Maschinelles Lernen zur Vorhersage des Entlassungsziels bei Patient:innen mit Parkinson; eine landesweite Kohortenstudie

Warum die Krankenhausentlassung für Menschen mit Parkinson wichtig ist

Für Familien, die mit Parkinson leben, wirft ein Krankenhausaufenthalt oft eine beunruhigende Frage auf: Kann die betroffene Person wieder nach Hause, oder muss sie in eine Pflegeeinrichtung ziehen oder drohen lebensbedrohliche Komplikationen? Diese Studie nutzt moderne Computerwerkzeuge, um diese Chancen bereits früh im Krankenhausaufenthalt abzuschätzen und so Ärzt:innen, Patient:innen und Angehörigen mehr Zeit zur Planung der nächsten Schritte zu geben.

Ein Blick über Krankenhäuser im ganzen Land

Die Forschenden analysierten Daten aus einer großen US-Krankenhausdatenbank, die etwa ein Viertel aller stationären Aufnahmen landesweit erfasst. Im Fokus standen mehr als 280.000 Personen im Alter von 50 Jahren und älter, die zwischen Ende 2017 und Mitte 2023 mit Parkinson hospitalisiert wurden. Für jede Person betrachteten sie nur den ersten Krankenhausaufenthalt in diesem Zeitraum und fassten die Endergebnisse in drei einfache Kategorien zusammen: nach Hause entlassen, in eine Pflegeeinrichtung verlegt oder im Krankenhaus verstorben. Fast die Hälfte der Patient:innen ging nach Hause, fast ebenso viele wurden in eine Einrichtung verlegt, und etwa eine von vierzehn verstarb vor der Entlassung.

Muster: Wer geht nach Hause und wer nicht

Personen, die in eine Einrichtung überstellt wurden, waren tendenziell älter und medizinisch gebrechlicher als jene, die nach Hause entlassen wurden. Sie hatten häufiger Demenz, Schluckstörungen, Aspirationspneumonie oder eine kürzliche Fraktur bzw. einen Sturz. Außerdem waren sie öfter ledig oder verwitwet und waren häufiger aus einer anderen Gesundheitseinrichtung und nicht direkt von zu Hause ins Krankenhaus gekommen. Ihre Krankenhausaufenthalte waren länger und sie erhielten mehr Rehabilitationsmaßnahmen. Patient:innen, die im Krankenhaus verstarben, wiesen die höchsten Raten an Demenz und schweren Lungeninfektionen auf, was verdeutlicht, wie fortgeschrittene Erkrankung und Komplikationen diese Ergebnisse prägen.

Computern beibringen, Risiko zu erkennen

Um diese Muster in praktische Werkzeuge zu überführen, trainierte das Team Modelle des maschinellen Lernens, eine Art Computerprogramm, das aus Daten lernt, um jedes der drei Entlassungsziele vorherzusagen. Indem sie den Großteil der Aufnahmen zum Training der Modelle und den Rest zum Testen nutzten, erreichten die Programme für alle drei Kategorien gute Genauigkeit. So trennte das Modell, das vorhersagte, wer nach Hause entlassen wird, korrekt etwa drei Viertel der Fälle zwischen Heimentlassungen und anderen Ergebnissen. Ein vergleichbares Modell für Verlegungen in Einrichtungen erzielte eine ähnlich gute Leistung, und das Modell zur Vorhersage von Todesfällen im Krankenhaus schnitt etwas besser ab. Diese Modelle wurden über verschiedene Zeiträume und leicht unterschiedliche Gruppierungen von Versicherungstypen hinweg geprüft, und ihre Leistung blieb stabil, was auf eine angemessene Robustheit hindeutet.

Ein einfacher Score am Krankenbett für das Einrichtungsrisiko

Weil Ärzt:innen und Pflegekräfte Werkzeuge brauchen, die sie schnell verstehen können, entwickelten die Forschenden zudem einen einfacheren, transparenten Risikoscore, der sich auf die Vorhersage einer Verlegung in eine Einrichtung konzentriert. Dieser Score nutzt sieben leicht erkennbare Merkmale: frühere Fraktur, Demenz, Aufnahme als Verlegung aus einer anderen Einrichtung, Sturzvorgeschichte, Versicherungstyp, Familienstand und die Region des Landes, in der das Krankenhaus liegt. Jeder Faktor addiert oder subtrahiert Punkte, und die Gesamtsumme platziert Patient:innen in Niedrig-, Mittel- oder Hochrisikogruppen. In dieser Studie hatten Personen in der Niedrigrisikogruppe etwa eine vierzigprozentige Wahrscheinlichkeit für eine Verlegung in eine Einrichtung, während jene in der Hochrisikogruppe fast eine dreiviertel Wahrscheinlichkeit hatten.

Was das für Patient:innen und Familien bedeutet

Diese Werkzeuge entscheiden nicht, wohin eine einzelne Person nach dem Krankenhausaufenthalt muss, können aber wie eine frühzeitige Warnleuchte wirken. Indem sie Patient:innen mit Parkinson hervorheben, die eher intensive Unterstützung benötigen oder schwere Komplikationen drohen, können die Modelle und der siebenstufige Score frühere Gespräche über Rehabilitation, häusliche Hilfe oder Langzeitpflege anstoßen. Zusammen mit klinischem Urteil und den Präferenzen der Familie können solche datenbasierten Ansätze Krankenhäuser dabei unterstützen, sicherere, personalisiertere Entlassungspläne zu organisieren und begrenzte Versorgungsressourcen besser den Menschen zuzuweisen, die sie am dringendsten benötigen.

Zitation: Kamo, H., Mehta, T.R., Remz, M. et al. Machine learning prediction of discharge destination in patients with Parkinson’s disease; a nationwide cohort study. npj Parkinsons Dis. 12, 120 (2026). https://doi.org/10.1038/s41531-026-01309-8

Schlüsselwörter: Parkinson, Krankenhausentlassung, maschinelles Lernen, Risikovorhersage, postakute Versorgung