Scoringssystemer i traumatologi.

Skrevet av Lars Gunnar Johnsen

Scoringssystemer for å kartlegge og evaluere forekomst av sykdom og ikke minst resultat av behandling er en viktig del av moderne medisinsk behandling.
Allerede i 1994 publiserer Oestern og Kabus en artikkel som nevner over 50 forskjellige scoringssystemer innen traumatologi (1). Benyttet som registerdata kan slike systemer være avgjørende for å kunne opprettholde en høy kvalitet på traumebehandlingen og forskning innen traumefeltet.

Scoringssystemer i traumatologi har flere forskjellige funksjoner. Mange prøver å si noe om sannsynligheten for hospital mortalitet ut i fra fysiologiske parametere og anatomi som for eksempel TRISS, ISS og NISS. Noen prøver å si noe om behandlingsnivå for skaden slik som Gustillo-Anderson, Ganga hospital open injury score og Mangled Extremity Severity Score (MESS) for ekstremitetsskader. Felles er at de hevder å ha en prognostisk verdi for hvordan det går med pasienten gitt de kliniske opplysninger som foreligger. Intensjonen er at behandlingen legges opp deretter.

Noen av disse systemene har vist seg å være svært robuste og har vært i bruk i mange tiår og har god prediktiv verdi og rimelig god sensitivitet og spesifisitet mens andre kun blir rapportert i enkelt studier for siden å bli glemt, ofte fordi de ikke lar seg reprodusere eller fordi de er vanskelige og innviklede å bruke. Det bekrefter kanskje et forhold som Oestern og Kabus tar opp i sin artikkel fra 1994: «There is a tendency in the development of new scoring systems to aim at higher predictive accuracy, forfeiting practicability”.

Det siste aspektet illustreres delvis I en artikkel fra 2016 der en gruppe forskere fra USA, Sverige og India sammenligner tradisjonelle og nyere scorings systemer i lav- og middels inntekt land (LMICs) (2). De peker her på at det vil være forskjell i resultatene alt etter hvilket samfunn en undersøker fordi ressurser tilgjengelige for innsamling av data vil være forskjellig fra land til land. I studien sammenlignes tradisjonelle scorings systemer som er mye brukt i den vestlige verden (ISS, RTS og TRISS) med nye scoringssystemer utviklet helt eller delvis i LMICs: Kampala Trauma score (KTS), mekanisme+GCS+BT (MGAP) og GCS+alder+BT (GAP). Forskjellen i systemene er at de som brukes mest i vestlige land krever mest ressurser. Sammenligningen i denne studien gikk ut på å se hvilke scorings systemer som differensierte best når det gjaldt mortalitet. De fant at TRISS nok var det beste systemet i så måte, men kunne matches av KTS som igjen var bedre enn både ISS og RTS i denne settingen. Resultatene fra studien er viktige når en sammenligner studier fra forskjellige deler av verden. Forfatterne understreker også at det at enklere scoringssystemer har god prognostisk verdi er viktig når en tar i betraktning at mens 10% av den globale sykdoms byrde («global burden of disease») skyldes traume, forekommer over 90% av alle traumedødsfall i LMCIs. Munter et al fra Nederland påpeker imidlertid at siden mortaliteten av traumer på verdensbasis synker og flere overlever, bør framtidige scoringssystemer i større grad predikere fysisk og kognitiv status samt livskvalitet for å evaluere kvaliteten på behandlingen i stedet for hovedfokus på mortalitet (3).

Men scoringssystemer er viktige ikke bare av prognostiske grunner. Det kanskje mest nyttige er som nevnt innledningsvis at data fra scoringer kan registreres i traumeregistre. Registerdata kan deretter brukes i rapportering og forskning for å synliggjøre slike ting som kvaliteten på traumebehandlingen i form av overlevelse, sammenligne perioder før og etter ny behandling og kanskje mer kontroversielt: Å sammenligne ulike behandlingssteder.

Nye måter å bruke data på har tilkommet de siste årene. I 2000 publiserte Di Russo et al. en artikkel som beskriver bruk av traumeregisterdata i modeller for nevrale nettverk (4). Nevrale nettverk er matematiske modellerings systemer som i denne artikkelen blir brukt til å predikere overlevelse etter traume basert på prehospitale data, data fra traumemottak og ISS. Bruk av nevrale nettverk har blitt mer aktuelt de siste årene med utvikling av nye IT-systemer og introduksjonen av «big data», data mining og kunstig intelligens for utvikling av kliniske beslutningsstøtteverktøy (5).

«Deaths caused by trauma are too varied, too complicated and too important to be discussed in isolation in individual hospitals”. Ordene er hentet fra en artikkel av M. Woodford fra 2014(6). Hun oppsummerer her det nasjonale traumeregisteret i England (TARN) sitt arbeide med å etablere en europeisk standard for overvåking av kvaliteten på traumebehandling. Det nasjonale traumeregisteret i Norge benytter seg av de samme godt validerte og internasjonalt aksepterte scorings verktøy som TARN og andre nasjonale traumeregistre. Dette gir oss et godt utgangspunkt for evaluering av vårt eget traumesystem og et godt grunnlag for videre internasjonalt forsknings samarbeid.

Referanser:

  1. Comparison of various trauma score systems. An overview.
    Oestern HJ, Kabus K. Unfallchirurg. 1994 Apr;97(4):177-84. 
  1. Comparing traditional and novel injury scoring systems in a US level-I trauma center: an opportunity for improved injury surveillance in low- and middle-income countries
    Laytin AD, Dicker RA. J Surg Res. 2017 Jul;215:60-66.
  1. Mortality prediction models in the general trauma population: A systematic review.
    Munter L, Polinder S Injury. 2017 Feb;48(2):221-229
  1. An Artificial Neural Network as a Model for Prediction of Survival in Trauma Patients: Validation for a Regional Trauma Area.
    Di Russo SM, Sullivan T. Journal of Trauma.2000;49:212–223.
  1. Using an Artificial Neural Networks (ANNs) Model for Prediction of Intensive Care Unit (ICU) Outcome and Length of Stay at Hospital in Traumatic Patients.
    Gholipour C, Rahim F, Fakhree A, Ziapour B. J Clin Diagn Res. 2015 Apr;9(4):OC 19-23.
  1. Scoring Systems for Trauma.
    Woodford M, BMJ 2014;348:bmj.g1142