Logotyp för Rätt sjukskrivning


Obs! Informationen på denna webbplats är under omarbetning samt revision och kommer att uppdateras inom kort


Om prediktionsmodellen och risksignalen 

Risksignalen för att ett sjukfall varar mer än 90 dagar beräknas med matematiska metoder tillämpade på en rad variabler som till exempel ålder, kön, bostadsort och tidigare vårdkontakter. Syftet är att försöka upptäcka om den aktuella individens risk skiljer sig från andra patienter inom samma diagnosgrupp. Metoden ska ses som ett komplement inför den egna professionella bedömningen.

Modellen som används för prediktionsberäkning i SRS-tjänsten heter pch (Piecewise Constant Hazard) och tillhör en klass av överlevnadsmodeller som används i en rad vårdrelaterade arbeten. Metoden ska ses som ett komplement inför den egna professionella bedömningen.

Så räknas risksignalen ut

Risksignalen för att ett sjukfall kommer att vara mer än 90 dagar beräknas i två steg:

  1. I det första steget beräknas sannolikheten för att sjukskrivningen kommer att vara mer än 90 dagar med hänsyn tagen till en rad variabler som till exempel ålder, kön, bostadsort och tidigare vårdkontakter.
  2. I det andra steget jämförs den beräknade sannolikheten med andelen sjukskrivningsfall som börjar med den aktuella diagnosen och överstiger 90 dagar (prevalens av långtidssjukskrivning). Jämförelsen är baserad på oddskvoten mellan den beräknade sannolikheten och prevalensen av långtidssjukskrivning.
  • En oddskvot mellan 0 och 2 motsvarar en lätt förhöjd risk för att sjukskrivningen kommer att vara i längre än 90 dagar.
  • En oddskvot mellan 2 och 4 motsvarar en måttligt förhöjd risk för att sjukskrivningen kommer att vara i längre än 90 dagar.
  • En oddskvot som överstiger 4 innebär en starkt förhöjd risk för att sjukskrivningen kommer att vara i längre än 90 dagar.

Begränsningar

Risksignalen bygger på data från dag 15 i sjukskrivningen och företrädesvis mer "hårda" variabler. Vi kan alltså inte förvänta oss att risksignalen fungerar före dag 15 eller att den får med sig en värdering av mjuka variabler som t.ex. läkarens intryck av patientens situation.

Hjälpte informationen på sidan dig?



Tack för att du hjälper oss!