Kan prehospital laktatmätning användas som stöd för att förutsäga tidens betydelse för mortalitet? Detta är författarna inne på i dagens prospektiva observationsstudie…
Intressant norsk studie om ISS, NISS, undertriage och traumalarm. Nu har ju inte vi exakt lika system i Sverige, men skalorna används ju och här finns nog saker att fundera på även för oss.
Retrospektiv genomgång av traumapatienter vid UNN Tromsø 2018 och 2023 (n=527) utvärderade undertriage som svårskadade utan traumateamaktivering (TTA) med ISS≥16 respektive NISS≥16. Undertriage var 15% med ISS och 18% med NISS. 63% uppfyllde nationella TTA-kriterier men fick ändå ingen TTA; lågenergifyllor dominerade. NISS fångade fler med organdysfunktion.
– Undertriage låg kvar över rekommenderad nivå (15–18% vs ≤5%).
– Många undertriagerade uppfyllde TTA-kriterier men systemet följde dem inte.
– Lågenergifyllor stod för majoriteten av undertriagefallen.
– NISS identifierade fler potentiellt undertriagerade, inkl. fler med organsvikt.
I en prospektiv observationsstudie i glesbygd genomförde fem erfarna ambulanssjukvårdare 47 fokuserade prehospitala ultraljud (eFAST, lung- och hjärtstilleståndseko). 83% tolkades korrekt, 15% blev indeterminata p.g.a. otillräckliga fönster och 2% fel. Ultraljudet uppgavs oftast kunna stödja eller påverka beslut, särskilt vid lung- och eFAST-undersökningar.
– Hög tolkningsprecision för fokuserat prehospitalt ultraljud hos paramediker (83% korrekta).
– Vanligaste felkällan var ofullständiga bildfönster (15% indeterminata).
– Upplevd beslutsnytta var vanligare för lung- och eFAST än för hjärtundersökningar vid hjärtstopp.
Oerhört intressant artikel idag. Om vitala parametrar stabiliseras under den prehospitala episoden, är det då rimligt att triagera ner patienterna? Dagens studie antyder, som jag tolkar det, att man kanske ska tillämpa en viss försiktighet med detta. Iallafall så visar studiens resultat att patienter som erhöll låg triage på akutmottagningen hade ökad risk för mortalitet om de haft avvikande/instabila vitala parametrar i den prehospitala fasen. In och läs!
Retrospektiv multicenterkohort av icke-traumapatienter transporterade med ambulans till 13 akutmottagningar i Seoul (2021–2024). Bland patienter med låg risk vid ED-triage (NEWS 0–4) ökade sjukhusmortaliteten med högre prehospital NEWS: 1,2% (låg) till 2,4% (medel) och 6,8% (hög). Justerade OR för mortalitet var 1,93 respektive 4,10.
– Prehospital fysiologisk instabilitet var kopplad till högre in-hospital mortalitet trots låg ED-triage.
– Risken ökade stegvis med prehospital NEWS även inom samma ED-triagekategori.
– Normaliserade vitalparametrar vid ankomst kan ändå innebära kvarstående risk.
– Sambandet sågs även för kombinerat utfall mortalitet/IVA-inläggning.
Idag en artikel i akutmottagningskontext, men som berör prediktion av Major Adverse Cardiac Eventes (MACE), vilket omskrivits här ur prehospitalt fokus tidigare, och utifrån min bedömning högintressant även ur prehospitalt perspektiv.
Två grejer 100% vid sidan om ämnet är 1) att det är roligt att röra sig runt i Sverige. Fick ”ledighets-samverka” vid en liten incident på Willys i Kungälv med två glada kollegor från VGR. Så kul och härligt att se yrkestiteln ”Avancerad specialistsjuksköterska”! 💛💚 2) Desto dystrare är att jag läser i nyhetsmedia att det idag varit ett drunkningstillbud med mindre barn inblandat i min hemstad, som utifrån vad man kan utläsa av mediauppgifterna låter mycket allvarligt. Gårdagens budskap i finvädret kan inte nog understrykas – repetera HLR vid drunkning!
Nu tar jag ett dopp följt av en kall. Håll ut i värmen!
Studien utvärderade SVEAT-score för att förutsäga 90-dagars MACE hos 348 akutmottagningspatienter med akut bröstsmärta. 7,2% fick MACE. Andra hs-troponin I efter 2 timmar var associerat med MACE. SVEAT hade högst diskriminationsförmåga (AUC 0,806) jämfört med HEART (0,756) och TIMI (0,753). Vid cut-off 4 gav SVEAT hög specificitet (0,86) men låg sensitivitet (0,56).
– 348 patienter med akut bröstsmärta följdes i 90 dagar; 7,2% fick MACE.
– SVEAT hade högre AUC än HEART och TIMI i denna kohort.
– Vid cut-off 4 fungerar SVEAT bättre för ”rule-in” (hög specificitet) än som screening (låg sensitivitet).
– Upprepad hs-troponin I (2-timmarsprov) var signifikant kopplad till MACE.
Prospektiv multicenterstudie inom spansk ambulanssjukvård som utvecklade och validerade ett prediktivt poängsystem för 1-års mortalitet efter prehospitalt kramptillbud. Hos 198 vuxna registrerades vitalparametrar och POCT-blodprover; 33 avled. Riskfaktorer var ålder, GCS, hemoglobin, serum anjongap, INR och Charlsonindex. Modellen gav AUC 0,743.
– Prospektiv EMS-kohort med POCT-data för att förutsäga 1-års mortalitet efter prehospitala kramper.
– Hemoglobin, serum anjongap och INR identifierades som prehospitala biomarkörer kopplade till mortalitet.
– Prediktionsscore med ålder, GCS och komorbiditet hade måttlig diskriminationsförmåga (AUC 0,743).
Triage och reliabilitet samt agreement i dessa bedömningar har blivit lite av ett tema på sistone, så varför inte fortsätta på det när nu ytterligare en studie på temat dyker upp..? Från Sverige och Kanada blickar vi idag vidare mot Korea, där den nationella Korean Triage and Acuity Score använts på akutmottagningarna sedan 2016, men först nyligen implementerats för ambulanssjukvården i något som kallas Pre-KTAS. I denna retrospektiva studie omfattande 4.729 fall tittar författarna på överensstämmelse mellan den prehospitala och den intrahospitala bedömningen, uppdelat på vuxna patienter respektive pediatriska. I korthet fann de att överenstämmelsen var 47.7% för pediatriska patienter med tonvikt på att barnen fick högre prehospital triage samt 52.8% för vuxna patienter, med motsatt tonvikt mot att de vuxna fick lägre pre- än intrahospital triage. Nu är systemet nyimplementerat prehospitalt, och man kan tänka sig att denna studie är en viktig del i ett förbättringsarbete framåt för att öka överensstämmelsen, men om man lägger denna studie till de två tidigare studier jag nyligen läst på temat så får man nog bara konstatera att det finns stora förbättringspotentialer. Jag tänker också att detta är något man måste vara medveten om, då triage är ett oerhört starkt verktyg som kan ha enorm impact på patientens omhändertagande tidigt i vårdkedjan. Något som jag tycker vore intressant är en studie fokuserad på utvecklingen av patienternas triage över tid. Med vilka intervall följs triagen upp? Hur ofta ändras prioriteten vid uppföljning? Hur ofta beror denna ändring på faktiska ändringar i patientens tillstånd, och hur ofta beror det på interrater-skillnader i användningen av triagesystemet? Detta blir ju oerhört intressant ur riskperspektiv utifrån att det verkar relativt svårt, sett till flera olika system, att uppnå hög (interrater-)reliabilitet, vilket jag tänker stärker vikten av tät uppföljning.
Retrospektiv observationsstudie med länkade ambulans- och akutmottagningsdata från ett universitetssjukhus i Sydkorea (feb–dec 2024) som jämförde prehospital triagenivå med initial ED-triage hos 4 729 EMS-transporter (1 242 barn, 3 487 vuxna). Exakt överensstämmelse var 47,7% hos barn och 52,8% hos vuxna; viktad kappa var 0,27 respektive 0,40. Avvikelser sågs främst mellan närliggande nivåer, och barn triagerades oftare högre prehospitalt.
– Måttlig/låg överensstämmelse mellan ambulans- och ED-triage, särskilt för barn.
– Störst diskrepans vid gränserna mellan nivå 2–3 och 3–4.
– Barn överskattades oftare prehospitalt; vuxna underskattades oftare prehospitalt.
– Närliggande triagenivåer kan vara fokus för pediatrisk utbildning och återkoppling.
Idag har jag läst en retrospektiv studie av interbedömarreliabilitet mellan paramedics och mottagande akutsjuksköterskor för triagesystemet CTAS (Canadian Triage and Acuity Scale). Totalt inkluderades 188.222 patienter från åren 2018-2022, där både CTAS-bedömning vid avfärd från hämtplats (paramedic) samt vid ankomst till akutmottagning (akut-ssk) fanns registrerade. Författarna beräknade angav en överensstämmelse om 68,7% och en viktad Cohen’s kappa på 0,53. För de mest akuta patienterna (CTAS 1) var överensstämmelsen dock bättre, 0.66, medan CTAS 4 endast hade 0,3 och CTAS 5 hade 0,34. Intressant är att i oeniga fall var triagen som akutsjuksköterskan gav patienten oftast högre, vilket ju ter sig lite oroväckande. För egen del tänker jag att det mest naturliga vore det omvända, då patienten torde kunna fått behandling och faktiskt förbättrats under transporten till sjukhuset. Vid flera dokumenterade medicinska tillstånd hos patienten var övrensstämmelsen också sämre, indikerande att komplexa tillstånd är svårare att triagera.
Jag tycker det är lite intressant att jämföra detta mot SATS-studien av Deshayes et al från min egen region som jag skrev om för några veckor sedan. Jag tolkar det som att Ferron et al ser aningens mer positivt på sitt resultat, men i stora drag skulle jag säga att bristerna ter sig ganska likvärdiga. Att de mest kritiska patienterna är lätta att triagera lika torde inte vara någon stor skräll. Det är ju de tveksamma och inte uppebart dåliga fallen som vanligtvis är svåra. Sammantaget pekar det hela, som jag också resonerade lite om då, på att prehospital triage är svår att uppnå hög reliabilitet i och särskilt då vid måttligt akut sjuka patienter. Ska vi förlita oss på triagesystem i det prehospitala fältet är min övertygelse att vi behöver forska mycket mer på dem och tänka mer kritiskt. Det som stämmer i en sjukvårdskontext behöver inte stämma i en annan. Vi måste även tänka kritiskt kring triagesystemet i alla sammanhang. Vid avvikelseutredningar rörande fördröjd behandling etc så borde en punkt att utreda automatiskt vara huruvida triagesystemet kunde ha bidragit till att fånga upp patienten. Jag har ingen aning hur det funkar på annat håll, men där jag arbetar skulle jag säga att finns en bit kvar på det området… Läsvärd artikel, särskilt som jämförelse mot nämnda SATS-artikel!
Retrospektiv kohortstudie (2018–2022) av patienter transporterade av ambulans där CTAS satts av både ambulanspersonal och ED-triagesjuksköterska. Överensstämmelsen var högst vid CTAS 1 (78,8%, viktad kappa 0,66) men låg vid CTAS 4–5. Oenighet ökade med patientkomplexitet och vissa symtom; inga operativa faktorer var oberoende kopplade till oenighet.
– Högst överensstämmelse för mest kritiska patienter (CTAS 1), lägst för CTAS 4–5.
– Diskrepans ökade med fler medicinska tillstånd och vissa problem (t.ex. psykisk ohälsa, smärta/mjukdelsskada).
– Överensstämmelse ökade med högre patientålder och högre certifieringsnivå hos ambulanspersonal.
– Inga undersökta operativa faktorer (t.ex. belastning/fördröjning/destinationstyp) förklarade oenighet oberoende.
Jag har inte fått något hårt slag i huvudet även om man kan tro det, här kommer nämligen ännu en uppdatering kring AI i enlighet med gårdagens tema 🙂 Dagens studie är en review kring AI-baserad prehospital EKG-tolkning, och hur denna kan användas för att aktivera PCI-flöde samt utesluta akut hjärtinfarkt (det senare i kombination med högkänsligt troponin). Jag skriver ingen lång text om resultatet idag, men summan är iallafall att författarna ser AI-tolkning av EKG som en lämplig second opinion i klinisk verksamhet gällande inklusion till koronarangiografi samt för uteslutande av akut hjärtinfarkt – det senare om det kombineras med högkänsligt troponin för att uppnå tillräcklig sensitivitet (>99%). AI-tolkning av EKG bör dock enligt författarna även fortsatt ses som ett verktyg under utveckling, och stora randomiserade studier behövs för att säkerställa att sensitiviteten är tillräcklig i stora och heterogena populationer.
Översikten sammanfattar ny evidens för AI-förstärkt EKG vid triage av akut koronart syndrom. Den betonar skillnaden mellan att upptäcka akut kranskärlsocklusion (OMI) för snabb kateterlabbaktivering och att utesluta akut hjärtinfarkt, vilket kräver seriella högkänsliga troponiner. AI-EKG kan öka sensitiviteten för OMI och minska falsklarm, samt fungera som ”second opinion” med viktiga implementeringsrisker.
– AI-EKG kan förbättra detektion av OMI jämfört med standardtriage och minska falska kateterlabbaktiveringar.
– EKG ensamt kan inte utesluta akut MI; AI kan vara ett stöd ihop med hs-troponin och riskskattning.
– Föreslår ett ”Second Opinion”-upplägg där AI är beslutsstöd till klinikern.
– Implementering kräver hantering av bias, alert fatigue, dokumentation och risk för ökad digital ojämlikhet.