Artikel från Uppsala universitet

Den här artikeln bygger på ett pressmeddelande. Läs om hur redaktionen jobbar.

Patienter som vårdas på intensiven har stor risk att utveckla sepsis, det som tidigare kallades blodförgiftning. En algoritm, utvecklad av forskare vid Uppsala universitet, kan förutspå sannolikheten att en patient ska drabbas.

Varje år dör 8 000 svenskar i sepsis, det som tidigare kallades blodförgiftning. Att upptäcka tillståndet tidigt är avgörande, eftersom risken för komplikationer och dödsfall ökar för varje timme som går. Ungefär en tredjedel av de patienter som vårdas inom intensivvården utvecklar sepsis och dödligheten är hög. Om merparten av dessa patienter kunde identifieras någon eller några timmar tidigare än vad som är möjligt idag skulle hundratals liv kunna räddas varje år, bara i Sverige.

Snabbare diagnos med algoritm

Forskare vid Uppsala universitet har utvecklat en algoritm som kan förutspå risken för att en intensivvårdspatient ska drabbas av sepsis flera timmar innan tillståndet kan diagnosticeras med de så kallade Sepsis-3-kriterierna som idag används inom vården.

Algoritmen har utvecklats genom att undersöka befintliga data för ett stort antal patienter. Eftersom Sepsis-3-kriterierna uteslutande baseras på data kan diagnosen sättas i efterhand och det går att avgöra vid vilken tidpunkt tillståndet utvecklades, oavsett om vården upptäckt det eller inte.

Sepsis – ett livshotande tillstånd

Sepsis innebär att en infektion påverkar hela kroppen och gör att viktiga organ som hjärtat, lungorna, hjärnan och njurarna inte fungerar som de ska. Ibland kan även en lindrig infektion utvecklas till ett allvarligt tillstånd. Den som drabbas känner sig oftast mycket sjuk och har svårt att klara sig själv. Symtomen kommer ofta plötsligt. Ibland på några timmar.

Vanliga symtom:

  • Frossa
  • Feber
  • Svårt att andas
  • Förvirring
  • Diarré eller kräkningar
  • Kraftig magvärk, eller ont i rygg, muskler eller leder
  • Muskelsvaghet (framför hos äldre)

Man har inte alla symtom, men ju fler symtom desto större sannolikhet för sepsis. Feber är vanligt, men alla får inte det.

Källa: 1177.se

Sepsis identifieras via journalsystemet

Med hjälp av statistiska metoder som kallas maskininlärning har en del av datan använts för att undersöka sambandet mellan ett antal variablers utveckling över tid och utvecklingen av sepsis. Baserat på dessa samband har ett antal matematiska modeller (algoritmer) arbetats fram. Den algoritm som fungerade bäst i utvecklingsarbetet utvärderades sedan i data som algoritmen inte tidigare sett, för att bekräfta träffsäkerheten.

Algoritmen är utformad för att integreras med elektroniska journalsystem och baseras på fyra timmars information om 20 variabler som rutinmässigt samlas in för intensivvårdspatienter. Utvecklingen har skett i samarbete med medicinsk expertis för att säkerställa att den kommer att kunna användas i praktiken, utan att kräva någon extra insamling av information eller provtagning än den som redan görs på kliniken.

Läs också: Statiner – kolesterolsänkarna som splittrar läkarvården

Vetenskaplig artikel:

A Machine Learning Sepsis Prediction Algorithm for Intended Intensive Care Unit Use (NAVOY Sepsis): Proof-of-Concept Study.

Kontakt:

Inger Persson, universitetslektor vid statistiska institutionen, Uppsala universitet,  inger.persson@statistik.uu.se

Nyhetsbrev med aktuell forskning

Visste du att robotar som ser en i ögonen är lättare att snacka med? Missa ingen ny forskning, prenumerera på vårt nyhetsbrev!

Jag vill prenumerera