Livsräddande sekunder: Ny modell förutspår hjärtstilleståndsutfall snabbt och korrekt med försjukhusdata

StockholmAtt snabbt behandla hjärtstillestånd är avgörande. Snabba åtgärder kan rädda liv. Forskare vid Osaka Metropolitan University har utvecklat ett nytt poängsystem. Detta system använder data från innan patienten anländer till sjukhuset och förutspår exakt hjärnutfall för patienter som drabbas av hjärtstillestånd utanför sjukhuset. Det hjälper läkare att snabbt fatta beslut när patienten kommer till sjukhuset. Studien om detta publicerades i Resuscitation den 31 maj.

Hjärtstillestånd kan leda till döden inom några minuter. Utanför sjukhus inträffar det ofta och överlevnadsgraden är låg. I Japan drabbas över 100 000 personer årligen av hjärtstillestånd utanför sjukhus, och mindre än 10% återhämtar sig helt. Att snabbt förutsäga neurologiska utfall är viktigt.

Nuvarande modeller är komplexa och kräver blodprover, vilket gör dem olämpliga för snabb användning. Takenobu Shimada, som är medicinsk lektor vid Osaka Metropolitanska Universitets medicinska fakultet, ledde en studie. Forskargruppen utvecklade en enklare metod genom att skapa en poängmodell med lättillgängliga prehospitala data.

Deras poängmodellsystem, som kallas "R-EDByUS- poängen", använder fem faktorer.

• Ålder
• Tid till återkomst av spontan cirkulation (ROSC) eller tid till ankomst på sjukhus
• Avsaknad av hjärt-lungräddning från förbipasserande
• Om hjärtstoppet blev bevittnat
• Initial hjärtrytm (chockbar mot icke-chockbar)

Forskare använde data från All-Japan Utstein-registret för att undersöka prehospital hjärt-lungräddning och neurologisk återhämtning en månad efter hjärtstopp hos 942 891 vuxna. De studerade data från 2005 till 2019. Dåliga resultat inkluderade svår funktionsnedsättning, vegetativt tillstånd eller död.

Läs också:

Idag · 04:09

Bröstmjölksantikroppar skyddar spädbarn mot maginfektioner

R-EDByUS-poängen delar in patienter i två grupper: de som fick tillbaka pulsen innan de nådde sjukhuset och de som fortfarande fick hjärt-lungräddning när de anlände. Både detaljerade och förenklade modeller används för att beräkna R-EDByUS-poängen.

Resultaten visade att R-EDByUS-poängen var mycket exakta, med C-statistikvärden på cirka 0,85 för båda grupperna. C-statistik används för att mäta hur bra något förutsäger utfall. Ett värde på 0,5 innebär ingen förutsägbarhetskraft, medan ett värde på 1,0 betyder perfekt noggrannhet. Högre värden indikerar bättre prestation.

R-EDByUS-poängen är användbar så snart en patient anländer till sjukhuset. Den kan användas på en smartphone eller surfplatta, vilket gör den praktisk för daglig användning i vårdmiljöer. Den hjälper vårdpersonal att snabbt bedöma och hantera återupplivningsfall.

Intensivvårdsåtgärder, till exempel mekaniskt cirkulationsstöd, kan rädda liv men är också påfrestande för patienterna. Den prediktiva modellen hjälper till att identifiera patienter som skulle ha nytta av intensivvård och minskar belastningen för dem med dåliga prognoser.

Denna bedömningsmodell kommer att vara ett värdefullt verktyg. Den bedömer och hanterar hjärtstopp patienter snabbt. Detta underlättar snabba beslut, förbättrar patientvården och optimerar resursanvändningen.