To vidt forskellige tilgange skal i de kommende år bidrage til en større diagnostisk sikkerhed i Region Hovedstadens Akutberedskab, der betjener 1-1-2 og 1813. For det første skal medarbejderne ved telefonerne i højere grad have tillid til borgernes egne vurderinger og for det andet får medarbejderne hjælp af video og kunstig intelligens. Det fortæller Freddy Lippert direktør for Akutberedskabet i Region Hovedstaden.
”Hvis vi vil have færre fejl, skal vi lytte til borgerne og tro på deres vurdering. De kan ikke stille den præcise diagnose, men de ved i de fleste tilfælde, om de er syge eller ikke syge,” siger Freddy Lippert. Han arbejder for at skabe et nyt mindset hos professionelle sundhedsmedarbejdere og herunder egne medarbejdere.
Opgørelse over opkald til akutberedskabet viser, at borgerne er rigtig gode til at vælge mellem 1-1-2, der er beregnet til akutte og livstruende tilstande, og Akuttelefonen 1813. Af de 130.000 borgere, der hvert år ringer til 1-1-2, er det 75 %, der får sendt en ambulance. Mens det kun er 3 % ud af en million opkald til 1813, hvor en ambulance skønnes nødvendig.
Kun 3 % bruger akutknappen
Flere projekter, der er gennemført i Akutberedskabet gennem de senere år, viser også, at man som sundhedsprofessionel kan have stor tillid til de borgere, der ringer. Som en service til borgerne indførte man forsøgsvis en ”akutknap”, hvor borgere, der ringede ind til 1813 havde mulighed for at trykke sig foran i køen, hvis de mente, at de var mere syge end de øvrige i køen. Det viste sig, at kun 3-4 % benyttede sig af akutknappen, og i halvdelen af tilfældene var det relevant, og det resulterede i, at der blev sendt en ambulance (1).
Ved et andet forskningsprojekt blev borgerne ved opkald til 1813 bedt om at rate deres ”bekymringsgrad” på en skala fra 1 til 5. De sundhedsprofessionelle, der betjente borgerne, fik ikke at vide, hvad borgeren havde svaret. Efterfølgende viste det sig, at der var god overensstemmelse mellem borgernes bekymringsgrad og det behandlingsforløb, de efterfølgende havde haft i sundhedsvæsenet (2,3).
Freddy Lippert vil gerne sætte gang i en kulturforandring, sådan at de sundhedsprofessionelle i højere grad får øjnene op for, hvor gode borgerne er til at vurdere deres egen situation. Det skal ske gennem oplysning og formidling af resultater fra projekterne, men også ved at sørge for at medarbejderne få mere feedback på deres egne vurderinger.
Fanger ikke alle hjertestop
De sundhedsprofessionelle ikke altid så gode til at vurdere situationen, som de selv tror. På 1-1-2 er der hvert år 1400 opkald, der viser sig at dreje sig om hjertestop. Når man spørger medarbejderne, tror de typisk, at de fanger 98 %. Men en gennemgang af alle sagerne viser, at de i virkeligheden ”kun” opdager ca.75 % af hjertestoppene – og 75 % er et højt tal når man sammenligner internationalt. Resten opdages først ved ambulancens ankomst.
”Medarbejderne bliver overraskede, når de får det at vide,” siger Freddy Lippert: ”Det kan godt være, at de har sendt en ambulance med udrykning, men de har ikke i løbet af samtalen fundet ud af at det var hjertestop. De er blevet forledt til at tro noget andet. De har måske fået at vide, at patienten er faldet, eller at patienten trækker vejret mærkeligt.”
Men nu har medarbejderne ved telefonerne fået hjælp af kunstig intelligens også kaldet AI eller artificiel intelligence. Den kunstige intelligens som er udviklet i samarbejde med det danske firma Corti, lytter med på alle opkald til 1-1-2, og registrerer borgernes ordvalg for at finde et mønster der svarer til et hjertestopkald. AI kan også registrere stemmeføring, åndedræt og baggrundslyde og dette skal bruge i den videre udvikling. På baggrund af den store ”erfaring”, som AI’en har opnår ved at lytte til samtlige opkald, kan det i lydbilledet med stor sikkerhed opfange, om det drejer sig om et opkald med hjertestop (4).
”Den nye teknologi opfanger 10 % flere hjertestop end de sundhedsprofessionelle. Og det er forståeligt, at den kunstige intelligens er mere præcis. Den har lyttet til samtlige opkald sidste år, har fået resultatet på samtlige opkald, kan huske samtlige opkald og kan genkende mønstre på millisekunder,” siger Freddy Lippert.
Danmark er i front
Danmark er sammen med Seattle i USA det sted i verden, hvor brug af kunstig intelligens i akutberedskabet er længst fremme. Og det er først nu, at teknologien er så udviklet, at det kan lade sig gøre
”Man har ikke tidligere haft noget, der kunne håndtere så mange data på en gang. For det skal jo ske, mens samtalen forgår. Det skal være inden for 90 sekunder. Det nytter ikke, at den kommer ti minutter senere og siger, at der er hjertestop,” siger Freddy Lippert. Systemet videreudvikles nu, så det under samtalen kan understøtte den sundhedsprofessionelles beslutning og fx komme med forslag til uddybende spørgsmål, som det er relevant at stille den borger, der har ringet ind.
”Der er et kæmpe potentiale for bedre akutte vurderinger ved at bruge kunstig intelligens. Vi kommer også til at bruge systemet på andre diagnoser, fx stroke, og til en generel risikovurdering, uafhængigt af diagnose,” siger Freddy Lippert. Men der kan også være farer ved den nye teknologi.
”Det kan være en risiko for, at man som sundhedsprofessionel tænker, at nu klarer maskinen det hele. Jeg behøver ikke at tænke. Men det går ikke. Det vil stadig kræve af den sundhedsprofessionelle, at man skal være aktiv, spørge ind til oplysninger som ikke gives automatisk, og selvfølgelig også vejlede.”
Videolink til borgeren
Et andet teknologisk hjælpemiddel, der er taget i brug i Akutberedskabet, er direkte videoforbindelse til den borger, der har ringet op. I øjeblikket kører et projekt på 1-1-2, hvor borgere, der ringer ind, får tilbud om at bruge videofunktionen på mobiltelefonen. Hvis borgeren accepterer, sendes et link, og når de klikker på det, åbner kameraet på deres mobil.
Nu kan den sundhedsprofessionelle se billeder af patienten og af situationen. De behøver ikke at spørge, hvor meget bløder det? Hvordan er vejrtrækningen? Hvor mange biler er involveret i ulykken? De kan selv de det på video.
Et tilsvarende system anvendes på Akuttelefonen 1813, når forældre ringer ind om børn med feber og vejrtrækningsbesvær. Dette er også et forskningsprojekt.
”Stort set alle forældre er tilfredse. Det giver en bedre dialog mellem forældrene og den sundhedsprofessionelle. Og de foreløbige resultater tyder på, at medarbejderne rammer mere præcist, når de vurderer, hvilke børn der skal ses på hospitalet,” siger Freddy Lippert.
Et risikomoment ved brug af video kan være, at den sundhedsprofessionelle i højere grad bliver følelsesmæssigt involveret i situationen og samtidig får den sundhedsfaglige mange flere informationer end de skal bruge for at træffe en beslutning. Derfor kan det måske være sværere at holde hovedet koldt.
Fagligt Nyt om patientsikkerhed er et nyhedsbrev, der udgives af PS!, og som udkommer ca. 6 gange årligt. Det formidler nyt om de seneste nationale og internationale forskningsresultater, begivenheder, trends og meninger inden for patientsikkerhed.
Tilmeld dig Fagligt Nyt
Referencer
- F. Ebert, L. Huibers, B. Christensen, F. K. Lippert & M. B. Christensen (2019) Giving callers the option to bypass the telephone waiting line in out-of-hours services: a compara-tive intervention study, Scandinavian Journal of Primary Health Care, 37:1, 120-127, DOI: 10.1080/02813432.2019.1569427 https://www.tandfonline.com/doi/pdf/10.1080/02813432.2019.1569427
- Gamst-Jensen, H., Huibers, L., Pedersen, K., Christensen, E. F., Ersbøll, A. K., Lippert, F. K., & Egerod, I. (2018). Self-rated worry in acute care telephone triage: a mixed-methods study. British Journal of General Practice, 68(668), e197-e203. https://doi.org/10.3399/bjgp18X695021
- Thilsted SLeB, Egerod I, Lippert FK, et al. Relation between illness representation and self-reported degreeof-worry in patients calling out-of-hours services: a mixedmethods study in Copenhagen, Denmark. BMJ Open 2018;8:e020401. doi:10.1136/ bmjopen-2017-020401. https://bmjopen.bmj.com/content/bmjopen/8/9/e020401.full.pdf
- N. Blomberg, F. Folke, A.K. Ersbøll, et al. Machine learning as a supportive tool to recog-nize cardiac arrest in emergency calls. Resuscitation 2019, 138 (2019), pp. 322-329. https://www.sciencedirect.com/science/article/pii/S0300957218309754
