Validering och implementering av en prediktionsmodell för att minska sjukhusinläggningar vid kronisk sjukdom

Viktiga resultat som projektet gav

Syftet var att validera och implementera ett proof-of concept AI-baserat beslutsstöd för läkare och beslutsfattare för att optimera vården genom att förutsäga återinläggningar på sjukhus. Vi har 1) identifierat och infogat läkare och beslutsfattares behov i modellen (användarcentrerad design), 2) påbörjat validering för komplexa patienter med samtidig hjärt-, njur- och diabetessjukdom (HND) vid Danderyd sjukhus HND-centrum samt 3) utvecklat en skalbarhetsplan som förbereder generalisering.

Långsiktiga effekter som förväntas

Vi har identifierat och läkare och beslutsfattares behov och preferenser i AI modellen. Vi har påbörjat validering av den prediktiva beslutsstödmodellen för komplexa patienter med samtidig hjärt-, njur- och diabetessjukdom (HND) vid Danderyd sjukhus HND-centrum från tillgänglig journaldata (VAL databasen) (försenat pga covid-19) samt 3) utvecklat en strategi/skalbarhetsplan för modellen för prediktiva beslut som förbereder generalisering till andra miljöer i Sverige.

Upplägg och genomförande

Vi har intervjuat läkare och beslutsfattare som dels hanterar patienter kliniskt, dels ansvarar för resursfördelning och vårdplanering. Vi har infogat deras behov och preferenser i AI modellen. Vi har påbörjat validering av den prediktiva beslutsstödmodellen för komplexa patienter med samtidig hjärt-, njur- och diabetessjukdom (HND) vid Danderyd sjukhus HND-centrum med journaldata (VAL databasen). Vi har förberett en strategi/skalbarhetsplan för generalisering till andra miljöer i Sverige.