Gå til indhold
Åben navigation
LAQCPR_HERO2.jpg LAQCPR_HERO2.jpg

HLR-score

Forklaring af QCPR-scorealgoritmen

Vi ved, at god HLR giver højere overlevelsesrater, og ideen om at måle er at afspejle, hvor god præstationen virkelig er for patienten.

Laerdals HLR-scorealgoritme giver eleverne en nøjagtig score på deres HLR-ydeevne og guider dem om, hvordan man giver endnu bedre HLR. Men hvordan giver tallene bag score-resultatet mening?

 

Hvordan er disse scoringer mulige?

Hvorfor fik elev 2 en bedre score når
elev 1 havde bedre kompressionsdybde?

 

Elev 1

Elev 2

Det hurtige svar er, at de øverste tal, den samlede score på 96% og 98%, er ikke-binære tal. Dette tal beregnes på tværs af alle komponenter, der styrer QCPR-algoritmen. De øvrige tre tal på skærmen ovenfor er binære tal.

Den binære score tæller kun antallet af gange, hver studerende er inden for de anbefalede retningslinjer, mens den ikke-binære algoritme måler, hvor tæt den studerende er på den absolutte anbefaling.

I eksemplet ovenfor:

  • Elev 1 havde 94% OK dybde
  • Elev 2 havde 92% OK dybde, lavere end elev 1.
  • Elev 2 fik dog en højere score.
  • Årsagen er, at elev 2s "forkerte" kompressioner var meget tættere på retningslinjerne på 5-6 cm. Mere om dette senere.

Den samlede score er en simpel forklaring på, hvor god HLR-præstationen var, matematikken bag tallene er mere kompleks. På denne side vil vi dele principperne for, hvordan vi beregner scoren, og hvordan du kan forbedre din HLR-træning.

Spørgsmål og svar på QCPR scoringen

Hvorfor har vi HLR scoring?

Vi ved, at god HLR giver højere overlevelsesrater, og ideen om at score er at afspejle, hvor god genoplivningen virkelig er for patienten med hjertestop.

Tidligere er der givet HLR-feedback med et godkendt / ikke-godkendt resultat. I løbet af de sidste 10 år har Laerdal og vores partnere oprettet en algoritme, der giver en mere detaljeret HLR-score. Lad os illustrere med et eksempel:

Eksempel: Mød Julie, en erfaren førstehjælper, der ikke bestod HLR-testen


Julie er akutsygeplejerske på et hospital. Hun er fysisk fit og i stand til at give en solid dybde på mere end 50 mm i hver kompression - med fuld dekompression og med absolut ingen afbrydelser. Hun er en af ​​de bedste HLR-udøvere, vi nogensinde har set. Efter sessionen sagde den binære HLR-feedback stadig, at hun var ikke var bestået. Hvorfor?

Hastigheden af ​​hendes kompressioner var jævnligt 122 kompressioner pr. minut. Klinisk fremragende, men bare en lille smule uden for den magiske 100-120-grænse i retningslinjerne. Var det rimeligt at fortælle hende, at hun ikke var bestået? Nej, Julie kan stadig være med til at redde liv med sin HLR.

Vi så disse resultater hele tiden, når vi brugte den gamle, binære scoring, og det er en af ​​grundene til, at vi lavede en ny algoritme til HLR scoring. 

Hvad er binær og ikke-binær scoring?

Mens andre udbydere af HLR-score kun bruger binære tal, bruger Laerdal en ikke-binær tilgang til at præsentere en mere realistisk og livreddende præstationsanmeldelse. Den enkle årsag er, at mens både 49 mm og 25 mm kompressionsdybde er uden for retningslinjens tærskel, er 49 utvivlsomt og langt en langt mere ønsket ydeevne.

Binær score: Simpelthen bestået eller mislykkedes. I det indledende eksempel havde elev 1 94% af kompressionen i det rigtige interval på 50-60 mm. De resterende kompressioner var uden for retningslinjerne. Der skelnes ikke mellem for eksempel 25 mm og 49 mm. De er begge "utilstrækkelige".


Ikke-binære tal: Jo større afvigelse, jo større er reduktion af score. Med andre ord giver 49 mm kompressionsdybde en langt bedre score end 25 mm.

 

 

Fig 1. Ikke-binær scoring.
Elev 1 og 2 har lige stort antal kompressioner inden for og uden for retningslinjetærsklen. Men elev 2 får den højere score, da kompression uden for tærsklerne er tættere på retningslinjen. Det samme princip bruges på alle andre HLR-færdigheder. (figuren er kun til illustrative formål)

Hvordan scorealgoritmen er beregnet?

Algoritmen, der udgør QCPR-scoren, er lavet af Laerdal Medical i tæt samarbejde med medlemmer af AHA ECC-underudvalg og medforfattere af 2013 AHA-konsensuserklæringen om HLR-kvalitet. Baseret på input fra disse specialmedlemmer oprettede vi matematiske modeller for hver underkompetence i HLR-ydeevne, som kompressionsdybde, dekompression, ventilationsvolumen osv.

Hver kompression og ventilation spores og scorer individuelt og opsummeres i den samlede score. Selvom tal som gennemsnitsrate kan være interessante, bruges gennemsnit ikke til at beregne den samlede score. Tilsvarende påvirker de binære tal ikke direkte beregningen af ​​score.

Subtraktiv scoremodel
Scorealgoritmen bruger en subtraktiv scoremodel, hvor vi starter med en perfekt score, og hvis eleverne gør noget forkert, reduceres scoren. Hvis du er inden for retningslinjerne, får du altid en 100% score. Hvis du afviger, reduceres scoren.

Afbildet langs en S-kurve kan vi se, at små afvigelser giver små reduktioner i den samlede score, mens store afvigelser resulterer i store reduktioner i HLR-score:

Afbildet langs en S-kurve kan vi se, at små afvigelser giver små reduktioner i den samlede score, mens store afvigelser resulterer i store reduktioner i HLR-score:


Fig.2: Kompressionshastighed på x-aksen og score på y-aksen.
Vi ser, at HLR-scoren forværres hurtigt på begge sider af retningslinjerne. (graf kun til illustrative formål)

Eksempler: Hvordan kan du få en høj score med lave binære målinger?

Et populært træk ved vores QCPR-dukker er QCPR-race, hvor op til seks elever kan deltage i et race for at se, hvilken der udfører den bedste HLR.

Nogle gange ser vi, at mens en deltager opnår den bedste score på binære undermålinger (som tilstrækkelig dybdeprocent), vil en anden deltager blive kronet som vinder af løbet. De binære delmålinger (som procentdel af tilstrækkelig dybde) hjælper ikke altid med at forklare HLR-score.

Eksempel 1 - høj score med lave binære målinger:

To elever udfører 100 kompressioner. Elev 2 får en bedre samlet score end elev 1, selvom elev 1 havde bedre kompressionsdybde, hvis man kun ser på de binære målinger.

Årsagen er, at elev 2 var tættere på retningslinjerne under de 10 kompressioner, der ikke var fuldt ud "tilstrækkelige", og elev 1 var meget langt væk fra retningslinjerne under de 8 kompressioner, der ikke var "passende".

Eksempel 2 - Ventilation over grænseværdien:

I et andet eksempel giver begge elever for meget luft i ventilationerne

Lad os sige, at elev 2 gav 610 ml luft (hvilket er klinisk OK), og elev 1 leverede 2000 ml luft, hvilket faktisk kan kompromittere det kliniske resultat. I binære termer er disse resultater de samme, simpelthen "ikke tilstrækkelige". Men i kliniske termer og derfor også i scoringsbetingelser er de meget forskellige. Elev 2 var meget tættere på retningslinjerne og fik en højere score.

Eksempel: Hvordan kan du få en lav score med høje binære målinger?

Nogle gange - især for 'Compressions only'-sessioner - er den samlede score uventet lav, selvom kompressionshastighed, dybde og dekompression alle er perfekte (se billedet nedenfor).

Reduktionen i scoren for mange af disse sessioner kommer fra brystkompressionsfraktionen. Hvis dine kompressioner afbrydes, vil der være en reduktion i scoren - længere afbrydelser giver større reduktioner i scoren.

Det er også værd at bemærke, at hvis du kører en ”Compressions only” -session, er den forventede brystkompressionsfraktion 100%, da du ikke har nogen gode grunde til at stoppe kompressionerne. Så hvis der er afbrydelser, reduceres scoren kraftigt.

cprscoring_lowcompressionrfraction.jpg
Illustration, Compression only session: Rate, depth, and release are all perfect. However, the total score is unexpectedly low. The culprit is the chest compression fraction parameter. 

Hvilke HLR-parametre beregnes?

Antallet af scorede parametre afhænger af, hvilken dukke eller simulator du bruger, og hvilken software eller applikation du bruger.

10 parametre, der bruges til at beregne QCPR-score:

  • Kompressionsdybde
  • Kompressionsrate
  • Ufuldstændig dekompression
  • Håndposition
  • Kompression pr. cyklus
  • Brystkompressionsfraktion (også kendt som flowfraktion)
  • Ventilationsvolumen
  • Ventilationshastighed
  • Antal præ-ventilationer
  • Inspirationstid i præ-ventilation