Zum Inhalt springen

DeFEM – Determinanten freiheitsentziehender Maßnahmen

Freiheitsentziehende Maßnahmen (FEM) sollten in der Behandlung von Menschen mit psychischen Störungen aus medizinischer und gesellschaftlich-ethischer Sicht äußerst restriktiv und nur als Ultima Ratio eingesetzt werden. Bei der Verfolgung dieses Ziels ist es wichtig, Prädiktoren für Patient*innengruppen und Konstellationen zu identifizieren, die mit einem hohen Risiko für FEM assoziiert sind, um daraus gezielt Präventionsmaßnahmen zu entwickeln.

In dem Projekt erfolgte als erste Studie (Schmitz-Buhl et al. 2019) eine detaillierte retrospektive Auswertung der Krankenakten aller 1.773 Patient*innen, die im Jahr 2011 in den vier psychiatrischen Kliniken der Stadt Köln unfreiwillig, d.h. unter der Rechtsgrundlage des PsychKG (Gesetz über Hilfen und Schutzmaßnahmen bei psychischen Krankheiten NRW) untergebracht wurden. Als Vergleichsgruppe diente eine Zufallsstichprobe von 3.991 freiwillig behandelten Patient*innen aus den vier Kliniken. Aus den insgesamt 5.764 Akten wurden medizinische, soziodemographische und sozioökonomische Daten exzerpiert. Neben der deskriptiven Statistik wurde ein Prädiktionsmodell mittels Chi-squared Automatic Interaction Detection (CHAID), ein im Maschinenlernen gängiger Entscheidungsbaum, kalkuliert.

In dieser Studie wurden Risikogruppen für psychiatrische Zwangseinweisungen identifiziert. Die Ergebnisse können bei der Planung präventiver Maßnahmen für besondere Risikogruppen genutzt werden. So könnten auf lokaler Ebene Krisenbewältigungsteams als Ergänzung der ambulanten Versorgung eingerichtet werden und Mitarbeiter von Allgemeinkrankenhäusern in Deeskalationstechniken geschult werden. Außerdem sollten für Patienten mit Migrationshintergrund spezielle Angebote (auch in der Muttersprache) entwickelt werden.

Eine weitere auf der beschriebenen Analysetechnik des Maschinenlernens aufbauende Auswertung (Karasch et al.) befindet sich aktuell (2020) im Review-Prozess. In dieser Analyse wurde der Datensatz zusätzlich durch Hinzufügen von sozioökonomischen Daten aus dem Wohnumfeld der Patient*innen erweitert.

Aufbauend auf dieser retrospektiven Erhebung erfolgte als zweite Studie im Jahr 2016 eine prospektive Vollerhebung aller Patient*innen, die im 2. Quartal in den vier psychiatrischen Kliniken der Stadt Köln stationär aufgenommen wurden. Als Erweiterung des Datensatzes erfolgte in diesem Zeitraum auch eine Vollerhebung in den LVR-Kliniken Langenfeld und Mönchengladbach. In allen sechs Klinken wurden medizinische, soziodemographische und sozioökonomische Daten erfasst mit dem Ziel, sowohl Risikofaktoren als auch Risikogruppen für unfreiwillige Behandlungen zu ermitteln. Darüber hinaus erfolgt bei der statistischen Auswertung auch eine Verknüpfung mit Umgebungsvariablen (Amt für Statistik der Stadt Köln, Deutschen Wetterdienst und sozioökonomischen Daten aus dem Wohnumfeld), um zusätzlich Umweltfaktoren zu erfassen. Die Dissemination der Ergebnisse soll auf nationaler wie internationaler Ebene erfolgen.

Literatur:

Schmitz-Buhl, M., Gairing, S. K., Rietz, C., Häussermann, P., Zielasek, J., & Gouzoulis-Mayfrank, E. (2019). A retrospective analysis of determinants of involuntary psychiatric in-patient treatment. BMC Psychiatry, 19(127). doi:10.1186/s12888-019-2096-5

Karasch O, Schmitz-Buhl M, Mennicken R, Zielasek J, Gouzoulis-Mayfrank E (eingereicht). Identification of risk factors for involuntary psychiatric hospitalization: Using environmental socioeconomic data and methods of machine learning to improve prediction. DOI: 10.21203/rs.3.rs-23221/v1

Nach oben