Prehospital skadeprediktion

Bakgrund

Trauma är den vanligaste dödsorsaken för personer under 45 år och en god handläggning av traumapatienter från det att vårdbehovet uppkommit till dess att patienten når rätt sjukvård (den prehospitala vården) är därför av största vikt för att reducera antalet dödsfall. I Sverige finns det dessvärre inga nationella riktlinjer för transportdestination av svårt skadade traumapatienter, vilket försvårar ambulanspersonalens arbete. En följd av detta är att en stor andel patienter med allvarliga skador (ISS>15) transporteras till sjukhus där resurserna inte är tillräckliga.

Det finns därmed potential att sänka antalet dödsfall och sjukdomsfall hos de personer som får traumaskador (mortalitet respektive morbiditet) genom att öka tillförlitligheten i beslut för transportdestination för traumapatienter. Artificiell intelligens (AI) bedöms ha stor potential att kunna prediktera lämplig destination genom att analysera vad patienten utsatts för. Projektet ämnar därför att undersöka hur ett digitalt beslutsstöd baserat på AI skulle kunna integreras i ambulanssjukvården för att ge stöd i rekommendation om lämplig transportdestination.

Syfte

Det övergripande syftet är att med hjälp av digitala beslutsstöd, baserade på AI, bidra till att öka tillförlitligheten i beslut för transportdestination av patienter med akuta traumatiska skador, så att patienterna får optimal vård så snabbt som möjligt för att minska mortaliteten och morbiditeten.

Mål

Målet är att utveckla ett beslutsstöd, baserat på AI, som stödjer beslut om lämplig transportdestination för traumapatienter i den prehospitala miljön och jämföra dess tillförlitlighet med dagens kliniska standard. 

Tidsplan

1. Utveckling av ett beslutsstöd, baserat på AI, för prehospital handläggning av traumapatienter. Ett initialt beslutsstöd planeras vara färdigutvecklat till år 2022.

2. Vidareutveckling av beslutsstöd för prehospital handläggning av traumapatienter. Arbetet planeras under åren 2022-2023.

Förväntad betydelse av resultat

I dagsläget vilar en stor del av ansvaret för rätt beslut om transportdestination på ambulanspersonalen. Genom utvecklandet av det beskrivna beslutsstödet kommer ambulanspersonalen att ha ett datadrivet stöd i beslutsprocessen. Förhoppningen är att se en ökad precision i handläggningen av traumapatienter samt en minskad mortalitet och morbiditet. På lång sikt är förhoppningen att beslutsstödet ska leda fram till nationella riktlinjer om vart traumapatienter ska transporteras baserat på deras prehospitala riskbedömning.

Samarbetspartners

  • Chalmers tekniska högskola
  • Göteborgs Universitet
  • Högskolan i Borås
  • Nasjonalt Traumeregister, NTR
  • Svenska Traumaregistret, SweTrau

Länkar relaterade till projektet:

I. Olaetxea Azkarate-Askatsua, “An IT-solution for Clinical Evaluation of an On-scene Injury Severity Prediction Algorithm intended forRoad Crash Victims,” examensarbete, Institutionen för elektroteknik, Chalmers tekniska högskola, Göteborg, Sverige, 2017. [Online].
https://hdl.handle.net/20.500.12380/252176

S. Candefjord, L. Asker, och E.-C. Caragounis, “Mortality of trauma patients treated at trauma centers compared to non-trauma centers in Sweden: a retrospective study,” European Journal of Trauma and Emergency Surgery, July. 2020, doi:
https://doi.org/10.1007/s00068-020-01446-6

H. Fagerlind, L. Harvey, S. Candefjord, J. Davidsson, och J. Brown, “Does injury pattern among major road trauma patients influence prehospital transport decisions regardless of the distance to the nearest trauma centre? – a retrospective study,” Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine, vol. 27, nr. 1, Feb. 2019,
https://doi.org/10.1186/s13049-019-0593-7

S. Candefjord, R. Buendia, E.-C. Caragounis, B. A. Sjöqvist, och H. Fagerlind, “Prehospital transportation decisions for patients sustaining major trauma in road traffic crashes in Sweden,” Traffic Injury Prevention, vol. 17, nr. sup1, ss. 16-20, Sep. 2016, doi:
https://doi.org/10.1080/15389588.2016.1198872

R. Buendia, S. Candefjord, H. Fagerlind, A. Bálint, och B. A. Sjöqvist, “On scene injury severity prediction (OSISP) algorithm for car occupants,” Accident Analysis & Prevention, vol. 81, ss. 211–217, Aug. 2015, doi:
http://dx.doi.org/10.1016/j.aap.2015.04.032

S. Candefjord, R. Buendia, H. Fagerlind, A. Bálint, C. Wege, och B. A. Sjöqvist, “On-Scene Injury Severity Prediction (OSISP) Algorithm for Truck Occupants,” Traffic Injury Prevention, vol. 16, nr. sup2, ss. S190–S196, Oct. 2015, doi:
http://dx.doi.org/10.1080/15389588.2015.1057578

Kontaktpersoner

Anna Bakidou

Chalmers tekniska högskola

bakidou@chalmers.se

Stefan Candefjord

Chalmers tekniska högskola

stefan.candefjord@chalmers.se