Vom Ist-Zustand zum optimalen Szenario
Die Standorte bisher aufgestellter AEDs werden bestimmt und hinsichtlich deren Verfügbarkeit und Erreichbarkeit analysiert. Darauf basierend kann mit soziodemographischen Daten und Gebietsclusterungen genauer eingegrenzt werden, in welchen Bereichen bisher noch kein AED in der Nähe vorhanden ist. Darüber hinaus werden potenzielle Aufstellorte für Defibrillatoren unter verschiedensten Standortfaktoren wie Sichtbarkeit oder Wartbarkeit identifiziert. Hierbei ist einerseits auf erfahrungsgemäß bewährte Standorte wie bspw. Apotheken oder Bushaltestellen zu setzen. Unter Umständen müssen jedoch ergänzende Standorte für AEDs identifiziert werden, um eine flächendeckende Abdeckung sicherstellen zu können.
Die hierfür notwendigen Daten, wie beispielsweise Standorte bereits platzierter AEDs oder Points of Interest (z.B. Apotheken oder Bushaltestellen) als potenzielle Standorte für neu platzierte AEDs sind häufig nicht frei verfügbar oder unvollständig. Hierbei können Methoden der Datenimputation Abhilfe schaffen, welche die fehlenden Daten aus öffentlich zugänglichen Datenquellen, wie beispielsweise OpenStreetMaps, herleiten. Allerdings müssen auch diese Daten zunächst auf ihre Qualität geprüft und fehlende oder inkorrekte Daten durch ein passendes Vorgehen ersetzt werden. Eine Herausforderung besteht somit darin, durch Entwicklung und Anwendung geeigneter Imputationsmethoden eine vollständige, zeitlich und räumlich genaue Datengrundlage zu schaffen. Je nach Qualität der verfügbaren Daten kann diese Imputation von simplen, klassischen Methoden bis hin zu komplexen, deep-learning basierten Bildklassifizierungsalgorithmen reichen. Für einen größtenteils vollständigen Datensatz kann es beispielsweise ausreichen, fehlende Standortdaten durch ihren statistischen Mittelwert zu ersetzen. Ein unvollständigerer Datensatz hingegen erfordert, die fehlenden Standortdaten mithilfe komplexer Algorithmen aus Rohdaten wie etwa Bildern zu schätzen.
Mit Hilfe von Methoden der mathematischen Optimierung wird anschließend eine Empfehlung für eine möglichst geringe Anzahl an optimal zu platzierenden AEDs generiert, die eine diskriminierungsfreie, flächendeckende Verfügbarkeit der Defibrillatoren mathematisch fundiert gewährleistet. Die Integration von Daten zum Zustand der Defibrillatoren garantiert, dass diese im Notfall auch einsatzbereit sind.
Flächendeckende Versorgung der Stadt Fürth anschaulich präsentiert
Das Projektergebnis ist ein interaktiver Demonstrator zur optimalen Standortplatzierung von AEDs am Beispiel der Stadt Fürth. Durch die Zusammenarbeit mit verschiedenen Stakeholdern im Bereich der Gesundheitssicherung der Stadt Fürth werden relevante Standortfaktoren aus unterschiedlichen Gesichtspunkten berücksichtigt.
Zugleich wird jedoch ein besonderes Augenmerk auf die Gebietsübertragbarkeit gelegt, um sicherzustellen, dass die Methodik auch in anderen Städten angewendet werden kann.
Der Projektpartner CardiLink plant die Verbreitung der entwickelten Optimierungs- und Imputationsverfahren, sowohl auf Europa-Ebene als auch in den USA oder auf ausgewählten Märkten Asiens. Hierdurch können Hürden für Projekte zu herzsicheren Städten gesenkt und die zunehmende Verbreitung von überwachten AEDs sichergestellt werden.
Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS
