Med store mængder data fra blandt andet den elektroniske patientjournal har forskere fra Aarhus Universitet og Aarhus Universitetshospital fundet mønstre, der kan identificere patienter, som risikerer at blive bæltefikseret.

29.10.2019 | Helle Horskjær Hansen

På baggrund af data fra journaler og sundhedsregistre blev en række matematiske modeller, også kaldet algoritmer, trænet i at genkende mønstre, der øger risikoen for, at en patient bliver bæltefikseret de første tre døgn efter indlæggelsen. Foto: Unsplash

Sidste år blev 1.374 psykiatriske patienter spændt fast med bælte i Danmark, og selvom det er færre end tidligere, er det, ifølge eksperter, stadig alt for mange. Nu har forskere fundet ud af, hvilke patienter, der er i risiko for at blive bæltefikseret.

”Vi har brugt de danske sundhedsregistre til at finde frem til patienter i Region Midtjylland, der har været indlagt i psykiatrien, og som før denne indlæggelse ikke har været bæltefikseret, fortæller Andreas Aalkjær Danielsen, ph.d.-studerende på Aarhus Universitet og læge på Aarhus Universitetshospital, Psykiatrien, der står bag undersøgelsen.

Og ud fra data i disse patienters journaler og sundhedsregistre blev en række matematiske modeller, også kaldet algoritmer, trænet i at genkende mønstre, der øger risikoen for, at en patient bliver bæltefikseret de første tre døgn efter indlæggelsen.

”Den trænede algoritme identificerede patienter i høj risiko for bæltefiksering med en præcision, der gør, at den kan anvendes af de psykiatriske afdelinger,” siger Andreas Aalkjær Danielsen.

Personale kan advares tidligt

Han håber, at resultaterne kan bruges til at udvikle et automatisk advarselssystem, som kan støtte læger og sygeplejersker i at udpege, hvem der kunne få gavn af en mere intensiv behandling

”En bæltefiksering er et voldsomt indgreb, og kan være forbundet med en række utilsigtede hændelser som psykologisk stress eller skulderskader hos både patient og personale. Derfor har det længe været en målsætning, så vidt muligt, at undgå bæltefikseringer,” fortæller Andreas Aalkjær Danielsen.

5050 patienter med i alt 8869 indlæggelser indgik i undersøgelsen, hvis resultater er offentliggjort i det videnskabelige tidsskrift Acta Psychiatrica Scandinavica.

Tidligere undersøgelser har allerede identificeret nogle risikofaktorer for bæltefiksering, men ikke med tilstrækkelig præcision. Der mangler stadig viden om, hvordan disse risikofaktorer så at sige ’taler med hinanden’.

Det er fortsat en daglig udfordring for personalet hurtigt at finde frem til hvem, der er i risiko og hvordan vi kan forebygge bæltefikseringer. Vi håber, at disse algoritmer, som kan identificere risikofaktorer i store mængder data, kan bruges til at forudse sådanne fremtidige hændelser,” siger Andreas Aalkjær Danielsen.

Bæltefikseringer

Bag om resultatet

• Studiet er blevet til ved hjælp af statistiske analyser af big data fra blandt andet de elektroniske patientjournaler i Region Midtjylland.

• Studiet er finansieret af Aarhus Universitet, Region Midt og Lundbeckfonden.

• Den videnskabelige Predicting mechanical restraint of psychiatric inpatients by applying machine learning on electronic health data  kan læses i Acta Psychiatrica Scandinavica

Forskningsresultatet er afsat og bragt i Videnskab.dk 29. oktober 2019. 

Kontakt

Ph.d.-studerende og læge, Andreas Aalkjær Danielsen
Aarhus Universitet, Institut for Klinisk Medicin og
Aarhus Universitetshospital, Forskningsenheden for Psykoser
andreas.aalkjar.danielsen@clin.au.dk

Mobil: 51 36 48 90