Automatiserad bedömning av kvalitetsindikatorer med ett kliniskt datalager: en pilotstudie om dörr‑till‑avbildningstid vid strokevård

Varje minut räknas

När någon drabbas av stroke är läkare i kapp med tiden: ju snabbare hjärnavbildning utförs, desto större är chansen att begränsa bestående skador. Sjukhus förväntas följa hur snabbt de går från en patients ankomst till den första hjärnavbildningen, men i dag kontrolleras detta ofta manuellt, fil för fil—en långsam och felbenägen process. Denna studie undersöker om moderna sjukhussystem kan mäta dessa fördröjningar automatiskt, vilket skulle kunna frigöra personalresurser och ge vården en tydligare, mer aktuell bild av hur väl strokevård levereras.

Att omvandla journaldata till användbara signaler

Forskarna fokuserade på en enkel men avgörande måttstock: ”dörr‑till‑avbildningstid”, fördröjningen mellan patientens ankomst till sjukhuset och deras första hjärnavbildning. Med hjälp av det kliniska datalagret vid Assistance Publique–Hôpitaux de Paris—en omfattande samling av elektronisk information från 38 sjukhus—sammanställde de poster för mer än 6 000 vuxna som vårdats för akut stroke under 2022. För varje vårdtillfälle kombinerade de administrativa ankomsttider med teknisk information från avbildningssystemet, som registrerar när en undersökning faktiskt påbörjas. Genom att subtrahera dessa tidpunkter lät de datorn beräkna fördröjningen automatiskt i stället för att förlita sig på personalens genomläsning och tolkning av varje journal.

Att kontrollera datorn mot manuell granskning

För att ta reda på om detta automatiska tillvägagångssätt kunde ersätta den traditionella metoden jämförde teamet det med Frankrikes nationella kvalitetsrevision, där sjukhuspersonalen manuellt granskar ett urval patientjournaler. De matchade 361 strokefall som förekom både i datalagret och i den manuella revisionen och jämförde därefter de två uppskattningarna av dörr‑till‑avbildningstid. På sjukhusets övergripande nivå var metoderna slående lika: båda visade en medianfördröjning på ungefär två och en halv timme, och båda kom fram till att strax över hälften av patienterna fick avbildning inom tre timmar från ankomst. Statistiska tester visade en stark överensstämmelse vid klassificering av patienter över eller under denna tre‑timmarsgräns.

Var automatisering sviktar

Vid en närmare granskning av enskilda patienter var bilden mindre prydlig. För ungefär tre fjärdedelar av fallen låg de två metoderna inom en timme från varandra, men exakt överensstämmelse saknades ofta och den övergripande överensstämmelsen för patient‑för‑patient‑tider var svag. Huvudproblemet var att fastställa den verkliga tidpunkten för den första hjärnavbildningen. Manuella granskare kan hämta denna tid från många ställen i journalen—friformstext, avbildningssammanfattningar eller specifika formulär—medan den automatiska metoden förlitar sig på standardiserade tekniska data från avbildningssystemet. I kompletterande kontroller av 300 rapporter visade sig dessa tekniska tidsstämplar vara relativt tillförlitliga när alla undersökningar var korrekt registrerade, men luckor i dokumentationen—såsom avbildningar utförda på annat sjukhus eller saknade poster—skapade missmatchningar. I vissa fall valde den automatiska metoden fel undersökning; i andra felaktigt tolkade eller inkonsekvent noterade manuella granskare tiden.

Lärdomar för bättre data och bättre vård

Studien belyste också bredare brister i hur sjukhus registrerar nyckelhändelser i strokevården. Även något så enkelt som ”ankomsttid” kan vara oklart: en patient kan få initial vård innan denne formellt registreras, och olika personal kan förlita sig på olika delar av journalen. Eftersom information kan dupliceras och ändras på flera ställen uppnår inte heller manuella granskare alltid konsensus sinsemellan. Författarna menar att förbättrad strukturering av data—standardisering av avbildningsbeskrivningar, att säkerställa att externa avbildningar loggas konsekvent och harmonisering av hur ankomst‑ och avbildningstider lagras—skulle göra både automatiska och manuella mätningar mer tillförlitliga.

Vad detta innebär för patienterna

I praktiska termer visar studien att datorer redan kan ge en robust överblick över hur snabbt sjukhus levererar hjärnavbildning till strokepatienter, med betydligt mindre personalinsats än nuvarande revisioner. För att granska ett enskilt fall—till exempel för att förstå vad som gick fel för en viss patient—är den automatiska metoden dock ännu inte tillräckligt exakt, särskilt när vården är komplex eller involverar flera anläggningar. Tills sjukhusdata blir renare, mer fullständiga och bättre länkade mellan platser föreslår författarna att man kombinerar automatiska beräkningar med riktade manuella kontroller. Genom att göra detta kan samarbetet mellan människor och datasystem ge vårdmyndigheter en skarpare, mer pålitlig bild av strokevårdens prestationer—och i slutändan bidra till att färre värdefulla minuter går förlorade när en stroke inträffar.

Citering: Hassanaly, O., Doutreligne, M., Troude, P. et al. Automating the assessment of quality indicators using a clinical data warehouse: a pilot study on door-to-imaging time in stroke management. Sci Rep 16, 12121 (2026). https://doi.org/10.1038/s41598-026-41833-4

Nyckelord: strokevård, kliniskt datalager, dörr‑till‑avbildningstid, vårdkvalitet, elektroniska journaler