Tagg: Responstid

  • Evaluating stroke recognition and prehospital quality metrics in emergency dispatch: a retrospective cohort study comparing mimics and confirmed strokes

    Vad är specificiteten för identifiering av stroke på larmcentralen? Det har författarna till dagens studie funderat över, i norsk kontext. De följde upp 8.261 patienter som larmats ut som strokemisstanke mellan 1 januari 2021 och 31 december 2022. Stroke-misstanken identifierades med Norweigan Medical Priority Dispatch System, den norska triage-algoritmen för larmcentraler, inom vilken 11 olika stroke-relaterade kriterier finns. Det visade sig att specificiteten var urusel, 14.3% av larmen bekräftades vara stroke eller TIA. Av de stroke-relaterade kriterierna så visade andningsbesvär, yrsel, synfältsbortfall, ataxi/konfusion och huvudvärk sig i väldigt låg grad (<10%) resultera i en senare stroke-diagnos. FAST-kriterierna (alltså Face-Arm-Speech-Test) uppvisade betydligt större specificitet och var förknippat med en odds ratio om 3.55 för stroke-diagnos efter justering för ålder och kön.

    Att studien uppvisar en problematiskt hög övertriage är svårt att komma ifrån. Vad som är lite synd, vilket författarna också diskuterar, är att studien utifrån sin design inte var kapabel att identifiera undertriage, d.v.s. icke detekterade stroke:ar. I diskussionen hänvisar författarna själva till två tidigare studier i deras kontext som indikerat en sensitivitet för stroke i utalarmeringen på endast 58-62%, vilket ju i så fall indikerar att även sensitiviteten är usel. Det skulle i så fall indikera stora problem med identifieringen överlag, och med så hög undertriage ter det sig såklart potentiellt mer motiverat med kraftig övertriage. Överlag ter det sig dock som att mer forskning på området är mycket angelägen, då båda siffrorna är tämligen usla – sagt med ödmjukhet såklart för att området är svårt, särskilt om man vill fånga upp de lite lurigare fallen med stroke i vertebrobasilarisområdet. Sammantaget var studien intressant läsning, och jag önskar jag hade mer insikter i hur de norska kriterierna för identifiering ser ut i förhållande till de svenska!

    Leto, N.; Farbu, E.; Barach, P.; Bjørshol, C. A.; Kurz, M.; Ajmi, S.; Fromm, A.; Kalhagen Bjerkvig, C.; Lindner, T. Evaluating stroke recognition and prehospital quality metrics in emergency dispatch: a retrospective cohort study comparing mimics and confirmed strokes. BMJ Open 2026;16(5):e119267. doi:10.1136/bmjopen-2026-119267
  • Artificial intelligence in the prehospital setting – potentials, challenges, and practice-relevant fields of application in emergency medical services

    Idag blev det en narrativ review om AI i prehospital vård, med fokus på existerande och potentiella AI-användningar i ambulanssjukvården. Författarna fokuserade på fyra faser av den prehospitala vården; larmsamtal och intervju, alarmering och resursallokering, operationella/taktiska användningar samt klinisk användning. I alla faser fanns framgångsrika resultat, exempelvis vad gällde att identifiera hjärtstopp i larmsamtalet (säkrare och snabbare), att öka tillgängligheten genom att allokera resurser utifrån lärdomar från maskininlärning, att tolka EKG eller att hjälpa till med tolkning av ultraljud (POCUS). De flesta tillämpningar var dock pilotprojekt, och författarna såg bland annat tänkbara problem att lösa kring saker såsom implementering, reglering och datasäkerhet om man ska tillämpa AI mer storskaligt. Jag nöjer mig med att beskriva det så, men rekommenderar artikeln för en liten överblick av AI-fältet.

    Machado, C.; Hessel, S. Artificial intelligence in the prehospital setting – potentials, challenges, and practice-relevant fields of application in emergency medical services. BMC Artificial Intelligence 2026;2(1). doi:10.1186/s44398-026-00027-8
  • Logistic regression and simulation modelling to evaluate survival effects of EMS response time in suspected cardiac arrest

    Hjärtstoppshelgen fortsätter med en slovakisk observationsstudie med högintressanta resultat kring hur ambulansens responstid påverkar överlevnaden fall som av operatören på larmcentralen bedömts som hjärtstopp. Baserat på två års data från hela Slovakien (n=13712 inkluderade fall) har författarna med bl.a. regressionsanalys dragit slutsatser om responstidens betydelse. Huvudresultatet är att varje minut förlängd responstid var förknippad med minskad överlevnad med en OR på 0.951 (95% CI 0.942-0.960), d.v.s. för varje minuts längre responstid minskade överlevnaden med ca 5% (kompenserat för ålder, kön och förekomst av bystander-HLR). Sambandet var än starkare när orsaken var misstänkt kardiell, och bystander-HLR var också en stark faktor förknippat med överlevnad. Författarna har vidare applicerat sin modell på den slovakiska kontexten och även modellerat fram hur den slovakiska ambulansflottan skulle kunna distribueras annorlunda för att öka överlevnaden.

    Det sistnämnda är såklart av begränsat värde för den svenska kontexten och för egen del hade jag nog ärligt talat valt att publicera den delen separat. Sambandet mellan responstid och överlevnad är ju däremot oerhört relevant även för oss. De senaste åren har överlevnaden vid hjärtstopp i Sverige ökat något, men utöver det har vi de senaste 10+ åren i princip befunnit oss på en platå efter många års ökning under 90-00-talet. Orsakerna till detta är inte utredda, men jag uppfattar det ganska allmänt accepterat att ambulanssjukvårdens ökade responstider är en faktor i sammanhanget. Trots SALSA, SAMS, frivilliga livräddare (smslivräddare) etc har vi troligen inte lyckats mitigera denna tidsfaktor fullt ut, så här vore det intressant med mer forskning och inte minst en politisk medvetenhet om vad utvecklingen innebär.

    Med detta sagt måste jag flika in, som reservation, att jag är lite trött på responstid som mer eller mindre enda kvalitetsmått för ambulanssjukvården, så som det ofta låter i olika sammanhang. Vi skulle behöva en omfattande utveckling av kvalitetsmått kring vilken kompetens som möter patienten, vilka åtgärder man får, utfallsmått såsom överlevnad, smärtreduktion, förekomst av komplikationer m.m. Så, uppfatta mig inte som responstid-fixerad, men just i hjärtstoppssammanhanget är det en solklar och viktig faktor!

    Jánošíková, Ľ.; Jankovič, P.; Gonda, D.; Karaš, J.; Holod, J.; Kvet, M. Logistic regression and simulation modelling to evaluate survival effects of EMS response time in suspected cardiac arrest. BMC Emergency Medicine 2026. doi:10.1186/s12873-026-01596-7
  • The Estimated Benefit of Lights and Sirens During Ambulance Transport

    Hur mycket tjänar vi egentligen på att transportera patienter med blåljus och siren, kontra normal körning? Det är fokus i dagens studie, där författarna jämfört faktiska transporttider vid blåljuskörning med estimerade tider från Googles Distance Matrix model – en komplex modell där maskininlärning och stora mängder data från verkliga case används för att beräkna tiden som krävs för att ta sig från A till B. Baserat på 25.902 händelser, där 21% transporterades med blåljus och siren, kom författarna fram till att användning av blåljus och siren minskade den totala transporttiden med 3 minuter i median och tempot minskade med 0.3 min/km (=18 sekunder per km). Även i en modell där man justerade siffrorna för ytor med högre eller lägre koncentration av ambulansuppdrag bestod ungefär samma skillnader, men den totala transporttiden minskade med 3.3 minuter istället.

    Författarna drar själva i studien slutsatsen att vinsterna är förhållandevis små, och att få patienter bör gynnas av tidsvinsten 3 minuter. Jag tänker att detta är kloka reflektioner och något vi nog bör fundera mer över – hur mycket vinner vi egentligen..? Samtidigt kan detta vara kontextuellt beroende och det kan finnas stora skillnader på USAs kontext jämfört med Sveriges. Det skiljer sig också rimligen utifrån befolkningstäthet, trafikintensitet, planering av vägnät m.m. Studien genomfördes till största delen i RUCA 1-2-områden. RUCA är ett slags mått på urbanisering och befolkningstäthet och i korthet innebär värdena 1-2 ”metropolitan area core” och ”metropolitan area high commuting”, dvs storstadsområden eller ytterkantsområden till storstad med hög grad av pendling till storstadsområdet. Så utifrån detta tänker jag att studien kanske är hypotesgenerande snarare än något annat, utifrån det svenska perspektivet. Fortfarande dock intressant och belysande en viktig fråga!

    Spigner, M. F.; Gussick, M.; Shah, M. N. The Estimated Benefit of Lights and Sirens During Ambulance Transport. Prehospital Emergency Care 2026:1-9. doi:10.1080/10903127.2026.2659958
  • Geographic distribution of EMS missions and patient conditions in suburban and rural Sweden: a retrospective observational study

    Fredag och vad passar väl bättre än en rykande färsk artikel från Dalarna!? I denna retrospektiva analys har författarna undersökt karakteristika kring ambulansuppdrag i förhållande till geografi, och jämfört glesbygd (”rural”) med mindre städer (”suburban”). Några takeaways för min del:

    • Det var relativt begränsade skillnader i uppdragens karaktär. Man sökte i stora drag för liknande tillstånd. Städerna bjöd på aningens mer prio 1 ut, medan landsbygden bjöd på aningens mer prio 1 in.
    • Något förvånande var responstiden också ungefär likvärdig på landsbygden. Totaltiden med patient var dock avsevärt längre. Jag tänker att detta kan indikera att man har relativt väl distribuerade ambulansstationer som möjliggör snabb respons även i glesbefolkade områden, men sjukhusen ligger på större orter som tar längre tid att ta sig till.
    • Den för mig stora skillnaden är att patienterna i betydligt högre grad lämnades kvar på plats i glesbygden (34% vs 22%). Även transport till primärvård var vanligare (7.7% vs 1.0%).

    För mig ger den sista punkten lite griller i huvudet. Jag vet inte exakt hur Dalarnas ambulanssjukvård är organiserad och om möjligheten till samråd med ex.vis distriktsläkare är större i glesbygd, så att den större benägenheten att lämna patienten kvar på plats förklaras av det. Det finns för såklart massor av tänkbara faktorer bakom, men jag kan inte riktigt låta bli tanken på att avstånd och transporttider i värsta fall kan vara en slags bias i våra bedömningar. Jag jobbar själv med långa avstånd och transporter. Kan det vara så att vi blir mer benägna att hänvisa patienten bort från akutsjukvård när vi vet att transporten till sjukhus är lång? Jag säger inte att det är så, och jag vill dessutom flika in att det såklart kan vara ändamålsenligt att ta med avstånd och transporttid som faktorer då patientens bästa ska avgöras. Men det kan ju också vara så att vi blir mer riskbenägna, på ett negativt sätt, när avstånden är långa… Men omvänt – det kan ju också vara så att vi i städerna är lite för bekväma och tänker ”vi skjutsar in patienten till sjukhuset”, när vi faktiskt hade kunnat göra bedömning och ev. behandling på plats och spara in ett akutbesök..? Oavsett, det hade varit fantastiskt att se en uppföljande studie som gick på djupet med de här siffrorna, kanske med mixade metoder, där man fördjupade jämförelsen och samtidigt utforskade bakgrunden till olika transportbeslut.

    Trevlig helg, vi får se om det kanske blir några hjärtstoppsstudier i helgen 🙂

    PS. Värt att ta i beaktande när man läser denna artikel är att data är insamlade 2018. Det är alltså ganska långt mellan datainsamling och publicering och oklart vad som har hänt under den tiden. Jag tänker att saker kan ha förändrats! DS.

    Summermatter, D.; Blomberg, H.; Aldén, H.; Äng, B.; Strömsöe, A. Geographic distribution of EMS missions and patient conditions in suburban and rural Sweden: a retrospective observational study. Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine 2026;34(1). doi:10.1186/s13049-026-01561-0