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

Hjertepatienter rammes ofte af 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 at udnytte mulighederne i teknologien til tidligt at kunne opspore tegn på angst og depression hos hjertepatienter

Kunstig intelligens skal hjælpe os med at forebygge angst og depression hos hjertepatienter.

I 2020 vil op mod 500.000 danskere være hjertepatienter. Desuden kan halvdelen af os 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 projekt ’HjerteRo’ ønsker vi at udnytte Danmarks unikke landsdækkende patientregistre til at udvikle en datadreven prædiktionsmodel, der kan understøtte opsporingen af patienter med hjertesygdom, der har en forhøjet risiko for at blive genindlagt med særlig fokus på 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 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 gen-indlæggelse i relation til angst og/eller depression hos hjertepatienter, 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.

Succeskriterier

• At udvikle en datadreven prædiktionsmodel. Modellen måles på, om det lykkes at oprense data fra registrene og at identificere risikofaktorer, som indsamles nationalt og er unikke for personer i risikogruppen. Modellen udvikles på disse data
• At validere prædiktionsmodellen. Modellen måles med to kohorter. Valideringen udføres på en kombination af nutidige (diagnose, interview) og historiske data
• Proof-of-Concept. At afprøve en prædiktionsmodel (redskab til beslutningsstøtte) på hjerteafdelingen på Odense Universitetshospital. Der måles på om klinikere (interviews) oplever at modellen gør dem mere opmærksomme på patienter, der er i risiko for gen-indlæggelse og udvikling af angst og depression, på en måde de kan bruge i hverdagen
• Evaluering & anbefalinger. Kvalitativ effektevaluering via løbende dialog, fokusgruppeinterviews og interviews. Anbefalinger til implementering og skalering af modellen nationalt til andre sygdomsområder, hvor angst og depression er udbredt (eks. diabetes og KOL).

Forventede kvantitative og kvalitative gevinster

Gevinsterne ved HjerteRo er flere:

• At udvikle en model, som kan anvendes i en klinisk hverdag (PoC), som et beslutningsstøtteredskab
• At udvikle en generisk model, som kan skaleres til andre sygdomsområder, hvor der også er en høj forekomst af angst og depression efter somatisk sygdom (kræft, KOL)
• At få nye erkendelser om risikofaktorer, som vi ikke kender i dag eller at få bekræftet, at dem vi kender, er de rigtige
• At finde de patienter, som bl.a. i forbindelse med angst og depression er i risiko for gen-indlæggelse og at tilbyde forebyggelse.

Vi opnår en bedre udnyttelse af sundhedsydelserne

Når borgere med forhøjet risiko for gen-indlæggelse, angst og depression findes tidligere, kan der planlægges individualiserede patientforløb.

Denne tidligere opsporing er billigere og chancerne for helbredelse øges, hvilket medfører et nedsat forbrug af sundhedsydelser. Der er således god økonomi i tidligt at finde patienter med bl.a. forhøjet risiko for angst og depression.

Derudover er der en lang række gevinster at hente på patienters og pårørendes livskvalitet.

• Bedre livskvalitet for patienter og deres pårørende (Quality adjusted life years)
• Færre besøg hos praktiserende læge og indlæggelser
• Færre sygedage (hvis patienten er erhvervsaktiv)
• Bedre udnyttelse af sundhedsvæsenets ressourcer.

Partnerskab & leverandør

• Syddansk Sundhedsinnovation, Region Syddanmark: Lone Dalager Kristensen, HD(A), projektleder
• Odense Universitetshospital: Ann-Dorthe Zwisler og Tine Svendstrup Poulsen, cheflæge, Hjertemedicinsk Afd. B.
• SAS instituttet: Morten Krog Danielsen, konsulent, Christian Hardal, konsulent
• Dokumentation og Ledelse, Region Syddanmark: Anders W. Maarberg, chefkonsulent.

Fakta

Projektperiode: januar 2021 – medio 2025

Finansiering: Projektet er ét blandt 13 signaturprojekter om kunstig intelligens i kommuner og regioner udvalgt ved økonomiaftalerne 2021.