Zusammenhang zwischen Notrufabfrage und Transportentscheidung

Der Freistaat Bayern ist in 26 Rettungsdienstbereiche aufgegliedert, jeder wird von einer ILS geleitet und koordiniert. Acht der 26 Leitstellen werden durch das Bayerische Rote Kreuz (BRK) betrieben [6]. Die ILS sind unter der Rufnummer #112 zu erreichen und organisieren alle Einsätze der Notfallrettung [7]. Daneben gibt es die Rufnummer des Ärztlichen Bereitschaftsdienstes (ÄBD) #116117 [8]. Einsatzmittel und Möglichkeiten des Rettungsdiensts sind hochgradig diversifiziert [9]. Unsere Studie beleuchtet ausschließlich Notfalleinsätze ohne Notarztbeteiligung, sogenannte RD1-Einsätze. Die Notrufabfrage in Bayern erfolgt, bis auf wenige Ausnahmen, nicht standardisiert, ohne Softwareunterstützung auf Grundlage von Leitlinien zur Notrufabfrage des Rettungsdienstausschusses Bayern [2]. Die Ausbildung zum*r Disponent*in ist in § 8 der Verordnung zur Ausführung des Bayerischen Feuerwehrgesetzes (Feuerwehrgesetzausführungsverordnung – AVBayFwG) staatlich geregelt. Sie besteht aus einer 800 Unterrichtseinheiten umfassenden rettungsdienstlichen Qualifikation sowie einer weiteren 800 Unterrichtseinheiten umfassenden feuerwehrfachlichen Qualifikation. Zusätzlich ist ein mindestens 280 Unterrichtseinheiten umfassender Disponent*innenlehrgang an der Staatlichen Feuerwehrschule Geretsried vorgesehen [10]. Für Einsatzerfassung, -disposition und -begleitung wurde für alle ILS ein einheitliches Einsatzleitsystem verpflichtend eingeführt [11]. Das Tetra-Digitalfunknetz ermöglicht die Übermittlung von Statusmeldungen an die Leitstelle. Wichtigste Statusmeldungen sind: 3 = Einsatz übernommen, 4 = an Einsatzstelle angekommen, 7 = Patient*in aufgenommen und 8 = am Zielort angekommen [11]. In den ILS werden Notrufgespräche für maximal 12 Monate gespeichert und dienen primär dem internen Qualitätsmanagement und der Performancemessung [7].

Es wurden zwei Gruppen („Rettungswageneinsatz ohne Transport – RoT“ und „Rettungswageneinsatz mit Transport – TP“) gebildet. Die Gruppenzuordnung erfolgte nach den Statusmeldungen der ILS. Ein Gespräch wurde der TP-Gruppe „bei Status 3, 4, 7 und 8 vorhanden“ zugeordnet, der RoT-Gruppe bei „Status 3 und 4 vorhanden“, „Status 7 und 8 nicht vorhanden“ [11]. Alle Gespräche hatten als Zielrufnummer die #112 und waren Primäreinsätze. Alle Einsätze waren ohne Notarztbeteiligung. Es wurden lediglich Einsätze berücksichtigt, bei denen kein Notarzt involviert war, selbst wenn im Verlauf des Einsatzgeschehens später ein Notarzt angefordert wurde – diese Fälle wurden dennoch ausgeschlossen. Es wurden nur Gespräche mit direktem Anrufer*innenkontakt erfasst, Gespräche von Polizei, U‑Bahn-Wache, Sicherheitszentralen, Werkfeuerwehren, kassenärztlichem Notrufdienst etc. ausgeschlossen. Alle der ausgewählten Gespräche wurden berücksichtigt. Sollte es zu einer Störung im Verlauf des Gesprächs gekommen sein, fand dennoch eine Einbeziehung in Analysestrang 5 statt.

Die im Studienprotokoll angelegten Analysestränge wurden im Laufe der Studie auf acht erweitert und auf Basis einer Gesprächsoperationalisierung in medizinische und zeitliche Variablen umgesetzt (Tab. 1 und 2; [3]) sowie mit Variablen zum*r Anrufer*in, Problemen/Auffälligkeiten, Auffindesituation und einsatzauslösenden Hinweisen ergänzt [1].

Häufigkeit und Ausprägung der Variablen wurden mit Mitteln der deskriptiven Statistik untersucht. Zur Überprüfung signifikanter Unterschiede wurde innerhalb der beiden Gruppen RoT und TP ein Test auf Binomialverteilung bei einem Signifikanzniveau von 5 % vorgenommen. Die Hypothese lautete: Es gibt keine signifikanten Unterschiede der Ausprägungen der Variablen zwischen den Gruppen RoT und TP. Zur Beantwortung der Forschungsfragen wurden Prädikationsmodelle entworfen. Zur Prädiktion des Transportstatus wurde eine logistische Regression mit den Zielvariablen RoT und TP durchgeführt [15, 16]. Zur Prädiktion der Gesprächsdauer wurde ein lineares Modell gerechnet. Alle Tests wurden auf einem α‑Signifikanzniveau von 5 % durchgeführt. Es wurde nach Confoundern und Störgrößen adjustiert. Zur Datenanalyse wurden Microsoft Excel 2016 (Microsoft Corporation, Redmond, WA, USA) und R‑4.0.3/RStudio 1.3 (Posit PBC, Boston, MA, USA) verwendet.

Von den erfassten 150 Gesprächen waren 79 RoT und 71 TP. Informationen über Atmung waren in 34 % (RoT 32 %/TP 37 %), über Bewusstsein in 56 % (RoT 48 %/TP 65 %), über Kreislaufzustand in 40 % (RoT 39 %/TP 41 %), über neurologische Aspekte in 23 % (RoT 23 %/TP 23 %) und über Schmerzen in 42 % (RoT 22 %/TP 35 %) der Gespräche vorhanden. Informationen über Bewusstsein (p < 0,001) und Schmerzen (p < 0,001) waren in der TP-Gruppe signifikant häufiger vorhanden (Tab. 3).

In 51 % (RoT 49 %/TP 52 %) kam der*die Anrufer*in aus dem persönlichen Umfeld des*r Patient*in, in 38 % (RoT 37 %/TP 39 %) war es eine fremde Person, in 11 % (RoT 14 %/TP 8 %) der*die Patient*in selbst (Tab. 3).

Sprachliche Probleme wurden in 40 (RoT 23/TP 17) Gesprächen gefunden, in 21 (RoT 12/TP 9) aufgrund eines*r fremdsprachlichen Anrufer*in, in 19 (RoT 11/TP 8) aufgrund sonstiger sprachlicher Probleme (Tab. 3).

Eine situative Überforderung wurde in 29 % (RoT 66 %/TP 34 %) der Gespräche erkennbar, der Unterschied war signifikant (p < 0,001; Tab. 3).

Eine anrufer*inbedingte Drucksituation zeigte sich mit signifikantem Unterschied (p < 0,001) bei 14 Gesprächen (RoT 13/TP 1; Tab. 3).

Das logistische Regressionsmodell mit der Zielvariable „Transportstatus“ (RoT und TP) beinhaltete die Prädiktionsvariablen des Analysestrangs 1, 3, 4, 5, 6, 7 (Tab. 1 und 2).

Waren Informationen über Atmung (0,87), Bewusstsein (0,38; p < 0,05) und Schmerzen (0,41; p < 0,05) vorhanden, verringerten sie multiplikativ die Chance (entspricht der Odds Ratio, die sich aus der Exponentialfunktion jedes Koeffizienten im Output des logistischen Regressionsmodells ergibt) auf einen RoT-Einsatz. Informationen über Kreislauf (1,24) und neurologische Aspekte (1,28) erhöhten multiplikativ die Chance auf einen RoT-Einsatz (Tab. 4; Abb. 1).

Sprachliche Probleme hatten keinen relevanten Einfluss auf eine RoT-Chance.

Eine situative Überforderung (1,53) des*r Anrufer*in erhöhte multiplikativ die Chance auf einen RoT-Einsatz (Tab. 4; Abb. 1).

War die Auffindesituation des*r Patient*in in einem freien öffentlichen Raum (1,17) oder auf einem Privatgrund (1,62), so erhöhte sich die Chance auf einen RoT-Einsatz multiplikativ, verglichen mit der Auffindesituation in einem öffentlichen Gebäude (Tab. 4; Abb. 1).

Das lineare Prädiktionsmodell mit dieser Zielvariable beinhaltete die Prädiktionsvariablen der Analysestränge 1, 3, 4, 5, 6, 7 (Tab. 1 und 2).

Die durchschnittliche Gesprächsdauer betrug in der RoT-Gruppe (n = 70) 112 s (Standardabweichung [SD] 45,3), in der TP-Gruppe (n = 49) 107 s (SD 44,9). Median 95 bzw. 96 s (Tab. 2).

Waren Informationen über Schmerzen (RoT: +19 s; TP: +40 s, p < 0,01) und neurologische Aspekte (RoT: +7 s; TP: +14 s) vorhanden, verlängerte sich ceteris paribus die durchschnittliche Gesprächsdauer in beiden Gruppen (Tab. 3; Abb. 2).

Sprach der*die Disponent*in mit einem*r fremdsprachlichen Anrufer*in, verlängerte sich ceteris paribus die durchschnittliche Gesprächsdauer (RoT: +36 s, p < 0,05; TP: +31 s, p < 0,05; Tab. 3; Abb. 2).

Situative Überforderung (RoT: +41 s, p < 0,001; TP: +13 s) und Entstehen einer Drucksituation (RoT: +25 s; TP +171 s, p < 0,001) verlängerten ceteris paribus die mittlere Gesprächsdauer (Tab. 3; Abb. 2).

Kriterien für eine Beförderungsentscheidung sind meist Informationen über Atmung oder veränderten Bewusstseinszustand [17]. Diese werden auch in der Literatur als ein ausschlaggebender Faktor für den weiteren Verlauf der Notrufabfrage angesehen [18, 19]. In unserer Studie lagen in 34 % der Fälle dem*r Disponent*in die Informationen über die Atmung des*r Patient*in vor. Somit hat der*die Disponent*in in 66 % der Fälle ohne Informationen über die Atmung über die Disposition eines RD1 entschieden. Hat der*die Patient*in selbst angerufen, wurde nicht automatisch davon ausgegangen, dass Informationen über die Atmung vorliegen. Bång et al. und Lindström et al. berichten von ähnlichen Ergebnissen [18]. Eine Analyse von Mayr aus dem Jahr 2020 zeigt, dass die referierte Studienlage standardisierte Notrufabfragesysteme in deutschsprachigen Regionen favorisiert [20]. Bei diesen geht es im ersten Schritt stets darum, den Bewusstseins- und Atemzustand des*r Patient*in zu evaluieren, im zweiten Schritt werden die anderen Abfragekriterien erhoben [20]. Das Einführen eines standardisierten Notrufabfrageprotokolls (SNAP) in der Leitstelle Berlin führte zu einer verbesserten Erfassung der medizinischen Abfrageparameter. Vor der Standardisierung fragten die Disponent*innen in 30 % der Fälle nach der Atmung der interventionsbedürftigen Person, nach Standardisierung lag dieser Wert bei 72 % [21]. Informationen über den Bewusstseinszustand des*r Patient*in lagen in 56 % der Fälle vor, wobei Gespräche, bei denen der*die Patient*in selbst anrief, als „Information vorhanden“ behandelt wurden. In der TP-Gruppe lag die Information über den Bewusstseinszustand bei 65 % der Fälle, also signifikant häufiger, vor. Vor der Einführung eines SNAP in der Leitstelle Berlin wurde nach dem Bewusstsein in 53 % der Fälle gefragt, nach Standardisierung in 72 % [21]. Die Gesamtquote von Informationen über Atmung und Bewusstsein (56 %) in unserer Stichprobe zeigt einen deutlich geringeren Anteil. Dies könnte am Fehlen einer standardisierten Abfrage liegen.

Standardisierte Abfragesysteme, beispielsweise in der Schweiz, beurteilen zuerst den Bewusstseinszustand und die Atemqualität des*r Patient*in, primär um einen Herz-Kreislauf-Stillstand schnell zu erkennen [22]. Eine niederländische Studie berichtete ebenfalls positive Effekte bezüglich des Einsatzes einer solchen Software [23]. Der häufigste Grund für das Nichterkennen eines Herzstillstands ist das Versäumnis der Frage nach der Atmung des*r Patient*in [19].

In der vorliegenden Studie erwies sich die Datenlage bezüglich des Kreislaufstatus, neurologischen Status und Schmerzstatus der Patient*innen als unzureichend. In diesem Kontext fehlen ebenfalls angemessene Strategien und Richtlinien für Disponent*innen. In zukünftigen Untersuchungen könnte daher das Ziel sein, spezifische Handlungsstrategien und Maßnahmenpläne für Disponent*innen zu entwickeln, um diese Informationen effektiver zu erfassen und zu nutzen.

Um Einsätzen entgegenzuwirken, die vermutlich keinen Transport oder ärztliche Interventionen nach sich ziehen werden, wurde das Konzept des Gemeindenotfallsanitäters entwickelt und bereits in beteiligten Leitstellen implementiert [24]. Zukünftige Forschung könnte darauf abzielen, dieses Konzept zu evaluieren.

Der zeitliche Ablauf eines Notfalleinsatzes ist in verschiedene Segmente gliederbar. Dax et al. haben die Segmente dieses Kernprozesses einer ILS beschrieben: Gesprächsannahmezeit (Zeit, bis der*die Disponent*in das Gespräch annimmt), Gesprächsdauer (Zeit von Gesprächsannahme bis Gesprächsbeendigung), Dispositionszeit sowie technische Alarmzeit [25]. Die durchschnittliche Gesprächsdauer betrug in unserer Gesamtpopulation 110 s. Unsere Messmethode gleicht einer Studie aus Dänemark [23] und den Daten des Rettungsdiensts Baden-Württemberg [26]. Insgesamt war die Dauer der Notrufgespräche in unserer Studie kürzer als in den vorher genannten Studien. Palma et al. berichten von einer Notrufbearbeitungszeit in Apulien, Italien, im Mittel von 65 s. Hier ist jedoch nicht genau bekannt, wie sich dieses Zeitintervall zusammensetzt [27]. Eine andere Studie berichtet von einer optimalen Notrufbearbeitungszeit in der Leitstelle Tirol von 60 bis 90 s [28]. Auswertungen der Leitstelle Berlin ergaben, dass das Notrufgespräch (Abfrage der medizinischen und örtlichen Informationen) in den meisten Fällen in unter 100 s abgeschlossen ist [21]. Diese Zahlen sind kürzer als in unserer Untersuchung. Dies könnte unter anderem an den verpflichtenden Abfragen zum COVID-19-Status bei den von uns betrachteten ILS liegen [26].

Im Jahr 2019 lebten knapp 3,3 Mio. Personen mit Migrationshintergrund in Bayern; das entspricht einem Anteil von etwa 26 % an der Gesamtbevölkerung von 12,9 Mio. Einwohnern [29]. Sowohl der Anteil der Deutschen mit Migrationshintergrund als auch der Anteil ausländischer Staatsangehöriger (2022: 15,5 %) ist in den letzten Jahren konstant gestiegen [30] und könnte somit für die zunehmende Relevanz von Sprachbarrieren bedeutsam sein. Holmström et al. zeigten für Schweden, dass die häufigste Kommunikationsbarriere in Notrufgesprächen mangelnde Sprachkenntnisse waren [31]. In unserer Studie wurden in 27 % der Gespräche sprachliche Probleme deutlich. In etwas mehr als der Hälfte dieser Fälle lag die Ursache in einem*r fremdsprachlichen Anrufer*in (Tab. 2). Fehlende Sprachkenntnisse und die daraus erwachsenden Verständigungsschwierigkeiten können sich naheliegend auf die Qualität und das Ergebnis der Notrufabfrage auswirken [32]. Sprachliche Barrieren gelten in englischsprachigen Regionen, vor allem in den USA, als großer Problemfaktor in einer Notrufabfrage. Mehr als 80 % der befragten Disponent*innen des Notrufs #911 geben an, fast täglich auf eine*n Anrufer*in mit limitierten Englischkenntnissen (LEP) zu stoßen [33] und die LEP-Quote steigt seit Jahren an. Als besonders schwierig wird die Adressermittlung in den Gesprächen beschrieben [33]. Dies deckt sich mit unseren Ergebnissen. Eine fremdsprachliche Person verlängerte ceteris paribus die Gesprächsdauer, jedoch hatte sie keinen signifikanten Einfluss auf die Chance eines RoT. Zur Beseitigung von Sprachbarrieren und zur Verbesserung der Notrufabfrage könnten auch in Bayern Dolmetscherdienste, wie in den USA etabliert, zum Einsatz kommen [33‐35]. Ein weiterer Ansatz zur Verhinderung von Sprachbarrieren ist der Einsatz von künstlicher Intelligenz (KI). Es wäre denkbar, dass die KI die gesprochene Sprache des*r Anrufer*in erkennt und in dieser mit ihm*ihr kommuniziert. Der Einsatz von KI könnte also sinnvoll sein, muss aber noch weiter erforscht werden [36].

In der Literatur wird ein Zusammenhang zwischen erhöhtem Stressniveau und LEP-Anrufer*innen in den USA gefunden [33‐35]. In unserer Studie ist dies vergleichbar mit der Variablen „situative Überforderung“. Ein Zusammenhang zwischen den Variablen „situative Überforderung“ und „Drucksituation“ war aufgrund der schmalen Datenbasis nicht nachweisbar. Die Ergebnisse könnten vor diesem Hintergrund fehlerbehaftet sein. Die Berechnung des logistischen und linearen Regressionsmodells ohne diese Variablen brachte jedoch keine nennenswerten Änderungen des Outputs. Situative Überforderung, charakterisiert durch Attribute wie übermäßig ungeduldig, verwirrt, übermäßig aufgeregt, hysterisch, verlängerte ceteris paribus die durchschnittliche Dauer der Notrufgespräche um ca. 30 s. Zu einem ähnlichen Ergebnis kommt eine skandinavische Studie, die Schwierigkeiten und Verzögerungen aufgrund von Stress und Aufregung des*r Anrufer*in feststellte [31]. Unsere Definition von situativer Überforderung lehnt sich an die Ergebnisse an, die die Autor*innen in ihrem Scoping-Review fanden [37]. Ein in der Literatur weit verbreitetes Tool ist der Emotional Contents and Cooperation Score (ECCS; [37]). Insgesamt ist die Evidenz über Emotionen und Überforderung bei Notrufgesprächen gering [37]. Hier bedarf es weiterer Studien, um unter Umständen Wechselwirkungen zu erkennen. Eine situative Überforderung wurde in unserer Studie in nahezu 30 % der Gespräche gefunden, wobei 66 % davon in der RoT-Gruppe vorkamen (Tab. 1). Um diese Zahlen zu reduzieren, sind eine ausreichende Thematisierung dieser Situationen während der Ausbildung, regelmäßige Gesprächsanalysen mit besonderer Beachtung solcher Gespräche, Anpassungen der Abfragealgorithmen und Anleitungen für Anrufende erforderlich. In der Literatur wird der Einfluss von Überforderung unterschiedlich diskutiert. Clawson et al. widerlegen in ihrer Studie die These, dass Anrufer*innen in skriptgesteuerten Notrufgesprächen zu hysterisch oder unkooperativ seien [38]. Chin et al. entwickelten einen KI-gesteuerten Ansatz zur Bewertung von Emotionen der Anrufer*innen in Notrufgesprächen [39]. Das Modell könnte nützlich sein, um emotional instabile Anrufer*innen im Vergleich zu emotional stabilen Anrufer*innen schnell zu identifizieren [39].

Das Entstehen einer Drucksituation benennt Einsätze, die durch das Anspruchsdenken des*r Anrufer*in geprägt werden und möglicherweise der Einschätzung des*r Disponent*in nicht entsprechen. In 14 Gesprächen (9 %) wurde eine solche Konstellation gefunden. Entscheidend dabei ist, dass 13 davon auf die RoT-Gruppe entfallen und sich die Chance eines RoT-Einsatzes somit verzehnfacht. Um dem entgegenzuwirken, könnten Möglichkeiten wie spezielle Schulungen und die Verwendung standardisierter Abfragealgorithmen mit rechtssicherem Abschluss genutzt werden. Zur Bewertung des Einflusses auf die Gesprächsdauer werden die 13 Fälle der RoT-Gruppe genommen. Die Dauer verlängert sich ceteris paribus um mehr als 20 s. Man kann nach dieser Datenlage davon ausgehen, dass Drucksituationen oftmals auf die emotionalen Gegebenheiten des*r Anrufer*in zurückzuführen sind.

Die Variablen „Drucksituation“ und „situative Überforderung“ können nach Meinung der Autoren korrelieren. Das unterstreicht den Bedarf an Materialien und Strategien, um Anrufer*innen in einer solchen Situation zu unterstützen und eine emotionale Eskalation des Gesprächs zu verhindern. Eine Studie aus Schweden zeigt, wie wichtig es ist nachzuvollziehen, dass sich der*die Anrufer*in in einer Stresssituation befindet und Disponent*innen daher in den Leitstellen mithilfe von Kolleg*innen oder künstlichen Pausen die Situation zu beruhigen versuchen [40]. Verhaltensweisen waren stets situations- und personenabhängig [40].

Die gesamte Studie RoT fokussiert sich auf Notfalleinsätze ohne Notarztbegleitung in Bayern. Dadurch werden ärztliche Transportentscheidungen ausgeschlossen, eine Generalisierung der Resultate ist nicht möglich, da davon auszugehen ist, dass bei a priori erkennbaren schwerwiegenden medizinischen Diagnosen in den meisten Fällen ein Einsatzwagen mit Arztbegleitung geschickt wird [41].

Da sämtliche Notrufgespräche aus dem Zeitraum einer Hochphase der COVID-19-Pandemie stammten, muss ferner beachtet werden, dass möglicherweise COVID-19-spezifische Zusatzfragen unsere Ergebnisse beeinflussten und gegebenenfalls die Gesprächsdauer verlängerten. Außerdem könnte die gesamte Notrufsituation durch die Kontaktbeschränkungen verzerrt gewesen sein. Die Dauer der Notrufabfrage lag nur für die ILS München vor. Die Definition der Einflussvariablen erfolgte nach einem selbst entworfenen Schema (Tab. 1 und 2; [3]). In der Literatur werden ähnliche, aber nicht deckungsgleiche Vorgehensweisen beschrieben [16, 25‐27, 31‐34, 38].

Gab der*die Anrufer*in auf eine entsprechende Frage des*r Disponent*in Schmerzen beim Atmen an, entstand in der Erhebung durch die parallele Information eine Verzerrung, da Schmerzen auch mit jeder anderen medizinischen Kategorie verknüpft werden können.

Die Messungen der subjektiven Variablen „Überforderung“ und „Drucksituation“ werden auf Basis unterschiedlicher Methoden bewertet und sind somit nur sehr spezifisch vergleichbar. Der Einfluss von fremdsprachlichen Personen auf die Notrufabfrage ähnelt den Ergebnissen aus den USA, wo das präklinische Notfallsystem anders organisiert ist [42]. Die meisten Vergleichsstudien bezogen sich auf spezifische Meldesituationen, z. B. „Verdacht auf schwerwiegende kardiale Probleme“ [19, 23, 28].

Die Ergebnisinterpretation wird überdies durch den Mangel an Informationen über den*die Anrufer*in eingeschränkt. Die Literatur zeigt, dass Alter und Geschlecht einen Einfluss auf das Notrufgespräch hatten [32].

Die gerechneten Regressionsmodelle hatten mehr als zehn Einflussvariablen, was die Signifikanz der Ergebnisse bei einer Studienpopulationsgröße von 150 beeinträchtigt. Bei einer größeren Studienpopulation wären Modifikationen der Resultate möglich. Die Methodik der Datenauswertung könnte durch unbekannte Störgrößen, externen Bias und fehlende Linearität beeinflusst sein.

Zusätzlich ist zu beachten, dass die Entscheidung für oder gegen einen Transport vielschichtig ist. Die Analyse von Notrufanfragen ermöglicht die Erkennung von Zusammenhängen, doch auch andere Aspekte wie die Auswertung von Einsatzprotokollen müssen berücksichtigt werden.