Zusammenfassung
Der Rettungsdienst ist in den letzten Jahren erheblichen Einsatzsteigerungen ausgesetzt, die zu einem deutlichen Anstieg der Vorhalteleistungen führen. Die hierfür heute üblichen Mittel zur Bedarfsplanung wurden Ende der 1980er Jahre entwickelt. Diese sind scheinbar nicht mehr geeignet, die Vorhalteleistungen bedarfsgerecht zu ermitteln. Folgendes Kapitel beschreibt heutige Möglichkeiten von der Datenanalyse bis zur Simulation des Einsatzgeschehens und stellt Techniken vor, bei denen es gilt, diese für die Bedarfsplanung im Rettungsdienst zu prüfen, um so zu bedarfsgerechteren Vorhalteleistungen zu gelangen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsLiteratur
Behrendt H, Runggaldier K (2005) Statistische Methoden für den Rettungsdienst: eine allgemeine Einführung. Stumpf & Kossendey, Edewecht
Eidam E (2016) Cincinnati Predictive Analytics Project Takes Aim at Emergency Medical Services http://www.govtech.com/data/Cincinnati-Predictive-Analytics-Project-Takes-Aim-at-Emergency-Medical-Services.html. Zugegriffen: 13. Febr. 2018
Freie Hansestadt Hamburg (2017) Hamburgisches Rettungsdienstgesettz (HMbRDG) vom 09.06.1992. http://www.landesrecht-hamburg.de/jportal/portal/page/bshaprod.psml?showdoccase=1&st=lr&doc.id=jlr-RettDGHA1992rahmen. Zugegriffen: 13. Febr. 2018
Gesundheitsberichterstattung des Bundes (2018) Leistungsfälle bei Rettungsfahrten und Krankentransporten der gesetzlichen Krankenversicherung. http://www.gbe-bund.de/oowa921-install/servlet/oowa/aw92/dboowasys921.xwdevkit/xwd_init?gbe.isgbetol/xs_start_neu/&p_aid=i&p_aid=11936148&nummer=282&p_sprache=D&p_indsp=-&p_aid=5549337. Zugegriffen: 13. Febr. 2018
GIG CYMRU NHS Wales (2009) GP practices trial tool to identify patients at risk. http://www.wales.nhs.uk/nwis/news/18646. Zugegriffen: 13. Febr. 2018
Gonschorek J, Asche H, Schernthanner H et al (2015) Big Data in der zivilen Sicherheitsforschung - Methoden zur Datenvisualisierung für die explorative Analyse von Feuerwehreinsatzdaten. AGIT - J Angew Geoinformatik 1:550–559
NI-VORIS (2018) Niedersächsisches Rettungsdienstgesetz (NRettDG) in der Fassung vom 02.10.2007. http://www.nds-voris.de/jportal/?quelle=jlink&query=RettDG+ND&psml=bsvorisprod.psml&max=true&aiz=true. Zugegriffen: 13. Febr. 2018
Oberverwaltungsgericht Lüneburg (1994) Urteil zu Auswahlkriterium; Gewachsene Strukturen; Rettungsdienstleistungen; Eintreffzeiten; Notfallrettung; Luftrettung (Az. 7 M 3981/93) vom 08.09.1994. https://www.jurion.de/urteile/ovg-niedersachsen/1994-09-08/7-m-3981_93/. Zugegriffen: 13. Febr. 2018
RWJBarnabas Health (2018) http://www.barnabashealth.org/Jersey-City-Medical-Center/Our-Services/JCMC-Emergency-Medical-Services/About-Our-EMS/Technological-Advances.aspx. Zugegriffen: 13. Febr. 2018
sd-karma (2018) Smart Data-Katastrophenmanagement. http://www.sd-kama.de/de/smart_data_katastrophenmanagement/. Zugegriffen: 13. Febr. 2018
Zhengyi Z (2016) Predicting ambulance demand: Challenges and methods. https://arxiv.org/pdf/1606.05363.pdf. Zugegriffen: 13. Febr. 2018
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Peter, M. (2018). Dynamische Einsatzplanung – Big Data im Rettungsdienst. In: Neumayr, A., Baubin, M., Schinnerl, A. (eds) Herausforderung Notfallmedizin. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-56627-5_13
Download citation
DOI: https://doi.org/10.1007/978-3-662-56627-5_13
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-662-56626-8
Online ISBN: 978-3-662-56627-5
eBook Packages: Medicine (German Language)