Ziele
Chronische Schmerzen sind ein weit verbreitetes und komplexes Gesundheitsproblem, das eine sorgfältige pflegerische Betreuung erfordert. Im Pflegealltag erschweren jedoch Zeitdruck, umfangreiche Dokumentationsaufgaben und der begrenzte Zugang zu Schmerzspezialistinnen und -spezialisten eine konsequente Umsetzung evidenzbasierter Schmerztherapien [1]. Klinische Entscheidungsunterstützungssysteme (Clinical Decision Support Systems, CDSS) können Pflegefachkräfte unterstützen, indem sie relevante Patientendaten auswerten und Behandlungsempfehlungen auf Grundlage aktueller wissenschaftlicher Erkenntnisse bereitstellen [2]. Ziel dieser Arbeit ist die Entwicklung einer Backend-Komponente für ein solches CDSS. Diese soll Pflegefachkräfte beim Management chronischer Schmerzen unterstützen, wobei der Fokus auf der Erfassung und Bewertung der Schmerzlokalisation liegt.
Methoden
Im Rahmen dieser Arbeit wurde die bestehende Frontend-Anwendung des N!CA-Projekts [3] um eine Backend-Komponente erweitert, die die Entscheidungslogik des Systems übernimmt. Grundlage dafür ist ein hierarchisches Entscheidungsmodell eines zertifizierten Schmerzexperten, das als Entscheidungsbaum implementiert wurde. Der Entscheidungsbaum wurde in einem strukturierten JSON-Schema abgebildet, das alle Entscheidungsschritte und Bedingungen enthält. Mithilfe einer Regel-Engine wird dieses Schema interpretiert, sodass die Entscheidungslogik automatisiert ausgeführt werden kann.
Ergebnisse
Es wurde ein funktionsfähiger Prototyp zur Beurteilung der Schmerzlokalisation entwickelt. Dieser erfasst relevante Merkmale der Schmerzen und erstellt darauf basierend eine Einschätzung. Die regelbasierte Backend-Komponente führt das Expertenmodell strukturiert aus und bestimmt als Ergebnis die wahrscheinlich betroffene Zielstruktur, beispielsweise einen Nerv, einen Muskel oder einen Knochen.
Ausblick
In zukünftigen Arbeiten soll das System weiterentwickelt werden, um mögliche Ursachen von Schmerzen besser erkennen zu können. Dazu sollen patientenberichtete Informationen mit klinischen Indikatoren kombiniert werden.
Literatur
[1] Mayer S. et al. The societal costs of chronic pain and its determinants: The case of Austria. PLoS One. 2019;14(3).
[2] Chen Z. et al. Harnessing the power of clinical decision support systems: challenges and opportunities. Open Heart. 2023;10(2).
[3] Demarcsek D.D. et al. Design of a Decision Support System for Chronic Pain Management to Support and Empower Nursing Professionals. Studies in Health Technology and Informatics. 2025;324:190–191.
