🇸🇪 CEDOCS-score for overbelægning på akutmodtagelse

Klinisk bakgrund

Överbeläggning på akutmottagningar är ett strukturellt problem som försenar behandling, ökar mortalitet och försämrar arbetsmiljön. Att kvantifiera belastningen i realtid är nödvändigt för att utlösa belastningsprotokoll, omdirigera ambulanser eller frigöra slutenvårdsplatser. Utmaningen ligger i att överbeläggning är ett multidimensionellt begrepp som omfattar patientvolym, väntetider, inläggningstryck och personals upplevda arbetsbelastning, och att ingen enskild variabel fångar hela bilden.

CEDOCS (Community Emergency Department Overcrowding Scale) togs fram specifikt för akutmottagningar utanför universitetssjukhus, där föregångaren NEDOCS visat svagheter. NEDOCS härleddes vid universitetssjukhus och kräver bland annat uppgift om totalt antal slutenvårdsplatser, en variabel som vid mindre sjukhus ofta är svår att definiera i realtid. CEDOCS kalibrerades över ett bredare spann av årliga besöksvolymer och ersätter slutenvårdsplatsvariabeln med akutmottagningens totala besöksvolym, vilket gör den mer applicerbar på mindre enheter.

Beräkning av CEDOCS

CEDOCS beräknas med en multivariabel linjär regressionsmodell baserad på fem variabler som samlas in vid en och samma tidpunkt på akutmottagningen:

$$\text{CEDOCS} = -29{,}53 + 3{,}14 \times n_{\text{IVA}} + 0{,}52 \times t_{\text{max}} + 1{,}14 \times n_{\text{väntrum}} + 20{,}55 \times \frac{n_{\text{total}}}{n_{\text{platser}}} + 0{,}00124 \times V_{\text{års}}$$

där $n_{\text{IVA}}$ är antal intensivvårdspatienter för närvarande på akutmottagningen, $t_{\text{max}}$ är längsta väntetid för inlagd patient som fortfarande är kvar på akutmottagningen i timmar, $n_{\text{väntrum}}$ är antal patienter för närvarande i väntrummet, $n_{\text{total}}$ är totalt antal patienter för närvarande på akutmottagningen (samtliga platser), $n_{\text{platser}}$ är totalt antal godkända och bemannade akutvårdsplatser, och $V_{\text{års}}$ är akutmottagningens årliga patientbesöksvolym.

Negativa resultat redovisas som 0, motsvarande "inte upptaget".

Modellen härleddes i CEDOCS-studien, där data samlades in vid 13 kaliforniska sjukhus utanför universitetssjukhusnivå mellan den 6 april och den 1 maj 2011 [1]. Sammanlagt 2006 datauppsättningar samlades in, varav 1489 ingick i den fullständiga analysen. Utfallsmåttet var genomsnittet av läkares och ansvariga sjuksköterskors bedömning av överbeläggning på en 100 mm visuell analogskala (VAS). Av 20 kandidatvariabler togs 7 bort på grund av multikollinearitet; de återstående 13 förklarade 50,5 % av variansen i utfallsmåttet. De fem variabler som utgör CEDOCS stod för 92 % av den varians som den fullständiga modellen förklarade [1]. De inkluderade sjukhusen hade årliga akutmottagningsvolymer mellan 18 000 och 98 000 besök.

Tolkning i praktiken

CEDOCS-poängen indelas i sex band med stegrande handlingsbehov:

Poängen är en ögonblicksbild och bör beräknas regelbundet, inte minst vid kända toppbelastningstider. En ensam hög poäng utan trend stödjer omedelbar åtgärd; en stigande trend över flera mätningar ger tid att agera preventivt.

Validering och prestanda

CEDOCS har hittills genomgått begränsad extern validering. I härledningsstudien förklarade modellen 50,5 % av variansen i personalens VAS-bedömning av överbeläggning, vilket är en måttlig andel och återspeglar att överbeläggning är svårt att fånga med objektiva variabler ens i den population där modellen skapades [1].

Den enda publicerade externa jämförelsen genomfördes vid tre franska akutmottagningar (ett universitetssjukhus och två sjukhus utanför universitetssjukhusnivå) under två veckor 2023 [2]. CEDOCS korrelerade måttligt med personalens självskattade arbetsbelastning (Spearman ρ = 0,471, 95 % CI 0,289–0,616). En enklare måttstock, Census Rate (antal patienter dividerat med antal platser), presterade signifikant bättre (ρ = 0,744, 95 % CI 0,619–0,832; skillnad i korrelation 0,273, p < 0,001). Vid de två sjukhusen utanför universitetssjukhusnivå presterade dock CEDOCS och Census Rate likvärdigt, vilket talar för att CEDOCS kan ha sitt största värde just i den population den var avsedd för [2]. Studiens omfattning var begränsad med 81 observationer, och resultaten bör tolkas med försiktighet.

För jämförelse har NEDOCS, som är den mest spridda överbeläggningsskalan internationellt, validerats i flera sammanhang med varierande resultat. I en svensk multicenterstudie vid fyra akutmottagningar uppnådde NEDOCS en AuROC på 0,97 för att förutsäga överbeläggning definierad som hög personalarbetsbelastning, vilket var jämförbart med den svenska mSEAL-modellen (AuROC 0,91) och Occupancy Rate (AuROC 0,90) [3]. I en italiensk studie vid ett universitetssjukhus var överensstämmelsen mellan NEDOCS och personals subjektiva bedömning dock endast måttlig (viktat kappa 0,381) [4]. CEDOCS har inte validerats i svenska förhållanden.

Begränsningar

CEDOCS är framtagen för akutmottagningar utanför universitetssjukhusnivå med årliga volymer mellan 18 000 och 98 000 besök. Applicering på universitetssjukhus eller mycket små akutmottagningar utanför detta spann saknar valideringsunderlag. I den franska externa studien presterade CEDOCS sämre vid universitetssjukhuset, vilket indikerar att modellens kalibrering inte generaliseras oförändrad till större enheter [2].

Modellens utfallsmått, personalens VAS-bedömning, är subjektivt och kan variera mellan individer, skift och kulturer. Detta är en systematisk svaghet som delas med NEDOCS och de flesta överbeläggningsskalor: de kalibreras mot en guldstandard som själv är oprecis. I den italienska NEDOCS-studien fann man att personalen tenderade att överskatta belastningen vid låg beläggning och underskatta den vid hög beläggning, ett mönster som sannolikt även gäller för CEDOCS [4].

Variabeln "antal intensivvårdspatienter på akutmottagningen" har den högsta koefficienten (3,14) och får därmed stor effekt på poängen. Detta återspeglar att intensivvårdspatienter som boardar på akutmottagningen är en stark indikator på utflödesproblem. Samtidigt gör den höga koefficienten att redan några få sådana patienter kan förflytta poängen ett helt band, vilket kan ge en diskontinuerlig bild av belastningen.

CEDOCS kräver, i likhet med NEDOCS, att samtliga variabler är korrekt och aktuellt inmatade. Vid hög belastning är risken störst att manuell datainmatning fördröjs eller blir felaktig, vilket är den situation då poängen behövs som mest. Automatiserad datainhämtning från patientadministrativt system är därför i praktiken en förutsättning för tillförlitlig användning.

Svensk kontext

Ingen överbeläggningsskala har varit etablerad i svensk praxis. Den svenska mSEAL-modellen, som validerats vid fyra svenska akutmottagningar, innehåller endast två variabler (patienttimmar och tid till läkare) och presterar jämförbart med NEDOCS och Occupancy Rate [3]. mSEAL har fördelen att dess variabler rapporteras till nationella register, vilket möjliggör både realtidsmätning och retrospektiv analys. CEDOCS har inte testats i svensk miljö, och dess variabel "årlig besöksvolym" är statisk och bidrar marginellt till poängens variation vid en enskild mätning, vilket ifrågasätter dess mervärde framför enklare mått som Occupancy Rate i ett svenskt kontext.

Källor

1. Weiss SJ m.fl. Evaluating community ED crowding: the Community ED Overcrowding Scale study. Am J Emerg Med. 2014. PMID: 25234796
2. Paris F m.fl. Census rate as a pragmatic indicator of emergency department crowding: a multicentre prospective observational comparison with CEDOCS against frontline-perceived workload. BMC Nurs. 2026. PMID: 42337765
3. Wretborn J m.fl. Validation of the modified Skåne emergency department assessment of patient load (mSEAL) model for emergency department crowding and comparison with international models; an observational study. BMC Emerg Med. 2021. PMID: 33618658
4. Strada A m.fl. Do health care professionals' perceptions help to measure the degree of overcrowding in the emergency department? A pilot study in an Italian University hospital. BMC Emerg Med. 2019. PMID: 31455226