Gå til indhold
Åben navigation
LAQCPR_HERO2.jpg QCPR scoring mobile hero.jpg

Forklaring på QCPR-scoren

Forklaring på algoritmen for QCPR-scoren

Vi ved, at veludført HLR giver højere overlevelsesrater, og formålet med at give en score er at angive, hvor god præstationen er for patienten

Laerdals algoritme for HLR-score giver eleverne en nøjagtig score på deres HLR-præstation og guider dem i, hvordan de kan give endnu bedre HLR. Men hvordan fortolkes tallene bag resultatet?  

Hvordan er disse scorer 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, hvor den samlede score er 96% og 98 %, er ikke-binære tal, der måler, hvor tæt eleven er på toppræstation, beregnet på tværs af alle færdigheder i HLR med Laerdals algoritme for QCPR. De tre andre tal på skærmene ovenfor er binære og viser udelukkende godkendt eller ikke-godkendt.

Mens binær score kun tæller antallet af gange, hver enkelt elev ligger inden for de anbefalede retningslinjer, beregner Laerdals ikke-binære algoritme også, hvor tæt eleverne er på grænseværdierne.

I eksemplet ovenfor:

  • Elev 1 havde 94% acceptabel dybde
  • Elev 2 havde 92% acceptabel dybde, lavere end Elev 1. 
  • Elev 2 fik dog en højere score.
  • Det skyldes, at Elev 2's "forkerte" kompressioner var meget tættere på den vejledende grænse på 5-6 cm. Mere om det senere.

Den samlede HLR-score er et simpelt udtryk for, hvor god HLR-præstationen var, men matematikken bag den kan være ret kompleks. På denne side vil vi prøve at forklare principperne for, hvordan vi beregner scoren, og også hvordan du kan forbedre HLR-undervisningen.

Forklaring på QCPR-scoren

Hvorfor beregner vi en HLR-score?

Vi ved, at veludført HLR giver højere overlevelsesrater, og formålet med at give en score er at angive, hvor god præstationen er for patienten

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

Eksempel: Mød Julie, som er en af de bedste til at give HLR, men som dumpede HLR-testen

Julie er akutsygeplejerske på et hospital. Hun er i god fysisk form og i stand til at give en god dybde på mere end 50 mm i hver kompression - alt sammen med fuld dekompression og uden nogen afbrydelser. Hun er en af de bedste HLR-udøvere, vi nogensinde har set. Det til trods sagde den binære HLR-feedback efter sessionen, at hun ikke havde bestået.  Hvorfor?

Hendes kompressionshastighed var konstant 122 kompressioner i minuttet. Klinisk fremragende, men en lille smule uden for den magiske 100-120-grænse i retningslinjerne. Var det rimeligt at fortælle hende, at hun ikke bestod? Nej. Hvis dit liv stod på spil, ville du gerne have Julie til at udføre hjertemassage på dig.

Vi så disse resultater mange gange, da vi brugte den gamle, binære scorealgoritme, og det er en af grundene til, at vi lavede en ny algoritme til score for HLR.

Hvad er binær og ikke-binær score?

Mens andre udbydere af HLR-score kun bruger binære tal, bruger Laerdal en ikke-binær tilgang til at give en mere realistisk og livreddende præstationsevaluering. Det skyldes ganske simpelt, at selvom både 49 mm og 25 mm kompressionsdybde er uden for den vejledende grænseværdi, er 49 utvivlsomt langt mere ønskværdigt.

  • Binær score: Blot bestået eller ikke bestået.  I det indledende eksempel havde Elev 1 94% af kompressionerne i det korrekte område på 50-60 mm. De resterende kompressioner lå uden for retningslinjerne. Der skelnes ikke mellem f.eks. 25 mm og 49 mm. De er begge "utilstrækkelige".  
  • Ikke-binære tal:  Jo større afvigelsen er, jo større er reduktionen i scoren.  Med andre ord giver 49 mm kompressionsdybde en langt bedre score end 25 mm. 

 

Fig. 1. Ikke-binær score.
Elev 1 og 2 udfører lige mange kompressioner inden for og uden for den vejledende grænseværdi. Men Elev 2 får den højeste score, da kompressioner uden for grænseværdierne er tættere på retningslinjen. Det samme princip bruges for alle andre HLR-færdigheder. (figuren er ikke i målestok, kun til illustration)

Hvordan blev algoritmen for score lavet?

Algoritmen, der udgør QCPR-scoren, er lavet af Laerdal Medical i tæt samarbejde med medlemmer af AHA ECC Subcommittees og medforfattere til AHA Consensus Statement on CPR Quality fra 2013. Baseret på feedback fra disse specialister udviklede vi matematiske modeller for hver færdighed i HLR, såsom kompressionsdybde, dekompression, ventilationsvolumen osv.

Hver kompression og ventilation spores og scores individuelt og opsummeres i den samlede score. Selv om tal såsom gennemsnitsrate kan være interessante, bruges gennemsnit ikke til at udregne den samlede score. På samme måde påvirker de binære tal ikke beregningen af scoren direkte.

Model for subtraktiv score
Algoritmen for score bruger en subtraktiv scoremodel, hvor vi starter med en perfekt score, og hvis eleverne gør noget forkert, reduceres scoren. Hvis eleven ligger inden for retningslinjerne, vil de altid få en 100 % score. Hvis de afviger, reduceres scoren.

Angivet 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-scoren:


Fig.2 : Kompressionshastighed på x-aksen og score på y-aksen.
Vi ser, at HLR-scoren hurtigt reduceres på begge sider af de vejledende grænseværdier. (grafen er ikke skaleret, kun til illustrative formål)

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

En populær egenskab i vores QCPR-App er QCPR-konkurrence, hvor op til seks elever kan deltage i en konkurrence for at se, hvem der udfører den bedste HLR. 

Vi ser nogle gange, at selvom en deltager opnår den bedste score på binære undermålinger (såsom tilstrækkelig %-score på dybden af kompressionerne), vinder en anden deltager konkurrencen. De binære undermålinger (som procentdel af tilstrækkelig dybde) vil ikke altid hjælpe med at forklare HLR-scoren.

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 der kun ses på de binære målinger.

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

Eksempel 2 - Ventilationer over grænsen: 

I et andet eksempel giver begge elever for meget luft under ventilation og når ikke tilfredsstillende score for ventilation.

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

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

Nogle gange (især for sessioner med "Kun kompressioner") er den samlede score uventet lav, selvom kompressionshastighed, dybde og dekompression alle er perfekte (se billedet nedenfor).

Den lavere score for mange af disse sessioner skyldes brystkompressionsfraktionen. Hvis kompressionerne afbrydes, vil det reducere scoren. Lange afbrydelser reducerer scoren mest.

Det er også værd at bemærke, at for en session med "Kun kompressioner" er den forventede brystkompressionsfraktion 100%, da der ikke er nogen god grund til at stoppe kompressionerne. Så hvis der forekommer afbrydelser, reduceres scoren ret strengt.

cprscoring_lowcompressionrfraction.jpg
Illustration af sessionen 'Kun kompressioner': Hastighed, dybde og dekompression er alle perfekte. Den samlede score er dog uventet lav. Det skyldes parameteren for brystkompressionsfraktion. 

Hvilke HLR-målinger beregnes?

Antallet af parametre, der gives en score for, afhænger af hvilken dukke eller simulator, der bruges ,og den anvendte software eller applikation. 

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

  • Kompressionsdybde
  • Kompressionshastighed
  • Ufuldstændig dekompression
  • Håndplacering 
  • Kompression pr. cyklus
  • Brystkompressionsfraktion (også kendt som flow-fraktion)
  • Ventilationsvolumen
  • Ventilationshastighed
  • Antal pre-ventilationer
  • Inspirationstid i pre-ventilationer
New Little Anne CPR torso manikins in light and dark skin tones with one gray carry case
With the latest set of QCPR products, CPR instructors will be enabled with a smarter classroom solution that sets... With the latest set of QCPR products, CPR instructors will be enabled with a smarter classroom solution that sets the standard for efficiency, sustainability, and ease of use, leading to more impactful training to help save lives....