Ny modell för prehospital bedömning av akuta bröstsmärtor

Bröstsmärta är en av de vanligaste orsakerna till att man tar kontakt med ambulanssjukvården, men också ett tillstånd där både allvarsgrad och orsak varierar stort. Spektret löper från att man redan på plats påbörjar hjärt- och lungräddning till att ett framtida besök på vårdcentral är den lämpligaste åtgärden. Det är därför av stor betydelse att den prehospitala bedömningen av patienterna kan göras både så patientsäkert och snabbt som möjligt. Kristoffer Wibring, som till vardags arbetar som både verksamhetsutvecklare och ambulanssjuksköterska i Region Halland, har under de senaste åren varit doktorand vid Institutionen för Vårdvetenskap och Hälsa vid Göteborgs Universitet. Genom sitt arbete i ambulans har Kristoffer träffat många patienter med akut bröstsmärta och vet därför hur viktigt det är att göra en korrekt bedömning så tidigt som möjligt. 

—  Jag började arbeta inom ambulanssjukvården 2010 och märkte tidigt att bröstsmärta är en väldigt vanlig orsak till att man ringer efter ambulans, berättar Wibring. Jag upplevde att omhändertagandet inte var optimalt. För patienter med tecken på ST-höjningsinfarkt fanns tydliga, effektiva och väl inarbetade arbetsrutiner, men dessa utgör bara några enstaka procent av alla bröstsmärtor. För resterande patienter var omhändertagandet detsamma, det vill säga transport till akuten och väntan i korridoren på första troponinsvaret. Detta i princip oavsett graden av bedömd risk för allvarlig åkomma. De triageverktyg som fanns var dessutom väldigt trubbiga och hade dålig träffsäkerhet. Jag kände att det måste gå att göra något bättre för alla dessa patienter, dels snabba på processen för de med tidskritiska tillstånd och dels anpassa vårdbehovet till en mer lämplig nivå för de med mindre allvarliga åkommor.
 

Mot bakgrund av det och att tidigare forskning har efterlyst ett verktyg som kan stötta ambulanspersonal i bedömning och beslut vid akuta bröstsmärtor blev syftet med Wibrings forskning att utveckla ett beslutsstöd för prehospital riskbedömning av den här patientgruppen.
 

— Jag såg dels en potential i att ta fram något mer avancerade verktyg än de som används idag, fortsätter Kristoffer. Dessa innebär i princip att man flyttat in papper och penna i datorn, men man nyttjar inte datorns förmåga att enkelt utföra komplexa statistiska beräkningar. Jag ville också undersöka om man genom att flytta ut troponinprovtagningen, en hörnpelare i diagnostiken av patienter med bröstsmärta, till ambulansen kunde förbättra den prehospitala riskbedömningen. Tesen var att genom att kombinera statistiska sannolikberäkningar och prehospitala troponinprover åstadkomma en bättre riskbedömning redan i ambulansen, vilket i förlängningen skulle kunna ligga till grund för en mer personcentrerad vård där omhändertagandet i större utsträckning kan anpassas utifrån bedömd risk för allvarliga åkomma.

Kristoffer valde att använda flera olika metoder, bland annat en litteraturstudie för att identifiera faktorer som kan associeras med högrisktillstånd, en analys av symtom vid bröstsmärta och hur högriskpatienter själva beskriver dessa vid akuta larmsamtal, en kvantitativ studie av sambanden mellan den data som ambulanssjuksköterskor har tillgång till prehospitalt och det faktiska utfallet.

–  Det är svårt att hitta tidigare forskning på prediktorer av utfall vid akut bröstsmärta baserad på ambulansdata, säger Wibring. Även om det tillkommit en del fina studier på ämnet under de senaste åren. Ålder, kön, ST-avvikelse på EKG och vitala parametrar som indikerar försämrad cirkulation är de prediktorer som man finner starkast bevis för. Analysen av högriskpatienternas egna beskrivningar av symtom visade en heterogen grupp med en stor variation av symtom som de också beskriver på många olika sätt. Större delen av patienterna med akut bröstsmärta, ungefär 2/3-delar, har ett tillstånd med låg risk och skulle därmed kunna remitteras till lägre instans, medan 16 % har hög risk. Man hittade flera prediktorer som kunde kopplas till både hög- och lågriskpatienter. Arbetet resulterade i två prediktionsmodeller baserade på 12 gemensamma variabler som med god träffsäkerhet kunde identifiera låg- respektive högriskpatienter.

Kan du berätta om den modell som ditt arbete resulterade i?
 

–  Genom att kombinera dessa tolv variabler i en bedömningsmodell kan man förutsäga både hög- och lågrisktillstånd med en ROC-AUC på 0,85 vid högrisktillstånd och 0,79 vid lågrisktillstånd, förklarar Kristoffer. Modellerna visar att utöver EKG, som används på rutin redan idag, var troponin den enskilt starkaste prediktorn. Ett troponinvärde redan i ambulansen är således starkt vägledande för sannolikheten för om patienten har ett hög- eller lågrisktillstånd, medan symtombild, som är starkt styrande för ambulansens riskbedömning och triagering idag, är av mindre betydelse. Genom att implementera prehospitalt troponin och prediktionsmodeller baserade på statistiska beräkningar skulle man kunna förbättra riskbedömningen avsevärt jämfört med dagens triageverktyg.
 

Det har nu gått ett drygt år sedan du disputerade. Vad gör du nu och hur går det med forskningen?
 

–  Jag är fortsatt kvar inom ambulansen i Halland där jag arbetar både kliniskt och som verksamhetsutvecklare. I min tjänst har jag också tid för forskning, så jag fortsätter mitt arbete med att förbättra omhändertagandet av patienter med bröstsmärta. I mars startar en ny studie tillsammans med ambulansen Sahlgrenska och Skaraborg där vi dels ska validera de modeller jag tagit fram i min avhandling, men också se om det går att göra ännu bättre prediktioner med stöd av AI. I projektet kommer vi analysera högsensitivt troponin på plats hemma hos patient med ett nytt analysinstrument, vilket är väldigt spännande. Särskilt som subanalyser av data från avhandlingen, men också nypublicerad forskning, pekar på att prehospitalt troponin i sig kan räcka som underlag för riskbedömning av patienten och att det dessutom finns hälsoekonomiska vinster i ett sådant arbetssätt.
 

Det låter som om du har en spännande tid framöver, Kristoffer, och vi ser fram emot att få följa ditt arbete. Stort lycka till!