Vid akuta tillstånd är den prehospitala vården en viktig aktör i att minska risken för mortalitet och morbiditet då de ofta är den första hälso- och sjukvårdskontakten som patienten möter. Den prehospitala vården är den vård som levereras utanför sjukhuset och inkluderar incident, larmmottagning, triagering, utalarmering, patientbedömning på plats, samt eventuell patienttransport och överlämning. Då tid till korrekt behandling är viktigt vid akuta tillstånd krävs effektiva verktyg för att ambulanspersonalen ska kunna utföra snabb och korrekt patientbedömning i en utmanande och varierande arbetsmiljö.

Forskargruppen Care@Distance – Remote and Prehospital Digital Health vid Chalmers tekniska universitet har sedan drygt 10 år adresserat den prehospitala vårdkedjan och undersökt hur digital teknologi kan bidra till förbättrat utfall utifrån mottot att öka precisionen i alla beslut. Gruppen arbetar mot nollvisionen inga fel i bedömning, prioritering och handläggning och ser samverkan med akademin, industrin samt hälso-och sjukvården som en nyckel för att lösningarna ska bidra till kliniskt nyttiggörande. Projekten planeras utifrån den generella strukturen Acute Support Assessment and Prioritizing (ASAP) där datafusion, kliniska beslutsstöd, maskininlärning, telemedicin och innovativa användargränssnitt används för att stötta utveckling av applikationer riktade mot hälso- och sjukvården.

I den här sessionen kommer vi att gå igenom projektet ASAP Point of Care (PoC) Trauma där målet är att ta fram ett kliniskt beslutsstöd för prediktion av allvarligt skadade på skadeplats. Prediktionsalgoritmen faller under konceptet On Scene Injury Severity Prediction (OSISP), där maskininlärningsbaserade modeller tidigare visat potential att förbättra identifiering av allvarligt skadade vid trafikolyckor. Det finns dock fler traumakategorier utöver trafikolyckor som orsakar mortalitet och morbiditet, exempelvis fallolyckor. ASAP PoC Trauma syftar därför till framtagandet av en OSISP modell som kan appliceras på all typ av trauma. Under presentationen kommer vi presentera design och validering av denna OSISP modell, hur vi ser att prediktionerna bör presenteras till ambulanspersonalen för att stötta bedömningen av allvarligt skadade, samt vad som krävs framöver för att nå implementering. Genom att dela erfarenheter och lärdomar vid framtagning av beslutsstödet hoppas vi att andra verksamma i utveckling av prehospitala beslutsstöd kan inspireras och överkomma hinder som oftast stoppar tekniska lösningar från att nå kliniskt värde.

Författare: Anna Bakidou1,2, Bengt Arne Sjöqvist1, Stefan Candefjord1
1) Institutionen för Elektroteknik, Chalmers tekniska högskola, Göteborg, Sverige
2) PreHospen - Centrum för prehospital forskning, Högskolan i Borås, Borås, Sverige