Case 3 – RØD

Initiativ

Akutmodtagelsen (FAM) ønsker at understøtte kvalitet og ensartethed i den initiale triagering gennem anvendelse af et digitalt beslutningsstøtteværktøj.

Beskrivelse

Løsningen er et IT-baseret beslutningsstøtteværktøj, der ud fra patientens vitale parametre, symptomer og udvalgte journaloplysninger genererer en risikoscore for alvorlig sygdom (fx sepsis eller akut klinisk forværring). Scoren præsenteres som et supplement til den kliniske triagering og indgår som en del af beslutningsgrundlaget uden at erstatte den kliniske vurdering, men kan påvirke prioritering, observationsniveau og videre udredning. Anvendelsen kan potentielt medføre væsentlige patientsikkerhedsmæssige implikationer, herunder risiko for både under-og overtriagering som følge af fejlagtige eller misvisende risikovurderinger.

Løsningen forudsætter integration med hospitalets kliniske IT-systemer og adgang til valide og tidstro data. Implementeringen kræver tilpasning af arbejdsgange, kompetenceudvikling og afklaring af ansvar i relation til anvendelse af beslutningsstøtte. Evidensgrundlaget er begrænset og primært baseret på retrospektive valideringsstudier. Økonomisk vil der være implementeringsomkostninger samt løbende udgifter til drift, vedligeholdelse og monitorering af systemets performance.

Afprøvningsstatus / erfaringsgrundlag

Værktøjet er udviklet og valideret på historiske datasæt samt testet i simulerede kliniske scenarier. Der foreligger således dokumentation for modellens prædiktive egenskaber under kontrollerede forhold, men ikke ved anvendelse i klinisk drift.

Det er uafklaret, hvordan anvendelsen påvirker kliniske beslutningsprocesser, triageringspraksis og arbejdsgange i en akutmodtagelse, herunder interaktionen mellem klinisk vurdering og algoritmisk beslutningsstøtte. Der foreligger ikke et systematisk datagrundlag for effekt på patientsikkerhed, behandlingskvalitet eller ressourceanvendelse ved implementering i praksis.

----

Formål - At vurdere om AI-beslutningsstøtten:

• Forbedrer kvalitet og ensartethed i triagering
• Øger patientsikkerheden (reducerer under-/overtriagering)
• Påvirker kliniske arbejdsgange og ressourceanvendelse.

Design - Kontrolleret før/efter-design (kvasi-eksperimentelt):

• Før: Standard triagering uden AI
• Efter: Triagering med AI-støtte
• Evt. samtidig kontrolgruppe (anden akutmodtagelse uden AI).

Data og indikatorer

Kvantitative data

• Andel korrekt triagerede patienter (ift. “gold standard”)
• Forekomst af under-og overtriagering
• Tid til behandling (fx lægetilsyn)
• Kliniske outcomes(fx forværring, intensiv overflytning, mortalitet)
• Ressourceforbrug (fx indlæggelser, undersøgelser)
• AI-performance i drift (fx sensitivitet/specificitet).

Kvalitative data

• Klinikeres tillid til og brug af AI
• Oplevet beslutningsstøtte vs. “automation bias”
• Ændringer i arbejdsgange og ansvar.

Metoder

• Kliniske registerdata/journaldata: Triagering, outcomes, behandlingstid
• System-og logdata fra AI: Risikoscores, anvendelse
• Audit / journalgennemgang: Vurdering af korrekt triagering
• Spørgeskemaer: Tillid, anvendelse, oplevet kvalitet
• Interviews / observationer: Kliniske beslutningsprocesser og samspil med AI (et mixed methods-design, men med stærkere fokus på patientsikkerhed).

Succeskriterier (eksempel)

• Reduceret undertriagering (fx ≥ 20 %)
• Ingen stigning i overtriagering
• Forbedret eller uændret klinisk outcome
• Høj klinikeraccept og korrekt anvendelse af værktøjet.