1. Einleitung und Problemstellung

​

Notaufnahmen sind regelmässig mit Situationen konfrontiert, in denen die Nachfrage nach notfallmedizinischer Versorgung die verfügbare Leistungsfähigkeit übersteigt. Dieses Phänomen wird als Crowding oder Overcrowding bezeichnet. Es beschreibt nicht lediglich eine hohe Patientenzahl, sondern ein systemisches Ungleichgewicht entlang der Dimensionen Input, Throughput und insbesondere Output beziehungsweise Access Block – etwa bei fehlender stationärer Bettenkapazität für aufnahmepflichtige Patientinnen und Patienten. In dieser Konstellation fungiert die Notaufnahme als strukturelles Sicherheitsventil des Gesundheitssystems – und wird dadurch selbst zum Engpass (Sartini et al., 2022).

Die negativen Auswirkungen sind gut belegt: verlängerte Wartezeiten, Behandlungsverzögerungen mit erhöhter Morbidität und Mortalität, steigende Fehlerwahrscheinlichkeit, sinkende Patientenzufriedenheit sowie erhöhte Arbeitsbelastung mit Burnout-Risiko beim Personal (Altun & Kudu, 2025). Crowding ist damit nicht nur ein logistisches Problem, sondern eine relevante Frage der Versorgungsqualität und Patientensicherheit.

Trotz dieser Bedeutung existiert bislang keine international einheitlich akzeptierte Methode zur Messung von Crowding (Hüfner, 2025). Wann eine Notaufnahme strukturell überlastet ist, bleibt häufig konzeptionell und operational unscharf.

 

2. Stand der Forschung zur Messung von Crowding

​

Systematische Übersichten zeigen eine erhebliche Heterogenität bestehender Crowding-Metriken (Altun & Kudu, 2025). Häufig verwendete Kennzahlen sind Belegungsgrad, Aufenthaltsdauer in der Notaufnahme, Patientenvolumen sowie Boarding-Zeit (Badr et al., 2022). Definition und Anwendung variieren jedoch deutlich.

In den letzten zwei Jahrzehnten wurden zahlreiche zusammengesetzte Scores entwickelt, darunter der National Emergency Department Overcrowding Scale (NEDOCS) und der Emergency Department Work Index (EDWIN). Die Übersichtsarbeit von Oskvarek et al. (2026). beschreibt eine uneinheitliche Performance dieser Instrumente im klinischen Alltag. Während einzelne Studien dem NEDOCS eine gute Diskriminationsfähigkeit attestieren, zeigen andere Diskrepanzen zwischen Score-Werten und subjektiver Belastungswahrnehmung. Auch die Vergleichbarkeit verschiedener Indizes erweist sich als inkonsistent.

Bemerkenswert ist, dass einfache Kennzahlen wie der Belegungsgrad teilweise eine vergleichbare Aussagekraft erreichen wie komplexere Modelle. Gleichzeitig wird betont, dass keine einzelne Metrik das Phänomen Crowding vollständig abbildet.

Neuere Arbeiten weisen darauf hin, dass volumen- und belegungsbasierte Kennzahlen arbeits- und ressourcenbezogene Dimensionen nur unzureichend erfassen. Yoon et al. (2025) zeigen, dass klassische Crowding-Indikatoren zwar mit wahrgenommener Überlastung korrelieren, die Übereinstimmung jedoch begrenzt bleibt. Gefordert werden multifaktorielle Ansätze, welche die reale Arbeitsbelastung stärker berücksichtigen.

 

3. Konzeptuelle Lücke: Die Rolle der Notfallpflege

​

Trotz der Vielzahl bestehender Modelle bleibt eine zentrale Dimension unterrepräsentiert: die funktionale Pflegekapazität.

Die meisten Indizes basieren auf volumetrischen oder strukturellen Parametern wie Patientenzahl, Aufenthaltsdauer oder Boarding-Anteil. Diese Kennzahlen beschreiben Auslastung, jedoch nicht zwingend operative Versorgungsfähigkeit. Insbesondere wird selten zwischen nomineller Personalanzahl und effektiv verfügbarer qualifizierter Fachressource differenziert.

​

Versorgungskapazität entsteht aus dem Zusammenspiel von:

• Anzahl und Akuität der Patientinnen und Patienten

• Komplexität der Versorgung

• Skill-Mix und Qualifikationsniveau des Personals

• strukturellen Rahmenbedingungen wie Behandlungsplätzen

​

Pflegefachpersonen stellen dabei die kontinuierlich verfügbare, prozessverantwortliche Kernressource dar. Sie koordinieren, überwachen, priorisieren und stabilisieren. Dennoch wird ihre tatsächliche Arbeitsbelastung in bestehenden Crowding-Modellen nur unzureichend operationalisiert.

Es entsteht eine strukturelle Diskrepanz: Ein System kann gemäss klassischer Kennzahlen moderat belastet erscheinen, während die effektive pflegerische Leistungsfähigkeit bereits kritisch eingeschränkt ist. Umgekehrt kann eine hohe Belegung bei günstigem Skill-Mix operativ beherrschbar sein.

Die Evidenz legt nahe, dass subjektiv wahrgenommene Überlastung nicht vollständig durch bestehende Metriken erklärt wird. Arbeits- und ressourcenbezogene Dimensionen bleiben systematisch untererfasst.

 

4. Zielsetzung und konzeptioneller Ansatz

​

Ziel des Projektes ist die Entwicklung einer systemadaptiven Crowding-Metrik, welche Überlastung aus der Perspektive der funktionalen Pflegekapazität abbildet.

Der NWCI definiert Crowding als Diskrepanz zwischen erforderlicher pflegerischer Arbeitsleistung und real verfügbarer Pflegekapazität. Damit wird eine sicherheitsrelevante Dimension operationalisiert, die bislang nur unzureichend berücksichtigt wurde.

​

Der Index verfolgt drei zentrale Zielsetzungen:

• Systembezogene Sensitivität: Er bildet Belastungslagen in Abhängigkeit von Patientenstruktur, Dringlichkeitsgrad und Skill-Mix ab und ist damit an die reale Versorgungsdynamik der jeweiligen Notaufnahme angepasst.

• Qualitäts- und Sicherheitsorientierung: Er verknüpft definierte Belastungsniveaus mit klar beschriebenen Qualitätsstufen der Versorgung und entsprechenden Eskalationskonsequenzen

• Transparenz und Steuerungsfähigkeit: Er schafft eine nachvollziehbare Entscheidungsgrundlage für interne Prozesssteuerung, Führungsebene und externe Schnittstellen wie Rettungsdienst oder Zuweiser.

​

5. Konzept und Aufbau des NWCI

​

Grundprinzip

Crowding entsteht, wenn gewichtete pflegerische Arbeitslast die qualifikationsgewichtete Pflegekapazität übersteigt. Entscheidend ist das Verhältnis – nicht die absolute Patientenzahl.

 

Eingangsvariablen

Patientenbezogen:

• Anzahl nach Dringlichkeitsgrad

• Differenzierung nach Versorgungsintensität

Personalbezogen:

• Anzahl diplomierter Pflegefachpersonen

• Anzahl Assistenzpersonal

Die Pflegekapazität wird qualifikationssensitiv erfasst.

 

Gewichtung

Höhere Dringlichkeitsgrade und zeitintensive Überwachungsfälle erzeugen überproportionale Belastung. Diplomiertes Pflegepersonal ist nicht vollständig substituierbar. Gewichtungen werden transparent dokumentiert und systembezogen kalibriert.

 

6. Qualitäts- und Eskalationsstufen

​

Die Belastungsstufen des NWCI orientieren sich konzeptionell an pflegetheoretischen Qualitätsstufen nach Fiechter und Meier.

Ziel ist nicht die reine Abbildung von Auslastung, sondern die Beschreibung des unter gegebenen strukturellen Bedingungen realistisch erreichbaren Versorgungsniveaus.

Mit zunehmender Diskrepanz zwischen pflegerischer Arbeitslast und verfügbarer qualifizierter Pflegekapazität verändert sich das funktionale Qualitätsniveau der Betreuung.

Die Stufen beschreiben funktionale Systemzustände und stellen keine Bewertung individueller Leistungen dar.

Sie dienen der strukturierten Transparenz über strukturelle Rahmenbedingungen und deren Einfluss auf Versorgungsqualität.

 

Grün – optimale Betreuung

Arbeitslast und Pflegekapazität stehen im Gleichgewicht.

Die Betreuung orientiert sich umfassend am einzelnen Menschen und seinem Umfeld.

Leitliniengerechte Versorgung ist ohne Einschränkungen gewährleistet

 

Gelb – Angemessene Betreuung

Die funktionale Belastungsgrenze wird erreicht.

Zeitkritische Interventionen sind gesichert.

Nicht dringliche Bedürfnisse können zeitlich verzögert adressiert werden.

Die Versorgung bleibt fachgerecht und sicher.

 

Orange – sichere Betreuung

Die erforderliche pflegerische Arbeitsleistung übersteigt die verfügbare Kapazität.

Die Versorgung konzentriert sich auf sicherheitsrelevante Kernaufgaben.

Individuelle Bedürfnisse treten gegenüber Priorisierung zurück.

 

Rot – gefährliche Betreuung

Die funktionale Pflegekapazität ist deutlich überschritten.

Die kontinuierliche Sicherstellung aller Qualitätsanforderungen ist nicht mehr in allen Bereichen gewährleistet.

Das Risiko versorgungsrelevanter Verzögerungen steigt signifikant.

 

7. Implementierung

 

Der NWCI wird aktuell in einem klinischen Setting pilotiert und systembezogen kalibriert. Die Anwendung erfolgt parallel zur regulären Versorgung, um Sensitivität und Plausibilität zu prüfen.

Das Modell ist adaptiv und kann an strukturelle Rahmenbedingungen angepasst werden. Eine weiterführende Evaluation hinsichtlich Prozess- und Ergebnisindikatoren ist vorgesehen.

 

8. Diskussion

​

Die vorliegende Konzeption des NWCI greift eine in der Literatur wiederholt beschriebene Lücke auf: die unzureichende Abbildung funktionaler Versorgungsfähigkeit in bestehenden Crowding-Metriken. Während klassische Indizes primär strukturelle Auslastung erfassen, integriert der NWCI explizit die qualifikationsgewichtete Pflegekapazität als sicherheitsrelevante Kernressource.

Dieser Perspektivenwechsel ist insbesondere vor dem Hintergrund zunehmender Personalengpässe, steigender Patientenkomplexität und wachsender Anforderungen an Prozessqualität von Bedeutung. Crowding wird nicht als absolutes Volumenproblem verstanden, sondern als relationales Missverhältnis zwischen Versorgungsbedarf und fachlicher Leistungsfähigkeit.

Gleichzeitig sind die Grenzen des Modells klar zu benennen. Die Gewichtung der Variablen basiert auf klinischer Plausibilität und systembezogener Kalibrierung. Eine multizentrische Validierung steht noch aus. Der NWCI erhebt daher keinen Anspruch auf universelle Vergleichbarkeit, sondern versteht sich primär als lokales Steuerungs- und Transparenzinstrument.

Gerade in dieser Funktion liegt jedoch sein Potenzial: Er ermöglicht eine strukturierte, nachvollziehbare Diskussion über Belastungszustände – jenseits rein subjektiver Einschätzungen oder isolierter Kennzahlen.

 

9. Ausblick

​

Die strukturelle Belastung von Notaufnahmen wird sich in absehbarer Zeit nicht verringern. Demografische Entwicklungen, komplexere Krankheitsbilder und limitierte Ressourcen verschärfen die Notwendigkeit differenzierter Steuerungsinstrumente.

Der NWCI eröffnet eine neue Perspektive auf Crowding, indem er die funktionale Pflegekapazität systematisch quantifiziert und mit klar definierten Qualitätsstufen verknüpft. Perspektivisch ergeben sich mehrere Entwicklungslinien:

prospektive Evaluation in weiteren Notfallzentren

multizentrische Validierung und Vergleichbarkeit

Untersuchung des Zusammenhangs zwischen NWCI-Stufen und patientenrelevanten Outcomes

Integration in digitale Dashboards und Echtzeit-Reporting-Systeme

Darüber hinaus kann der Index als Grundlage für eine strukturierte Kommunikation zwischen Notaufnahme, Spitalleitung, Rettungsdienst und gesundheitspolitischen Entscheidungsträgern dienen. Eine transparente Darstellung von Belastungszuständen schafft die Voraussetzung für sachliche Diskussionen über Kapazitätsgrenzen, Ressourcenallokation und Systemverantwortung.

Langfristig könnte eine standardisierte, pflegebasierte Crowding-Metrik dazu beitragen, die Debatte von einer rein volumetrischen Betrachtung hin zu einer sicherheitsorientierten Systemperspektive zu verschieben.

​

Quellen

Altun, M., & Kudu, E. (2025). Overcrowding in Emergency Departments: A Scoping Literature Review. Anatolian Journal of Emergency Medicine, 8(2), 94–100. https://doi.org/10.54996/anatolianjem.1684632

​

Badr, S., Nyce, A., Awan, T., Cortes, D., Mowdawalla, C., & Rachoin, J.-S. (2022). Measures of Emergency Department Crowding, a Systematic Review. How to Make Sense of a Long List. Open Access Emergency Medicine, Volume 14, 5–14. https://doi.org/10.2147/OAEM.S338079

​

Hüfner, A. (2025). Management von Overcrowding und Exit Block – Teil 1: Definitionen, Ursachen und Messmethoden. Notaufnahme up2date, 07(03), 241–258. https://doi.org/10.1055/a-2306-6625

​

Oskvarek, J. J., Leubitz, A., Rahman, N., Sure, B., & Pines, J. M. (2026). Emergency Department Crowding in the Modern Era: A Systematic Review (2018–2025). Clinical and Experimental Emergency Medicine. https://doi.org/10.15441/ceem.25.172

​

Sartini, M., Carbone, A., Demartini, A., Giribone, L., Oliva, M., Spagnolo, A. M., Cremonesi, P., Canale, F., & Cristina, M. L. (2022). Overcrowding in Emergency Department: Causes, Consequences, and Solutions—A Narrative Review. Healthcare, 10(9), 1625. https://doi.org/10.3390/healthcare10091625

 

Yoon, J. S., Seo, J., Yoo, J., & Cha, W. C. (2025). Comparison of Emergency Department Overcrowding Metrics and Healthcare Providers’ Subjective Assessments. In J. Mantas, A. Hasman, P. Gallos, E. Zoulias, & K. Karitis (Hrsg.), Studies in Health Technology and Informatics. IOS Press. https://doi.org/10.3233/SHTI250727