✖


Jump to content

Система поддержки клинических решений

Система поддержки принятия клинических решений ( CDSS ) — это информационная технология здравоохранения , которая предоставляет врачам, персоналу, пациентам и другим лицам знания и индивидуальную информацию, помогающую здоровью и медицинскому обслуживанию. CDSS включает в себя множество инструментов для улучшения процесса принятия решений в клиническом рабочем процессе. Эти инструменты включают в себя компьютеризированные оповещения и напоминания для поставщиков медицинских услуг и пациентов, клинические рекомендации, наборы заказов для конкретных состояний, специализированные отчеты и сводки данных о пациентах, шаблоны документации, диагностическую поддержку и контекстно-зависимую справочную информацию, а также другие инструменты. CDSS представляют собой важную тему искусственного интеллекта в медицине .

Характеристики [ править ]

Система поддержки принятия клинических решений — это активная система знаний, которая использует переменные данных о пациентах для выдачи рекомендаций относительно медицинского обслуживания. Это подразумевает, что CDSS – это просто система поддержки принятия решений, ориентированная на использование управления знаниями .

Цель [ править ]

Основная цель современной CDSS — оказание помощи врачам на местах оказания медицинской помощи. [1] Это означает, что врачи взаимодействуют с CDSS, чтобы помочь проанализировать и поставить диагноз на основе данных пациентов о различных заболеваниях.

Вначале CDSS были задуманы для того, чтобы буквально принимать решения за врача. Врач вводил информацию и ждал, пока CDSS выдаст «правильный» выбор, а затем просто действовал на основании этого вывода. Однако современная методология использования CDSS для оказания помощи означает, что врач взаимодействует с CDSS, используя как свои знания, так и данные CDSS, лучше анализируя данные пациента, чем человек или CDSS могли бы сделать это самостоятельно. Обычно CDSS дает клиницисту рекомендации для рассмотрения, и ожидается, что врач выберет полезную информацию из представленных результатов и исключит ошибочные предложения CDSS. [2]

Двумя основными типами CDSS являются основанные на знаниях и не основанные на знаниях: [1]

Примером того, как врач может использовать систему поддержки принятия клинических решений, является система поддержки принятия решений по диагнозу (DDSS). DDSS запрашивает некоторые данные пациентов и в ответ предлагает набор соответствующих диагнозов. Затем врач берет результаты DDSS и определяет, какие диагнозы могут иметь значение, а какие нет. [1] и, при необходимости, назначает дополнительные анализы для уточнения диагноза.

Другим примером CDSS может быть система рассуждений на основе прецедентов (CBR). [3] Система CBR может использовать данные предыдущих случаев, чтобы помочь определить необходимое количество лучей и оптимальные углы луча для использования в лучевой терапии пациентов с раком головного мозга; Затем медицинские физики и онкологи рассмотрят рекомендуемый план лечения, чтобы определить его жизнеспособность. [4]

Другая важная классификация CDSS основана на времени ее использования. Врачи используют эти системы в местах оказания медицинской помощи, чтобы помочь им при работе с пациентом, при этом время использования может быть либо до диагностики, во время диагностики, либо после диагностики. [ нужна ссылка ] Системы CDSS для предварительной диагностики помогают врачу подготовить диагноз. CDSS помогают анализировать и фильтровать предварительные диагностические решения врача для улучшения результатов. Системы CDSS для постдиагностики используются для анализа данных с целью выявления связей между пациентами и их прошлыми историями болезни, а также клинических исследований для прогнозирования будущих событий . [1] С 2012 года утверждалось, что в будущем поддержка принятия решений начнет заменять врачей в выполнении общих задач. [5]

Другой подход, используемый Национальной службой здравоохранения Англии, заключается в использовании DDSS для сортировки медицинских состояний в нерабочее время, предлагая пациенту подходящий следующий шаг (например, вызов скорой помощи или посещение врача общей практики на следующий рабочий день). . Предположение, которое может быть проигнорировано как пациентом, так и оператором по телефону, если здравый смысл или осторожность подсказывает иное, основано на известной информации и неявном выводе о том, каким в худшем случае может быть диагноз ; это не всегда сообщается пациенту, поскольку оно вполне может быть неверным и не основано на мнении человека с медицинским образованием - оно используется только в целях первоначальной сортировки. [ нужна ссылка ]

на знаниях основанный CDSS,

Большинство CDSS состоят из трех частей: базы знаний, механизма вывода и механизма связи. [6] База знаний содержит правила и ассоциации скомпилированных данных, которые чаще всего принимают форму правил ЕСЛИ-ТО. Если бы это была система определения взаимодействия лекарств , то правило могло бы заключаться в том, что ЕСЛИ препарат X принят И препарат Y принят, ТОГДА предупреждайте пользователя. Используя другой интерфейс, опытный пользователь может редактировать базу знаний, чтобы постоянно обновлять ее новыми лекарствами. Механизм вывода объединяет правила из базы знаний с данными пациента. Механизм связи позволяет системе показывать результаты пользователю, а также вводить данные в систему. [2] [1]

Язык выражений, такой как GELLO. [ нужны разъяснения ] или CQL (язык клинического качества) необходим для выражения артефактов знаний в вычислимой форме. Например: если у пациента сахарный диабет, и если последний результат теста на гемоглобин A1c был менее 7%, рекомендуется повторное тестирование, если прошло более шести месяцев, но если последний результат теста был больше или равен 7%. , затем порекомендуйте повторное тестирование, если прошло более трех месяцев.

В настоящее время основной задачей рабочей группы HL7 CDS является развитие языка клинического качества (CQL). [7] Центры услуг Medicare и Medicaid США (CMS) объявили, что планируют использовать CQL для спецификации электронных показателей клинического качества (eCQM). [8]

основанный на знаниях не CDSS,

CDSS, которые не используют базу знаний, используют форму искусственного интеллекта, называемую машинным обучением . [9] которые позволяют компьютерам учиться на прошлом опыте и/или находить закономерности в клинических данных. Это устраняет необходимость написания правил и участия экспертов. Однако, поскольку системы, основанные на машинном обучении, не могут объяснить причины своих выводов, большинство клиницистов не используют их напрямую из соображений диагностики, надежности и подотчетности. [2] [1] Тем не менее, они могут быть полезны в качестве постдиагностических систем, предлагая клиницистам закономерности для более глубокого изучения.

По состоянию на 2012 год тремя типами систем, не основанных на знаниях, являются машины опорных векторов , искусственные нейронные сети и генетические алгоритмы . [10]

  1. Искусственные нейронные сети используют узлы и взвешенные связи между ними для анализа закономерностей, обнаруженных в данных пациентов, и выявления связей между симптомами и диагнозом.
  2. Генетические алгоритмы основаны на упрощенных эволюционных процессах с использованием направленного отбора для достижения оптимальных результатов CDSS. Алгоритмы выбора оценивают компоненты случайных наборов решений задачи. Решения, оказавшиеся на первом месте, затем рекомбинируются, мутируют и снова проходят процесс. Это происходит снова и снова, пока не будет найдено правильное решение. Функционально они похожи на нейронные сети, поскольку они также представляют собой «черные ящики», которые пытаются извлечь знания из данных пациентов.
  3. Сети, не основанные на знаниях, часто фокусируются на узком списке симптомов, например, симптомах одного заболевания, в отличие от подхода, основанного на знаниях, который охватывает диагностику многих заболеваний. [2] [1]

Примером CDSS, не основанного на знаниях, является веб-сервер, разработанный с использованием машины опорных векторов для прогнозирования гестационного диабета в Ирландии. [11]

Регламент [ править ]

США [ править ]

С принятием Закона о восстановлении и реинвестировании Америки 2009 года (ARRA) появился толчок к широкому внедрению информационных технологий здравоохранения посредством Закона об информационных технологиях здравоохранения для экономического и клинического здравоохранения (HITECH). Благодаря этим инициативам все больше больниц и клиник интегрируют электронные медицинские записи (EMR) и компьютеризированный ввод назначений врача (CPOE) в процессы обработки и хранения медицинской информации. Следовательно, Институт медицины (МОМ) способствовал использованию информационных технологий здравоохранения, включая системы поддержки клинических решений, для повышения качества ухода за пациентами. [12] В 1999 году МОМ опубликовала отчет « Человеку свойственно ошибаться» , в котором основное внимание уделялось кризису безопасности пациентов в Соединенных Штатах и ​​указывалось на невероятно большое количество смертей. Эта статистика привлекла большое внимание к качеству ухода за пациентами. [ нужна ссылка ]

После принятия Закона о HITECH, включенного в ARRA, который поощряет внедрение информационных технологий в здравоохранении, более подробные прецедентные законы для CDSS и EMR все еще находятся в стадии разработки. [ когда? ] определяется Управлением национального координатора по информационным технологиям здравоохранения (ONC) и утверждается Министерством здравоохранения и социальных служб (HHS). Определение «Значительного использования» еще не опубликовано. [ нужны разъяснения ]

Несмотря на отсутствие законов, поставщики CDSS почти наверняка будут рассматриваться как имеющие юридическую обязанность заботиться как о пациентах, на которых может негативно повлиять использование CDSS, так и о врачах, которые могут использовать эту технологию для ухода за пациентами. [ нужна ссылка ] [ нужны разъяснения ] Однако правовые нормы об обязанностях по уходу еще четко не определены.

Благодаря недавнему эффективному законодательству, касающемуся стимулирования оплаты за смену производительности, CDSS становится более привлекательным. [ нужна ссылка ] [ нужны разъяснения ]

Эффективность [ править ]

Доказательства эффективности CDSS неоднозначны. Существуют определенные заболевания, для которых CDSS приносит больше пользы, чем для других заболеваний. Систематический обзор 2018 года выявил шесть заболеваний, при которых CDSS улучшил результаты лечения пациентов в больницах, включая контроль уровня глюкозы в крови, управление переливанием крови, профилактику физиологического ухудшения, профилактику пролежней, профилактику острого повреждения почек и профилактику венозной тромбоэмболии. [13] Систематический обзор 2014 года не выявил преимуществ с точки зрения риска смерти при сочетании CDSS с электронными медицинскими картами . [14] Однако могут быть некоторые преимущества с точки зрения других результатов. [14] 2005 года Систематический обзор пришел к выводу, что CDSS улучшили работу практикующего врача в 64% исследований и результаты лечения пациентов в 13% исследований. Функции CDSS, связанные с повышением эффективности работы практикующего врача, включали автоматические электронные подсказки, а не необходимость активации системы пользователем. [15]

Систематический обзор 2005 года показал, что «системы поддержки принятия решений значительно улучшили клиническую практику в 68% исследований». Функции CDSS, связанные с успехом, включали интеграцию в клинический рабочий процесс, а не отдельный вход в систему или экран, электронный, а не бумажный формат. шаблоны, обеспечивающие поддержку принятия решений во время и в месте оказания помощи, а не ранее, и предоставление рекомендаций по уходу. [16]

Однако более поздние систематические обзоры были менее оптимистичны в отношении эффектов CDS: в одном из них, проведенном в 2011 году, говорилось: «Существует большой разрыв между постулируемыми и эмпирически продемонстрированными преимуществами [CDSS и других] технологий электронного здравоохранения   … их экономическая эффективность еще не оценена». быть продемонстрированы». [17]

Пятилетняя оценка эффективности CDSS в осуществлении рационального лечения бактериальных инфекций была опубликована в 2014 году; по мнению авторов, это было первое долгосрочное исследование CDSS. [18]

с усыновлением ​ Проблемы

Клинические проблемы ​ ​

Многие медицинские учреждения и компании-разработчики программного обеспечения приложили немало усилий для создания жизнеспособных CDSS для поддержки всех аспектов клинических задач. Однако, учитывая сложность клинических рабочих процессов и большие затраты времени персонала, учреждение, развертывающее систему поддержки, должно позаботиться о том, чтобы система стала неотъемлемой частью клинического рабочего процесса. Некоторые CDSS имели разный успех, в то время как другие страдали от общих проблем, препятствующих или препятствующих успешному внедрению и принятию.

Двумя секторами здравоохранения, в которых CDSS оказали большое влияние, являются фармацевтический сектор и сектор выставления счетов. Широко используемые аптечные системы и системы заказа рецептов теперь выполняют групповую проверку заказов на негативное взаимодействие лекарств и сообщают о предупреждениях специалистам по заказам. Еще одним сектором успеха CDSS является выставление счетов и подача претензий. Поскольку многие больницы полагаются на возмещение расходов по программе Medicare, чтобы продолжать работу, были созданы системы, помогающие изучить как предлагаемый план лечения, так и действующие правила Medicare, чтобы предложить план, который пытается удовлетворить как уход за пациентом, так и финансовые потребности пациента. учреждение. [ нужна ссылка ]

Другие CDSS, предназначенные для решения диагностических задач, добились успеха, но часто очень ограничены в развертывании и масштабах. Система лечения боли в животе Лидса была введена в эксплуатацию в 1971 году в больнице Университета Лидса. Сообщалось, что правильный диагноз был поставлен в 91,8% случаев по сравнению с показателем успеха врачей в 79,6%. [ нужна ссылка ]

Несмотря на широкий спектр усилий учреждений по созданию и использованию этих систем, для большинства предложений до сих пор не достигнуто широкое внедрение и признание. Исторически одним из серьезных препятствий на пути к принятию была интеграция рабочих процессов. Существовала тенденция сосредотачиваться только на функциональном ядре CDSS, связанном с принятием решений, что приводило к недостаткам в планировании того, как врач будет использовать продукт на месте. CDSS представляли собой автономные приложения, требующие от врача прекратить работу в своей текущей системе, переключиться на CDSS, ввести необходимые данные (даже если они уже были введены в другую систему) и изучить полученные результаты. Дополнительные шаги прерывают поток с точки зрения врача и требуют драгоценного времени. [ нужна ссылка ] [19]

Технические проблемы и препятствия на пути реализации [ править ]

Системы поддержки принятия клинических решений сталкиваются с серьезными техническими проблемами в ряде областей. Биологические системы чрезвычайно сложны, и для принятия клинического решения может использоваться огромный спектр потенциально важных данных. Например, система электронной доказательной медицины потенциально может учитывать симптомы пациента, историю болезни, семейный анамнез и генетику , а также исторические и географические тенденции возникновения заболеваний, а также опубликованные клинические данные о терапевтической эффективности при рекомендации курса лечения пациента. .

Клинически, серьезным сдерживающим фактором для принятия CDSS является интеграция рабочих процессов.

Хотя было показано, что клиницистам требуются объяснения CDSS на основе машинного обучения, чтобы понять их предложения и доверять им. [20] в целом наблюдается явное отсутствие применения объяснимого искусственного интеллекта в контексте CDSS, [21] тем самым создавая еще один барьер для внедрения этих систем.

Еще одним источником разногласий со многими системами медицинской поддержки является то, что они выдают огромное количество предупреждений. Когда системы выдают большое количество предупреждений (особенно тех, которые не требуют эскалации), помимо раздражения, врачи могут уделять предупреждениям меньше внимания, что приводит к пропуску потенциально важных предупреждений. Это явление называется утомляемостью. [22]

Техническое обслуживание [ править ]

Одной из основных проблем, стоящих перед CDSS, является сложность включения огромного количества клинических исследований, публикуемых на постоянной основе. В течение года публикуются десятки тысяч клинических исследований. [23] В настоящее время каждое из этих исследований необходимо читать вручную, оценивать на предмет научной обоснованности и точно включать в CDSS. В 2004 году было заявлено, что процесс сбора клинических данных и медицинских знаний и приведения их в форму, которой компьютеры могут манипулировать для поддержки принятия клинических решений, «все еще находится в зачаточном состоянии». [24]

Тем не менее, для бизнеса более целесообразно делать это централизованно, пусть и не полностью, чем чтобы каждый врач старался быть в курсе всех публикуемых исследований. [ нужна ссылка ]

Помимо трудоемкости, интеграция новых данных иногда может быть трудной для количественной оценки или включения в существующую схему поддержки принятия решений, особенно в тех случаях, когда различные клинические статьи могут оказаться противоречивыми. Правильное разрешение подобных несоответствий часто является предметом клинических статей (см. метаанализ ), на подготовку которых часто уходят месяцы. [ нужна ссылка ]

Оценка [ править ]

Чтобы CDSS имел ценность, он должен явно улучшить клинический рабочий процесс или результаты. Оценка CDSS позволяет количественно оценить ее ценность для улучшения качества системы и измерения ее эффективности. Поскольку разные CDSS служат разным целям, ни один общий показатель не применим ко всем таким системам; однако такие атрибуты, как согласованность (с экспертами и с экспертами), часто применимы к широкому спектру систем. [25]

Критерий оценки CDSS зависит от цели системы: например, система поддержки принятия диагностических решений может оцениваться на основе последовательности и точности ее классификации заболеваний (по сравнению с врачами или другими системами поддержки принятия решений). Система доказательной медицины может быть оценена на основе высокой частоты улучшения состояния пациентов или более высокого финансового возмещения поставщикам медицинских услуг. [ нужна ссылка ]

Объединение с электронными медицинскими картами [ править ]

Внедрение EHR было неизбежной проблемой. Эта проблема связана с тем, что это относительно неизведанная область, и на этапе внедрения ЭМК возникает множество проблем и сложностей. Это можно увидеть в многочисленных проведенных исследованиях. [ нужна ссылка ] Однако проблемам внедрения электронных медицинских карт (ЭМК) уделяется определенное внимание. EHR к более новым системам известно меньше Тем не менее, о переходе от устаревших . [26]

Электронные медицинские записи — это способ сбора и использования данных в режиме реального времени для обеспечения высококачественного ухода за пациентами, обеспечивая эффективность и результативное использование времени и ресурсов. Совместное включение EHR и CDSS в медицинский процесс может изменить способ преподавания и практики медицины. [27] Было сказано, что «самый высокий уровень EHR - это CDSS». [28]

Поскольку «системы поддержки клинических решений (CDSS) представляют собой компьютерные системы, предназначенные для воздействия на принятие врачами решений в отношении отдельных пациентов в тот момент времени, когда эти решения принимаются», [27] очевидно, что было бы полезно иметь полностью интегрированную систему CDSS и EHR.

Несмотря на то, что преимущества очевидны, полное внедрение CDSS, интегрированного с EHR, исторически требовало значительного планирования со стороны медицинского учреждения/организации, чтобы CDSS был успешным и эффективным. Успех и эффективность могут быть измерены увеличением количества оказываемой помощи пациентам и уменьшением количества возникающих нежелательных явлений . Кроме того, произойдет экономия времени и ресурсов, а также преимущества с точки зрения автономии и финансовой выгоды для медицинского учреждения/организации. [29]

CDSS в сочетании EHR Преимущества с

Успешная интеграция CDSS/EHR позволит предоставить пациенту передовую и высококачественную помощь, что является конечной целью здравоохранения.

В здравоохранении всегда происходили ошибки, поэтому для обеспечения качественного ухода за пациентами важно стараться максимально их свести к минимуму. Тремя областями, которые можно решить с помощью внедрения CDSS и электронных медицинских карт (EHR), являются:

  1. Ошибки при назначении лекарств
  2. Неблагоприятные события, связанные с приемом лекарств
  3. Другие медицинские ошибки

CDSS будут наиболее полезны в будущем, когда медицинские учреждения станут «100% электронными» с точки зрения информации о пациентах в режиме реального времени, что упростит количество модификаций, которые необходимо внести, чтобы гарантировать актуальность всех систем друг с другом.

Измеримые преимущества систем поддержки принятия клинических решений для эффективности работы врачей и результатов лечения пациентов остаются предметом постоянных исследований.

Барьеры [ править ]

Внедрение электронных медицинских карт (ЭМК) в медицинских учреждениях сопряжено с проблемами; нет ничего более важного, чем поддержание эффективности и безопасности во время развертывания, [30] однако для того, чтобы процесс внедрения был эффективным, понимание точек зрения пользователей ЭУЗ является ключом к успеху проектов внедрения ЭУЗ. [31] В дополнение к этому необходимо активно способствовать внедрению с помощью восходящего подхода, ориентированного на клинические потребности. [32] То же самое можно сказать и о CDSS.

По состоянию на 2007 год основными проблемами при переходе на полностью интегрированную систему EHR/CDSS были: [33]

  1. Конфиденциальность
  2. Конфиденциальность
  3. Удобство для пользователя
  4. Точность и полнота документа
  5. Интеграция
  6. Единообразие
  7. Принятие
  8. Оповещение о снижении чувствительности

а также ключевые аспекты ввода данных, которые необходимо учитывать при внедрении CDSS, чтобы избежать возникновения потенциальных неблагоприятных событий. Эти аспекты включают в себя:

  • используются правильные данные
  • все данные введены в систему
  • применяется лучшая современная практика
  • данные основаны на фактах [ нужны разъяснения ]

Сервис -ориентированная архитектура была предложена в качестве технического средства устранения некоторых из этих препятствий. [34]

в Статус Австралии

По состоянию на июль 2015 года запланированный переход на EHR в Австралии сталкивается с трудностями. Большинство медицинских учреждений по-прежнему используют полностью бумажные системы; некоторые находятся на переходном этапе сканирования ЭМК или приближаются к такому переходному этапу.

Виктория попыталась внедрить EHR по всему штату с помощью своей программы HealthSMART, но отменила проект из-за неожиданно высоких затрат. [35]

Однако Южная Австралия (ЮА) несколько более успешна, чем Виктория, во внедрении ЭМК. Это может быть связано с тем, что все организации общественного здравоохранения в ЮАР управляются централизованно.

SA находится в процессе внедрения «Корпоративной системы управления пациентами (EPAS)». Эта система является основой для всех государственных больниц и учреждений здравоохранения в ЮАР, и ожидалось, что к концу 2014 года все учреждения в ЮАР будут подключены к ней. Это позволит успешно интегрировать CDSS в SA и увеличить преимущества EHR. [36] К июлю 2015 года сообщалось, что только 3 из 75 медицинских учреждений внедрили EPAS. [37]

Обладая крупнейшей системой здравоохранения в стране и моделью федеративного, а не централизованного управления, Новый Южный Уэльс последовательно продвигается к внедрению ЭМК в масштабах всего штата. Текущая версия государственной технологии eMR2 включает в себя функции CDSS, такие как путь сепсиса для выявления пациентов из группы риска на основе ввода данных в электронную запись. По состоянию на июнь 2016 года eMR2 был реализован на 93 из 194 сайтов, запланированных к первоначальному развертыванию. [38]

в Финляндии Статус ​

Услугой поддержки принятия клинических решений EBMEDS, предоставляемой Duodecim Medical Publications Ltd, пользуются более 60% врачей общественного здравоохранения Финляндии. [39]

Исследования [ править ]

Ошибки в рецептах [ править ]

В исследовании, проведенном в Великобритании, была протестирована Salford Medication Safety Dashboard (SMASH), веб-приложение CDSS, помогающее врачам общей практики и фармацевтам находить в своих электронных медицинских картах людей, которые могут столкнуться с угрозой безопасности из-за ошибок в рецептах. Информационная панель успешно использовалась для выявления и помощи пациентам с уже зарегистрированными небезопасными рецептами, а позже помогла отслеживать новые случаи по мере их появления. [40] [41]

См. также [ править ]

Ссылки [ править ]

  1. ^ Jump up to: Перейти обратно: а б с д и ж г Бернер, Эта С., изд. Системы поддержки клинических решений. Нью-Йорк, штат Нью-Йорк: Springer, 2007.
  2. ^ Jump up to: Перейти обратно: а б с д «Системы поддержки принятия решений». 26 июля 2005 г. 17 февраля 2009 г. < [1] .
  3. ^ Бегум, Шахина; Ахмед, Мобьен Уддин; Фанк, Питер; Сюн, Нин; Фолке, Миа (июль 2011 г.). «Системы рассуждения на основе прецедентов в науках о здоровье: обзор последних тенденций и разработок» . Транзакции IEEE в системах, человеке и кибернетике. Часть C: Приложения и обзоры . 41 (4): 421–434. дои : 10.1109/TSMCC.2010.2071862 . S2CID   22441650 . Архивировано из оригинала 10 февраля 2023 года . Проверено 6 декабря 2019 г.
  4. ^ Хусаинова, Гульмира; Петрович, Саня; Джаганнатан, Рупа (2015). «Поиск с кластеризацией в системе обоснования на основе случаев для планирования лучевой терапии» . Физический журнал: серия конференций . 616 (1): 012013. Бибкод : 2015JPhCS.616a2013K . дои : 10.1088/1742-6596/616/1/012013 . ISSN   1742-6596 .
  5. ^ Хосла, Винод (4 декабря 2012 г.). «Технологии заменят 80% того, что делают врачи» . CNN . Архивировано из оригинала 28 марта 2013 года . Проверено 25 апреля 2013 г.
  6. ^ Пейман., Дехгани Суфи, Махса. Самад-Солтани, Таха. Шамс Вахдати, Самад. Резаи-Хачесу. Система поддержки принятия решений для управления сортировкой: гибридный подход, использующий рассуждения на основе правил и нечеткую логику . OCLC   1051933713 . {{cite book}}: CS1 maint: несколько имен: список авторов ( ссылка )
  7. ^ «Стандарты HL7 CDS» . Рабочая группа HL7 CDS . Проверено 25 июня 2019 г.
  8. ^ по языку клинического качества , по состоянию на 15 февраля 2022 г. CQL - Ресурсный центр eCQI
  9. ^ Сайеда-Махмуд, Танвир (март 2015 г.). «Пленарный доклад: роль машинного обучения в поддержке принятия клинических решений». Отдел новостей SPIE . дои : 10.1117/2.3201503.29 .
  10. ^ Ваголикар, Кавишвар; В. Сундарараджан; Ашок Дешпанде (2012). «Парадигмы моделирования для поддержки принятия медицинских диагностических решений: исследование и будущие направления». Журнал медицинских систем . 36 (5): 3029–3049. дои : 10.1007/s10916-011-9780-4 . ПМИД   21964969 . S2CID   14509743 .
  11. ^ Ду, Юхан; Рафферти, Энтони Р.; Маколифф, Фионнуала М.; Вэй, Лан; Муни, Кэтрин (21 января 2022 г.). «Объяснимая система поддержки принятия клинических решений на основе машинного обучения для прогнозирования гестационного сахарного диабета» . Научные отчеты . 12 (1): 1170. Бибкод : 2022NatSR..12.1170D . дои : 10.1038/s41598-022-05112-2 . ПМЦ   8782851 . ПМИД   35064173 .
  12. ^ Медицина, Институт медицины (28 февраля 2001 г.). Преодолев пропасть качества: новая система здравоохранения XXI века . дои : 10.17226/10027 . ISBN  978-0-309-46561-8 . ПМИД   25057539 .
  13. ^ Варгезе, Дж; Кляйне, М; Гесснер, С.И.; Сандманн, С; Дугас, М. (май 2018 г.). «Влияние внедрения компьютеризированной системы поддержки принятия решений на результаты лечения пациентов в стационаре: систематический обзор» . Журнал Американской ассоциации медицинской информатики . 25 (5): 593–602. дои : 10.1093/Джамиа/ocx100 . ПМЦ   7646949 . ПМИД   29036406 .
  14. ^ Jump up to: Перейти обратно: а б Мойя, Л; Кваг, К.Х.; Литрас, Т; Бертиццоло, Л; Брандт, Л; Пекораро, В.; Ригон, Г; Ваона, А; Руджеро, Ф; Мангиа, М; Иорио, А; Куннамо, я; Боновас, С (декабрь 2014 г.). «Эффективность компьютеризированных систем поддержки принятия решений, связанных с электронными медицинскими записями: систематический обзор и метаанализ» . Американский журнал общественного здравоохранения . 104 (12): e12–22. дои : 10.2105/ajph.2014.302164 . ПМК   4232126 . ПМИД   25322302 .
  15. ^ Гарг А.С., Адхикари Н.К., Макдональд Х., Росас-Арельяно М.П., ​​Деверо П.Дж., Бейен Дж. и др. (2005). «Влияние компьютеризированных систем поддержки клинических решений на работу практикующего врача и результаты лечения пациентов: систематический обзор». ДЖАМА . 293 (10): 1223–38. дои : 10.1001/jama.293.10.1223 . ПМИД   15755945 .
  16. ^ Кенсаку Кавамото; Кейтлин А. Хулихан; Э. Эндрю Балас; Дэвид Ф Лобах. (2005). «Улучшение клинической практики с использованием систем поддержки клинических решений: систематический обзор исследований для выявления особенностей, имеющих решающее значение для успеха» . БМЖ . 330 (7494): 765. doi : 10.1136/bmj.38398.500764.8F . ПМЦ   555881 . ПМИД   15767266 .
  17. ^ Блэк, AD; Кар, Дж.; Пальяри, К.; Анандан, К.; Крессвелл, К.; Бокун, Т.; МакКинстри, Б.; Проктер, Р.; Маджид, А.; Шейх А. (18 января 2011 г.). «Влияние электронного здравоохранения на качество и безопасность медицинской помощи: систематический обзор» . ПЛОС Медицина . 8 (1): e1000387. дои : 10.1371/journal.pmed.1000387 . ПМК   3022523 . ПМИД   21267058 . Значок открытого доступа
  18. ^ Нахтигаль, я; Тафельски, С; Дежа, М; Галле, Э; Гребе, MC; Тамаркин А; Ротбарт, А; Унриг, А; Мейер, Э; Мюзиал-Яркий, Л; Вернеке, К.Д.; Шпионы, К. (22 декабря 2014 г.). «Долгосрочный эффект компьютерной поддержки принятия решений о лечении антибиотиками у пациентов в критическом состоянии: проспективное когортное исследование «до/после»» . БМЖ Опен . 4 (12): e005370. doi : 10.1136/bmjopen-2014-005370 . ПМК   4275685 . ПМИД   25534209 . Значок открытого доступа
  19. ^ Национальная медицинская академия (2018). «Оптимизация стратегий поддержки принятия клинических решений» (PDF) . Healthit.gov . Архивировано (PDF) из оригинала 23 апреля 2018 года . Проверено 2 февраля 2021 г.
  20. ^ Тонекабони, Сана; Джоши, Шалмали; МакКрэдден, Мелисса Д.; Гольденберг, Анна (28 октября 2019 г.). «Чего хотят клиницисты: контекстуализация объяснимого машинного обучения для конечного клинического использования» . Конференция «Машинное обучение в здравоохранении» . ПМЛР: 359–380. arXiv : 1905.05134 .
  21. ^ Антониади, Анна Маркелла; Ду, Юхан; Гендуз, Ясмин; Вэй, Лан; Мазо, Клаудия; Беккер, Бретт А.; Муни, Кэтрин (31 мая 2021 г.). «Текущие проблемы и будущие возможности XAI в системах поддержки принятия клинических решений на основе машинного обучения: систематический обзор» . Прикладные науки . 11 (11): 5088. дои : 10.3390/app11115088 . ISSN   2076-3417 .
  22. ^ Халифа, Мохамед; Забани, Ибрагим (2016). «Улучшение использования систем поддержки принятия клинических решений путем снижения усталости от оповещений: стратегии и рекомендации» . Исследования в области медицинских технологий и информатики . 226 : 51–54. ISSN   1879-8365 . ПМИД   27350464 .
  23. ^ Глууд С, Николова Д (2007). «Вероятная страна происхождения публикаций о рандомизированных контролируемых исследованиях и контролируемых клинических исследованиях за последние 60 лет» . Испытания . 8 :7. дои : 10.1186/1745-6215-8-7 . ПМК   1808475 . ПМИД   17326823 .
  24. ^ Гарднер, Рид М. (апрель 2004 г.). «Компьютеризированная поддержка принятия клинических решений в сфере респираторной помощи». Респираторная помощь . 49 (4): 378–388. ПМИД   15030611 .
  25. ^ Ваголикар, К; Кэти Л. Маклафлин; Томас М. Кастнер; Петра М. Кейси; Майкл Генри; Роберт А. Гринс; Хунфан Лю; Раджив Чаудри (2013). «Формативная оценка точности системы поддержки принятия клинических решений при скрининге рака шейки матки» . Журнал Американской ассоциации медицинской информатики . 20 (4): 747–759. дои : 10.1136/amiajnl-2013-001613 . ПМЦ   3721177 . ПМИД   23564631 .
  26. ^ Зандие, Стефани О.; Кахён Юн-Фланнери; Гилад Дж. Куперман; Дэниел Дж. Лангсам; Дэниел Хайман; Райну Каушал (2008). «Проблемы внедрения ЭУЗ в офисной практике в сравнении с электронными и бумажными документами» . Журнал глобального управления информацией . 23 (6): 755–761. дои : 10.1007/s11606-008-0573-5 . ПМК   2517887 . ПМИД   18369679 .
  27. ^ Jump up to: Перейти обратно: а б Бернер, Эта С.; Тоня Дж. Ла Ланде (2007). «1». Системы поддержки клинических решений: теория и практика (2-е изд.). Нью-Йорк: Springer Science and Business Media. стр. 3–22.
  28. ^ Ротман, Брайан; Джоан. К. Леонард; Майкл. М. Вигода (2012). «Будущее электронных медицинских карт: значение для поддержки принятия решений» . Медицинский журнал горы Синай . 79 (6): 757–768. дои : 10.1002/msj.21351 . ПМИД   23239213 .
  29. ^ Самбасиван, Мурали; Пуян Исмаилзаде; Нареш Кумар; Хосейн Незакати (2012). «Намерение внедрить системы поддержки клинических решений в развивающейся стране: влияние предполагаемой профессиональной автономии, участия и убеждений врачей: перекрестное исследование» . BMC Медицинская информатика и принятие решений . 12 : 142–150. дои : 10.1186/1472-6947-12-142 . ПМК   3519751 . ПМИД   23216866 .
  30. ^ Спеллман Кеннебек, Стефани; Натан Тимм; Майкл К. Фаррелл; Эндрю Спунер (2012). «Влияние внедрения электронных медицинских карт на показатели потока пациентов в педиатрическом отделении неотложной помощи» . Журнал Американской ассоциации медицинской информатики . 19 (3): 443–447. дои : 10.1136/amiajnl-2011-000462 . ПМЦ   3341791 . ПМИД   22052897 .
  31. ^ Макгинн, Кэрри Анна; Ганьон, Мари-Пьер; Шоу, Никола; Сикотт, Клод; Матье, Люк; Ледюк, Иван; Гренье, Соня; Дюпланти, Джули; Абдельджелил, Анис Бен; Легаре, Франция (11 сентября 2012 г.). «Точка зрения пользователей на ключевые факторы внедрения электронных медицинских карт в Канаде: исследование Delphi» . BMC Медицинская информатика и принятие решений . 12 (1): 105. дои : 10.1186/1472-6947-12-105 . ISSN   1472-6947 . ПМК   3470948 . ПМИД   22967231 .
  32. ^ Розенблюм, Р.; Джанг, Ю.; Зимлихман, Э.; Зальцберг, К.; Тэмблин, М.; Бакеридж, Д.; Форстер, А.; Бейтс, Д.В.; Тэмблин, Р. (22 февраля 2011 г.). «Качественное исследование опыта Канады по внедрению электронных информационных технологий здравоохранения» . Журнал Канадской медицинской ассоциации . 183 (5): E281–E288. дои : 10.1503/cmaj.100856 . ISSN   0820-3946 . ПМК   3060213 . ПМИД   21343262 .
  33. ^ Бернер, Эта С.; Тоня Дж. Ла Ланде (2007). «4». Системы поддержки клинических решений: теория и практика (2-е изд.). Нью-Йорк: Springer Science and Business Media. стр. 64–98.
  34. ^ Лойя, СР; Кавамото, К; Чатвин, К; Хузер, В. (2014). «Сервис-ориентированная архитектура поддержки клинических решений: систематический обзор и будущие направления» . Журнал медицинских систем . 38 (12): 140. doi : 10.1007/s10916-014-0140-z . ПМЦ   5549949 . ПМИД   25325996 . Архивировано (PDF) из оригинала 2 июня 2024 г. - через PMC.
  35. ^ Шаретт, Роберт Н. (21 мая 2012 г.). «Проблемная система HealthSMART окончательно отменена в Виктории, Австралия» . IEEE-спектр . Проверено 18 мая 2013 г.
  36. ^ «Обновление программы EPAS» . Здоровье Южной Австралии . Проверено 15 мая 2013 г. [ мертвая ссылка ]
  37. ^ «Больничные койки будут сокращены на 840, подсчитала южно-австралийская оппозиция, но SA Health опровергает установленные цифры» . Новости АВС . 30 июня 2015 года . Проверено 26 июля 2015 г.
  38. ^ «eMR исполняется 10 лет» (PDF) . Новости электронного здравоохранения . Май – июнь 2016 г. Архивировано из оригинала (PDF) 15 августа 2016 г. . Проверено 6 августа 2016 г.
  39. ^ «Поддержка принятия клинических решений EBMEDS» . ЭБМЕДС . Проверено 12 февраля 2022 г.
  40. ^ «Интерактивная информационная панель позволяет гибко и устойчиво выявлять пациентов, подвергающихся риску небезопасного назначения препаратов» . Доказательства NIHR (резюме на простом английском языке). Национальный институт исследований в области здравоохранения и ухода. 22 июня 2020 г. doi : 10.3310/alert_40404 . S2CID   241368429 .
  41. ^ Джеффрис, Марк; Гуд, Воутер Т.; Кирс, Ричард Н.; Фиппс, Денхэм Л.; Уильямс, Ричард; Контопантелис, Евангелос; Браун, Бенджамин; Эйвери, Энтони Дж.; Пик, Нильс; Эшкрофт, Даррен М. (17 апреля 2020 г.). «Понимание использования новой интерактивной электронной панели управления безопасностью лекарств в общей практике: исследование смешанных методов» . BMC Медицинская информатика и принятие решений . 20 (1): 69. дои : 10.1186/s12911-020-1084-5 . ISSN   1472-6947 . ПМК   7164282 . ПМИД   32303219 .

Внешние ссылки [ править ]

      1. Системы поддержки принятия клинических решений: улучшение здравоохранения с помощью технологий

В сегодняшней быстро развивающейся сфере здравоохранения системы поддержки клинических решений (CDSS) играют ключевую роль в улучшении ухода за пациентами, улучшении клинических результатов и поддержке медицинских работников в принятии обоснованных решений. В этой статье исследуются концепция, преимущества, проблемы и будущие перспективы CDSS.

        1. Что такое система поддержки принятия клинических решений (CDSS)?

Система поддержки клинических решений (CDSS) — это компьютеризированный инструмент, предназначенный для помощи медицинским работникам в принятии клинических решений путем интеграции медицинских знаний с данными пациентов. Эти системы используют алгоритмы, базы данных и информацию о пациентах для предоставления индивидуальных рекомендаций, предупреждений и напоминаний медицинским работникам в местах оказания медицинской помощи.

        1. Компоненты CDSS:

1. **База знаний**: содержит медицинские рекомендации, протоколы, передовой опыт и клинические правила.

2. **Интерфейс данных пациента**: интегрируется с системами электронных медицинских записей (EHR) для доступа к демографическим данным пациента, истории болезни, результатам анализов и текущим лекарствам.

3. **Механизм вывода**: анализирует данные пациентов и применяет клинические правила для генерации предложений или предупреждений на основе заранее определенных алгоритмов.

4. **Пользовательский интерфейс**: предоставляет поставщикам медицинских услуг рекомендации, оповещения и соответствующую информацию в удобном для пользователя формате.

        1. Преимущества систем поддержки принятия клинических решений:

1. **Улучшение процесса принятия клинических решений**: CDSS предоставляет научно обоснованные рекомендации, сокращая количество ошибок и вариативности в клинической практике.

2. **Повышенная безопасность пациентов**. Оповещения о взаимодействии лекарств, аллергиях и потенциальных нежелательных явлениях помогают предотвратить медицинские ошибки и улучшить результаты лечения пациентов.

3. **Эффективность**: оптимизирует рабочий процесс, обеспечивая быстрый доступ к необходимой информации, сокращая время, затрачиваемое на поиск и анализ данных вручную.

4. **Экономичность**: помогает оптимизировать использование ресурсов, сократить количество ненужных анализов, лечения и госпитализаций.

5. **Непрерывное образование**: действует как инструмент обучения, информируя медицинских работников о последних медицинских исследованиях и руководствах.

        1. Проблемы при внедрении CDSS:

1. **Сложность интеграции**. Интеграция CDSS с существующими системами и рабочими процессами EHR может оказаться сложной задачей и отнять много времени.

2. **Качество данных и совместимость**: Зависимость от точных и полных данных имеет решающее значение для эффективности CDSS.

3. **Принятие пользователями**: Сопротивление изменениям и незнание новых технологий среди поставщиков медицинских услуг.

4. **Усталость от оповещений**: перегрузка медицинских работников чрезмерными оповещениями и напоминаниями, что приводит к снижению чувствительности.

5. **Юридические и этические вопросы**: опасения по поводу ответственности, конфиденциальности и конфиденциальности данных пациентов.

        1. Будущие тенденции и инновации:

1. **Искусственный интеллект и машинное обучение**: передовые алгоритмы для прогнозной аналитики, персонализированной медицины и принятия решений в режиме реального времени.

2. **Мобильные и облачные решения**: удаленный доступ и простая интеграция в различных медицинских учреждениях.

3. **Обработка естественного языка**: Расширение возможностей CDSS для интерпретации неструктурированных данных, таких как клинические записи и отчеты о визуализации.

4. **CDSS, ориентированный на пациента**: вовлечение пациентов в процессы принятия решений и персонализированное управление здоровьем.

        1. Заключение:

Системы поддержки клинических решений представляют собой революционную технологию в здравоохранении, предлагающую существенные преимущества в клинической практике, безопасности пациентов и эффективности здравоохранения. Несмотря на то, что проблемы с внедрением и внедрением остаются, продолжающиеся достижения в области технологий и оказания медицинской помощи могут еще больше расширить возможности и влияние CDSS на улучшение общих результатов здравоохранения.

В заключение, CDSS являются ключевыми инструментами в развивающейся сфере медицинских технологий, позволяющими медицинским работникам эффективно использовать основанную на данных информацию и медицинские знания в местах оказания медицинской помощи, что в конечном итоге приводит к улучшению результатов лечения пациентов и улучшению качества оказания медицинской помощи.

Retrieved from "https://en.wikipedia.org/w/index.php?title=Clinical_decision_support_system&oldid=1230179189"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 9b104f2dcbee2ea838cba4029715fee5__1718936640
URL1:https://arc.ask3.ru/arc/aa/9b/e5/9b104f2dcbee2ea838cba4029715fee5.html
Заголовок, (Title) документа по адресу, URL1:
Clinical decision support system - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)