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

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

Hjertepatienter rammes ofte af angst og depression

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 ’HjerteRo’ ønsker vi at udnytte Danmarks unikke landsdækkende patientregistre til at udvikle en datadreven prædiktionsmodel, der kan understøtte opsporingen af patienter med iskæmisk hjertesygdom (IHD), der har en 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 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.

Succeskriterier

• At udvikle en datadreven prædiktionsmodel. 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 prædiktionsmodellen. Måles med to IHD kohorter (m. angst/depression vs. u. angst/depression). Valideringen udføres på en kombination af nutidige (diagnose, interview) og historiske data
• Proof-of-Concept. At afprøve en prototype på løsningen (redskab til beslutningsstøtte) på udvalgte kliniske afd. Måles på om klinikere (interviews) oplever at modellen gør dem mere opmærksomme på patienter, der er i risiko for at udvikle angst eller depression, på en måde, de kan bruge i hverdagen
• Evaluering & anbefalinger. Kvalitativ og kvantitativ effektevaluering via dialog og spørgeskema. 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:

• Vi får en model, som vi håber er valid og kan anvendes i en klinisk hverdag (PoC), som et beslutningsstøtteredskab
• Vi udvikler 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)
• Vi får nye erkendelser om risikofaktorer, som vi ikke kender i dag eller bekræfter at dem vi kender, er de rigtige
• Vi finder de patienter, som udvikler angst og depression i forbindelse med deres hjertesygdom, og tilbyder forebyggelse (f.eks. gennem eMindYourHeart)

Vi opnår en bedre udnyttelse af sundhedsydelserne

Når borgere med forhøjet risiko for at udvikle 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 at finde patienter med angst og depression tidligt.

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: Carsten Jensen., Ph.d., projektleder, Zlatan Sarkotic, it-projektleder og Anne Mortensen, projektmedarbejder
• Odense Universitetshospital, Syddansk Universitet: Susanne S. Pedersen, professor, institutleder, cand. psyk. + NN, post-doc
• Odense Universitetshospital: Ann Dorthe Zwisler og Jens Brock Johansen, overlæge, Hjertemedicinsk Afd. B.
• SAS instituttet: Morten Krog Danielsen, konsulent, Christian Hardal, konsulent
• Syddansk Universitet: Uffe Kock Wiil, professor, Mærks Instituttet, Ali Ehamhimi post-doc.
• Dokumentation og Ledelse, Region Syddanmark: Anders W. Maarberg, chefkonsulent
• Mogens Lytken Larsen, klinisk professor Emeritus, kardiolog
• Forskningsenheden for Almen Praksis: Jens Søndergaard, professor og forskningsleder, praktiserende læge og klinisk farmakolog
• Sjællands Universitetshospital, Roskilde: Lotte Helmark, sygeplejerske og ph.d. stud.; Kardiologisk Afd.

Fakta

Projektperiode: januar 2021 – december 2023

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