Optimental Hemuppgifter

Webbapp för Optimental (Marcus Engström) med två delar:

• Hemuppgifter för patienter: KBT-mallar som digitala formulär. Varje fält har knappen ”Vad menas här?” med en förklaring på enkel svenska, ett ifyllt exempel per mall och valfri AI-hjälp. Patienten laddar ner en PDF och tar med den till nästa besök.
• Rättningsmallar för behandlare (/behandlare): RAADS-14, GAD-7, MADRS-S och OCI-R. Behandlaren klickar i svaren och får totalpoäng, delskalor, tolkning och färdig journaltext att kopiera.

Grundprincip: vi sparar ingenting. Inga konton, ingen databas, inga kakor och ingen analys. Allt som fylls i lever i webbläsaren. PDF:en och journaltexten skapas på klienten.

Kom igång

npm install
cp .env.example .env.local   # valfritt – lägg in ANTHROPIC_API_KEY för AI-hjälpen
npm run dev                  # http://localhost:3000

Kommando	Gör
npm run dev	Utvecklingsserver
npm run build	Produktionsbygge
npm test	Enhetstester (skattningar, mallar, AI-skydd)
npm run check	Lint + typer + tester
npm run format	Prettier

CI (.github/workflows/ci.yml) kör lint, format, typer, tester och bygge på varje push och PR.

Teknik

Next.js 16 (App Router, Cache Components), React 19, Tailwind CSS 4, TypeScript (strict), Zod, @react-pdf/renderer (PDF i webbläsaren) och @anthropic-ai/sdk (Claude Opus 5.5). Stilen bygger på optimental.vercel.app: samma orange, svart och logga, med Fraunces-serif i rubrikerna, en varm pappersbakgrund och pratbubblan från loggan som motiv för hjälpen.

src/
├─ app/
│  ├─ hemuppgifter/[slug]   Formulär per mall (statiskt genererade)
│  ├─ behandlare/[slug]     Rättningsmall per skattning
│  ├─ api/hjalp             AI-hjälpen (enda serverlogiken)
│  └─ integritet            Integritetstext
├─ lib/
│  ├─ templates/            Hemuppgiftsmallar som data (en fil per mall)
│  ├─ scales/               Skattningar: poäng, tolkning, journaltext (+ tester)
│  ├─ ai/                   Systemprompt, krisscreening, rate limit, schema
│  └─ pdf/                  PDF-layout och nedladdning
└─ proxy.ts                 Ger 404 för okända mallar/skattningar

Lägga till innehåll

Ny hemuppgift: skapa src/lib/templates/<namn>.ts efter samma mönster som tankedagbok.ts och lägg till den i src/lib/templates/index.ts. Sidan, biblioteket, länken på behandlarsidan och PDF:en kommer med automatiskt. Varje fält behöver en help-text, och mallen ska ha ett example och en aiContext (behandlarens instruktion till AI:n). Testerna kontrollerar att exemplet matchar fälten.

Ny skattning: skapa src/lib/scales/<namn>.ts med items, svarsalternativ och en compute() som returnerar poäng, tolkning och journaltext. Lägg sedan till den i src/lib/scales/index.ts och skriv tester för gränsvärdena i scales.test.ts.

AI-hjälpen

• Av eller på: AI_ENABLED=false stänger av AI-hjälpen helt, även om nyckeln finns kvar. Då döljs chatten, /api/hjalp svarar 503, och start- och integritetssidan beskriver bara förklaringarna och exemplen. AI_ENABLED=true slår på den och stoppar bygget om nyckel saknas, så att sidan aldrig utlovar en AI som inte finns. Tomt värde betyder på om nyckel finns. Byt i Vercel under Settings → Environment Variables och gör sedan Redeploy.
• Testläge utan kostnad: i npm run dev utan nyckel körs AI-hjälpen i testläge med förskrivna svar som bygger på mallens egna texter. Skriv #kris eller #fel i en fråga för att prova kris- och felflödet. AI_MODEL=mock aktiverar testläget även i ett produktionsbygge.
• Riktiga modeller: sätt ANTHROPIC_API_KEY och välj modell med AI_MODEL (claude-haiku-5-5, claude-sonnet-5-5 eller claude-opus-5-5; standard är Sonnet 5.5). Ett felstavat modellnamn stoppar bygget med ett tydligt fel.
• Jämföra modeller: i npm run dev, eller med AI_MODEL_SWITCHER=1 i en preview-miljö, finns en modellväljare i chatten, och varje svar märks med vilken modell som svarade. Servern godtar bara modeller från väljaren, så en klient kan aldrig välja en dyrare modell i skarp drift.
• Kostnadsuppföljning: varje anrop loggar modell och antal tokens in och ut, aldrig innehåll.
• Inställningarna läses vid bygget för de statiska sidorna. Bygg om (Vercel: Redeploy) när du ändrar dem.
• ”Vad menas här?” visar först behandlarens egen förklaring, utan AI. AI:n används bara när patienten själv ställer en fråga.
• Patientens ifyllda svar skickas aldrig. Systemprompten byggs enbart av mallens text. Det enda som går till Anthropic är patientens fråga, plus vilken mall och vilket fält det gäller.
• Kristriage sker i två steg. En ordlistescreening körs i webbläsaren och på servern innan något skickas, och modellen är dessutom instruerad att svara [KRIS]. I båda fallen visas 112, Mind Självmordslinjen 90101 och 1177 i stället för ett svar.
• Skydd: zod-validering, max 600 tecken per fråga och max 10 meddelanden, same-origin-kontroll, rate limit (20 frågor per 10 min och klient) och max_tokens-tak. Sonnet och Opus har dessutom server-side fallback vid nekat svar; Haiku 5.5 saknar det stödet. Innehåll loggas aldrig.
• Alla modeller körs med effort: "low", vilket ger snabba och korta svar.

Driftsättning (Vercel)

1. Importera repot i Vercel. Region: välj Stockholm (arn1) eller Frankfurt (fra1) under Settings → Functions.
2. Miljövariabler: AI_ENABLED (true/false), ANTHROPIC_API_KEY (valfri), AI_MODEL (valfri, se ovan) och NEXT_PUBLIC_SITE_URL (den publika adressen). Sätt AI_MODEL_SWITCHER=1 bara för Preview-miljön.
3. Rekommenderat: lägg en rate limit-regel i Vercel Firewall för /api/hjalp, till exempel 30 anrop per minut och IP. Rate limiten i koden gäller per serverinstans.
4. Sätt en månadsbudget och en larmgräns i Anthropic Console.

Säkerhet och dataskydd – checklista

• Inga patientdata lagras. Ingen databas, inga kakor, ingen analys.
• Strikta säkerhetsheaders: CSP, HSTS, frame-ancestors 'none', Referrer-Policy: no-referrer och Permissions-Policy.
• Behandlarsidorna indexeras inte (noindex och robots.txt).
• Teckna Anthropics kommersiella villkor/DPA innan AI-hjälpen slås på skarpt, och be om Zero Data Retention för organisationen. Anthropic tränar inte på API-data, men frågorna kan innehålla hälsorelaterad information.
• Låt Marcus granska alla help-texter, exempel och aiContext. De är skrivna som ett utkast och ska godkännas kliniskt.
• Bekräfta att formulärtexter och item-beskrivningar för skattningarna får användas. Appen visar korta egna sammanfattningar av items, inte de fullständiga frågetexterna.

Rättningar jämfört med Excel-mallen

Journaltexterna följer Marcus formler ordagrant, med de här rättningarna:

1. RAADS-14: formeln jämförde cellen med texten ”Totalpoäng” (B20) i stället för poängen (C20). I Google Sheets är text alltid ”större” än tal, så mallen skrev alltid ”över cut-off” oavsett poäng. Det är rättat och testat (13 p ger under, 14 p ger över).
2. MADRS-S: delpoängen lästes från B2:B10, det vill säga fråga 2–9 plus totalen, i stället för fråga 1–9. Texten blev också ”…depressiva symtom symtom” vid låga poäng.
3. GAD-7 och OCI-R: tolkningen fick stor bokstav mitt i meningen (”motsvarande Minimal ångest”).
4. MADRS-S, livslust: grenen ”avsaknad av livslust” (> 6) kan aldrig nås, eftersom itemet går 0–6. Den är oförändrad men bör ses över av Marcus.