress zu tun hat aber auch der Zusammenhang in der anderen Richtung ist denkbar: Eine höhere Krankheitsquote führt zu schlechterer Versorgung und höherer Sterblichkeit.

Die folgende Grafik zeigt noch einmal die Zusammenhänge zwischen verschiedenen Variablen rund um den Krankenstand der Pflege (grüne Balken bedeutet einen positiven Zusammenhang, rote einen negativen, je dicker der Balken, desto stärker die Korrelation):

Korrelation Fallzahl, Verweildauer, Krankenstand

Man sieht in diesem Bild auch andere Phänomene der modernen Krankenhauslandschaft, über die noch zu sprechen sein wird:

  • Das rapide Absinken der Verweildauer in den letzten Jahren
  • Der Zusammenhang zwischen Fluktuation und Sterblichkeit
  • Die erhöhte Fluktuation des ärztlichen Dienstes bei kleinen Häusern

Auswirkungen erhöhten Krankheitsquote im Pflegedienst

Kausalzusammenhänge Ausfallzeiten Pflegedienst

Noch einmal das Bild von oben, man sieht folgende signifikante Auswirkungen des ansteigenden Krankenstands der Pflege:

  • Erhöhter Krankenstand führt zu geringerer Auslastung der Betten: So weit, so logisch, für eine hohe Auslastung der Betten muss auch Personal vorhanden sein.
  • Damit führt erhöhter Krankenstand auch zu geringeren Erlösen. Dies wird durch die Variable „Erlöse_DRG_Anteil“ festgestellt. Außerdem ist ein Effekt der verringerten Schulden festzustellen, der für uns nicht erklärbar ist.
  • Erhöhter Krankenstand in der Pflege führt zu mehr Krankheit im ärztlichen Dienst: Auch dies ist gut zu erklären, der ärztliche Dienst bekommt den Stress, den verringerte Personalbesetzung verursacht, ja auch zu spüren.
  • Erhöhter Krankenstand in der Pflege führt zu höheren Löhnen in Pflege und Verwaltung: Dies kann man vielleicht dadurch erklären, dass ein erhöhter Krankenstand die Einstellung neuer MitarbeiterInnen und die Suche nach diesen zur Folge hat. Dies zeigt, dass die „Solidarität“ mit seinen KollegInnen, indem man krank zur Arbeit geht, das Gegenteil bewirkt. Pflege, wenn ihr krank seid, geht nicht zur Arbeit!

Handlungsmöglichkeiten zur Eindämmung des Krankenstands in der Pflege

  • Bessere Erholungsmöglichkeiten in Hochrisikokliniken und -stationen:   Wenn Pflegekräfte mit besonders risikobehafteten PatientInnen zu tun haben und damit Stress und dem Umgang mit dem Tod ausgesetzt sind, brauchen sie mehr Freizeit und Erholungsmöglichkeiten, vielleicht Seelsorge. Klingt logisch, ist aber im Alltag längst nicht immer der Fall
  • Eindämmung der Fluktuation in allen Bereichen:  Hohe Fluktuationsraten (über die noch gesprochen wird) erhöhen Stress, Einarbeitung, vermindern die Qualität der Versorgung und erhöhen den Krankenstand. Dagegen muss vorgegangen werden!
  • Nicht krank zur Arbeit kommen! Es klingt paradox, aber in vielen Punkten wurden Hinweise gefunden, dass bestimmte Szenarien (bspw. hohe Fluktuation im ärztlichen Dienst) zu höheren Krankheitsausfällen führt. Dafür spricht auch die hohe Solidarität der Pflegekräfte untereinander.
    Durch Vermeidung dieser Situationen in denen es gar keine Option ist, krank zu sein, können sich Pflegekräfte erholen. Dies führt zu weniger Ansteckung von KollegInnen und PatientInnen und zu weniger Krankenstand insgesamt. In diesem Punkt ist sich die Forschung einig.
  • Auslastung nicht zu 100% optimieren. Reduziert den Stress für die Pflege, Wirtschaftlichkeit ist nicht alles.
  • Mehr in die Ausbildung der Pflege investieren:  Ausbildung für die Pflege (welche im Vergleich zur ärztlichen Weiterbildung sträflich vernachlässigt wird) erhöht die Qualität der Versorgung, vermindert Stress und auch die Krankheitsquote.

Fazit

Man sieht, dass die Untersuchung der Krankheitsquote (eines Faktors von vielen) schon viele Missstände in deutschen Krankenhäusern ans Licht bringt.

Daher kann man zur Behebung dieses Symptoms alle anderen nicht außer acht lassen: Bezahlt die Pflege gut, bildet sie vernünftig aus und trimmt die Krankenhäuser bitte nicht um jeden Preis auf Wirtschaftlichkeit! Dann wird der Krankenstand gesenkt und die Versorgung der PatientInnen erhöht.