Ett av de vanligaste utbildnings-önskemålen jag hör mina kollegor nämna är EKG-tolkning. Ofta vill man ha en föreläsning, en snabbkurs eller liknande, något som ofta gör mig ambivalent då jag alltid vill uppmuntra utbildning – men samtidigt upplever EKG-tolkning som en svår sak att ”quickfixa”. Att göra det kan rentav innebära risker, då man kanske luras tro man vet mer än vad man faktiskt gör… Av dessa skäl fann jag dagens studie på pedagogiskt tema intressant. Det är en RCT där deltagare 1:1-randomiserats till att antingen erhålla EKG-utbildning på en digital lärplattform eller ett pappersbaserat skriftligt läromaterial på samma tema. Båda utbildningarna genomfördes i en klassrumsmiljö med lärare. Av 103 deltagare visade de 48 som utförde den digitala utbildningen större förbättringar i EKG-tolkning och AKS-relaterat beslutsfattande än de som utförde den pappersbaserade utbildningen. Utvärderingen gjordes genom ett pre-test samt ett post-test som utfördes direkt efter utbildningen. Resultatet är intressant, men skillnaderna är inte överväldigande och tyvärr skulle jag säga att det mest intressanta saknas i studien – nämligen hur kunskapen består över tid. Det vore oerhört intressant att se en jämförelse hur kunskaperna stod sig efter två månader, sex månader och ett år eller något i den stilen. Detta är ju ofta denna typen av mindre utbildningsinterventioners stora problem, att kunskapshöjningarna blir tillfälliga. Ändå, läsvärd studie och kul område för en randomiserad pedagogisk studie!
Tagg: NSTEMI
-
Teaching Acute Coronary Syndrome High-Risk ECG Interpretation and Clinical Decision-Making Through FOAMed Videos and Podcast Versus Print-Based Materials Among Emergency Care Providers: Randomized Controlled Mixed Methods Trial
Teaching Acute Coronary Syndrome High-Risk ECG Interpretation and Clinical Decision-Making Through FOAMed Videos and Podcast Versus Print-Based Materials Among Emergency Care Providers: Randomized Controlled Mixed Methods Trial. JMIR Medical Education 2026;12:e87587-e87587. doi:10.2196/87587Sammanfattning genererad av AI:I en prospektiv randomiserad utbildningsstudie vid 5 tyska enheter jämfördes FOAMed (podcast+videor) med tryckt material för att lära ut högrisk-ACS-EKG och kliniska beslut hos 103 akuta vårdgivare. Båda grupper förbättrades efter 30 min självinlärning, men FOAMed gav större kortsiktiga ökningar i EKG-tolkning och textbaserat beslutsfattande samt upplevd tydlighet och relevans.
– FOAMed-modul gav större kortsiktiga förbättringar än tryckt material i EKG-tolkning och ACS-beslut.
– Interprofessionell population (ambulans, prehospitala läkare, akutmottagning) vid fem utbildningsplatser.
– Utbildningen var tidsbegränsad (30 min) och utvärderingen var automatiserad och blindad.
– Resultaten gäller utbildningsutfall; klinisk effekt i praktiken är inte fastställd.Sammanfattningen är automatiskt genererad med en språkmodell från OpenAI (GPT 5.2). -
Performance of the SVEAT (Symptoms, Vascular Disease History, Electrocardiography, Age, and Troponin) score for predicting 90-day major adverse cardiac events in patients with acute chest pain
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!
Performance of the SVEAT (Symptoms, Vascular Disease History, Electrocardiography, Age, and Troponin) score for predicting 90-day major adverse cardiac events in patients with acute chest pain. BMC Emergency Medicine 2026. doi:10.1186/s12873-026-01685-7Sammanfattning genererad av AI: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.Sammanfattningen är automatiskt genererad med en språkmodell från OpenAI (GPT 5.2). -
Prehospital 12-lead ECG and outcomes in acute coronary syndrome
Är det så även i Sverige att en inte oväsentlig andel av patienterna som vore betjänta av det inte får ett 12-avlednings-EKG avläst prehospitalt? Läs gärna dagens intressanta studie och reflektera själv!
Prehospital 12-lead ECG and outcomes in acute coronary syndrome.Sammanfattning genererad av AI:Registerbaserad, länkad kohortstudie (England/Wales 2010–2017) med 330
713 EMS-transporterade ACS-patienter undersökte anvöndning av prehospitalt 12-avlednings-EKG. Andelen med PHECG kade 74,2% till 85,0%. PHECG var associerat med lögre 30-dagars- och 1-rsdödlighet samt högre sannolikhet för reperfusion vid STEMI.– PHECG registrerades hos 79,7% och kade ver tid, men 15% fick det fortfarande inte 2017.
– PHECG var associerat med lgre mortalitet vid 30 dagar (justerad OR 0,77) och 1 r (OR 0,69).
– Vid STEMI var PHECG kopplat till mer reperfusion (84,5% vs 54,7%; justerad OR 4,37).Sammanfattningen är automatiskt genererad med en språkmodell från OpenAI (GPT 5.2). -
AI-enhanced ECG for acute coronary syndrome triage: A state-of-the-art review
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.
AI-enhanced ECG for acute coronary syndrome triage: A state-of-the-art review. Cardiovascular Revascularization Medicine 2026. doi:10.1016/j.carrev.2026.06.015Sammanfattning genererad av AI: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.Sammanfattningen är automatiskt genererad med en språkmodell från OpenAI (GPT 5.2). -
Artificial intelligence in prehospital assessment of acute coronary syndrome: a scoping review
Mängden forskning om olika AI-tillämpningar har vuxit enormt de senaste åren, och olika artiklar på AI-temat är ständigt återkommande i mina sökningar. Dock har jag hittills i hög grad duckat dem (utöver ett undantag den 8 maj), då jag faktiskt sällan finner dem riktigt intressanta. Ofta handlar det om väldigt spetsiga use case, eller så ligger forskningen för långt från att kunna tillämpas kliniskt för att bli intressant för mig. I dagens artikel har författarna gjort en scoping review kring användningen av AI vid vård av patienter med misstänkt akut koronart syndrom (AKS), och det känns som att det kan ha framtiden för sig. Det första man tänker på då är väl ändå AI-stöd vid EKG-tolkning, och mycket riktigt är det ett av områdena som berörs i artikeln. Som det verkar finns god potential att låta AI tolka eller stötta i tolkningen av 12-avlednings-EKG med lika bra eller bättre prestanda som en mänsklig kliniker. Även i riskstratifiering för olika outcomes och diagnostik där inte bara EKG inkluderades visade AI potential.
Jag väljer att ta med denna studien eftersom jag bedömer att detta faktiskt är ett område där AI inom relativt snar framtid kan – och förmodligen bör – implementeras i ambulanssjukvården. Många apparater ger ju redan en bedömning av EKG till exempel, och att få denna bedömning gjord med bättre precision och lärande av AI låter väl högst rimligt. Som så ofta med AI återstår ju dock frågor och inte minst då: Vem ska ta ansvar för AI:s bedömning? Sånt här behöver klaras ut, men jag tror personligen att ambulanssjukvården med sin komplexitet, tidspress och risk för kognitiv overload har mycket att vinna på den nya tekniken i exempelvis sån här diagnostik, men också exempelvis som stöd i journalen… Varför skulle inte AI kunna föreslå undersökningar man missat, att man glömt utvärdera sin smärtlindring, tänkbara farliga diagnoser, osv. utifrån det man matat in? Löser vi ansvars och sekretessfrågor så erbjuder tekniken sannolikt mycket som kan gynna utfallet för våra patienter.
Artificial intelligence in prehospital assessment of acute coronary syndrome: a scoping review. BMC Emergency Medicine 2026. doi:10.1186/s12873-026-01636-2Sammanfattning genererad av AI:Scoping review som kartlade evidens för AI i prehospital bedömning av misstänkt akut koronart syndrom. Totalt 19 studier (3193709 patienter) visade lovande diagnostisk prestanda, särskilt EKG-baserad deep learning och multimodala modeller (AUC ca 0,81–0,99). Riskprediktion var mer varierande (AUC ca 0,71–0,95). Metodbegränsningar gör att prospektiva, multicenterstudier behövs innan klinisk implementering.
– EKG-baserade AI-modeller och multimodala lösningar presterade ofta högt för ACS-diagnostik.
– AI kan minska diagnostisk variation och förbättra triageeffektivitet i vissa miljöer.
– Riskstratifiering och beslutsstöd (t.ex. chock, revaskularisering) är växande tillämpningar.
– Nuvarande evidens begränsas av metodik; standardiserade, prospektiva multicenterstudier efterfrågas.Sammanfattningen är automatiskt genererad med en språkmodell från OpenAI (GPT 5.2). -
A ‘Target Trial Emulation’ of Prehospital Sublingual Nitroglycerin Administration for Suspected Acute Coronary Syndrome
Dagens studie handlar om prehospital administration av nitroglycerin s.l. till patienter med misstänkt AKS (men ej begränsat till STEMI). Författarna använde registerdata och inkluderade 70.890 patienter, med en fördelning nära 50/50 till nitroglycering eller icke nitroglycerin. Grundkriteriet för inklusion var administration av ASA, och tiden för denna administration användes också som en slags ”nolltid” i studien. De jämförde grupperna mot ett sammansatt utfallsmått bestående av HLR post nitro-administration, elkonvertering, defibrillering, administration av antiarrytmika eller transkutan pacing vid definierade tider efter nolltiden baserat på 50:e, 75:e och 90:e percentilen för uppföljningstid, vilket utföll som efter 17 minuter, 25 minuter och 35 minuter (uppföljningstiden definierades, enkelt uttryck, som avslutningen på ambulanssjukvården vid överlämning till annan enhet eller vårdare, alternativt att studiens huvudutfall inföll). Jaja, detta blev en krånglig beskrivning – förmodligen blir det tydligare vid läsning av studien, vilket jag såklart rekommenderar.
Det mest intressanta är väl resultatet, som indikerade att nitro-administration inte var associerat med prevalensen av det primära utfallet, d.v.s. nitro tycktes inte påverka förekomsten av arytmier. Detta går i strid med tidigare studier bl.a. på djur, där nitro i en motsvarande population varit signifikant effektivt mot arytmier. Resultatet utforskar ju inte den smärtlindrande effekten av nitro hos patienterna, men antyder alltså att nitro kanske inte är en stark faktor i arytmiförebyggande syfte. Effekten var större, men fortfarande inte signifikant, hos STEMI-patienter och författarna skriver i sin diskussion att de ämnar utforska denna patientgrupp ytterligare. Det låter klokt, och med tanke på den utbredda användningen av nitro prehospitalt vore det väl dessutom hög tid med en större, randomiserad studie? Jag tänker att innevarande studie innehåller en hel del osäkerheter då man dels exkluderar många patienter genom olika kriterier, men man inkluderar även patienter på ett ganska brett spektrum som kan lida av många olika tillstånd. Studien tar inte heller hänsyn till effekter bortom ambulanssjukvårdens tid med patienten, exempelvis skulle ju arytmihämmande effekter kunna vara större om man tog i beaktande början av den intrahospitala akutsjukvården…
A ‘Target Trial Emulation’ of Prehospital Sublingual Nitroglycerin Administration for Suspected Acute Coronary Syndrome. Prehospital Emergency Care 2026:1-7. doi:10.1080/10903127.2026.2645131Sammanfattning genererad av AI:I en nationell EMS-databas (ESO 2023) studerades 70 890 patienter >50 år med misstänkt ACS som fått ASA; nitroglycerin definierades som given inom 10 min efter ASA. Med target trial-emulering (clone-censor weighting) sågs ingen signifikant minskning av ett sällsynt sammansatt prehospitalt utfall (bl.a. HLR/defibrillering/pacing) vid 17–35 min, varken totalt eller vid misstänkt STEMI.
– Nitroglycerin i samband med misstänkt ACS gav ingen mätbar reduktion av akuta prehospitala händelser i denna analys.
– Utfallet var mycket ovanligt (0,2%), vilket begränsar statistisk styrka och precision.
– Observationsdata med target trial-emulering användes för att minska confounding och immortal time bias.
– Resultaten gällde en selekterad grupp (bl.a. SBP >120, SpO2 >90, >50 år) som fått ASA av EMS.Sammanfattningen är automatiskt genererad med en språkmodell från OpenAI (GPT 5.2). -
Expedited transfer to emergency department vs. cardiac catheter laboratory in a cardiac arrest centre for non-ST-elevation out-of-hospital cardiac arrest: ARREST trial as-treated analysis
Dagens studie är en as-treated-analys av ARREST-studien, för den som har läst den. Om inte så var det en multi-center RCT i London som publicerades i The Lancet 2023. I studien undersöktes om hjärtstoppspatienter som återupplivats och ej uppvisade någon ST-höjning gynnades (i form av minskad 30-dagarsmortalitet) av att transporteras direkt till angiolab på ett cardiac arrest center (CAC) jämfört med till närmaste akutmottagning. Så var inte fallet visade det sig, och inte heller sekundära outcomes såsom 3-månadersmortalitet eller neurologisk outcome visade på fördelar.
I nuvarande studie har man istället analyserat utifrån var patienterna transporterades i form av 1) akutmottagning på CAC, 2) angiolab på CAC eller 3) akutmottagning på icke CAC. Primärutfallet var fortfarande 30-dagars mortalitet.
Resultatet här visade på lägre 30-dagarsmortalitet om man transporterades till akutmottagning på ett CAC än om man kom till en akutmottagning på icke CAC. Däremot var det ingen skillnad på angiolab jämfört med akutmottagning på icke CAC.
Resultatet är i sig intressant och skulle kunna tyda på att hjärtstoppspatienter utan ST-höjningar kan tjäna på att transporteras till ett CAC, vilket jag utifrån studien tolkar som ett sjukhus med hjärtintensivvård och angiolab. Däremot verkar ju inte labbet i sig vara det som står för den omedelbara fördelen. Frågan är då vari fördelarna ligger? Det är ju lite svårare att få svar på, när delar av randomiseringens fördelar går förlorade. Gruppen som kom till CAC var yngre, hade mer defibrillerbar rytm, mer bystander-HLR, osv. samt var i högre grad på offentlig plats. Centralt i London (där studien genomfördes) var också mottagande enhet oftare ett CAC, vilket kan ge geografiska dimensioner såsom att ytterområden har annan folkhälsostatus osv. Detta går ju delvis att justera för i analys, men det ersätter ju inte randomiseringens fördelar.
Onekligen är det alltså intressant att patienterna tjänade på transport till CAC, men studien känns alltså främst intressant för hypotesgenerering och vidare forskning, tänker jag ändå… Nästa RCT får kanske bli en som testar om CAC som helhet är fördelaktigt, inte specifikt angiolab..?
Expedited transfer to emergency department vs. cardiac catheter laboratory in a cardiac arrest centre for non-ST-elevation out-of-hospital cardiac arrest: ARREST trial as-treated analysis. European Heart Journal: Acute Cardiovascular Care 2025;15(1):3-12. doi:10.1093/ehjacc/zuaf133Sammanfattning genererad av AI:Fördefinierad as-treated-analys av ARREST på vuxna med återupplivad OHCA utan ST-höjning i London. Patienter grupperades efter faktisk destination: akutmottagning i hjärtstoppscentrum (CAC), direkt till angiolab i CAC eller akutmottagning utan CAC. 30-dagarsmortalitet var lägre för akutmottagning i CAC vs icke-CAC (aOR 0,43), medan angiolab i CAC inte skilde signifikant. Neurologiskt gynnsamt utfall var vanligare i CAC-grupperna.
– As-treated jämförelse av faktisk destination efter OHCA utan ST-höjning inom ARREST-studien.
– Lägre 30-dagarsmortalitet vid akutmottagning i CAC jämfört med akutmottagning utan CAC (justerad analys).
– Ingen statistiskt säkerställd mortalitetsskillnad för direkt angiolab i CAC vs icke-CAC, men trend mot lägre dödlighet.
– Gynnsamt neurologiskt utfall vid utskrivning var vanligare i CAC-grupperna än i icke-CAC.Sammanfattningen är automatiskt genererad med en språkmodell från OpenAI (GPT 5.2).