Göteborgs universitet
  2. Om universitetet
  3. Hitta person
  4. Fredrik Hessulf

Fredrik Hessulf

Anknuten till forskning

Avd för anestesiologi och intensivvård
E-post
fredrik.hessulf@gu.se
Besöksadress
Blå stråket 5, vån 3 SU/Sahlgrenska
41345 Göteborg
Postadress
Sahlgrenska Universitetssjukhuset
41345 Göteborg

Om Fredrik Hessulf

Om Fredrik Hessulf

 

Medicine Doktor och specialistläkare i anestesi- och intensivvård. Undervisning av läkarstudenter under anestesidelkursen, Läkarprogrammet Göteborgs Universitet. FOUUI-ansvarig på ANOPIVA Mölndal. Sekreterare SFAIs etikdelförening ETOS. Medlem svenska HLR-rådets Etikgrupp.

 

Forskning

1)      Intensivvård och artificiell intelligens

Att förutse patientutfall inom intensivvård är en kritisk men utmanande uppgift. Ett flertal verktyg för att estimera risken för död existerar såsom APACHE II, SOFA och SAPS 3. Med framväxten av maskininlärning och artificiell intelligens (AI) finns potential att skapa mer effektiva och exakta prediktionsverktyg. Tidigare forskning har indikerat att AI kan leverera förbättrad mortalitetsprediktion jämfört med traditionella metoder. Det svenska intensivvårdsregistret (SIR) tillhandahåller en unik datakälla för att utforska detta område, men ännu har ingen fullskalig AI-baserad prognosmodell utvecklats med dessa data. Projektets mål är att med AI bygga prediktionsmodeller med syfte att förbättra vården av intensivvårdspatienten.

Doktorand: Tobias Siöland, specialistläkare

 

2)      Etik och intensivvård

Vad som är etiskt riktigt kan ofta vara svårare att fastställa jämfört med vad som är korrekt medicinsk handläggning. Trots detta läggs endast en bråkdel av forsknings- och utvecklingsresurser på just etiska frågor jämfört med klinisk forskning. I detta projekt utforskas etiska aspekter av intensivvård med data från Svenska intensivvårdsregistret.

Predoktorand: Lisa Wiltz, ST-läkare anestesi

ST-projekt: Lisa Persson, ST-läkare anestesi

ST-projekt: Sofia Dahlgren ST-läkare anestesi

T10 projekt: Maria Lönnquist läkarstudent

 

3)      Ortogeriatrisk anestesi

Populationen som opereras för akut höftfraktur hör till sköraste och äldsta skiktet i samhället. Syftet med projekten är att förbättra omhändertagandet av denna utsatta patientgrupp.

·       Implementering av ultraljudsledd FIC-blockad på geriatriska kliniken, Sahlgrenska universitetssjukhuset: Yang Cong ST-läkare geriatrik

·       Optimerad temperaturkontroll före, under och efter operation av akut höftfraktur: Anna Jönsson, RN, CCRN och Selma Dögg ST-läkare

 

4)      AI-Intox: Intoxikationer på IVA

Doktorand: Sara Lundin, apotekare

5)      Ortopedisk anestesi

Doktorand: Anita Szell, överläkare anestesi. Huvudhandledare Professor Kristian Samuelsson, ortopedi

6)      TRAIL-ICU

Multicenterstudie (Sahlgrenska/Mölndal, Mario Negri Institutet i Milano, Amsterdam University)

Samkörning av tre europeiska IVA-register, externvalidering av IVA-prediktionsmodeller med AI (länk).

7)      Hjärtstopp på och utanför sjukhus

Flertalet samarbeten med Docent Araz Rawshani, Professor Johan Herlitz, Docent Johan Engdahl

8)      Behandlingsbegränsningar i livets slut

Samarbete med Med Dr Viveka Andersson och Professor Anders Bremer.

 

Tidigare studenter

Johan Cederquist: MIG på Sahlgrenska Universitetssjukhusen. Examensarbete Läkarprogrammet Termin 10. (2024)

Sanna Olausson: Behandlingsbegränsningar på IVA på Sahlgrenska Universitetssjukhusen. Examensarbete Läkarprogrammet Termin 10. (2024)

Tobias Siöland: ICURE. SSAI vetenskapligt arbete (2022-23) publikation

Nino Jönsson ST-arbete: Behandlingsbegränsningar på IVA i Halland (2022) publikation

 

Media

Nya riktlinjer ska bespara läkare tuffa beslut i operationssalen – Läkartidningen

Forskare om ojämlik vård: ”Svårt att upprätthålla kvaliteten” - Kvalitetsmagasinet

Överlevnad vid hjärtstopp på sjukhus en resursfråga

 

Nyckelpublikationer

 

Hessulf, F., Bhatt, D. L., Engdahl, J., Lundgren, P., Omerovic, E., Rawshani, A., Helleryd, E., Dworeck, C., Friberg, H., Redfors, B., Nielsen, N., Myredal, A., Frigyesi, A., Herlitz, J., & Rawshani, A. (2023). Predicting survival and neurological outcome in out-of-hospital cardiac arrest using machine learning: the SCARS model. EBioMedicine, 89, 104464. https://doi.org/10.1016/j.ebiom.2023.104464 IF 9.7

 

Siöland, T., Rawshani, A., Nellgård, B., Malmgren, J., Oras, J., Dalla, K., Cinà, G., Engerström, L., & Hessulf, F. (2024). ICURE: Intensive care unit (ICU) risk evaluation for 30-day mortality. Developing and evaluating a multivariable machine learning prediction model for patients admitted to the general ICU in Sweden. Acta Anaesthesiol Scand. https://doi.org/10.1111/aas.14501 IF 1.9

 

Hessulf, F., Herlitz, J., Rawshani, A., Aune, S., Israelsson, J., Södersved-Källestedt, M. L., Nordberg, P., Lundgren, P., & Engdahl, J. (2020). Adherence to guidelines is associated with improved survival following in-hospital cardiac arrest. Resuscitation, 155, 13-21. https://doi.org/10.1016/j.resuscitation.2020.07.009 IF 6.5