Et enkelt blik på patienten forudsiger dødelighed bedre end målinger
Personalet er bedre til at se, hvem der har risiko for at dø indenfor kort tid, end den algoritme som bruges på danske skadestuer og akutmodtagelser.

Personalet er bedre til at forudsige dødeligheden hos patienterne, end den algoritme, der bruges på danske skadestuer, viser ny forskning.

Når alvorligt syge kommer på skadestuen i dag, så fortæller de om deres symptomer og får målt deres puls, blodtryk, åndedræt og temperatur.

Ved hjælp af de data bruger sygeplejersken en algoritme og kommer frem til en værdi og en farve, der repræsenterer, hvor alvorlig situationen er, hvor tæt patienten skal observeres, og hvor hurtigt patienten bør ses af en læge.

Men nu viser et nyt dansk studie, at sundhedspersonale, der blot nøjes med at se og snakke med patienten, er bedre til at forudsige risikoen for, om patienten vil dø indenfor henholdsvis 48 timer og de næste 30 dage, end algoritmen er.

»Hele studiet udspringer af, at man har indført algoritmer til prioritering af patienter uden dokumentation for, at disse prioriterer patienterne optimalt. Forud for indførslen af en algoritme prioriterede man naturligvis også patienterne, men her foregik det i stedet ved det "kliniske blik",« fortæller Anne Kristine Servais Iversen, der er førsteforfatter på det nye studie og reservelæge på Rigshospitalet.

Studiet er netop udgivet i tidsskriftet Emergency Medicine Journal.

DEPT

DEPT står for Danish Emergency Process Triage.

Det er en algoritme, der ud fra selvrapporterede symptomer fra patienten, samt mål af blodtryk, åndedræt, temperatur og puls kategoriserer, kan sige, hvor syg patienten er.

Ifølge Christian Backer Mogensen er systemet blevet udviklet med inspiration fra England, Canada og Australien, hvor man har brugt lignende systemer til at sortere patienter effektivt.

I dag bruges det på langt størstedelen af danske skadestuer og akutmodtagelser.

Forskere: Vi må ikke glemme mennesket

Studiet har kigget på 6290 patienter modtaget på skadestuen på Nordsjællands Hospital i 2013, og resultaterne viser, at mennesker vurderede korrekt i 82,2 procent af tilfældene, mens algoritmen vurderede korrekt i 71,8 procent.

»Det kliniske blik, som alle mennesker, der har set mange syge, har, er supervigtigt, og det er ærgerligt, at vi har glemt det,« siger Kasper Karmark Iversen, der er overlæge ved Herlev-Gentofte Hospital klinisk lektor på Københavns Universitet og medforfatter på studiet.

»Vi har brugt bioanalytikere, der ikke nødvendigvis har klinisk erfaring, og de har alligevel vurderet korrekt ved blot at se på et andet menneske. Al den viden, som sygeplejersker og andet personale får, ved at se mange syge mennesker bør ikke gå til spilde,« fortæller han.

Anne Kristine Servais Iversen tilføjer:

»Det er meget væsentligt, at vi prioriterer patienterne så korrekt som muligt. Gennem min tid som læge i en akutmodtagelse har jeg ofte prøvet at blive ringet op af en sygeplejerske, som ikke mente at algoritmen prioriterede patienten korrekt. Så bliver algoritmen pludelig et forsinkende led, og en læge skal se patienten før vi kan lave prioriteringen om. Det er et problem, da der allerede er sparsomme ressourcer i de fleste akutmodtagelser,« siger hun.

Professor i akutforskning: Et fornuftigt studie

En af dem, der har været med til udforme de danske akutafdelinger er Christian Backer Mogensen, der er professor og formand for Netværk for Akutforskning på SDU og overlæge på Sygehus Sønderjylland. Han har ikke været med i det nye studie.

Han er langt hen ad vejen enig med det nye studie.

»Jeg synes, det er et fair studie. Års erfaring med patienter er mindst ligeså godt eller måske endda bedre, end et stift system. Hvis der er noget, der ikke passer sammen, så stoler vi mere på erfaringen,« siger han om akutafdelingen på Sygehus Sønderjylland.

Han er enig i, at evidensen for systemer som DEPT er »forbavsende beskeden,« men påpeger dog, at det kan være svært at måle, om algoritmen gør sit arbejde godt nok ud fra et mål om dødelighed.

»Det er ret beset ikke algoritmens opgave. Den skal derimod sortere i, hvilke patienter, der er akut syge, og hvor svært syge de er. Og så går behandlingen i gang. På den måde ændrer vi udfaldet af dødelighed i forhold til både de 48 timer og de 30 dage,« siger han.

Han står selv bag et forskningsresultat fra sidste år, der viser, at algoritmen har svært ved at vurdere, hvilke børn der er svært syge, og hvilke børn, der ikke skal have behandling.

Vi bør trække mere på den personlige erfaring, som sygeplejersker og læger opbygger, når de ser patienter i det daglige, lyder det fra forskerne.

Forskere: Objektivitet har været meget i fokus

Når nu der mangler beviser for, at algoritmen er effektiv, så kan man undre sig over, at den bliver anvendt på danske skadestuer og akutmodtagelser.

Ifølge forskerne bag studiet skyldes det, at man har stræbt efter objektiv behandling, der er ens alle steder.

»Et af de helt store argumenter har været, at algoritmen giver det samme svar hver gang, det er gennemskueligt og sikrer en ensrettet behandling,« siger Anne Kristine Servais Iversen.

»Når vi fjerner den personlige vurdering, så fjerner vi også ansvaret for, hvis vurderingen er forkert. Men jeg mener, man er nødt til at tage ansvar for sine patienter. Det tvinger os også til at tænke os om,« siger Kasper Karmak Iversen.

Her mener Christian Backer Mogensen dog ikke, at der sker en ansvarsfralæggelse, fordi der bruges en algoritme.

»Algoritmer fritager os ikke fra at have et ansvar. Det er nok forskelligt fra afdeling til afdeling, men hvis en sygeplejerske hos os mener, at patienten er mere syg, end algoritmen gør, så kan sygeplejersken ændre det.«

Vi skal ikke sadle om i morgen, men…

At de personlige vurderinger var bedre end algoritmerne i det nye studie betyder dog ikke, at vi skal gå tilbage til kun at have personlige vurderinger, fortæller Kasper Karmak Iversen.

»Det er for tidligt at sige, og det kan man slet ikke på baggrund af det enkelte studie her. Vi er nødt til at vise, at det her også gælder i større lodtrækningsstudier. Vi har et studie på vej med 50.000 patienter, hvor vi ser nærmere på, om man kan opnå en større succes ved at kombinere algoritmer med en personlig vurdering,« siger han.

Derudover er der også andre hensyn at tage, som ikke indgår i studiet.

»Algoritmen er lavet til at tage lidt flere af dem med, som ligger lige på grænsen, så den sikrer, at flere af dem, som er moderat syge får en behandling og altså ikke risikerer at blive forbigået,« forklarer han.

Christian Backer Mogensen tilføjer:

»Vi har lært meget af at bruge algoritmerne, men jeg tror også, at de vil få mindre betydning i fremtiden i forhold til den erfaring, vi opbygger,« siger han.

Videnskab.dk Podcast

Lyt til vores seneste podcast herunder eller via en podcast-app på din smartphone.


Se den nyeste video fra Tjek

Tjek er en YouTube-kanal om videnskab og sundhed henvendt til unge.

Indholdet på kanalen bliver produceret af Videnskab.dk's Center for Faglig Formidling med samme journalistiske arbejdsgange, som bliver anvendt på Videnskab.dk.


Ugens videnskabsbillede

Se flere forskningsfotos på Instagram, og læs om Evidensbarometeret, som Videnskab.dk lige har lanceret.


Det sker