Human Triage versus Computer-Based Triage Using a Predetermined Flowchart

In het chaotische hart van een spoedeisende hulp is tijd de meest kritieke hulpbron, maar het is vaak het eerste dat opraakt. Triage is het proces dat bepaalt wie er als eerste wordt gezien, waarbij patiënten worden gesorteerd op basis van hoe dringend ze zorg nodig hebben. Het is een beslissing met hoge inzet waarbij een verpleegkundige of arts snel naar een persoon moet kijken, naar de symptomen moet luisteren en de persoon in een categorie moet plaatsen: direct gevaar, dringend maar stabiel, of iets dat kan wachten. Dit systeem is de ruggengraat van de acute geneeskunde, ontworpen om ervoor te zorgen dat de ziekste mensen hulp krijgen voordat de minder zieken, zelfs wanneer de wachtkamer overvol is. Menselijk oordeel is echter geen perfecte machine. Het wordt beïnvloed door vermoeidheid, de enorme hoeveelheid mensen die wachten, en de natuurlijke variaties in hoe verschillende artsen en verpleegkundigen dezelfde set symptomen interpreteren. Wanneer deze menselijke beslissingen te veel variëren, kunnen patiënten met levensbedreigende aandoeningen over het hoofd worden gezien, of worden mensen met minder ernstige problemen behandeld als spoedgevallen, wat het systeem verstopt en de zorg voor iedereen vertraagt.

Om dit aan te pakken, besloten onderzoekers in Nepal een andere aanpak te testen: het vervangen van menselijk gissen door een strikt, computergestuurd stroomdiagram. Ze wilden zien of een digitale tool, geprogrammeerd met een gestandaardiseerde set regels, betere beslissingen kon nemen dan het ervaren personeel dat het werk dagelijks uitvoert. De studie vond plaats in het Patan Hospital, een groot en druk noodcentrum in Kathmandu, waar de druk op het personeel immens is. Het team vergeleek de routineuze manier waarop patiënten werden gesorteerd met een nieuwe methode waarbij een webgebaseerde applicatie de triage begeleidde. Deze applicatie volgde een specifieke gids opgesteld door de Wereldgezondheidsorganisatie, die een reeks ja-of-nee-vragen over gevaarsignalen en symptomen gebruikt om patiënten in drie groepen te verdelen: rood voor spoed, geel voor prioriteit en groen voor niet-dringend. De onderzoekers vroegen niet alleen welke methode beter aanvoelde; ze lieten een panel van deskundige artsen, die niet wisten welke methode voor welke patiënt werd gebruikt, elke enkele casus beoordelen om te zien wie het goed had.

De resultaten toonden een duidelijk verschil in prestaties. Wanneer de computerapplicatie haar beslissingen nam, kwam deze veel vaker overeen met de beoordeling van het deskundigenpanel dan het menselijke personeel deed. De computer kreeg de classificatie in ongeveer 87 procent van de gevallen juist, terwijl het menselijke personeel in ongeveer 67 procent van de gevallen correct was. Dit gat was geen kleine fluctuatie; het was een significante en meetbare verbetering. De computer stemde ook veel consistenter overeen met de experts. Als je de experts voorstelt als de gouden standaard van de waarheid, dan kwamen de beslissingen van de computer op een statistisch sterke manier met hen overeen, terwijl de menselijke beslissingen veel meer variatie vertoonden, waarbij een patiënt soms in de verkeerde categorie werd geplaatst simpelweg omdat een verpleegkundige de situatie anders zag dan een ander.

Een van de belangrijkste bevindingen betrof de patiënten in de meest kritieke categorie, degenen die als rood zijn gelabeld. Dit zijn de mensen die onmiddellijke, levensreddende aandacht nodig hebben. De computertool was aanzienlijk beter in het opsporen van deze patiënten. Het identificeerde correct ongeveer 84 procent van de echte spoedgevallen, terwijl het menselijke personeel er slechts 72 procent van zag. Dit betekent dat met de menselijke methode meer dan een kwart van de meest kritieke patiënten potentieel gemist of naar een lagere prioriteitszone gestuurd werd, een gevaarlijke fout in een druk ziekenhuis. De computer maakte ook minder fouten in de tegenovergestelde richting. Het was veel minder waarschijnlijk dat een patiënt die eigenlijk in orde was, als een spoedgeval werd behandeld. Het menselijke personeel had de neiging tot over-triage, waarbij ongeveer 24 procent van de patiënten naar een hoger urgentieniveau werd gestuurd dan nodig was, wat de middelen van het ziekenhuis belast en de zorg voor iedereen vertraagt. De computer verminderde deze verspilling tot minder dan 8 procent.

De studie vond wel dat de computer iets beter was in het vermijden van de gevaarlijke fout van onder-triage, waarbij een zieke patiënt te snel wordt weggestuurd, maar het verschil was niet groot genoeg om statistisch zeker te zijn. De onderzoekers merkten op dat dit specifieke type fout zeldzaam is, waardoor hun studie mogelijk niet groot genoeg was om te bewijzen dat de computer definitief beter was, ook al wezen de cijfers in die richting. De onderzoekers waren voorzichtig in hun verklaring dat de computertool niet bedoeld is om de arts of verpleegkundige te vervangen. In plaats daarvan is het ontworpen als een hulpmiddel, een beslissingsondersteunend systeem dat een tweede mening biedt op basis van strikte regels. Het menselijke personeel behield nog steeds de uiteindelijke autoriteit en kon de computer overrulen als zij vonden dat de situatie van een patiënt complex of ongebruikelijk was.

Uiteindelijk suggereert de studie dat het toevoegen van een gestandaardiseerd computerstroomdiagram aan het triageproces in een omgeving met een hoog volume en beperkte middelen, zoals in Nepal, het systeem veiliger en consistenter kan maken. Het elimineert de noodzaak van menselijk oordeel niet, maar biedt een betrouwbare basislijn die de variabiliteit veroorzaakt door vermoeidheid of stress vermindert. De auteurs bevelen aan dat ziekenhuizen deze tools overwegen om hun personeel te ondersteunen, zodat de meest kritieke patiënten snel worden geïdentificeerd en het systeem niet wordt vertraagd door onnodige urgentie. Hoewel de studie in een enkel ziekenhuis werd uitgevoerd en een specifiek ontwerp gebruikte dat verschillende diensten vergeleek in plaats van individuele patiënten te randomiseren, wijst het bewijs op een toekomst waarin technologie mensen helpt om betere, meer betrouwbare leven-of-doodbeslissingen te nemen in de spoedeisende hulp.