In der perioperativen Medizin kommt der Identifikation und dem Management von Infektionen als Komplikation eine besondere Rolle zu. Hier haben sich pfadbasierte Behandlungsalgorithmen als eine erfolgreiche Strategie etabliert, um eine optimale, evidenzbasierte Therapie der Patienten zu erreichen. Die Einführung eines computerbasierten Programms zur Entscheidungsunterstützung konnte als eine nachhaltige Struktur identifizierte werden, um die Therapie für Patienten mit postoperativen Infektionen zu steuern. Ein Beispiel für ein solches Programm innerhalb einer Stewardshipinitiative ist das Computerprogramm ABx an der Charité (www.dgai-abx.de). Die Implementierung von Ansätzen zur Individualisierung von Therapien innerhalb von solchen Algorithmen ist bislang nicht fokussiert untersucht worden. In diesem Kontext können gegenwärtig drei Strategien identifiziert werden. Erstens ist die Adaptation von Pfaden anhand von Scoringsystemen zu nennen. Hierbei kann eine Stratifikation von Patienten zur Steuerung der Allokation von weiteren diagnostischen oder therapeutischen Maßnahmen erfolgen. Ein Beispiel ist die Anwendung des PIRO-Systems, welches eine gute Diskriminationsfähigkeit aufweisen konnte. Zweitens können spezifische Patientencharakteristika wie Patientenalter, Gewicht oder das Geschlecht dazu genutzt werden, Behandlungsalgorithmen zu modifizieren. Ein Beispiel ist die gewichts- und altersstratifizierte Dosierung von Antibiotika. Drittens sind es Biomarker oder PRC-gestützten Verfahren zur raschen Erregeridentifikation, die ein erhebliches Potential bei der Stratifikation von Patienten haben können. Dabei sind es besonders die PCR-basierten Verfahren, die gegenwärtige eine Möglichkeit bieten, die empirische Initialtherapie anhand von frühzeitigen Zusatzinformationen zu adaptieren. Aus der Anwendung dieser Strategien können für den individuellen Patienten angepasste Therapien auf der Basis von hinterlegten, strukturierten Pfaden abgeleitet werden. Hieraus wird deutlich, dass pfadbasierte Algorithmen einen signifikanten Spielraum für Therapieadaptationen beinhalten können. Es ist zu erwarten, dass die zunehmende Digitalisierung und Vernetzung weitere Optionen bietet, um solche individualisierten Therapiealgorithmen verstärkt zu hinterlegen. Gleichzeitig ist eine weitere Validierung notwendig, um die langfristigen Auswirkungen in der perioperativen Medizin abzubilden.
Identification and management of infections are important in perioperative medicine. Algorithm-based therapy and therapeutic pathways were successfully established to achieve optimised, evidence-based therapy. In this context, computerised-decision-support programs were identified to support therapy of infections. One example for such an IT-program is the system ABx at Charité hospital (www.dgai-abx.de). It was embedded in an antibiotic stewardship campaign and introduced 2006 into clinical routine. To date, individualisation of algorithm-based therapy as a concept has not been focussed in research. In context of this work, three main strategies were identified and described. First, patient pathways can be adapted according to scoring systems. Such systems may allow stratification of diagnostic and therapeutic measures. As one example, the PIRO-system was evaluated and was further described. Second, specific patient characteristics like age, weight or gender can be used to modify algorithms for patient treatment. Exemplarily, dosing for antibiotics can be modified according to age- and weight-adjusted strata. Thirdly, biomarkers or PCR-based diagnostics for pathogens can be used to guide antibiotic therapy. According to these strategies, structured algorithm-based therapeutic pathways can be modified and individualised according to specific patient characteristics. Most pathways allow a corridor for therapy modification in this context. Individualised, algorithm-based therapy concepts may inherit potential to improve patient care but should undergo further scientific evaluation.
