Stigande vårdkostnader och ökande arbetsbelastning inom primärvården kräver nya, mer effektiva arbetsmodeller. Nuvarande system saknar ofta realtidsbaserat och handlingsinriktat informationsstöd. Denna artikel presenterar ett nästan realtidsbaserat, datadrivet arbetssätt för att prioritera uppföljning av patienter med kroniska sjukdomar—illustrerat med diabetes—inom primärvården. Författarna har utvecklat och implementerat en lokalt driftad algoritm vid Gustavsbergs Universitetsvårdcentral (GUVC) i Sverige, som använder strukturerade data från elektroniska journaler och nationella kvalitetsregister för att bedöma individuella vårdbehov. Med strukturerade data från det nationella primärvårdsregistret tilldelar en i R kodad algoritm poäng för behov av uppmärksamhet baserat på kliniska indikatorer såsom icke uppnådda behandlingsmål och saknade data. I praktiken identifierades 46 % av patienterna som ha låga till medelhöga behov och skulle därmed potentiellt kunna hanteras genom digital kommunikation eller sjuksköterskebesök, vilket kan minska behovet av läkarbesök. Systemet har potential att förbättra både lokal resursfördelning och följsamhet till nationella riktlinjer. Modellen stödjer ett skifte från generiska, diagnosbaserade uppföljningar till behovsbaserad vård och kan därmed stärka både effektivitet och jämlikhet i vårdens genomförande. Vi drar slutsatsen att transparenta, lokalt anpassningsbara verktyg som detta kan vägleda mer värdebaserad och personcentrerad vård i hanteringen av kroniska sjukdomar inom primärvården.