Im Rahmen der ANIM2018, der Arbeitstagung NeuroIntensivMedizin im Februar 2018 in Würzburg, wurde bei einer gemeinsamen Sitzung der Deutschen Gesellschaft für NeuroIntensivmedizin (DGNI) und der Neurocritical Care Society (NCS) in einer Expertenpräsentation ein Überblick über die Prognosemodelle bei acht häufig vorkommenden neurointensivmedizinischen Erkrankungen vorgestellt und in einer ausführlichen Publikumsdiskussion kritisch hinterfragt. Das alarmierende Ergebnis: Die bestehenden Prognosemodelle für die aneurysmatische Subarachnoidalblutung, die intrazerebrale Blutung, den akuten ischämischen Schlaganfall, die traumatische Hirnverletzung, die traumatische Rückenmarksverletzung, den Status epilepticus, das Guillain-Barré-Syndrom und den Hirnschaden durch Sauerstoffmangel nach Herzkreislaufstillstand wiesen signifikante Lücken auf.
Die häufigsten waren neben bekannten Bedenken zur „self-fulfilling prophecy“, der sich selbst erfüllenden Voraussage über den Zustand eines Patienten, vor allem fehlende Informationen und mangelnde Berücksichtigung von Begleiterkrankungen sowie die fehlende Einbeziehung von Parametern der stationären Versorgung und des Krankheitsverlaufs. Keins der Prognosemodelle enthielt aussagekräftige Informationen über klinische Ereignisse wie das Ansprechen auf die Behandlung, den zeitlichen Ablauf von Krankheitsprozessen und Krankheits-spezifische pathophysiologische Prozesse im erweiterten Sinn. Gerade aber eine fortlaufende klinische Neubewertung, die zum Beispiel auch die Feststellung einer frühen Besserung oder Verschlechterung impliziert, wurde in der Expertendiskussion als wichtige Überlegung angesehen.
Als Ergebnis der ersten gesellschaftsübergreifenden Zusammenarbeit zu diesem Thema wurde jetzt in der Neurocritical Care, dem offiziellen Journal der NCS, die gemeinsam entwickelte Gap-Analyse veröffentlicht. Sie bietet als qualitative Lückenanalyse einen Rahmen für weitere klinische Studien sowie auch zur Erstellung einer gemeinsamen Richtlinie über Prognosefindung auf der NeuroIntensivstation.
