Alt for ofte ender borgere, der modtager hjemmehjælp, på sygehuset på grund tilstande, der kunne have været forebygget.

Det viser tal fra Sundhedsdatastyrelsen. 

Det udgør ikke alene et problem for den enkelte, men presser også et i forvejen trængt sundhedsvæsen.

I Hjørring Kommune arbejder hjemmeplejen aktivt med at forebygge hospitalsindlæggelser. Det sker ved brug af et nyt IT-system, der hjælper personalet med at spotte forværring hos borgerne. 

Gennemgår store mængder data

Helt konkret betyder det, at Camilla Nørlev sammen med en kollega en gang om ugen gennemgår den liste, som det nyt IT-system opdaterer med data om samtlige borgere, der modtager hjemmepleje.

- Det giver så meget mening, for vi kan opdage sygdom eller forværring i borgernes sundhedstilstand langt tidligere end før, og vi kan sætte ind med hjælp, sådan at den ældre kan undgå at blive indlagt på sygehus, siger Camilla Nørlev.

Hun tilføjer, at der for eksempel kan være tale om en ældre borger, der i en periode har ligget for meget på sofaen, eller en borger, der pludselig begynder at falde i hjemmet.

- Så kan vi sætte ind i samarbejde med det nærmeste plejepersonale og besøge borgeren og gå i dialog med vedkommende og undersøge, hvad det kan skyldes, og hvordan vi kan hjælpe borgeren, siger Camilla Nørlev.

I løbet af en periode på 16 uger har systemet identificeret syv borgere, som personalet ikke ville have opdaget uden det nye system. 

De syv borgere ville sandsynligvis være blevet indlagt.

Systemet giver data - men beslutter ikke

- Det er vigtigt at forstå, at selve systemet ikke træffer beslutninger. Det lader vi sygeplejerskerne om. Vi leverer kun beslutningsstøtte, siger professor Anders Læsø Madsen.

Han er leder af virksomheden bag systemet og tilknyttet Institut for Datalogi på Aalborg Universitet.

Sammen med lektor Kristian G. Olesen har han i en årrække arbejdet med praktisk anvendelse af såkaldte Bayesianske netværk, hvor man beregner sandsynligheder baseret på store datamængder.

- Når borgere modtager hjemmehjælp, er der krav om, at de ansatte dokumenterer besøgene. Vores system bruger den eksisterende data og benytter Natural Language Processing (NLP)-teknikker til at kortlægge bl.a. forekomsten af specifikke ord i de ansattes fritekst. Det kan være ord som ”urinvejsinfektion”, ”konfus” eller ”appetit”. De er nøje udvalgt i samarbejde med fagpersonalet i kommunen, fortæller Anders Læsø Madsen.

Derudover har datalogerne lavet en analyse af historisk data og trukket ord ud, der statistisk set er brugt i sammenhænge, hvor en borger efterfølgende er kommet på hospitalet. På den baggrund udarbejder systemet en liste over alle borgere sorteret efter risiko for indlæggelse.

Dokumentation bruges på den store klinge

Hjørring Kommune har i flere år arbejdet med at udnytte teknologi til at forbedre velfærden i hjemmeplejen og var da heller ikke sen til at gribe chancen for at være med i et samarbejde med HUGIN EXPERT og være med til selv at præge udviklingen og forklare konkrete behov set fra hjemmeplejens dagligdag.

- Som kommune har vi masser af data i vores omsorgssystem, men det har været umuligt for den enkelte ansatte med skiftende arbejdstider at spotte løbende forværring hos borgeren. Første gang vi testede systemet, var der en assistent, der sagde, at hvor er det rart at se, at alt det, vi dokumenterer dagligt endeligt bruges til noget på den store klinge. Og vi er vant til at dokumenterer, men det er her overblik over data, som det nye system giver, det ville vi simpelthen ikke kunne opnå alene med vores "gamle" omsorgssystem og sygeplejersker,  forklarer Heidi Lynge Løvschall, afdelingsleder i Sundheds-, Ældre- og Handicapforvaltningen i Hjørring Kommune.

- Hvis vi kan forhindre, at en borger får følgevirkninger af en urinvejsinfektion og dermed f.eks. undgå at vedkommende bliver forvirret og falder, vil det være en stor gevinst – både for den enkelte, men også økonomisk, tilføjer hun.

Systemet udspringer af forskning på Aalborg Universitet, er udviklet i samarbejde med softwarevirksomheden HUGIN EXPERT, der er et såkaldt spin-out fra Aalborg Universitet.