Sessions

Panelsamtal - Hur utformar man egenmonitorering på bästa sätt?

Panelsamtal

Panelsamtal - Hur skapar vi bättre förutsättningar när patienten själv får bestämma?
Panelen kompletteras med 2 deltagare från publiken

Användningen av alla tjänster och kanaler inom 1177 Vårdguiden har ökat explosionsartat under pandemin. Belastningen på 1177 på telefon har tidvis varit enorm, då flera hundra tusen personer försökt komma fram till sjukvårdsrådgivningen varje dag. Många miljoner människor har varje månad besökt 1177.se för att få aktuell information, hitta rätt vårdkontakter, logga in för att beställa covid-19 test och få sitt provsvar, läsa sin journal, boka tid och kommunicera digitalt. Användningen har utvecklats på olika sätt i olika målgrupper och allmänhetens inställning till tjänsterna har utvecklats. Föreläsningen innehåller en illustration av 1177 Vårdguiden under den händelserika perioden och en analys av användarnas beteenden och uppfattningar, som kan bidra till lärdomar som grund för fortsatt utveckling av konceptet 1177 Vårdguiden.

Acorai is developing the world's first intracardiac pressure monitoring device to help reduce heart failure re-hospitalizations

Digitalisering av sjukvården kräver så mycket mer än videobesök. En av de stora utmaningarna inom diabetesvården idag är att hantera alla kontinuerliga hälsodata som genereras och det finns en oerhört stor potential till förbättring genom just digitalisering och automatisering av hur dessa data hanteras. För personer som lever med diabetes förändras blodsockernivåerna ständigt och personen själv måste aktivt mäta sitt blodsocker flera gånger per dag för att ta ställning till hur man ska sköta sin insulinbehandling. Tack var kontinuerliga sockermätare (CGM/FGM) kan sockernivåerna monitoreras dygnet runt vilket är ett stort stöd för den enskilda personen men det ställer också stora krav på att kunna hantera alla dessa data. Samtidigt innebär det en stor utmaning för hälso- och sjukvården eftersom kontinuerliga mätare generar närmare 50 000 nya datapunkter inför varje besök som idag till stor del hanteras manuellt. För att förbättra diabetesvården krävs nya digitala verktyg som kan automatisera tolkningen av alla data. Vi arbetar inom ramen för flera forskningsprojekt med att både skapa nya maskininlärningsalgoritmer för analys av diabetesdata och för att implementera det i hälso- och sjukvården.  

I syfte att effektivisera det inkommande patientflödet har Närhälsan Online under hösten 2020 och våren 2021 drivit ett utvecklingsprojekt där man testat ett AI-baserat verktyg för triage och anamnes. I denna föreläsning berättar Gudrun Greim, allmänläkare och verksamhetsansvarig på Närhälsan Online, om syfte och mål med utvecklingsprojektet, hur genomförandet gått till, samt vilka lärdomar de dragit längs vägen. Hon redovisar även för utfallet och de möjligheter hon ser framåt. Föreläsningen avslutas med en kort intervju. 

Computational language assessments are based on freely generated (text) responses that are analyzed with artificial intelligence (AI). Research demonstrates that the method may complement (and even replace) currently used methods in identifying mental health issues such as depression and anxiety. This is achieved by using a new innovation developed by researchers at Lund University. The word responses that patients give are analysed with natural language processing and machine learning to measure, differentiate and describe mental health. Data shows that our Computational language assessments can: measure mental health with high validity as it correlates well with traditional rating scales of psychiatric disorders, differentiate better between similar disorders than current state-of-the-art procedures, and empirically describe disorders in word clouds better than traditional measures. These features are essential in clinical practices.

We share initial experiences and results on using anonymized screen recordings for optimization of Epic-based EHR during deployment phase at Apotti. The scope is on utilizing User Experience (UX) Monitoring for improved user support and enhanced targeting of user training among physicians, nurses and social workers. The results are used for gathering insights on EHR usage for optimization of the system and further development of dedicated workflows.

Arthrilab enables diagnosing osteoarthritis by blood sample analysis. The analysis comprises a grading scheme for osteoarthritis so that, in addition to giving an early diagnosis, the course of the disease can be followed. Hence, treatment can be prescribed earlier to prevent severe disease.

Denna föreläsningar handlar om ett samverkansprojekt för utveckling av en tjänst för digital (re)habilitering. Sedan föreläsningen under Vitalis 2020 har mycket spännande hänt. Tjänsten har genomgått en omfattande testning och står i startgroparna för lansering. I föreläsningen går vi igenom hur projektet kom till, hur det genomförts och vilka lärdomar vi tagit med oss på vägen.