För att hantera framtidens hälso- och sjukvårdsutmaningar görs stora satsningar på forskning och innovationer inom precisionshälsa. Syftet är att uppnå en förbättrad och mer jämlik hälsa genom att förebygga, diagnostisera och behandla med precision, med hjälp av omfattande hälsodata på individnivå [1]. Användandet av hälsodata måste dock balanseras med hänsyn till integritet, etik och juridik [1].

När begreppet precisionsprevention infördes av forskare, höjdes ett varnande finger för socioekonomiska skillnader i dess nyttoeffekter [2]. Medvetenheten om socioekonomiska skillnader beträffande vilka individer som tar del av innovationer inom precisionshälsa behöver öka. Öppna redovisningar av socioekonomiska skillnader kan bidra till en ökad medvetenhet.

Med ett fåtal individuella uppgifter om kön, åldersgrupp och tillhörighet till ett lokalområde på DESO-nivå (demografiskt statistikområde) [3] är det fullt möjligt att ringa in grupper anonymt men ändå precist [4]. Nyckelvariabeln DESO saknas emellertid i merparten av hälso- och sjukvårdens register. Med denna komplettering skulle man kunna klassificera patienter avseende socioekonomisk status på ett approximativt sätt. Socioekonomisk gruppering efter boendeområde är vedertagen i andra länder, bland annat Storbritannien [5, 6]. En nationell standard för socioekonomisk gruppering underlättar regionala jämförelser. Vi föreslår att i första hand gruppera i Q1 till Q5, där Q1 ringar in invånarna i lokalområden med högst ekonomisk standard (20 procent av alla 5 984 DESO i Sverige) och Q5 de som bor i lokalområdena med lägst ekonomisk standard [5].

DESO-koppling skulle möjliggöra öppna redovisningar av socioekonomiska skillnader i den svenska hälso- och sjukvården. Utredning med magnetkamera i prostatacancersjukvården under införandefasen 2018–2020 kan nämnas som ett exempel: 49 procent av patienterna från Q1-områden, men endast 35 procent av patienterna från Q5-områden, hade genomgått MR-undersökning före vävnadsprovtagning [7].

Geomappning är en metod utvecklad med hjälp av data på DESO-nivå som hälso- och sjukvården kan ta del av för att mer precist ringa in lokalområden och befolkningsgrupper som inte i lika hög utsträckning träffas av preventions- och hälsoinsatser [8]. Geomappning fångar upp såväl geografiska som socioekonomiska skillnader. Fokus kan flyttas från kartläggningar till handling när metoden öppnar för en integritetsskyddad, »grovhuggen« precisionsprevention. Att rikta in sig på lokalområden med störst behov är en viktig strategi för att försöka åstadkomma en mer jämlik hälsa. Under covid-19-pandemin blev geografiskt riktade insatser påtagliga i regionernas arbete för att uppnå en hög och jämlik vaccinationstäckning [9]. Flera initiativ togs, men gedigna utvärderingar framstod som en bristvara.

Insatser som riktas till befolkningsgrupper identifierade med geomappning kan komma att omfatta resursfördelning och interventioner som främjar tillgänglighet till och delaktighet i god hälso- och sjukvård. Metoden har också potential att användas för riktade folkhälsoinsatser.

Vår förhoppning är att regionernas arbete för jämlik hälsa på detta sätt kan vässas. Det kommer att kräva stödjande arbete för att skapa förståelse för hur metodiken kan användas, samt test för att se hur verksamheterna kan ta till sig de underlag som geomappning ger när de ska utforma och implementera insatser. Avgörande för framgång är att kunskapen om adekvata utvärderingsdesigner av riktade insatser förbättras och sprids inom hälso- och sjukvårdssystemet. Forskningen behöver vidareutveckla metoder för att utvärdera riktade insatser till befolkningsgrupper [11]. Hälso- och sjukvården ska kunna värdera nyttoeffekter av »grovhuggen« såväl som individualiserad precisionsprevention.