Bakgrunn: Intensivpasienter har generelt økt risiko for obstipasjon grunnet risikofaktorer som hyppig bruk av opioider, antikolinerge medisiner, immobilitet og alvorlig sykdom. For en intensivpasient på respirator kan komplikasjoner som følge av obstipasjon få alvorlige følger i form av forlenget liggetid på respirator og komplikasjoner som for eksempel VAP. Gjennom bedre rutiner, observasjoner, undersøkelse av pasienten og dokumentasjon kan intensivsykepleier følge opp ansvaret og funksjonen i det forebyggende arbeidet. Hensikt: Denne masteroppgaven er et forslag til en tarmfunksjonsalgoritme som skal kunne hjelpe intensivsykepleieren til å jobbe ut ifra kunnskapsbasert praksis. Den vil også kunne bidra til å redusere forekomsten av og komplikasjoner knyttet til obstipasjon hos voksne intensivpasienter på respirator. Metode: Masteroppgaven tar utgangspunkt i Folkehelseinstituttets modell, som tidligere er kjent som Kunnskapssenterets modell, for kvalitetsforbedring på makronivå. Det er brukt retningslinjemetodikk fra Helsedirektoratets veileder for utvikling av kunnskapsbaserte retningslinjer på mikro- og detaljnivå i utarbeiding av et forslag til tarmfunksjonsalgoritme. Evaluering av arbeidet er utført ved bruk av verktøyet AGREE II. Resultater: Det har blitt utarbeidet forslag til en kunnskapsbasert tarmfunksjonsalgoritme som skal være et verktøy for intensivsykepleiere i arbeidet med å forebygge obstipasjon og påfølgende komplikasjoner hos intensivpasienten på respirator. Konklusjon: Tarmfunksjonsalgoritme kan gjennom kvalitetsforbedrende arbeid bidra til å forebygge obstipasjon hos intensivpasienter på respirator. Ved å forebygge langvarig og alvorlig obstipasjon, kan dette forbygge komplikasjoner knyttet til respiratorbehandling. Background: Critically ill patients, especially those in the intensive care unit, have an increased risk of constipation due to factors such as frequent use of opioids, anticholinergic medications, immobility, and severe illness. For an intensive care patient on a ventilator, complications resulting from constipation can have serious consequences, such as leading to prolonged ventilator time and associated complications. By implementing improved routines, observations, patient assessments, and documentation, intensive care nurses can better manage their responsibilities and functions in preventive care. Purpose: This master's thesis proposes a bowel function algorithm to help intensive care nurses work based on evidence-based practice. It also aims to reduce the incidence of constipation and related complications in adult patients on a ventilator being cared for in the intensive unit. Method: The master's thesis is based on The Norwegian Institute of Public Healths model for quality improvement at the macro level, previously known as the Norwegian Knowledge Center's, model. The development of the proposed bowel function algorithm utilized guideline methodology from the Norwegian Health Directorate's guide for developing evidence-based guidelines at the micro and detail levels. The evaluation of the work was performed using AGREE II. Results: A proposal for an evidence-based bowel function algorithm has been developed as a tool for intensive care nurses to prevent constipation and subsequent complications in intensive care unit patients on a ventilator. Conclusion: Through quality improvement efforts, the bowel function algorithm can help prevent constipation in mechanical ventilated patients. By preventing prolonged and severe constipation, this algorithm can also reduce complications associated with a ventilator.