So prüft ScribeIndex Medical Scribes

Ein Medical Scribe verarbeitet ein medizinisches Gespräch zu einem strukturierten Dokument oder einem Bericht. Der zentrale Prüfpunkt ist die Treue zur Quelle. Jede dokumentierte Aussage muss durch das Gespräch oder ausdrücklich bereitgestellte Zusatzinformationen gedeckt sein.

Testprotokoll 1.0. Das Protokoll gilt für klinische Dokumentationsentwürfe. Es bewertet Quellenbindung und Nutzbarkeit. Eine medizinische Zertifizierung oder der Nachweis klinischer Sicherheit folgt daraus nicht.

Zwei Bewertungsebenen: Wortlaut und Inhalt

Ein Transkript und eine zusammenfassende Dokumentation erfüllen unterschiedliche Aufgaben. Bei einer wortnahen Ausgabe ist der Abgleich mit Referenzwörtern sinnvoll. Bei einer umformulierten Zusammenfassung oder einem ausgearbeiteten Bericht kann eine korrekte Aussage erhebliche Wortabweichungen erzeugen. Bewertet wird das tatsächlich gelieferte Dokument. Ein separat verfügbares Rohtranskript ist keine Voraussetzung.

Fakten-F1 bildet die Inhaltsqualität des ScribeIndex-Scores. Für die erstellte Dokumentation werden WER und CER nicht berechnet.

Für den Bericht verlangt das Protokoll eine Faktenprüfung und getrennte Fehlerquoten. Ein knapper Bericht kann vollständig sein. Ein langer kann wichtige Angaben verbergen. Unbelegte Ergänzungen, Auslassungen und falsche Zuordnungen werden unabhängig von Stil und Lesbarkeit erfasst. Dass diese Fehlertypen im Scribe-Kontext tatsächlich vorkommen, zeigt unter anderem die kontrollierte Studie von Biro et al. 2025.

Vier Aufgaben mit eigenem Prüfziel

Die Kategorie Medical Scribes umfasst ärztliche Gesprächsdokumentation, psychotherapeutische Sitzungsdokumentation, Pflegedokumentation und Anamneseberichte. Die ersten beiden fassen ein Gespräch zusammen. Die Pflegedokumentation ordnet gesprochene Angaben einzelnen Pflegeeinträgen zu. Ein Anamnesebericht gibt die erhobenen Angaben ohne Verdichtung wieder. Ein Anbieter kann mehrere Aufgaben unterstützen. Jede Aufgabe erhält einen eigenen Referenzumfang und einen eigenen ScribeIndex-Score. Ein unterstütztes Fachgebiet, ein Aufnahmeweg oder eine Sprache belegt noch nicht, dass ein Dienst das Dokument der jeweiligen Aufgabe erstellt.

Ärztliche Gesprächsdokumentation

Das Ziel ist eine verdichtete Dokumentation oder ein Arztbrief aus dem Behandlungsgespräch. Die vorab markierte Relevanzmenge enthält aktuelle Beschwerden, entscheidungsrelevante Vorgeschichte, ausdrücklich erhobene Befunde, Medikation und vereinbarte Maßnahmen. Nicht jede Wiederholung und jede beiläufige Bemerkung muss im Dokument erscheinen. Eine Kürzung ist korrekt, solange sie weder einen erforderlichen Fakt entfernt noch eine Aussage verändert.

Ob das Dokument aktuelle und frühere Beschwerden, Patientenaussagen und ärztliche Befunde sowie vorgeschlagene und vereinbarte Maßnahmen unterscheidet, prüfen der Faktenabgleich und die Fehlerquoten für Zeitbezug und Zuordnung. Klinisches Fakten-F1 verwendet genau diese festgelegte Relevanzmenge. Die ScribeIndex-Vorlage und ihre Abschnitte werden vor der Anbieterprüfung eingefroren.

Psychotherapeutische Sitzungsdokumentation

Das Ziel ist eine Sitzungs- oder Verlaufsdokumentation. Die Referenz unterscheidet geschilderte Erlebnisse, beobachteten Verlauf, besprochene Interventionen, vereinbarte Ziele und weitere Schritte. Eine Gesprächshypothese darf nicht zur gesicherten Diagnose werden. Äußerungen über andere Personen müssen als solche zugeordnet bleiben.

Die Prüfaufgabe verlangt eine nachvollziehbare Verdichtung. Der Recall bezieht sich nur auf die vorab festgelegten dokumentationsrelevanten Angaben, nicht auf jedes biografische Detail. Kommen Risikoinhalte im Gespräch vor, werden ihre Polarität und Unsicherheit geprüft und ihre Schwere im Fallkontext beurteilt.

Pflegedokumentation

Das Ziel sind Einträge der Pflegedokumentation, also Pflegebericht, Vitalwerte, durchgeführte Maßnahmen, Medikamentengaben und Beobachtungen je versorgter Person. Pflegekräfte sprechen diese Angaben direkt nach der Versorgung ein. Dazu kommen Schichtübergaben zu mehreren Personen und pflegerische Aufnahmegespräche, aus denen eine gegliederte Pflegeaufnahme entsteht. Bietet der Dienst ein SIS-Modul, wird dessen Entwurf der Strukturierten Informationssammlung ausgewertet. Maßgeblich sind bei allen Anbietern dieselben erhobenen Fakten, Personen, Vitalwerte und Maßnahmen. Eine bestimmte Formularoberfläche oder automatische Aktenverteilung ist keine Voraussetzung für den Inhaltsvergleich. Bewertet werden die erzeugten Einträge vor der Übernahme in die Pflegesoftware, in der Vorschau oder im Export des Dienstes.

Die Rubrik nursing-facts-v1 verwendet die atomare Faktenstruktur von clinical-facts-v1. Jeder Vitalwert ist ein eigener Fakt aus Wert, Einheit, Messzeitpunkt und versorgter Person. Ein Blutdruck von 140 zu 90 beim falschen Bewohner zählt als Fehler, auch wenn der Wert stimmt. Ein Eintrag im falschen Bereich der Dokumentation zählt als falsche Zuordnung, wenn er dadurch eine andere Bedeutung erhält, etwa eine Beobachtung als durchgeführte Maßnahme.

Neben dem Fakten-F1 werden Fehler bei Vitalwerten (falsch übernommene oder fehlende Vitalwerte / annotierte Vitalwerte) und die Fehler bei Medikation, Verneinung, Zeitbezug und Personenzuordnung getrennt ausgewiesen. Als schwerwiegend gelten Fehler, die Pflege oder Behandlung beeinflussen können, etwa ein falscher Vitalwert, eine falsche Medikamentengabe, eine verlorene Verneinung, eine vertauschte Person oder eine nicht durchgeführte Maßnahme, die als erledigt dokumentiert wird. Nicht jeder gezählte Fehler bei Medikation oder Verneinung hat solche Folgen, die Zähler je Fehlerart enthalten auch folgenlose Abweichungen. Wie die Einträge in der Pflegesoftware erscheinen, hängt von der Schnittstelle ab. Angaben zur Übernahme stehen im Anbieterprofil unter Integrationen und fließen nicht in den ScribeIndex-Score ein.

Anamneseberichte

Das Ziel ist ein gegliederter Bericht, der die im Gespräch erhobene Anamnese ausführlich wiedergibt, etwa bei einer stationären Aufnahme, vor einer Rehabilitation, in der Psychotherapie oder für ein Gutachten. Eine verdichtete Kurzfassung ist nicht gemeint. Sitzungsnotizen zu Erstgesprächen und probatorischen Sitzungen testet die psychotherapeutische Sitzungsdokumentation.

Die Rubrik anamnesis-facts-v1 verwendet die atomare Faktenstruktur von clinical-facts-v1 mit einem eigenen vollständigen Detailumfang. Personenzuordnung und Chronologie gehören zu jedem erforderlichen Fakt. Die vorgegebene Referenzmenge umfasst die erhobenen Angaben zu Vorgeschichte, Beschwerden, Verlauf, Behandlungen sowie biografischen und sozialen Zusammenhängen. Der Auftrag verlangt Detailerhalt statt einer kurzen Gesprächszusammenfassung. Eine nicht erhobene Information darf nicht durch plausible Ergänzungen ausgefüllt werden.

Die Fallgruppen umfassen lange Gespräche, wechselnde zeitliche Ebenen, Angehörigenbeiträge, Gespräche mit Dolmetscher und Angaben, die einander ausdrücklich widersprechen. Der Korpus hat seinen Schwerpunkt in psychiatrischen und psychosomatischen Anamnesen, weil ausführliche Anamneseberichte dort am häufigsten entstehen. Dazu kommen neurologische und internistische Langanamnesen und sozialmedizinische Begutachtungen. Der Bericht muss die Quellen und Widersprüche erkennbar halten. Die Ausgabe darf aus einer subjektiven Angabe keinen gesicherten Befund machen. Die thematische Gliederung wird nach dem vorab definierten Auftrag beurteilt. Ob der Bericht in direkter oder indirekter Rede steht, fließt nicht in die Bewertung ein.

Neben dem Fakten-F1 werden Detailerhalt, Fehler beim Zeitbezug und Fehler bei der Personenzuordnung separat ausgewiesen. Detailerhalt ist die Zahl korrekt erhaltener markierter Detailfakten geteilt durch alle markierten erforderlichen Detailfakten. Fehlerquoten für Zeitbezug und Personenzuordnung verwenden die unten definierten Referenznenner. Fehlende erforderliche Angaben zählen dabei als Fehler. Die Quellenprüfung erfasst unbelegte Ergänzungen zusätzlich. Ein hoher Detailerhalt gleicht solche Ergänzungen nicht aus.

Drei weitere Kennzahlen weist ScribeIndex für Anamneseberichte getrennt aus.

Anamneseberichte

Kennzahl	Zähler	Nenner
Vollständige Berichtsgliederung	Korrekt befüllte erforderliche Abschnitte	Erforderliche Abschnitte
Erhalt widersprüchlicher Angaben	Korrekt wiedergegebene markierte Widersprüche	Markierte Widersprüche
Nicht belegte Schlussfolgerungen	Nicht durch die Quelle gedeckte Schlussfolgerungen	Alle ausgegebenen Schlussfolgerungen

Wird keine Schlussfolgerung ausgegeben, bleibt die letzte Quote undefiniert und wird nicht als 0 % behandelt. Diese Zusatzmetriken beschreiben getrennte Fehlerprofile und werden nicht zusätzlich in den ScribeIndex-Score eingerechnet.

Die Aufgabe ist fachübergreifend und setzt keine bestimmte psychiatrische Vorlage voraus.

Korpora und klinischer Referenzstandard

Die vier Aufgaben haben getrennte Korpora mit den Kennungen de-klinik-v1 für die ärztliche Gesprächsdokumentation, de-therapie-v1 für die psychotherapeutische Sitzungsdokumentation, de-pflege-v1 für die Pflegedokumentation und de-anamnese-v1 für Anamneseberichte. Der Pflegekorpus umfasst Pflegeberichte nach der Versorgung, Vitalwerte mit Maßnahmen, Schichtübergaben und pflegerische Aufnahmegespräche aus stationärer Altenpflege, ambulanter Pflege und Krankenhausstationen. Der ärztliche Korpus umfasst Erstanamnese, Verlauf, Medikation, Befundbesprechung und psychiatrische Erstgespräche. Fachrichtungen und Gesprächsformen werden als Strata ausgewiesen. Korpusgröße und Versionierung folgen den gemeinsamen Grundlagen.

Standardsprache, regionale Aussprache, unterschiedliche Sprechgeschwindigkeit, ein bis vier Sprechende, Angehörigenbeiträge, Überlappungen und verschiedene Audioqualitäten gehören zum Korpusdesign. Diese Aufnahmesituationen stecken in den Korpusaufnahmen selbst. Alle kompatiblen Systeme erhalten dieselbe Korpusdatei digital. In der ärztlichen Gesprächsdokumentation bekommt jeder Dienst mit Dateiupload genau diese Datei als Upload. In den übrigen drei Aufgaben wird der Weg getestet, den der Hersteller als Hauptweg beschreibt. Dienste, deren Hauptweg der Datei-Upload ist oder die Aufnahme und Upload gleichrangig anbieten, bekommen dort ebenfalls die Datei. Alle übrigen nehmen sie in Echtzeit über einen virtuellen Mikrofoneingang auf, im Browser und am Desktop direkt, mobile Apps in einer emulierten Geräteumgebung.

Live-Lauf und Dateiupload sind getrennte Messstrecken für die Verarbeitungszeit. Zeiten werden nur innerhalb derselben Messstrecke verglichen. Die Qualität vergleicht ScribeIndex dagegen gemeinsam, weil alle Dienste dieselbe Korpusdatei erhalten. Jeder Dienst erhält die vorab festgelegte ScribeIndex-Vorlage, wenn der getestete Zugang frei bearbeitbare Vorlagen erlaubt. Sonst läuft er mit der Standardvorlage des Herstellers. Die verwendete Vorlage steht in der Testkonfiguration.

Anbieterbedingte Einschränkungen des Zielformats werden genannt. Dienste, die aus einem deutschen Gespräch keine deutsche Dokumentation erzeugen, nimmt ScribeIndex nicht auf. Eine englische Notiz müssten Sie erst übersetzen und erneut prüfen, bevor sie in eine deutsche Akte passt. Bereitgestellte Akteninformationen sind fest vorgegeben und für alle Anbieter gleich.

Mit der Gesprächsvorlage werden eine Liste atomarer klinischer Fakten und eine begründete Auswahl dokumentationsrelevanter Inhalte festgelegt und nach der Aufnahme am geprüften Referenztranskript bestätigt. Jeder Referenzfakt enthält Quellenstelle, betroffene Person, Aussageart und Zeitbezug. Für jede Aufgabe wird die Relevanzmenge separat eingefroren. Die ScribeIndex-Scores der vier Aufgaben werden nicht zu einer gemeinsamen Rangliste vermischt. Mehrere zulässige Formulierungen sind möglich. Die Referenz ist kein verbindlicher Wortlaut. Korrigiert sich jemand im Gespräch, enthält die Referenz nur die endgültige Angabe. Übernimmt ein Dienst die verworfene Angabe, zählt sie als falsche Aussage und die endgültige als fehlend. Hinweise an die Dokumentation werden an ihrer Wirkung im Dokument gemessen.

Selbst gesprochene Pflegeeinträge, also Pflegeberichte und Vitalwerte mit Maßnahmen, enthalten wie ein Diktat gesprochene Anweisungen. Für sie gelten die Regeln der gesprochenen Anweisungen im medizinischen Diktat. Bewertet wird der Abstand zum Eintrag, wie ihn die Pflegekraft gemeint hat. Die Anteile umgesetzter Diktatbefehle, Selbstkorrekturen und Bearbeitungsanweisungen stehen als eigene Kennzahlen daneben. Eine nicht umgesetzte Anweisung zählt genau einmal über ihre Folge, im Fakten-F1, in den Fehlerquoten wie Vitalwerten und Medikation, in der Nacharbeit und nach der Rubrik bei den schwerwiegenden Fehlern. Schichtübergaben und Aufnahmegespräche führen zwei oder drei Personen. Sie zählen als Gespräch und haben keine Anweisungseinheiten. Die 26 selbst gesprochenen Einträge enthalten 30 Diktatbefehle, 10 Selbstkorrekturen und 4 Bearbeitungsanweisungen, eine eigene Festlegung vor dem ersten Lauf.

Die klinische Faktenrubrik

Element	Beispiel einer entscheidenden Unterscheidung
Negation	„Keine Brustschmerzen“ versus „Brustschmerzen“
Medikation	Wirkstoff, 5 mg statt 50 mg, Einnahme statt Absetzen
Zahlen und Einheiten	Wert, Messgröße und Einheit als zusammenhängender Fakt
Zeit	Früheres Symptom versus aktuell vorhandenes Symptom
Quelle	Patientenaussage versus ärztlicher Befund versus Angehörigenangabe
Unsicherheit	Verdacht versus gesicherte Diagnose
Nicht erhobene Themen	Nicht erfragt versus ausdrücklich verneint
Planung	Diskutierte Möglichkeit versus vereinbarte Maßnahme

Präzision, Recall und F1 folgen den gemeinsamen Matching- und Zählregeln. Im klinischen Profil ist ein Fakt nur korrekt, wenn Person, Aussage, zeitlicher Bezug und gegebenenfalls Negation übereinstimmen. Die Prüfung unterscheidet insbesondere eine übersehene Negation von einer zulässigen sprachlichen Kürzung. Die klinische Relevanzmenge wird vorab festgelegt, damit nachträgliche Stilpräferenzen den Recall nicht verändern.

Fehlerzahlen werden je Typ angegeben, potenziell schwerwiegende Fehler zusätzlich als Zahl betroffener Ausgaben. Die Rubrik unterscheidet redaktionelle, inhaltlich relevante und potenziell schwerwiegende Fehler. Die Schwereklasse jeder Referenzangabe wird nach dieser Rubrik mit der Referenz festgelegt. Unklare Fälle prüft eine Fachperson. Insbesondere Medikamentenfehler, Fehler bei Verneinungen und Risikohinweisen sowie falsche Personenzuordnung bleiben als eigene Fehlerquoten mit Rohzahlen sichtbar. Ein zusammengesetzter Score kann diese Informationen nicht ersetzen. Fehlerereignisse, betroffene Fakten und Dokumente mit mindestens einem schwerwiegenden Fehler erhalten unterschiedliche Zähler und ihre jeweiligen Nenner.

Technischer Faktenabgleich

Die Rubrik clinical-facts-v1 vergleicht bedeutungsgleiche Aussagen, nicht identische Sätze. Jeder Referenzfakt hat eine Quellenkennung und strukturierte Felder für Person, Aussage, Beziehung, Wert, Einheit, Polarität, zeitlichen Bezug und Unsicherheit. Eine Umstellung von Absätzen oder eine andere Formulierung verändert diese Felder nicht.

Der Abgleich läuft automatisch in vier Schritten.

1. Stelle finden. Ein regelbasierter Textabgleich richtet Ausgabe und Referenz auf Abschnitts- und Satzebene aneinander aus. Verglichen werden Wortstämme statt Wortformen. Zahlwörter, Ziffern, Abkürzungen und Wirkstoffnamen werden vereinheitlicht, inhaltstragende Fachbegriffe wiegen stärker als allgemeine Wörter. Damit lassen sich Referenzfakten auch zuordnen, wenn sie anders formuliert, verschoben, auf mehrere Sätze verteilt oder in einem Satz zusammengefasst sind.
2. Strukturierte Felder prüfen. Numerische Werte, Einheiten, Wirkstoffe, Verneinungen samt ihrer Reichweite, Seitenangaben, Personen und Zeitbezüge werden separat verglichen. „5 mg“ und „50 mg“ scheitern am Wertevergleich unabhängig von der Textähnlichkeit. „Keine Schmerzen“ und „Schmerzen“ scheitern an der Polarität.
3. Quellenbindung prüfen. Geprüft wird in beide Richtungen. Die Ausgabe muss den geforderten Referenzinhalt erhalten, und jede ausgegebene Aussage muss sich auf die Aufnahme stützen. Eine Aussage zu Inhalten außerhalb der Relevanzmenge ist zutreffend, aber nicht relevant. Eine Aussage ohne Grundlage in der Aufnahme gilt als unbelegt. Unklare Zuordnungen werden anhand der Aufnahme fachlich geprüft.
4. Eindeutig zählen. Nach Deduplizierung erhält jeder relevante Referenzfakt höchstens einen korrekten Treffer. Mehrere passende Formulierungen erzeugen keine zusätzlichen TP. Verfälschte und unbelegte Aussagen zählen als FP, ebenso zutreffende Aussagen außerhalb der Relevanzmenge. Nur die verfälschten und unbelegten gehen zusätzlich in die Quote falscher Aussagen ein. Nicht korrekt erhaltene erforderliche Referenzfakten zählen als FN. Eine Verfälschung kann deshalb gleichzeitig einen FP und einen FN erzeugen.

Präzision = TP / (TP + FP), Recall = TP / (TP + FN), F1 = 2 × TP / (2 × TP + FP + FN). Bei einem Nenner von null bleibt die jeweilige Quote undefiniert. Faktengrenzen, Relevanzmenge und Abgleichregeln werden vor dem ersten Anbieterlauf festgelegt und eingefroren. Die Zuordnung folgt festen Regeln ohne Sprachmodell. Entscheidungen aus der fachlichen Prüfung werden festgehalten und bei jeder erneuten Auswertung gleich angewendet. Dieselbe Ausgabe ergibt deshalb immer dasselbe Ergebnis.

Bewertet werden einzelne Angaben und ihre Bedeutungsmerkmale, nicht die allgemeine Ähnlichkeit zweier Texte.

ScribeIndex-Score und aufgabenbezogene Vergleichbarkeit

Das Bewertungsmodell 2.2 verwendet für Medical Scribes Fakten-F1 als Grundlage der Inhaltsqualität. Die übrigen Teilwerte messen schwerwiegende Fehler, Korrekturaufwand und Abschlussquote. Die Inhaltsqualität erreicht bei 30 fehlenden Punkten null, also bei einem Fakten-F1 von 70 %. Die übrigen Bezugsgrößen sind aufgabenspezifisch. Der Korrekturteilwert erreicht null Punkte, wenn die Korrektur so lange dauert wie das Schreiben des Dokuments ohne Entwurf. Die Werte je Audiostunde für jede der vier Aufgaben nennt die Tabelle der Bezugsgrößen. Der Fehlerteilwert erreicht bei 20 % der Ausgaben mit schwerwiegendem Fehler null Punkte.

Ein einzelnes betroffenes Dokument kostet damit rund 0,7 Punkte in der ärztlichen Gesprächsdokumentation, gut 0,8 Punkte in der Pflegedokumentation, knapp 1 Punkt in der psychotherapeutischen Sitzungsdokumentation und gut 2 Punkte bei den Anamneseberichten, deren Testreihe je Anbieter nur 48 Ausgaben umfasst. Alle zusätzlich erfassten Fehlerquoten bleiben daneben sichtbar. Ein Wert der ärztlichen Gesprächsdokumentation wird nicht als gemessene Leistung für Anamneseberichte ausgegeben. Eine Rangfolge gilt nur innerhalb derselben Aufgabe mit demselben Korpus und Protokoll. Live- und Upload-Dienste stehen darin gemeinsam, nur ihre Verarbeitungszeiten werden getrennt verglichen.

Fehlerquoten mit eindeutigen Nennern

Die Fehlerprofile ergänzen Fakten-F1. Niedrigere Fehlerquoten sind besser. Jede Quote veröffentlicht Zähler, Referenznenner und Unsicherheit.

Fehlerquoten mit eindeutigen Nennern

Messwert	Fehler im Zähler	Referenznenner
Fachbegriffe	Falsch oder nicht wiedergegebene markierte medizinische Konzepte	Alle dafür annotierten medizinischen Konzepte
Medikation und Dosierung	Falsche oder fehlende Angaben zu Medikament, Dosis, Einheit oder Einnahmeplan	Alle dafür markierten Referenzeinheiten
Negationen	Verlorene, ergänzte oder umgekehrte Polarität	Markierte Verneinungen und bestätigte Befunde
Zeitbezug	Falsche oder fehlende Zeitpunkte, Zeitspannen oder zeitliche Beziehungen	Alle dafür markierten zeitlichen Referenzfakten
Personenzuordnung	Falsche oder fehlende Zuordnung zu Person oder Aussagequelle	Alle Referenzfakten mit erforderlicher Quellenzuordnung
Risikoinhalte in der Sitzungsdokumentation	Falsche, fehlende oder ergänzte Angaben zu Selbstgefährdung und Schutzfaktoren	Die dafür annotierten Risikofakten

Diese Nenner werden vorab annotiert und nicht aus der Länge der Anbieterausgabe abgeleitet. Ein Anbieter kann den Fehleranteil deshalb nicht durch längere Texte verdünnen. Der Faktenabgleich hält die betroffenen Aussagen nachvollziehbar. Schwerwiegende Fehler zählt ScribeIndex separat auf Dokumentebene. Dort zählt jedes betroffene Dokument einmal, unabhängig von seiner Zahl einzelner Fehler.

Dokumentqualität mit klaren Instrumentgrenzen

PDQI-9 bewertet neun Eigenschaften ärztlicher Dokumentation, darunter Richtigkeit, Vollständigkeit, Nutzbarkeit, Verständlichkeit und innere Konsistenz. Die Originalstudie von Stetson et al. liefert Validierungsevidenz für den damaligen Untersuchungskontext. Eine deutsche Übersetzung, neue Skalenanker oder eine speziell für Anamneseberichte geänderte Rubrik sind dadurch nicht automatisch validiert. Auch die Untersuchung von Scribe-Notizen in der Notfallmedizin zeigt Grenzen der Übertragbarkeit.

ScribeIndex bildet deshalb keinen PDQI-9-Wert. Quellenbindung und Relevanz gehen über falsche, unbelegte und nicht relevante Aussagen in die Faktenpräzision ein, der redaktionelle Aufwand über die Nacharbeit. Bei Anamneseberichten misst die vollständige Berichtsgliederung zusätzlich die Struktur.

Wiederholung, Aufwand und Ergebnisdarstellung

Die gemeinsame Auswertung von Wiederholungen und Unsicherheit gilt auf Ebene des vollständigen klinischen Gesprächs. Fachrichtungen und Gesprächsformen werden mit ihren Fallzahlen ausgewiesen.

Die Nacharbeit schätzt ScribeIndex für jede abgeschlossene Ausgabe aus den automatisch gezählten Fehlern, mit denselben Zeiten für alle Dienste. Die Schätzung rechnet mit einer Person, die beim Gespräch dabei war und den Entwurf wie im Praxisalltag ohne Referenz korrigiert. Aufeinanderfolgende fehlende Angaben bilden eine Lücke. Die Person ergänzt eine Lücke aus dem Gedächtnis oder, an jeder zweiten Stelle, nach Suche und Nachhören der Belegstelle. Eine verfälschte Angabe prüft sie immer an der Aufnahme, hinzugefügte und nicht relevante Aussagen löscht sie.

Verlinkt das Produkt jede Aussage mit ihrer Stelle im Gespräch, führt ein Klick zur Belegstelle. Ein Medikations- oder Verneinungsfehler kostet keine eigene Nacharbeit, korrigiert wird die betroffene Angabe einmal. Im Anamnesebericht fügt die Person fehlende Pflichtabschnitte ein und prüft bei einem nicht aufgelösten Widerspruch beide Angaben in der Aufnahme, bevor sie ihn klarstellt. Bei Pflegeeinträgen, die die Pflegekraft selbst eingesprochen hat, braucht sie die Aufnahme wie beim Diktat nur an jeder fünften Stelle, bei verfälschten Angaben an zwei von fünf.

Nicht enthalten ist das einmalige Durchlesen des Entwurfs, das auch eine selbst geschriebene Dokumentation braucht. Fakten-F1 und Fehlerzahlen beziehen sich dagegen auf die ursprüngliche Ausgabe des Dienstes vor jeder Korrektur. Zähler und Nenner werden über abgeschlossene Läufe gepoolt. Ein abgebrochener Lauf entfernt genau die Referenzzähler seines Szenarios. Die Zielfassung ist je Aufgabe vorab festgelegt und für alle passenden Anbieter gleich, ein Dokument des jeweiligen Dokumenttyps mit richtigem Inhalt. Zulässige Umformulierungen bleiben stehen. Ausfälle und Laufzeiten werden nach den gemeinsamen Regeln ausgewiesen, Preise stehen im Anbieterprofil.

Die Generierungslatenz beginnt mit dem Beenden der Aufnahme und endet beim vollständig verfügbaren Dokument. Sie umfasst die dafür erforderliche Übertragung und Verarbeitung. Die Dauer des Gesprächs wird separat angegeben. Für reine Datei-Workflows beginnt die Messung stattdessen mit dem Uploadstart und endet ebenfalls beim vollständig verfügbaren Dokument. Bei lokaler Dateiverarbeitung beginnt sie mit dem Start der Verarbeitung auf dem Testrechner. Erstellt ein Dienst nach dem Aufnahmestopp zunächst Kernaussagen, gehören deren Berechnung sowie die unmittelbar folgende Vorlagenauswahl und Dokumentgenerierung zur gemessenen Ausarbeitung.