Integration einer Roboterplattform zur klinischen Überwachung von Patienten mit schwerer erworbener Hirnschädigung auf Intensivstationen

Gebrechlichkeit ist nicht ausschließlich auf das Alter zurückzuführen, sondern stellt einen Zustand erhöhter biologischer und klinischer Vulnerabilität dar, der durch reduzierte funktionelle Reserven und eine größere Anfälligkeit für unerwünschte Ereignisse gekennzeichnet ist, selbst als Reaktion auf geringe Stressfaktoren. Bei Patienten mit komplexen Erkrankungen, wie schweren erworbenen Hirnverletzungen, sind die frühzeitige Erkennung und die unverzügliche Behandlung klinischer Verschlechterungen entscheidend, um das Risiko akuter Wiederaufnahmen, Komplikationen und der Krankenhaussterblichkeit zu verringern. Viele dieser Ereignisse sind potenziell vorhersehbar und vermeidbar, sofern geeignete Überwachungssysteme vorhanden sind.

Fortgeschrittene Versorgungsmodelle, einschließlich Frühwarnsystemen, wurden entwickelt, um medizinisches Fachpersonal bei der Identifizierung von Risikopatienten durch die Erkennung signifikanter Veränderungen physiologischer Parameter zu unterstützen. In den letzten Jahren haben technologische Innovationen – insbesondere in den Bereichen Robotik und Telemedizin – neue Möglichkeiten geschaffen, die klinische Überwachung zu verbessern, eine kontinuierliche Datenerfassung und zeitnahere, proaktivere Interventionen zu ermöglichen.

Soziale Assistenzroboter erweisen sich als vielversprechende Werkzeuge im Gesundheitswesen. Diese Systeme können Kliniker und Pflegekräfte bei routinemäßigen Überwachungsaktivitäten unterstützen, helfen, die Arbeitsbelastung zu reduzieren und eine effizientere und personalisiertere Versorgung zu erleichtern. Durch die Integration von Roboterunterstützung mit digitalen Gesundheitsplattformen ist es möglich, die Qualität und Reaktionsfähigkeit des Patientenmanagements zu verbessern, insbesondere in hochkomplexen Umgebungen wie neurorehabilitativen Einheiten.

Diese Studie konzentriert sich auf die Verwendung eines innovativen robotergestützten Telemedizinsystems, das auf der Integration des MOVER-L-Prototyps mit der ROB.IN.CARE-Plattform basiert, gefördert durch Item Oxygen (Bari, Italien). Das System ist darauf ausgelegt, die klinischen Zustände der Patienten kontinuierlich zu überwachen, Vitalparameter zu erfassen und frühe Anzeichen einer Verschlechterung zu identifizieren. Es unterstützt medizinisches Fachpersonal durch die Bereitstellung von Echtzeitdaten und Warnmeldungen und ermöglicht so frühere und gezieltere Interventionen.

Die Studie ist eine klinische Interventionsstudie mit niedriger Intensität, die in einer Neurorehabilitationseinheit durchgeführt wird. Patienten mit unterschiedlichen klinischen Schweregraden, klassifiziert nach der Glasgow Coma Scale, werden eingeschlossen und in zwei Gruppen unterteilt: eine Kontrollgruppe, die Standardversorgung erhält, und eine experimentelle Gruppe, die zusätzlich zur üblichen Versorgung mit dem robotergestützten System überwacht wird.

Das primäre Ziel der Studie ist die Bewertung der Machbarkeit, Benutzerfreundlichkeit, Sicherheit und Zuverlässigkeit dieser robotergestützten Telemedizinlösung in einem realen klinischen Umfeld. Darüber hinaus bewertet die Studie deren Akzeptanz sowohl bei Patienten als auch bei medizinischem Fachpersonal. Diese Aspekte werden mit validierten Instrumenten gemessen, darunter die System Usability Scale (SUS) und die Health and Safety Executive Stress Scale (HSE), um die Auswirkungen der Technologie auf die Nutzererfahrung und Arbeitsbelastung zu verstehen.

Das integrierte MOVER-L/ROB.IN.CARE-System kombiniert Roboterunterstützung mit kontinuierlicher Überwachung der Vitalzeichen und einer fortschrittlichen Softwarearchitektur. Die Plattform integriert prädiktive Algorithmen, die entwickelt wurden, um das klinische Risiko zu stratifizieren und den Schweregrad des Patienten zu bewerten. Sie nutzt etablierte klinische Bewertungssysteme, wie den Modified Early Warning Score (MEWS) zur frühzeitigen Erkennung klinischer Verschlechterungen, die schnelle Sequential Organ Failure Assessment (qSOFA) zur Sepsisrisikobewertung und die Kidney Disease: Improving Global Outcomes (KDIGO)-Kriterien zur Bewertung von akuten Nierenschäden.

Durch die Ermöglichung der frühzeitigen Identifizierung klinischer Verschlechterungen zielt das System darauf ab, die Aktualität und Wirksamkeit medizinischer Interventionen zu verbessern, den klinischen Arbeitsablauf zu optimieren und das Risiko unerwünschter Ereignisse und Komplikationen zu verringern. Letztendlich untersucht diese Studie, ob robotergestützte Telemedizin ein sicheres, machbares und wertvolles Werkzeug darstellen kann, um das Management gebrechlicher Patienten in neurorehabilitativen Umgebungen zu verbessern.