Befragung von Pflegemitarbeitenden in einer stationären Pflegeeinrichtung – Ergebnisse einer wiederholten Querschnittsstudie und Demonstration eines FHIR-basierten Datenanalyseverfahrens

  • Hintergrund: Angesichts des Fachkräftemangels in der stationären Langzeitpflege gewinnt ein einrichtungsbezogenes Monitoring arbeitsbezogener Zufriedenheit an Bedeutung, um Entwicklungen systematisch zu beobachten und organisationsbezogene Lernprozesse zu unterstützen. Parallel erfordern Digitalisierungsprozesse praxistaugliche, wiederholbare Auswertungsstrukturen. Ziel: Ziel der Studie war es, die arbeitsbezogene Zufriedenheit von Pflege- und Betreuungskräften deskriptiv zu erfassen sowie einen standardisierten, FHIR-basierten Daten- und Analyseworkflow zu demonstrieren. Methoden: Wiederholte Querschnittstudie in einer stationären Pflegeeinrichtung in Bayern (Erhebungswellen Nov–Dez 2023 und Nov–Dez 2024). Die Datenerhebung erfolgte mittels eines standardisierten Fragebogens (Skala 0–5; 0=sehr unzufrieden, 5=sehr zufrieden) über REDCap. Die Daten wurden pseudonymisiert in HL7 FHIR transformiert und deskriptiv ausgewertet. Ergebnisse: Insgesamt nahmen n=68 Beschäftigte teil (2023:Hintergrund: Angesichts des Fachkräftemangels in der stationären Langzeitpflege gewinnt ein einrichtungsbezogenes Monitoring arbeitsbezogener Zufriedenheit an Bedeutung, um Entwicklungen systematisch zu beobachten und organisationsbezogene Lernprozesse zu unterstützen. Parallel erfordern Digitalisierungsprozesse praxistaugliche, wiederholbare Auswertungsstrukturen. Ziel: Ziel der Studie war es, die arbeitsbezogene Zufriedenheit von Pflege- und Betreuungskräften deskriptiv zu erfassen sowie einen standardisierten, FHIR-basierten Daten- und Analyseworkflow zu demonstrieren. Methoden: Wiederholte Querschnittstudie in einer stationären Pflegeeinrichtung in Bayern (Erhebungswellen Nov–Dez 2023 und Nov–Dez 2024). Die Datenerhebung erfolgte mittels eines standardisierten Fragebogens (Skala 0–5; 0=sehr unzufrieden, 5=sehr zufrieden) über REDCap. Die Daten wurden pseudonymisiert in HL7 FHIR transformiert und deskriptiv ausgewertet. Ergebnisse: Insgesamt nahmen n=68 Beschäftigte teil (2023: 37/84; 2024: 31/83). Die Mittelwerte lagen in beiden Wellen überwiegend im oberen Skalenbereich. Zwischen 2023 und 2024 zeigten sich überwiegend kleine Veränderungen, u. a. in einzelnen Aspekten der Arbeitsausstattung sowie der Teamkommunikation. Die im Jahr 2024 neu erhobenen Items zu Respekt und Wertschätzung zeigten überwiegend höhere Ausprägungen auf der Skala. Schlussfolgerung: In der untersuchten Einrichtung zeigte sich über beide Erhebungszeitpunkte ein hoher Mittelwert über alle Fragen hinweg und eine stabile arbeitsbezogene Zufriedenheit. Ein standardisierter, FHIR-basierter Workflow kann wiederholbare Auswertungen unterstützen und damit ein kontinuierliches Monitoring ermöglichen.show moreshow less
  • Background: In the context of workforce shortages in geriatric long-term care facilities, monitoring of job-related satisfaction is gaining importance in order to systematically observe developments and support organizational learning processes. At the same time, digitalization initiatives require practice-oriented and reproducible data analysis structures. Objective: The aim of this study was to descriptively assess job-related satisfaction among nursing staff and to demonstrate a standardized, FHIR-based data and analysis workflow. Methods: A repeated cross-sectional study was conducted in a geriatric long-term care facility in Bavaria, Germany (survey waves November–December 2023 and November–December 2024). Data were collected using a standardized questionnaire (scale 0–5; 0=very dissatisfied, 5=very satisfied) via REDCap. Data were pseudonymized, transformed into HL7 FHIR format, and analyzed descriptively. Results: A total of n=68 employees participated (2023: 37/84; 2024:Background: In the context of workforce shortages in geriatric long-term care facilities, monitoring of job-related satisfaction is gaining importance in order to systematically observe developments and support organizational learning processes. At the same time, digitalization initiatives require practice-oriented and reproducible data analysis structures. Objective: The aim of this study was to descriptively assess job-related satisfaction among nursing staff and to demonstrate a standardized, FHIR-based data and analysis workflow. Methods: A repeated cross-sectional study was conducted in a geriatric long-term care facility in Bavaria, Germany (survey waves November–December 2023 and November–December 2024). Data were collected using a standardized questionnaire (scale 0–5; 0=very dissatisfied, 5=very satisfied) via REDCap. Data were pseudonymized, transformed into HL7 FHIR format, and analyzed descriptively. Results: A total of n=68 employees participated (2023: 37/84; 2024: 31/83). Mean values in both waves were predominantly in the upper range of the scale. Between 2023 and 2024, mostly small changes were observed, including in selected aspects of work equipment and team communication. Items newly introduced in 2024 addressing respect and appreciation showed predominantly higher ratings on the scale. Conclusion: In the investigated facility, high overall mean scores regarding job-related satisfaction were observed across both survey periods. A standardized FHIR-based workflow can support reproducible analyses and thereby enable continuous monitoring.show moreshow less

Download full text files

Export metadata

Statistics

Number of document requests

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Jeton Iseni, Erlis Haxholli, Steffen NetzbandGND, Amela Brechlin, Walter Swoboda
Frontdoor URLhttps://opus.bibliothek.uni-augsburg.de/opus4/130661
URL:https://www.thieme-connect.com/products/ejournals/abstract/10.1055/a-2857-8310
ISSN:1439-4421OPAC
Parent Title (German):Gesundheitswesen
Publisher:Georg Thieme
Place of publication:Stuttgart
Type:Article
Language:German
Date of Publication (online):2026/05/27
Year of first Publication:2026
Publishing Institution:Universität Augsburg
Release Date:2026/06/08
DOI:https://doi.org/10.1055/A-2857-8310
Institutes:Fakultät für Angewandte Informatik
Fakultät für Angewandte Informatik / Institut für Informatik
Fakultät für Angewandte Informatik / Institut für Informatik / Lehrstuhl für IT-Infrastrukturen für die Translationale Medizinische Forschung
Latest Publications (not yet published in print):Aktuelle Publikationen (noch nicht gedruckt erschienen)
Licence (German):CC-BY-NC-ND 4.0: Creative Commons: Namensnennung - Nicht kommerziell - Keine Bearbeitung