HJERTERO – opsporing af hjertepatienter med forhøjet risiko for angst og depression

Patienter med hjertesygdom har dobbelt så høj risiko for at udvikle angst og depression sammenlignet med patienter uden hjertesygdom. Der er derfor stort potentiale i - både samfundsøkonomisk og i forhold til patientens livskvalitet – at udnytte mulighederne i teknologien til tidligt at kunne opspore tegn på angst og depression hos hjertepatienter

Kunstig intelligens skal forebygge angst og depression hos hjertepatienter

Hjertepatienter rammes ofte af angst og depression

I 2020 vil op mod 500.000 danskere være hjertepatienter. Halvdelen af os kan forvente at få en hjertesygdom, når vi har rundet 55 år

At få en hjertesygdom kan ofte give psykiske problemer, idet risikoen for at udvikle en depression er dobbelt så stor hos hjertepatienter i forhold til personer, der ikke har en hjertesygdom.

Når hjertepatienter med symptomer på angst og depression ikke modtager psykologisk hjælp, rammes de både fysisk og psykisk. Samspillet mellem det fysiske og psykiske helbred har stor betydning for den videre behandling. Den psykiske tilstand påvirker patientens evne til at gennemføre hjerterehabilitering, herunder foretage livsstilsændringer. Omkostningerne afledt af depressioner anslås i Danmark til at være på ca. 14. mia. kr./år, mens angst koster samfundet ca. 6 mia. kr./år.

MÅL

Med ’HJERTERO’ ønsker vi at udnytte Danmarks unikke landsdækkende patientregistre til at udvikle en datadreven prædiktionsmodel, der kan understøtte opsporingen af patienter med IHD, der har en væsentligt forhøjet risiko for at udvikle angst eller depression. Vi vil udvikle en løsning, der både tilgodeser patienternes præferencer, muligheder og barrierer og samtidig giver de sundhedsfaglige noget de kan bruge i den kliniske hverdag. Vi skal hjælpe de mange patienter med risiko for at udvikle psykiske følger, både i almen praksis, kommuner og regioner og løsningen skal sikre samme diagnostik og tilbud uanset bopæl.

FORMÅL og løsninger

Formålet er at udvikle og validere en datadreven prædiktionsmodel, der kan markere en forhøjet risiko for at udvikle angst og/eller depression hos personer med IHD, således at forebyggelse kan iværksættes.

Formålet er ligeledes at gennemføre et Proof-of-Concept på klinisk anvendelse af den endelige prototype af modellen, samt udarbejde anbefalinger til implementering og skalering.

Vi forventer, at det er muligt at udvikle en algoritme til at opspore patienter med IHD, som har en forhøjet risiko for at få depression eller angst, og at denne vil kunne anvendes i daglig klinisk praksis.

Potentielle prædiktionsfaktorer findes i historiske data fra bl.a. Dansk Hjerterehabiliteringsdatabase (DHDR) under RKKP , herunder socioøkonomiske forhold, depression og angst score, kliniske variable (fx diagnosekode, VO2max, PCI, CABG), andre hjerte-relaterede diagnoser (fx diabetes, og forhøjet blodtryk og kolesterol), medicin, etc.

En fremtidig løsning (beslutningsstøtteredskab) skal hjælpe sundhedsfaglige (praksislæge, sygehuspersonale), i deres dialog med hjertepatienter. Ultimativt skal løsningen integreres i den elektroniske journal f.eks. en ”rød” lampe der blinker og orienterer de sundhedsfaglige om, at denne patient har behov for særligt fokus. Her kan man klæde klinikerne på til at tage en indledende samtale samt henvise til yderligere tilbud (enten online eller fysisk) .

Succeskriterier

• At udvikle en datadreven prædiktionsmodel
o Måles på om det lykkedes at oprense data fra registrene, identificere risikofaktorer, som indsamles nationalt og er unikke for personer i risikogruppen og udvikle modellen på disse data.
• At validere den datadrevne prædiktionsmodel
o Måles med to IHD kohorter. Patienterne i den ene IHD kohorte har angst/depression mens dem i kontrolkohorten ikke har angst/depression. Valideringen udføres på en kombination af nutidige (diagnose, interview) og historiske data. De historiske kohorte data bruges til at se, hvorvidt der er faktorer, som adskiller de to patientgrupper, og både den positiv prædiktive værdi og negativ prædiktive værdi for modellen udregnes.
• At afprøve en prototype på løsningen (redskab til beslutningsstøtte) på udvalgte kliniske afd.
o Måles på om klinikere (interviews) oplever at modellen gør dem opmærksomme på patienter, der er i risiko for at udvikle angst eller depression, på en måde, de kan bruge i hverdagen.
• At arbejde med bedre opsporing og implementering af modellen nationalt.
o Måles på hvorvidt der efterfølgende træffes beslutning om at implementere modellen.

Organisering

Projektet er organiseret med en styregruppe med repræsentanter fra både

  • Odense Universitetshospital, Hjertemedicinsk afd. B.,
  • Syddansk Universitet
  • SAS
  • DOL
  • Forskningsenheden for Almen Praksis
  • Danske Regioner
  • Syddansk Sundhedsinnovation.

SDSI bliver overordnet projektansvarlig. Der etables en projektgruppe, som skal understøtte arbejdet i de konkrete faser.

Projektparterne

  • SDSI: Iben Kromann., Specialkonsulent; Carsten Jensen., Ph.d., projektleder; NN, It-projektleder
  • OUH, SDU: Susanne S. Pedersen, Professor, institutleder, Cand.Psyk. + NN, post-doc
  • OUH: Jens Brock Johansen, Overlæge, Hjertemedicinsk Afd. B.
  • Sjællands Universitetshospital, Roskilde: Lotte Helmark, Sygeplejerske og ph.d. stud.; Kardiologisk Afd.
  • SAS: Morten Krog Danielsen, Konsulent, Christian Hardal, Konsulent
  • SDU: Uffe Kock Wiil, Mærks Instituttet, NN, post-doc
  • DOL: Inge Lise Udbye Christiansen, Chefkonsulent
  • AUH: Mogens Lytken Larsen, Klinisk Professor Emeritus, kardiolog
  • Praksis: Jens Søndergaard, Professor og forskningsleder, praktiserende læge og klinisk farmakolog
  • Repræsentanter fra hjertemedicinske afdelinger på sygehusenhederne i Region Syddanmark.

FAKTA

  • Projektperiode: januar 2021 – december 2023
  • Financiering: Projektet er et signaturprojekter om kunstig intelligens i kommuner og regioner.
HJERTERO – opsporing af hjertepatienter med forhøjet risiko for angst og depression

Kontakt
SDSI
Chefkonsulent
Iben Kromann
+45 2096 7597
iben.kromann@rsyd.dk