Big data hjælper ældreplejen til at forebygge akutte indlæggelser

”Algoritmen giver os et visuelt overblik over borgerens udvikling, som gør at vi pludselig kan se sammenhænge og mønstre over tid – og på den måde bliver vi tvunget ud af hverdagsperspektivet og får et vigtigt supplement til de personbårne hverdagsobservationer, personalet gør sig hos borgeren,”

Sådan fortæller projektleder Mejse Holstein fra ældreplejen i Svendborg Kommune. Her har man sammen med Syddansk Universitet og Region Syddanmark afprøvet, hvordan ”big data” kan styrke den tidlige opsporing af ældre hjemmehjælpsmodtagere, der er i fare for at blive akut indlagt på sygehuset.

Kommunen arbejder allerede – som andre kommuner landet over – med tidlig opsporing på ældreområdet. I Svendborg bruger man værktøjet Tidlig Opsporing Plus eller TO+, hvor hjemmehjælperne i en app kan registrere de små ændringer i en ældre borgers hverdag, der måske kan være tegn på svækkelse eller begyndende sygdom. Det kan fx være, når en ellers morgenfrisk dame stadig ligger i sengen, når hjemmehjælperen ankommer, eller når en meget proper mand pludselig har snavset tøj på. På daglige refleksionsmøder ses registreringerne igennem og der tages stilling til, om der skal handles på forandringerne.

”Som andre kommuner har vi gjort os den erfaring, at frontmedarbejdernes observationer er helt centrale i den tidlige opsporing – og dem skal vi holde fast i. Men med MATURE-projektet har vi fået et nyt værktøj, der udvider vores beslutningsgrundlag,” pointerer Mejse Holstein.

Algoritme peger på borgere i risiko

Bag det nye værktøj står læge Karen Andersen-Ranberg fra Dansk Center for Aldringsforskning på SDU og konsulent Anders Fournaise fra Region Syddanmarks afdeling for Tværsektorielt samarbejde ligesom Mærsk McKinney Møller Instituttet ved SDU også har deltaget i udviklingsarbejdet.

Ideen til værktøjet opstod, da de to forskere i 2017 gennemførte et studie af ældre hjemmeplejemodtagende patienter, der var indlagt i mindre end to døgn på Svendborg Sygehus’ akutmodtagelse – indlæggelser, der måske kunne være forebygget i hjemmet.

”Dengang kiggede vi bl.a. på de ældre borgeres brug af sundhedsvæsenet, inden de blev indlagt, og her kunne vi se, at deres forbrug af syge- og hjemmepleje steg med en tredjedel i året op til indlæggelserne. Med andre ord var der klare tegn i data på, at noget var under opsejling – og det gav os ideen til det projekt, vi nu har afprøvet i Svendborg Kommune.”

Den algoritme, som de to forskere har udviklet, trækker på administrative data fra det kommunale omsorgssystem. Algoritmen bearbejder oplysninger om visiterede timer til sygepleje og hjemmehjælp fordelt på forskellige typer ydelser for ældre borgere i Svendborg, som hjemmeplejen har kontakt til. Resultatet er en ugentlig risikoliste med mellem 70 og 80 borgere, hvor udviklingen giver anledning til bekymring.

”Det er vigtigt at understrege, at algoritmen ikke trækker på personlige data om borgerne, men alene på administrative data”, siger Anders Fournaise. ”Mange formoder, at udnyttelsen af ”big data” ofte er en kompleks proces, men her har vi fundet et sted, hvor det faktisk er simpelt at trække oplysninger ud og give et overblik, der supplerer hjemmehjælpernes observationer.”

Supplerer den faglige vurdering

I Svendborg Kommune er det akutsygeplejerskerne Anne Christensen og Tina Ellegaard, der hver uge har modtaget risikolisterne og sammen med Anders Fournaise har arbejdet på at forbedre algoritmen og klarlægge, hvordan oplysningerne kan bruges i ældreplejens daglige praksis.

”Gennem algoritmen er vi blevet opmærksomme på borgere, som vi ikke selv havde fundet gennem vores arbejde med tidlig opsporing, og vi har fået mulighed for at forebygge sygdomsforværring, som potentielt kan føre til akut indlæggelse. Vi har på ingen måde oplevet, at algoritmen overtager vores faglighed, men tværtimod at den udfordrer og supplerer den”, fortæller Anne Christensen.

Mejse Holstein uddyber: ”Værktøjet giver os et visuelt overblik over borgerens udvikling, men det kræver selvfølgelig en faglighed at udforske, hvad der ligger til grund for udviklingen. Hvorfor fik den her borger pludselig meget mere sygeplejehjælp for nogle måneder siden? Hvad er der sket, og kan vi gøre noget anderledes? På den måde har projektet givet os nogle retrospektive indsigter i det år, der har kørt, men vi har også fået ideer til metoder og målinger, der kan kvalificere vores arbejde yderligere – og dermed styrke vores beslutningsfaglighed.”