Stress erkennen, bevor er krank macht

Was war das zentrale Ziel des Projekts «Automatische Stresserfassung»?

Souhir Souissi: Wir wollten im Rahmen einer Machbarkeitsstudie prüfen, ob sich arbeitsbedingter Stress bei Pflegenden zuverlässig und valide ohne den Einsatz klassischer Fragebögen erfassen lässt. Wir sind der Meinung, dass alternative, datenbasierte Ansätze entwickelt und geprüft werden müssen. Dies, weil die Arbeitsbelastung steigt, die Teilnahmebereitschaft an Befragungen sinkt, aber gleichzeitig der Bedarf an kontinuierlichen Messungen zunimmt.

Wir haben deshalb geprüft, ob mithilfe von Wearable-Daten, Textdaten aus der Pflegedokumentation sowie Dienstplänen ein multimodales Machine-Learning-Modell entwickelt werden kann, das arbeitsbedingten Stress möglichst präzise vorhersagen kann. Langfristig sollte damit eine kontinuierliche, alltagstaugliche und für das Pflegepersonal möglichst wenig belastende Stressmessung ermöglicht werden, die sowohl zur Evaluation von Interventionen als auch zur frühzeitigen Erkennung kritischer Belastungssituationen genutzt werden kann.

Wir konnten nachweisen, dass sich arbeitsbedingter Stress in den Wearable-Daten, in den Textdaten der Pflegedokumentation und in den Dienstplandaten zeigt. Jede einzelne Datenquelle trägt nur einen Teil zum Gesamtbild bei, deshalb müssen die verschiedenen Datenquellen kombiniert werden. 
 

Welche Formen von Stress lassen sich mit den im Projekt getesteten Methoden tatsächlich messen – und wo liegen aus Ihrer Sicht die Grenzen?

Christoph Golz: Lassen Sie uns zuerst ein gemeinsames Verständnis von Stress schaffen, um diese Frage zu beantworten. Umgangssprachlich umfasst der Begriff «Stress» sowohl die auslösenden Faktoren wie Herausforderungen oder Belastungen als auch die individuelle Reaktion darauf. Es ist jedoch grundlegend, Stress als natürliche Reaktion des Körpers klar von den sogenannten Stressoren zu trennen. Der Körper reagiert auf einen Stressor und wird in eine erhöhte Alarmbereitschaft versetzt. Die Stärke dieser Stressreaktion hängt von der individuellen Stresstoleranz, also der Resilienz, und den verfügbaren Ressourcen ab. Langanhaltender Stress kann das Risiko ernsthafter gesundheitlicher Probleme wie Burnout oder Herz-Kreislauf-Erkrankungen erhöhen. 

In unserem Projekt haben wir versucht, beide Komponenten von Stress zu messen. Wir haben die stärksten Stressoren, so beispielsweise die Vereinbarkeit von Arbeit und Privatleben oder das hohe Arbeitsvolumen mithilfe der Dienstpläne erfasst. Die Stressreaktionen haben wir über die Pulsmessung regelmässig gemessen. Die Herausforderung im Projekt lag in der präzisen Zuordnung von Daten zu Stressoren und Reaktionen. Da jede Person sehr unterschiedlich auf Stressoren reagiert, kann keine pauschale Aussage darüber getroffen werden, ob bei einem bestimmten Wert eine Stressreaktion vorliegt. Es braucht also individuelle Anker pro Person, die eine Interpretation der Daten ermöglicht.
 

Ihnen war wichtig, bestehende Daten zu nutzen, ohne Mitarbeitende zusätzlich zu belasten. Welche Datenquellen haben sich dabei als besonders aussagekräftig erwiesen? 

Souhir Souissi: Am interessantesten waren die Dienstpläne. Wir haben die geplanten Einsätze mit den effektiven Einsätzen verglichen und festgestellt, dass ein hoher Anteil der Unterschiede bzw. das Einspringen aus einem freien Arbeitstag klare Hinweise auf eine geringere Vereinbarkeit von Arbeit und Privatleben sind. Auch die Textdaten aus der Pflegedokumentation, in Kombination mit den Daten aus dem Wearable, waren aufschlussreich. 

Fokus unserer Forschung war aber die Machbarkeit solcher Messungen. Wir können also keine generalisierbare Aussage machen. Das wäre dann das Ziel des nächsten Projekts.
Beispielsweise fehlen uns noch weitere Datenquellen, die relevant sein könnten. So wollen wir zusätzlich Daten zur Nutzung von Tastatur und Maus am Computer verwenden, da es Hinweise darauf gibt, dass die Art und Weise der Nutzung Stress nachweisen kann.
 

Welche Vorteile hat die automatische Stresserfassung gegenüber klassischen Mitarbeiterbefragungen oder Fragebögen?

Christoph Golz: Eine Mitarbeitendenbefragung ist sehr zeitintensiv. Schon die Vorbereitung benötigt viel Vorlauf – inklusive Information der Mitarbeitenden. Anschliessend haben diese meist ein bis zwei Monate Zeit, den Fragebogen auszufüllen. Die Rücklaufquote liegt erfahrungsgemäss zwischen 30 und 50 Prozent. Danach folgen die Auswertung und Interpretation der Daten. Die Organisation erhält dann einen Bericht, und bei Bedarf werden Empfehlungen für Massnahmen gemeinsam besprochen. Insgesamt vergeht also oft ein ganzes Quartal, bis überhaupt klar ist, wie es dem Personal geht – zum Beispiel, wie stark Burnout-Symptome verbreitet sind. Bis konkrete Massnahmen definiert und umgesetzt werden, kann für einzelne Mitarbeitende bereits wertvolle Zeit verloren gegangen sein. 

Der Ansatz, über bestehende Daten die Stressoren und Stressreaktionen zu erfassen, setzt genau hier an. Er ermöglicht eine deutlich schnellere Einschätzung der Situation. Es wird frühzeitig sichtbar, wie es dem Personal geht, und Ressourcen können rechtzeitig eingesetzt werden. Das stärkt die Prävention und hilft, langfristige negative Folgen, wie Burnout, aber auch frühzeitige Berufsaustritte zu vermeiden.
 

Welchen weiteren Mehrwert sehen Sie in der automatischen, aktuellen Datenerhebung für die Gesundheitsversorgung?

Souhir Souissi: Klassische Mitarbeitendenbefragungen sind teuer und aufwändig. Gleichzeitig sinken die Rücklaufquoten stetig. Oft so stark, dass kaum noch verlässliche Aussagen möglich sind. Damit investieren Organisationen Geld und personelle Ressourcen, ohne einen echten Mehrwert zu erhalten. Gerade im ohnehin angespannten Gesundheitssystem sollten wir diese knappen Mittel gezielt und wirkungsvoll einsetzen.  
 

Ein häufig genannter Kritikpunkt ist die Überwachung von Mitarbeitenden, die mit dem Stressmonitoring einhergeht. Wie schätzen Sie diesen Punkt ein? 

Christoph Golz: Das Thema ist sehr relevant. Studien zeigen, dass sich Mitarbeitende im Gesundheitswesen durch neue Technologien stark überwacht fühlen. Die permanente, detaillierte Dokumentation macht ihre Arbeit für Management, Versicherungen und teils auch Patient*innen jederzeit nachvollziehbar. Das kann die Fehlerkultur belasten. Wer befürchten muss, dass Daten später gegen ihn verwendet werden, spricht Probleme weniger offen an. Zudem können datenbasierte Entscheide, etwa zur Reduktion von Personalschlüsseln, zusätzlich Druck erzeugen. 

Wir hatten deshalb zu Beginn des Projekts erwartet, dass es schwierig werden könnte, Personen zur Teilnahme zu gewinnen. Das Gegenteil war der Fall: Wir konnten bislang noch nie so rasch interessierte Gesundheitsorganisationen und insbesondere 24 motivierte Pflegende zur Teilnahme gewinnen. Ein möglicher Grund könnte sein, dass in unserem Projekt gewährleistet war, dass nur die Forschung Zugriff auf die anonymisierten Daten hatte. Wenn solche Ansätze in Zukunft auch in den Arbeitsalltag integriert werden, braucht es dringend Begleitmassnahmen, um die nötige Kultur zu schaffen.
 

Wie geht es nun weiter?

Souhir Souissi: Wir wissen nun, dass es technisch machbar ist. In einem nächsten Schritt muss ein datenbasiertes Modell entwickelt werden, das Forschung und Praxis ermöglicht, Daten zur Messung von arbeitsbedingtem Stress analysieren zu können. Es braucht also in erster Linie ein grösseres Projekt, da viele Daten für das Modell gesammelt werden müssen. Wir sind natürlich daran interessiert, diese Messmethode zu Forschungszwecken anzuwenden, aber auch im Gesundheitswesen als Präventivmassnahme zu implementieren.