Dagens studie är på tema trauma och prehospital intubation hos patienter utsatta för massivt trauma, publicerad i The Lancet. Författarna har studerat patienter (n=6467) från ett brittiskt traumacenter och använt AI och maskininlärning för att göra en tämligen komplex analys där 30-dagarsöverlevnad och behovet av tidig intubation förutsägs utifrån parametrar i ambulansjournalen (OBS! Modellen förutspådde alltså inte behov av prehospital intubation som sådan, utan “tidig” intubation). Utifrån detta har man sedan tittat på överlevnadseffekten av prehospital intubation med en statistisk metod som heter doubly robust estimation. Huvudresultaten, ur mitt perspektiv:
- Både 30-dagarsmortalitet och sannolikheten för tidig intubation gick att förutsäga ganska väl utifrån tidiga prehospitala data.
- I den grupp som modellen klassade som hög sannolikhet för tidig intubation var prehospital intubation kopplad till cirka 10 procentenheters lägre 30-dagarsmortalitet (absolut skillnad). I lågriskgruppen sågs inte samma nytta.
Studien känns intressant av flera skäl. Dels är metoden ny för mig, och jag medger att jag kämpade en del med att förstå de analyser som utförts. Möjligheten som AI ger att göra så här pass ambitiösa kausala analyser baserat på observationsdata är förstås oerhört intressant, inte minst i den prehospitala vården. Man når inte RCT:ers evidensgrad, men när RCT:er är svåra att genomföra av etiska och praktiska skäl – vilket de ofta är i prehospital vård – är alternativen mycket välkomna. Det är också intressant att behovet av tidig intubation i så hög grad var förutsägbart, eftersom den typen av logik kan utgöra grund för framtida beslutsstöd, vilket även diskuteras av författarna.
Jag ser dock också en del svagheter. Kausaliteten vilar på att justering mot Intub-8 är tillräcklig, och det är svårt att veta om tillräckligt många variabler faktiskt fångas upp. Det ter sig någonstans som att modellen fångar upp de sjukaste patienterna, och då blir analysen också känslig för confounders. Intubation är ju knappast den enda intervention dessa patienter utsätts för, utan är oftast – vilket författarna också resonerar om – snarare att se som en del av ett helt “paket” av interventioner runt patienten, ofta med andra kompetensnivåer, logistik och vårdkedja. Detta har man försökt justera för, men det är svårt att veta om man missat någon viktig variabel, vilket gör att en randomiserad kontrollerad design ofrånkomligen skulle vara starkare.
Tyvärr blir det därför lätt att få känslan av att man slår in en öppen dörr: att underbehandling är dåligt (typ “det är ogynnsamt att inte intubera om modellen förutsäger att tidig intubation behövs”) – vilket i sig kan kännas rätt uppenbart. Det intressanta är i stället, i mitt tycke, studiens bidrag till att identifiera vilka som faktiskt vinner på tidig (prehospital?) intubation, snarare än att detta ska baseras på magkänsla.
Den största tveksamheten gäller dock egentligen analyserna av kostnader och hälsoekonomi, där flera antaganden staplas på varandra. Ur trovärdighetsperspektiv känns det nästan som att författarna hade tjänat på att avstå den delen eller publicera den separat. Summa summarum tänker jag att studien är viktig, dels för att den är starkare än majoriteten av tidigare studier, men också för att den pekar ut en grupp patienter som tycks gynnas av prehospital intubationsförmåga – vilket stärker tidigare resultat kring TBI-patienter. (Även i denna studie var topp-prediktorn för behov av tidig intubation nedsatt GCS, vilket ofta torde hänga ihop med TBI.) Delen om kostnadseffektiviteten hade de kunnat skippa för min del, och det faktum att resultatavsnittet avslutas med: “Taken together, these findings indicate that—on NICE cost-effectiveness criteria—the national cost of HEMS is economically justified by targeted prehospital intubation alone.” blir tyvärr en formulering som inte stärker mitt intryck eller mina takeaways från studien – även om det, strikt utifrån analyserna (med deras respektive svagheter), kan vara ett korrekt påstående. Det blir en väldigt stark retorik, vilande på väldigt många antaganden.
