Till innehåll på sidan
Till KTH:s startsida Till KTH:s startsida

Så kan data användas för att förstå överbeläggningen i vården

Luca Marzano
Luca Marzano. Foto: Jon Lindhe, KTH
Publicerad 2024-06-11

Tillsammans med CBH-forskarna Sebastiaan Meijer, Adam Darwich och Jayanth Raghothama, samt personal vid Akademiska sjukhuset i Uppsala, har Luca Marzano, doktorand vid avdelningen för Hälsoinformatik och logistik, undersökt hur data från sjukhusens akutmottagningar kan användas effektivt för att förstå och hantera problemet med överbeläggningar i vården i framtiden.

Studien – Diagnosing an overcrowded emergency department from its Electronic Health Records – har nu publicerats i Nature, Scientific Reports.

Luca Marzanos forskning fokuserar på att utveckla datadrivna tillvägagångssätt för att uppnå så kallad Real world evidence (evidens genom dataanalys) inom olika sjukvårdsområden, som till exempel onkologi, utformning av kliniska prövningar, akutmedicin och psykiatri för barn och ungdomar.

– Problemet är ett ökat antal patienter som söker vård, vilket leder till långa väntetider, försenad behandling och försämrad vårdkvalitet. Svenska sjukhus är inget undantag, med rapporterad hög arbetsbelastning, stress bland vårdpersonalen och negativa patientupplevelser på grund av långa väntetider, säger Luca Marzano.

Det här problemet är svårt att lösa på grund av komplexiteten i sjukvårdsverksamheten, mångfalden av patienternas diagnoser och det begränsade antalet resurser – alltså personal och tillgängliga vårdplatser.

– Vår studie visar att vi kan förbättra vår förståelse av orsakerna till överbeläggningar och underlätta diskussioner om framtida insatser. Det kan vi göra genom att i efterhand analysera data från akutmottagningar, med deltagande av kliniska experter under hela dataanalysprocessen.

Luca Marzano kommer från Italien och studerade fysik i sin hemstad Bari vid Michelangelo Merlin-fysikavdelningen vid Aldo Moro-universitet. Under sin masteruppsats arbetade han med att utveckla tillämpningar för djup maskininlärning (en avancerad typ av maskininlärning) och komplex grafteori inom neuroavbildning.

– Det var under mitt examensarbete som jag insåg att jag vill bidra till innovation av teknik som tillämpas inom medicin och hälsovård, säger han.

Här kan du läsa studien.

Text: Åsa Karsberg