Ein menschenzentrierter Designansatz für KI-Technologie in der Pflegepraxis

(C) photocrew

Es wird prognostiziert, dass in Österreich bis 2030 rund 75.500 Pflegekräfte fehlen werden (Gesundheit Österreich, 2019). Dies kann zu einem Zusammenbruch des Pflegesystems führen. Da wir in einer alternden Gesellschaft leben, wird immer mehr Pflegepersonal benötigt. Dieses ist jedoch schon nach wenigen Jahren Berufstätigkeit ausgebrannt und verlässt zu einem hohen Prozentsatz den erlernten Beruf zugunsten alternativer Karrieren (Hasselhorn et al.2003[1]). Die Herausforderung besteht darin, Schulungs- und Unterstützungswerkzeuge für die Gesundheitsversorgung zu entwickeln, um Pflegekräfte in Empathiefähigkeiten zu schulen, sie im Beruf zu halten und von aufkommenden KI-Innovationen wie der sozialen Robotik sinnvoll zu profitieren.

Beruflicher Stress wird häufig als primärer Grund für Burnout genannt[2]. Weltweit hat im Pflegebereich die mit der COVID-19-Pandemie einhergehende extreme Belastung zu einem Massentrauma geführt, das den gesamten Berufsstand bedroht. Im Januar 2021 berichtet das „International Council of Nurses“ (ICN): „Nurses are dealing with relentless, unprecedented demands from their patients, resulting in physical exhaustion. But they are also facing enormous mental health pressures leading to serious psychological distress.“

Das ICN erwartet „a wave of post-traumatic stress disorder (PTSD), depression and anxiety, the scale of which we cannot yet determine.[3](siehe auch Krajic et al. 2003).

Krankenpflegerinnen und -pfleger haben beschrieben, dass sie „über den Punkt des Burnouts hinaus sind“ und viele unter dem Gefühl „moralischer Verletzung“ leiden, ein Begriff, der typischerweise für Kriegsveteranen verwendet wird. Sie beschreiben sich als traumatisiert, weil sie Dinge erlebt oder getan haben, die gegen ihren inneren Wertekodex verstoßen[4]. Eine Studie in Großbritannien zeigt, dass die Hälfte der Ärzte und des Pflegepersonals über Symptome von posttraumatischer Belastungsstörung (PTSD), Angst oder Depression berichten und einige das Gefühl äußern, sie wären besser tot. (Greenberg et al. 2021).

Eine signifikant negative Auswirkung hat Stress auf die Empathie gegenüber sich selbst, gegenüber den zu versorgenden Patient.innen sowie auch gegenüber Vertreter.innen aus anderen Gesundheitsberufen im Arbeitsumfeld (Martin et al., 2015). Aus Israel wird berichtet, dass infolge des pandemiebedingt extremen Stresses mehr als 40 % des Pflegepersonals Angst haben, sich um die Kranken und COVID-19-Patienten zu kümmern (ICN 2021).

Empathie ist eine wesentliche menschliche Fähigkeit, die es uns ermöglicht, Beziehungen zu anderen konstruktiv zu gestalten. Die Kombination aus Stress und der damit einhergehenden Erosion von Empathie kann dazu führen, dass Menschen in Pflegeberufen emotional zerbrechlich und desillusioniert werden und ihren ursprünglichen menschlichen Qualitätsanspruch aufgeben. Dieses Phänomen wurde während dieser Pandemie deutlich sichtbar. In Japan zum Beispiel berichten Krankenhäuser, dass 15 % des Pflegepersonals in dieser Zeit kündigten.

Laut Prognose des ICN wird es weltweit zu einem Mangel von 14 Millionen Pflegekräften führen, falls 10-15% des Pflegepersonals wegen COVID ausscheiden[5]. Dies entspricht etwa der Hälfte der derzeit weltweit tätigen Krankenpflegerinnen und -pflegern. Das ICN fordert Regierungen zu raschen Gegenmaßnahmen auf, um den Pflegeberuf zu schützen und zu stützen (ICN 2021).

Vor der Pandemie haben einige Länder im Bereich der Gesundheitsversorgung viel Geld in die Entwicklung von Künstlicher Intelligenz/Maschinenlernen/sozialen Robotern investiert. Um den bereits vorhandenen Mangel an Pflegekräften auszugleichen hat z.B. Japan mehr als 30 % seines BIP in die Entwicklung „sozialer Robotik“ investiert. Es wird erwartet, dass im Gesundheitswesen bis 2025 die weltweiten Ausgaben für KI 36,1 Mrd. $ erreichen werden, und healthcare teams will be significantly impacted as innovations such as intelligent robots are launched into healthcare and patient home settings (Robert 2019). In Japan sollen soziale Roboter so alltäglich werden, wie es Smartphones heute bereits sind[6].

In den USA und Großbritannien werden KI-/Maschinenlern-Technologien entwickelt, um einige Aufgaben zu ersetzen und die Praktiken im Gesundheitswesen zu erweitern (Googman, 2010): Maschinenalgorithmen sollen in Zukunft bestimmte Aufgaben wie das Sammeln und die Verarbeitung umfangreicher Patient.innen-Daten sowie grundlegende administrative Aufgaben wie etwa die Terminplanung übernehmen. Diese Aufgaben sind zeitaufwändig und halten das Pflegepersonal davon ab, Patient.innen empathisch zu begegnen. Mit der neuen Technologie soll das Pflegepersonal „frei“ werden, um sich auf menschlicher Ebene um Patient.innen kümmern zu können.

Um sicherzustellen, dass digitale Technologien in Hinkunft mit der Pflegepraxis auf menschenzentrierter (Cooley, 1987, Gill 2015) und nicht auf maschinen- und managementzentrierter Weise kooperieren, wäre im Designprozess die aktive Partizipation von Pflege- und Gesundheitspersonal notwendig (Gill 2020). Im Hinblick auf eine zukünftige Mensch-Maschine- Beziehungsgestaltung wäre die Wahl eines menschenzentrierten Designansatzes unerlässlich, um die Empathiefähigkeit des Pflegepersonals erhalten bzw. fördern zu können. 

Menschenzentriertes Design ist aus der deutschen[7], skandinavischen[8] und britischen[9] Designbewegung hervorgegangen. Es wurzelt in partizipativer- und Aktionsforschung[10], um KI-Technologien zu entwerfen, die als empathischer Gestaltungsansatz[11] mit dem impliziten Wissen von Menschen arbeiten können, z.B. wie wir Entscheidungen und Bewertungen im Augenblick treffen, und was dies ermöglicht.

In den 1980er und 1990er Jahren versuchte die KI-Bewegung der „Expertensysteme“, dieses implizite Wissen explizit zu machen, „künstliche“ Experten zu schaffen. Hierzu ein Beispiel: Wenn Sie heute in eine Bank gehen, um eine Hypothek zu beantragen, gibt jemand vordefinierte Informationsparameter ein und die Maschine entscheidet. In der Vergangenheit wurden derartige Entscheidungen von einem/r Manager.in getroffen. Das bedeutet, dass heute ein Maschinenalgorithmus jemanden ablehnt, von dem ein erfahrener Manager weiß, dass er risikoscheu und zuverlässig und vertrauenswürdig ist. Problematisch ist, dass dieses implizite Wissen des Managers nicht mehr relevant ist, und die algorithmischen Entscheidungen auf der Grundlage enger generischer Vorhersagen getroffen werden. Ein derartiges Vorgehen steht für einen managementzentrierten oder maschinenzentrierten Designansatz.

Was ist implizites Wissen? In unserer professionellen Arbeit lernen wir eine Vorgehensweise und werden darin so geübt, dass wir es in dem Moment einfach tun und Entscheidungen treffen. Manche nennen das „Intuition“, andere nennen es „Bauchgefühl“. Wie kommt es zum Beispiel, dass eine erfahrene Pflegekraft den Zustand einer/s Patientin an der Färbung der Haut oder einer leichten Gesichtsregung einzuschätzen vermag? Polanyi (1966) beschreibt unsere geschulte Wahrnehmung als eine „Gestalt“. Beispielsweise erkennen wir ein Gesicht, indem wir seine Merkmale wahrnehmen, ohne auf jedes einzelne Merkmal zu achten. Er beschreibt zwei Ebenen menschlicher Erfahrung: zum einen das Erfassen dessen, was eine Situation in diesem Moment ist (das Ganze), und zum anderen das Gewahrsein der Merkmale, die sie ausmachen (Teile). Betrachten wir nur die Teile, verpassen wir das Ganze. Diese Ebenen können nicht ineinander übergehen, und sie können nicht voneinander getrennt werden. Aus diesem Grund beschreibt Polanyi implizites Wissen als ein „mehr wissen, als wir sagen können“.

Die KI sammelt die Teile, und setzt sie vorgegebenen Regeln folgend zusammen. Damit simuliert sie jedoch nur einen Aspekt menschlichen Handelns. KI ist nicht in der Lage, oben genannte menschliche Fähigkeiten impliziten Wissens zu erfahren und zu entwickeln.

Daher müssen wir im Bereich der Pflege- oder Therapiepraxis sorgfältig darüber nachdenken, zu welchem Zweck wir KI-Simulationstechnologien wie z. B. soziale Roboter entwickeln, und ob diese überhaupt dazu geeignet sind, die Praxis im Sinne empathischer Patient.innenpflege zu ergänzen.

Ein menschenzentrierter Designansatz würde das implizite Wissen des Pflegepersonals in den Mittelpunkt stellen und eine Technologie entwickeln, die die empathischen Fähigkeiten des Pflegepersonals besser unterstützt und anerkennt, dass Empathie zwischen Pfleger.in und Patient.in ein wechselseitiger Prozess ist. Eine Studie in den USA gibt Hinweise darauf, dass empathische (kognitive) Fähigkeiten von Pflegeschüler.innen bereits innerhalb des ersten Ausbildungsjahres erodieren. Als wesentlicher Faktor hierfür wurde die Verschiebung hin zu einer technisch- wissenschaftlichen Vorstellung von Pflege identifiziert (Mutabazi et al, 2018).

Ein management- bzw. maschinenzentrierter Ansatz kann die Fähigkeit zur Empathie weiter aushöhlen, auch wenn die Absicht darin bestehen mag, den Pflegekräften zu helfen und die Patientenversorgung zu verbessern. Ein Beispiel hierfür kommt aus den USA, wo am Digital New Haven Hospital ein maschineller Lernalgorithmus eingeführt wurde, der einen Rothman-Index-Score[12] auf die Daten anwendet, die von Intensivpfleger.innen zur Überwachung von Patient.innen eingegeben werden. Damit die KI (das maschinelle Lernen) bei der Überwachung von Risikopatient.innen effektiv arbeiten kann, muss das Pflegepersonal seine Beurteilungsdaten synchron zu den Verarbeitungsanforderungen der Maschine zeitnah dokumentieren und eingeben. Es bleibt abzuwarten, wie das Pflegepersonal dies langfristig handhaben wird. Eigentlich ist die Idee, dass ein solcher Algorithmus das Pflegepersonal unterstützt. Ein unerwünschter Nebeneffekt könnte jedoch sein, dass die durch den Algorithmus entstehenden technisch- zeitlichen Anforderungen der Pflege neue bzw. zusätzliche zeitliche Beschränkungen auferlegt.

Ein weiteres Beispiel betrifft soziale/begleitende Roboter, die lernen sollen, pflegerische Aufgaben wie z. B. die Unterstützung beim Gehen, die Messung von Vitalparametern, die Verabreichung von Medikamenten etc. zu übernehmen. In den USA geht man davon aus, dass das Pflegepersonal 8 – 16 % seiner Arbeitszeit mit solchen Tätigkeiten verbringt, die heute als „nicht-pflegerische“ Handlungen bezeichnet werden. Diese sollen an soziale Roboter und daher delegiert werden können, d. h. an „soziale“ Roboter mit dem Versprechen delegiert werden, dass dem Pflegepersonal diese Zeit für ihre Patient.innen „zurückgegeben“ wird. Die Vision ist, dass Pflegepersonal in der Lage sein wird, eine kontinuierliche und menschliche Pflege zu gewährleisten, und dabei mit Datenwissenschaftler.innen kooperiert, um „das Beste aus dem zu machen, was die Technologie zu bieten hat“.

In dieser Vision der sozialen Roboterassistenten und -begleiter sowie der Arbeit mit maschinellen Algorithmen zur Überwachung von Patient.innen fehlt die Diskussion über Empathie. Es bedarf einer kritischen Reflexion über das Konzept einer von sozialen Robotern simulierten „kognitiven“ Empathie. Diese Form der Empathie ermöglicht es uns, die emotionalen Befindlichkeiten anderer zu „erkennen“ und deren Emotionen anhand von Merkmalen ihrer Mimik zu identifizieren. Dies könnte uns motivieren, Hilfe anzubieten. Allerdings ist die Fähigkeit zur kognitiven Empathie u.a auch ein Merkmal psychopathischer Patient.innen. Sie sind sehr gut darin die Emotion anderer Menschen zu erfassen, allerdings fehlen ihnen die mit „emotionaler Empathie“ assozierten Gewissensbisse.

Man könnte argumentieren, dass die Entwicklung von auf kognitiver Empathie basierenden „sozialen Robotern“ möglicherweise zu „psychopathischen“ Maschinen führen könnte.

Im Vergleich dazu ist die emotionale (affektive) Empathie biologisch mit dem Erleben von Emotionen verbunden, was zu empathischer Sorge um andere führt und uns dadurch motiviert, Hilfe anzubieten. In der Pflege geht es um eine Kombination aus emotionaler, kognitiver und motivationaler Empathie. KI kann jedoch nur die kognitive Empathie ansprechen.

Daher ist es von entscheidender Bedeutung, dass das Design von KI-Systemen für die Anwendung in der Pflegepraxis dieser Komplexität von Empathie zu entsprechen vermag. Dies gilt gleichermaßen für die Ersetzung von Tätigkeiten wie z.B. dem Sammeln / Verarbeiten von Patient.innendaten, der Durchführung von Patient.innenversorgung (z.B. Gehen, Heben, Begleiten), wie auch bei der Unterstützung der konkreten Pflegetätigkeit an dem/der Paptienten/in durch künstliche „Assistenten“.

Im berechtigten Wunsch, KI-Technologien im Sinne von „Fortschritt“ und „Effizienz“ einzusetzen, gilt es ihre Grenzen in jenen Bereichen anzuerkennen, wo in der täglichen Praxis Empathie und menschliche Beziehungen im Vordergrund stehen (müssen).

Ein menschenzentrierter Designansatz für KI-Technologie müsste eine empathische Pflegepraxis unterstützen, und die Empathiefähigkeit des Pflegepersonals fördern. Um zu verstehen, wie dies zu bewerkstelligen ist, gilt es zunächst die Empathie in der Pflegepraxis zu erforschen und herauszufinden, wie wir diese wichtige menschliche Kompetenz bestmöglich unterstützen können.

Derzeit stehen die Vertreter.innen des Pflege- und Therapiepersonals, Ärzt.innen und Psychotherapeut.innen in einem systembedingten Spannungsverhältnis zwischen kognitiver und emotionaler Empathie. Derzeitige Gesundheitssysteme fördern ein Bild von „Professionalität“, das Objektivität mittels menschliches Distanz zu erreichen versucht. Ein häufiges Argument hierfür ist, dass zu große emotionale Resonanz das Risiko für Burnouts erhöht, und die Effizienz und Effektivität des Gesundheitspersonals gefährdet.

Patient.innen brauchen jedoch in ihrem Genesungsprozess neben einer fachlich kompetenten Versorgung auch eine fürsorglich und empathisch agierendes Gesundheitspersonal. Anstelle der Diskrepanz zwischen „kognitiver“ und „emotionaler“ Empathie, kann Empathie als „an iterative process of emotional resonance and curiosity about the meaning of a clinical situation for the patient“ betrachtet werden (Jeffrey, 2016). Darüber hinaus ist menschliche Empathie immer dann gefragt, wenn wir zum Beispiel einen Patienten in der Notaufnahme reanimieren, einer Mutter die Nachricht, dass ihr Kind im Sterben liegt, überbringen, oder wenn wir eine/n Patientin/en rehabilitieren, damit sie nach einer Verletzung an Bein oder Wirbelsäule wieder gehen oder nach einem Schlaganfall den Arm wieder bewegen kann.

Die Bewegung der narrativen Medizin[13] ist ein vielversprechendes Beispiel dafür, wie in der klinischen Arbeit die Einbeziehung von Empathie einen geistig-emotionalen Raum für das Gesundheitspersonal schafft, der Diagnosestellungen und die daran anschließenden Behandlungen auf den Prinzipien des „einfühlsamen Zuhörens“ und menschlicher „Fürsorge“ begründet. Mittlerweile ist unbestritten, dass dies die Resilienz stärkt und zu genaueren und effektiveren Diagnosen führt. Im Gegensatz zur zuvor beschriebenen Idee von „Objektivität durch Distanzierung“ ist eine Narrative Medizin durch die Erkenntnis motiviert, dass Fachkräfte im Gesundheitswesen aufgrund mangelnder Verbindung und mangelnder Selbstfürsorge, d.h. mangelnder emotionaler Empathie, ins Burnout gleiten[14]. Diese Arbeit stellt den Glauben in Frage, dass emotionale Abgrenzung zu einer besseren Diagnose und Behandlung führt.

Parallel zur vor allem in den USA etablierten Bewegung der narrativen Medizin gibt es auch in anderen Ländern wachsende Forschung darüber, wie im Sinne der Förderung von Resilienz die empathischen Fähigkeiten von Gesundheitspersonal verbessert werden kann. Zum Beispiel zeigte im Rahmen des „Josef Ressel Zentrums für die Grundlegung einer personalisierten Musiktherapie“ in Krems, dass Mitarbeiter.innen von ProMente nach einem sechswöchigen Empathie-Training gefolgt von einem dreimonatigen Selbsttrainingzu besserem Stressmanagement in der Lage sind (Janssen et al. 2020).

Der Ansatz der Narrativen Medizin rückt zudem in den Blickpunkt, dass Empathie die menschliche Vorstellungskraft fördert und die Künste den Aufbau von empathischen Verbindungen unterstützen. So sind zum Beispiel in Großbritannien die Künste bereits als eine starke Kraft zur Förderung der psychischen Gesundheit und des Wohlbefindens anerkannt, so dass Ärzt.innen Kunst als Behandlungsform verschreiben können.

Belege hierfür kommen aus allen Bereichen der Kunst, vor allem aber aus Gruppenaktivitäten wie Singen in Chören, Tanzen, Trommeln und Gemeinschaftskunst (siehe z. B. Behrends et al., 2012; Clift et al. 2010; Creech at al. 2013; Fancourt et al. 2016; Perkins et al, 2016). Erklärt werden die positiven Effekte aus der Kombination sozialer Prozesse, der interpersonellen Synchronie (der Synchronisation mit anderen Menschen) sowie positiven Beziehungsangeboten (siehe zum Beispiel Hove & Risen, 2009; Malloch & Trevarthen, 2009; Miles et al., 2009; Kelleher et al., 2014; Rabinowitch & Nafo-Noam, 2015; Fancourt et al., 2019; Foubert et al., 2020).

Die WHO hat kürzlich einen Bericht über die potentielle Rolle der Künste im Hinblick auf die Gesundheit veröffentlicht (Fancourt und Finn 2019). In diesem Dokument wird u.a. darauf hingewiesen, dass Musizieren einen positiven Einfluss auf psychosoziales Handeln hat. Das Musizieren in einer Gruppe führt zu positiver Selbst- und Gruppenwahrnehmung. Auf diese Weise wird die Aufmerksamkeit von belastenden Lebensumständen wegführt, und Hoffnung, Geduld sowie allgemeines psychisches Wohlbefinden etabliert. Auch die Arbeiten von Kandel (2012) oder Frankl (2017, 2018) geben gute Einblicke in das sinnstiftende Potential der Kunst.

In diesem Sinne hat auch für das Gesundheitspersonal die Beschäftigung mit den Künsten das Potential, die Aufmerksamkeit weg von negativen Stressoren, hin zu positiveren Leiberfahrungen sowie emotionaler und motivationaler Empathie für Andere lenken (siehe Tucek et al. 2021). Neuere Arbeiten aus der Neurowissenschaft (Kuhlmana et al., 2020) zur Expositionstherapie zeigen, dass der Fokus auf positive Lebenserfahrungen Ängste signifikant reduziert und Depressionen lindern kann. Zudem gibt es deutliche Hinweise auf einen dauerhaften Effekt. Dies könnte auch erklären, warum die ästhetisch-empathische Wirkung der Künste das Wohlbefinden verbessert (siehe Cho, 2019; Cross et al., 2012; Gonzalez et al, 2019; King & Waddington, 2017; Rabinowitch, 2017).

Wir müssen Studierende der Gesundheits- & Krankenpflege, neu ausgebildete Pflegekräfte, sowie jene, die aus dem Beruf ausgeschieden sind, als Teilnehmer.innen in die Untersuchung einbeziehen, wie sich die Ausbildungs- und Arbeitsbedingungen auf ihre Motivation und empathischen Fähigkeiten auswirken.

Auf diese Weise wird erhoben

  1. Welche Ursache(n) dazu führen, dass Pflegepersonal bereits nach einigen Jahren im Beruf ausscheiden (im Falle Österreichs verstärkt während der COVID-Pandemie)
  2. wie sie sich die zukünftige Gestaltung und Nutzung von KI-Technologien zur Unterstützung ihrer empathischen Fähigkeiten vorstellen.

Mithilfe der Methode der Aktionsforschung werden Behandlungen, die diese Ursache(n) adressieren entwickelt und getestet, und im Rahmen einer Längsschnittstudie als Teil der Pflegeausbildung an der IMC Fachhochschule Krems angewendet. Die Behandlungen werden neue Perspektiven für Pflegende eröffnen, um ihre Arbeit als sinnvoll zu empfinden und um in ihrem Beruf zu bleiben und ihn auf eine empathisch nachhaltige Weise zu erneuern. 

Literaturverzeichnis

Ansdell, G. (2014) How Music Helps in Music Therapy and Everyday Life. Farnham: Ashgate.

Behrends, A., Müller, S., Dziobek, I. (2012) Moving in and out of synchrony: A concept for a new intervention fostering empathy through interactional movement and dance. In The Arts in Psychotherapy, 39: 107–116.

Carew, P.J. and Stapleton, L. (2014) Towards Empathy: A human-centred analysis of rationality, ethics and praxis in systems development. AI & Society, 29: 149-166.

Cho, E. (2019). The relationship between small music ensemble experience and empathy skill: A survey study. Psychology of Music. https://doi.org/10.1177/0305735619887226

Clift, S., Nicol, J., Raisbeck, M., Whitmore, C., & Morrison, I. (2010). Group singing, wellbeing and health: A systematic mapping of research evidence. Sidney De Haan Research Centre for Arts & Health, Canterbury Christ Church University.

Cooley, M.J. (1987) Architect or Bee? The Human Price of Technology. Hogarth Press, London.

Creech, A., Hallam, S., Varvarigou, M., McQueen, H., & Gaunt, H. (2013). Active music making: a route to enhanced subjective well-being among older people. Perspectives in Public health, 133(1), 36-43.

Cross, I., Laurence, F., & Rabinowitch T.C. (2012). Empathic creativity in musical group practices. In G. McPherson, and G. Welch, (Eds.), The Oxford Handbook of Music Education (pp.337-353). Oxford: Oxford University Press.

Fancourt, D. and Williamon, A. (2016). Making Music for Mental Health: How group drumming mediates recovery. Psychology of Well-Being: Theory, Research and Practice, 6, 11.

Fancourt, D., Garnett, C., Spiro. N., West, R., Müllensiefen D. (2019) How do artistic creative activities regulate our emotions? Validation of the Emotion Regulation Strategies for Artistic Creative Activities Scale (ERS-ACA). PLOS One.;14(2):e0211362. doi: 10.1371/journal.pone.0211362.

Fancourt, D. and Finn, S. (2019) What is the evidence on the role of the arts in improving health and well-being? A scoping review. Copenhagen: WHO Regional Office for Europe; (Health Evidence Network (HEN) synthesis report 67).

Frankl, V.E. (2017). Ärztliche Seelsorge: Grundlage der Logotherapie und Existenzanalyse. 7. Auflage. München. dtv.

Frankl, V.E. (2018). Der leidende Mensch: Anthropologische Grundlagen der Psychotherapie. 4. unveränderte Auflage. Bern. Hogrefe.

Gesundheit Österreich (2019). Pflegepersonal-Bedarfsprognose für Österreich. Eine Studie der Gesundheit Österreich GmbH im Auftrag des Bundesministeriums für Arbeit, Soziales, Gesundheit und Konsumentenschutz. (Nursing staff demand forecast for Austria. A study by Gesundheit Österreich GmbH on behalf of the Federal Ministry for Labor, Social Affairs, Health and Consumer Protection.) Wien, Nov 2019.

Gill, K.S. (Ed.) (1996) Human Machine Symbiosis: The Foundations of Human -Centred Design, Springer, London.

Gill, K.S. (2020) Prediction Paradigm: The Human Price of Instrumentalism. AI & Society, 35: 509-517.

Gill, S.P. (2015) Tacit Engagement: Beyond Interaction. Springer, London.

González, L.F.B. (2019) Dance as therapy: embodiment, kinesthetic empathy and the case of contact improvisation. Adaptive Behavior, Vol. 27(1) 91–100. DOI: 10.1177/1059712318794203

Googman, D.M. (2010) AI & the future of nursing. https://www.elitecme.com/resource-center/nursing/artificial-intelligence-ai-and-the-future-of-nursing

Greenberg, N. , Weston, D., Hall, C., Caulfield, T., Williamson, V., and Fong, K. (2021) Mental health of staff working in intensive care during COVID-19. Occupational Medicine. doi:10.1093/occmed/kqaa220

Hove, M. J., & Risen, J. L. (2009). It’s all in the timing: Interpersonal synchrony increases affiliation. Social Cognition, 27(6), 949-960.

Howick, J. and Rees, S. (2017) Overthrowing obstacles to empathy in healthcare: empathy in the age of the internet. Royal Society of Medicine, 110(9): 352-357

ICN (2021). The COVID-19 Effect: World’s nurses facing mass trauma, an immediate danger to the profession and future of our health systems. 13 January 2021, Geneva.

Janssen, J., Zenzmaier, C., Yap, S.S., Österreicher, P., Simon, P., Wenzel, C., Kaufmann, P., Perkhofer, S., and Tucek, G. (2020) Validation of an Empathy Film with Health Care Students. J Altern Complement Integr Med, 6: 125

Jeffrey, D. (2016) Clarifying empathy:  the first step to more humane clinical care. British Journal of General Practice, February 2016: 143-145.

Kandel, Eric 2012. Das Zeitalter der Erkenntnis – Die Erforschung des Unbewussten in Kunst, Geist und Gehirn von der Wiener Moderne bis heute, Siedler. München.

Keller, P. E., Novembre, G., & Hove, M. J. (2014). Rhythm in joint action: psychological and neurophysiological mechanisms for real-time interpersonal coordination. Philosophical Transactions of the Royal Society B: Biological Sciences369(1658), 20130394.

King, E., & Waddington, C. (Eds.). (2017). Music and empathy. Routledge.

Kulhmana, K.R., Treanord, M., Imbrianoe, G., Craske, M.G. (2020). Endogenous in-session cortisol during exposure therapy predicts symptom improvement: Preliminary results from a scopolamine-augmentation trial. Psychoneuroendocrinology 116 (2020) 104657

Krajic, K., Nowak, P., Vyzlouzil, M. (2003). Pflegenotstand in Österreich? Diagnosen und Lösungsmöglichkeiten mit einem Schwerpunkt auf Entwicklung der Arbeitsbedingungen des

diplomierten Pflegepersonals. (Care crisis in Austria? Diagnoses and possible solutions with

an emphasis on developing the working conditions of the qualified nursing staff.) Technical Report, Ludwig Boltzman Institut für Medizin- un Gesundheightssoziologie, Nov 2003.

Lewin, K. (1948) Action research and minority problems. In K. Lewin (Ed.) Resolving Social Conflicts. New York: Harper & Row.

Miles, L. K., Nind, L. K., & Macrae, C. N. (2009). The rhythm of rapport: interpersonal synchrony and social perception. Journal of Experimental Social Psychology 45, 585–589.

Malloch S, Trevarthen C (eds) (2009) Musicality: Exploring the basis of human companionship.Oxford University Press, Oxford

Mutabazi, M.V., Schwartzentruber, A., and Ndahayo, S. (2018) The Empathy Enigma: An Empirical Study of Decline in Empathy among Undergraduate Nursing Students. Texila International Journal, 4.1: 1-5.

Perkins, R., Ascenso, S., Atkins, L., Fancourt, D., & Williamon, A. (2016). Making music for mental health: how group drumming mediates recovery. Psychology of Well-being, 6(1), 11.

Polanyi, M. (1966). The tacit dimension. Doubleday. 1983 Reprint.

Rabinowitch, T. C., & Knafo-Noam, A. (2015). Synchronous rhythmic interaction enhances children’s perceived similarity and closeness towards each other. PLoS ONE, 10, e0120878.

Rabinowitch, T.C. (2017) Synchronisation – a musical substrate for positive social interaction and empathy. In E. King & C. Waddington (Eds.) Music and empathy (pp. 89-96). Routledge.

Rauner, F., Rasmussen, L. And Corbett, J.M. (1988) The Social Shaping of Technology and Work: Human Centred CIM systems. AI & Society, 2: 47-61.

Robert, N. (2019) How AI is Changing Nursing. Nursing Management 50th Anniversary www.nursingmanagement.com

Tucek et al. (In press, 2021) Das Kremser Konzept der Musiktherapie – Zur Bedeutung personalisierter Therapie und Forschung. (The Kremser concept of music therapy – On the importance of personalized therapy and research.). Forthcoming, in Musiktherapeutische Umschau

 Fußnoten

[1]https://www.baua.de/DE/Angebote/Publikationen/Schriftenreihe/Uebersetzungen/Ue15.pdf?__blob=publicationFile&v=3

[2]https://www.researchgate.net/publication/262689897_Pflegenotstand_in_Osterreich_Diagnosen_und_Losungsmoglichkeiten_mit_einem_Schwerpunkt_auf_Entwicklung_der_Arbeitsbedingungen_des_diplomierten_Pflegepersonals

[3] https://www.icn.ch/news/covid-19-effect-worlds-nurses-facing-mass-trauma-immediate-danger-profession-and-future-our. The full report is available here.

[4] https://www.nytimes.com/2021/02/25/opinion/nursing-crisis-coronavirus.html?campaign_id=39&emc=edit_ty_20210225&instance_id=27474&nl=opinion-today&regi_id=100923489&segment_id=52313&te=1&user_id=a76ca05d394c6a074b87e7be271f2080

[5] https://www.japantimes.co.jp/news/2020/12/23/national/nurses-quit-hospitals-survey/; http://www.asahi.com/ajw/articles/14053178

[6] https://www.bbc.com/worklife/article/20200205-what-the-world-can-learn-from-japans-robots

[7] Zum Beispiel Soziales Gestalten von Formgebung, Rauner et al. (1988), und Kunst- und Technologiebewegung an der Universität Aachen

[8] Zum Beispiel die Arbeit des schwedischen Zentrums für Arbeitsleben, siehe Goranzon und Josefson (1988)

[9] Zum Beispiel Cooley (1987) und Gill (1987, 1990).

[10] Siehe Lewin (1948)

[11] Zum Beispiel, Carew und Stapleton (2014).

[12] Der Rothman-Index ist ein Schweregradindex, der in die elektronische Patientenakte eingebettet ist. Es werden kontinuierlich 26 oben gezeigte Variablen verfolgt. Diese Daten werden in einen proprietären Algorithmus eingespeist und ergeben eine numerische Bewertung, die die Krankheit des Patienten widerspiegelt. https://www.google.com/search?q=rothman+index+score&rlz=1C5CHFA_enAT892AT892&oq=rothman+index+&aqs=chrome.1.69i57j0l9.6166j0j15&sourceid=chrome&ie=UTF-8

[13] Film, Regie Ken Browne – Why Doctors Write: Finding Humanity in Medicine

[14] https://www.kbprods.com/portfolio/why-doctors-write/

Über Gerhard Tucek 2 Artikel
Prof.(FH) Priv.Doz. Mag. Dr. Gerhard Tucek: Musiktherapeut, Anthropologe, Institutsleitung Therapiewissenschaften an der IMC Fachhochschule Krems & Leitung Josef Ressel Zentrum für die Grundlegung einer personalisierten Musiktherapie

Hinterlasse jetzt einen Kommentar

Kommentar hinterlassen