Saken er produsert og finansiert av Nasjonalt senter for e-helseforskning - Les mer
Lurer du på om det er en sykdom som går i området der du bor eller om det er andre årsaker til at nesen renner og feberen herjer i kroppen? Et nytt system som Helse Nord prøver ut, kan gi svar på dette.

Regner ut hvorfor du er syk

På et blunk kan nettsiden fortelle deg hva som kan være grunnen til at nesen renner og magen verker. Søkemotoren matcher symptomene med sykdommer der du bor.

19.3 2015 05:00

Foreløpig er det Helse Nord som prøver ut et system for å overvåke sykdommer. Men snart kan det være tilgjengelig i de fleste av helseregionene i landet.

Ideen er at helsepersonell, myndigheter og gjerne også folk flest skal få daglig og automatisk informasjon om hvilke sykdommer som går i et geografisk område. Systemet kan varsle smittsomme sykdommer langt raskere enn det nasjonale overvåkningssystemet som overvåker forekomst av influensa.

– Det kan ta lang tid å oppdage et utbrudd av smittsomme sykdommer. Det er giardiautbruddet i Bergen i 2004 et eksempel på, sier forsklningsleder Johan Gustav Bellika ved Nasjonalt senter for samhandling og telemedisin (NST).

Tusenvis av innbyggere ble eksponert for Giardia-parasitten gjennom drikkevannet og ble syke, men laboratoriet testet ikke for akkurat denne parasitten. Det tok derfor lang tid før helsemyndighetene fant frem til smittekilden.

Svar med det samme

På nettsiden erdusyk.no kan alle plotte inn symptomene sine og la en søkemotor koble dem med sykdommer i nabolaget. På kort tid får du vite hva som kan være årsaken til at nesen renner eller magen verker. 

– Forekomst av smittsomme sykdommer varierer med tid og sted. Det er derfor viktig å ha raskt tilgjengelig og oppdatert informasjon fra befolkningen. Informasjonen som hentes inn, publiseres derfor hver dag på internett og helsenettet, mens de som ønsker det, kan motta en ukentlig e-post med kommunal og fylkesvis oversikt, sier Bellika.  

Dataene som samles inn, brukes til å forutsi fremtidige tilfeller av smittsomme sykdommer ved hjelp av bestemte datakoder, såkalte algoritmer. Algoritmene å forutse antall personer som blir smittet og hvordan spredningsforløpet kommer til å bli både kronologisk og geografisk. Innenfor systemet sammenlignes algoritmene for å finne ut hvilken som er best til å forutse antall smittede.

De innsamlede dataene kan også brukes til å oppdage utbrudd av sykdommer automatisk. Denne tjenesten er basert på en algoritme som Tromsø Telemedicine Laboratory (TTL) har utviklet.


På nettsiden erdusyk.no kan du legge inn symptomene dine. Når registreringen er ferdig, får du en liste over mulige smittsomme sykdommer. Beregningene tar bare hensyn til de sykdommene som systemet har oversikt over, slik at symptomene kan ha andre årsaker enn dem som systemet gir informasjon om.

Ny praksis – hold deg hjemme

For helsevesenet er det viktig at helsepersonell som har fått en smittsom sykdom, som norovirus, holder seg hjemme. Fremtidens helsetjeneste kommer sannsynligvis også til å gjøre det mulig å få tilgang til medisinsk ekspertise hjemmefra når symptomene herjer som verst, uten at du trenger å utsette andre enn sofaputen for smitte.

Når pasienter, primærleger og mikrobiologi-laboratorieleger deler smittedata, blir det med andre ord mulig å endre den praksisen for å teste, diagnostisere og behandle smittsomme sykdommer. Informasjonsdelingen øker alles kunnskap om dagens situasjon – både om hva som går og hvor mye primærlegene tester. Ikke minst får befolkningen mulighet til å lære mer om hvordan de kan forholde seg til symptomer og smittsomme sykdommer.

– Når systemet blir fullt operativt i flere helseregioner, blir tidligere varsling av epidemier mulig. Da blir dette nyttig for helsepersonell og pasienter hver eneste dag, ikke bare når vi har en epidemi eller pandemi på gang, sier Johan Gustav Bellika. 

 

forskning.no ønsker en åpen og saklig debatt. Vi forbeholder oss retten til å fjerne innlegg. Du må bruke ditt fulle navn. Vis regler

Regler for leserkommentarer på forskning.no:

  1. Diskuter sak, ikke person. Det er ikke tillatt å trakassere navngitte personer eller andre debattanter.
  2. Rasistiske og andre diskriminerende innlegg vil bli fjernet.
  3. Vi anbefaler at du skriver kort.
  4. forskning.no har redaktøraransvar for alt som publiseres, men den enkelte kommentator er også personlig ansvarlig for innholdet i innlegget.
  5. Publisering av opphavsrettsbeskyttet materiale er ikke tillatt. Du kan sitere korte utdrag av andre tekster eller artikler, men husk kildehenvisning.
  6. Alle innlegg blir kontrollert etter at de er lagt inn.
  7. Du kan selv melde inn innlegg som du mener er upassende.
  8. Du må bruke fullt navn. Anonyme innlegg vil bli slettet.

Annonse

SNOW - Symptombasert sykdomsovervåkning i Helse Nord

Prosjektet ønsker å undersøke om deling av epidemiologiske data mellom pasienter, primærleger, mikrobiologi-laboratorieleger, endrer klinisk praksis med hensyn til testing for, diagnostisering og behandling av smittsomme sykdommer.

Prosjektperiode: mars 2007 til desember 2015.

Hypotesene er at dette gjør følgende mulig:
• tidligere varsling av epidemier.
• tidligere diagnostisering og intervensjon.
• et lavere antall smittede.
• reduserte kostnader forbundet med utbrudd av smittsomme sykdommer.

Prosjektet er finansiert delvis av Telemedisisik forskingsutvalg i Helse Nord, Tromsø Telemedicine Laboratory, Nasjonalt Senter for Telemedisin, Norsk Helsenett og Universitetet i Tromsø.

Erdusyk.no

Erdusyk.no gir sikker informasjon om smittsomme sykdommer innenfor respirasjon og mage/tarm til både pasienter og helsepersonell ved hjelp av reelle data samlet inn av Snow-systemet. Daglig hentes data fra mikrobiologilaboratorier i hele Nord-Norge, og snart også fra Midt-Norge og Vestlandet.

Nettsiden kan også brukes av pasienter til å få informasjon om legens diagnose eller hvilke funn mikrobiologilaboratoriet har gjort.

Snow-systemet er et distribuert system som gjør det mulig å gjenbruke og gjøre beregninger på data fra helsetjenesten uten å true personvernet. EPJ-dataene kan brukes til å videreutvikle tjenester for pasienter og helsepersonell. Mange uutforskede tjenester basert på behandling av store mengder data kan dermed bli mulige.