Clinical decision support systemsIs

0/5000

จาก: -

เป็น: -

ผลลัพธ์ (ไทย) 1: [สำเนา]

คัดลอก!

ระบบสนับสนุนการตัดสินใจทางคลินิกปัญหา: หมายเลข BCMJ ปี 46, 5, 2547 มิถุนายน page(s) ราคา 236-239 บทความมาร์ติน Pusic, MD ดร. J. หมาย Ansermino, FFA, MMed หลัก FRCPCระบบสารสนเทศที่หลากหลายสามารถตอนนี้สร้างคำแนะนำเฉพาะผู้ป่วยเพื่อช่วยตัดสินใจทางคลินิกClinicians จะเผชิญ โดยการเพิ่มข้อมูลทางคลินิกในผู้ป่วยแต่ละพวกเขาถือว่าเป็นปริมาณเพิ่มขึ้นเป็นทวีคูณเมื่องานวิจัยทางการแพทย์ที่เกี่ยวข้อง ในขณะที่ระเบียนสุขภาพอิเล็กทรอนิกส์และฐานข้อมูลช่วยให้แพทย์จัดการน้ำนี้เพิ่มขึ้นของข้อมูล คำแนะนำเฉพาะผู้ป่วยโดยระบบสนับสนุนการตัดสินใจทางคลินิกสามารถยิ่ง โดยการปรับปรุงการตัดสินใจและช่วยให้ผู้ป่วยปลอดภัย ตัวอย่างของชนิดต่าง ๆ ของระบบสนับสนุนการตัดสินใจทางคลินิกรวมถึงการสนับสนุนการวินิจฉัยเช่น MYCIN และ QMR แจ้งเตือน และการแจ้งเตือนตามไวยากรณ์ Arden และแนวทางดูแลระบบการจัดการผู้ป่วยที่ใช้คอมพิวเตอร์เป็นตัวแทนของผู้ป่วย มีหลักฐานสนับสนุนประสิทธิผลของระบบทั้งหมดเหล่านี้ มันเป็นสิ่งสำคัญในการวางแผนสำหรับสนับสนุนการตัดสินใจเมื่อออกแบบ และติดตั้งระบบข้อมูลสุขภาพที่ทันสมัยส่วนใหญ่งานของแพทย์ใด ๆ โดยเฉพาะอย่างยิ่งในขั้นตอนที่ไม่ใช่สาขา เกี่ยวข้องกับการหาข้อมูล แล้วช่วยแล้ว โดยหลักฐานและประสบการณ์ การตัดสินในสุดได้ผล ในวันก่อนหน้า กระบวนการทั้งหมดนี้อาจเกิดขึ้นในสมองของผู้ประกอบการ อย่างไรก็ตาม ด้วยจำนวนข้อมูลที่มีให้สำหรับผู้ป่วยแต่ละลัทธิและร่างกายที่เพิ่มขึ้นของหลักฐานทางการแพทย์ เราได้เครื่องมือที่ช่วยเราทำการตัดสินใจเชือดตามข้อมูลนี้เทคโนโลยีคอมพิวเตอร์สามารถช่วยสร้างคำแนะนำกรณีเฉพาะการตัดสินใจทางคลินิก ระบบที่ใช้อยู่จะเรียกว่าระบบสนับสนุนการตัดสินใจทางคลินิกหรือ CDSS[1]ชนิดของ CDSS ที่มีอยู่เป็นสิ่งที่ช่วยให้มนุษย์ประดิษฐ์คิดค้น: จากโปรแกรมประยุกต์ผู้ช่วยดิจิตอลส่วนบุคคลเอง โดย clinician ที่เดียวกับ multihospital ระบบเฝ้าระวังที่ใช้เมนเฟรมหมาย มั่นดูแลหลักพันของผู้ป่วย ระบบสามารถจัดประเภทตามลักษณะของการโต้ตอบกับ clinician ที่ข้อมูลร้องในชนิดแรกของการโต้ตอบ clinician ที่เปิดรับคำแนะนำจาก CDSS[1] ที่มีชื่อเสียงมากที่สุดตัวอย่างคือ ระบบ MYCIN และ QMR MYCIN ถูกพัฒนาขึ้นในทศวรรษ 1970 จะช่วยเลือกยาปฏิชีวนะ bacteremia หรือเยื่อหุ้มสมองอักเสบ clinicians[2] clinicians ที่จะป้อนชุดของข้อเท็จจริงเกี่ยวกับประวัติ ค้นพบจริง และผลการปฏิบัติงาน ซึ่งจะให้คำแนะนำผู้ป่วยเฉพาะสำหรับความครอบคลุมยาปฏิชีวนะแล้ว ในขณะที่ในการทดสอบทดลอง ระบบอาจจะดีเป็นแผงของ clinicians, MYCIN ถูกใช้เนื่องจากความยากลำบากกับการบำรุงรักษาและอีกทั้งยังมีระบบลงในลำดับงานของ clinician ไม่แพร่หลาย[3]ระบบ QMR ใช้อัลกอริทึมการแยบยลจำลองบนเหตุผลทางคลินิกของ internist วิทยาลัยพิตส์เบิร์กเดียว[4] โปรแกรมจะค้นพบทางประวัติศาสตร์ และทางกายภาพ และสร้างการวินิจฉัยส่วนที่แตกต่าง มันทำ โดยใช้ฐานข้อมูลขนาดใหญ่ของ "evoking จุดแข็ง "ความสำคัญ"และ"ความถี่"สิ่งที่เห็นในโรคภายในโดเมนของการ ค้นหา pathognomonic มีความแข็งแรง evoking สูงในขณะที่ค้นหาเห็นในโรคที่กำหนดยังเพิ่มน้ำหนักให้กับโรคนั้นในการวินิจฉัยที่แตกต่าง การค้นหาสิ่งสำคัญที่ขาดจะปรับลดการวินิจฉัยในการวินิจฉัยที่แตกต่าง เช่น MYCIN โปรแกรมนี้มีการค้นพบฟังก์ชันรวมทั้งฝึก clinicians อย่างไรก็ตาม การ labor-intensive, biased มักป้อนพบจำกัดอรรถประโยชน์ของ แน่นอน QMR ตอนนี้ใช้เป็นหนังสือการโต้ตอบที่เป็นเพียงหนึ่งในหลายอิทธิพลในการวินิจฉัยขั้นสุดท้ายที่แตกต่าง[5]ข้อมูลที่ไม่พึงประสงค์CDSS อาจมีศักยภาพมากยิ่งขึ้นในโปรแกรมประยุกต์ที่ส่งคำแนะนำที่ไม่พึงประสงค์[6] เหล่านี้โปรแกรมประยุกต์ judiciously ส่งข้อมูลหรือความรู้ที่สามารถเปลี่ยนแปลงการตัดสินใจทางคลินิกแอ๊บ ไวยากรณ์ Arden เป็นภาษากึ่งโปรแกรมที่ช่วยให้การเข้ารหัสของกฎการตัดสินใจในรูปแบบที่คอมพิวเตอร์อ่าน[7]พิจารณาตัวอย่างต่อไปนี้จากโรงพยาบาล Brigham และสตรี: ช่างเทคนิคห้องปฏิบัติการโรงพยาบาลทำงานแผงอิเล็กโทรบนตัวอย่างเลือดจากผู้ป่วย ผล โพแทสเซียมต่ำของ 2.9 mmol/L ถูกป้อนลงในระบบฐานข้อมูลห้องปฏิบัติการ พระราชบัญญัตินี้ผลลัพธ์ในข้อความดิจิทัลป้อนระบบสารสนเทศโรงพยาบาล ข้อความนี้ประกอบด้วย ในหมู่สิ่งอื่น ๆ เลขประจำโรงพยาบาลของผู้ป่วย และผลลัพธ์โพแทสเซียม ข้อความไปยังโปรแกรมประยุกต์คอมพิวเตอร์ส่วนกลางที่จัดการกับชุดของกฎทางคลินิก ที่นี่ข้อมูลในข้อความถูกเปรียบเทียบกับกฎที่เกี่ยวข้องทั้งหมด ในตัวอย่างของเรา โมตรรกะทางการแพทย์ (MLM) จะแยกข้อเท็จจริง "โพแทสเซียมเป็น 2.9" และค้นหากฎที่ใช้กับความจริง ที่อาจถ้า "โพแทสเซียมเป็น < 3.0" และ "ผู้ป่วย digoxin " แล้ว "stat เพ MD." แล้วจะสามารถส่งข้อความที่เหมาะสมกับเพจเจอร์ของแพทย์ที่รับผิดชอบผู้ป่วย ชนิดของระบบเหล่านี้ได้ใช้วันนี้[8]รายการใบสั่งแพทย์รายการใบสั่งแพทย์มาร์ก (CPOE) เป็นอีกเทคโนโลยีที่ช่วยให้งานนำเสนอความรู้เฉพาะหรือข้อมูลในการตัดสินใจทางคลินิก CPOE หมายถึงความหลากหลายของระบบที่ใช้คอมพิวเตอร์ในการสั่งยาหรือทดสอบ ระบบเหล่านี้โดยอัตโนมัติ และกำหนดมาตรฐานกระบวนการสั่งซื้อ คาดข้อมูลจากคอมพิวเตอร์ของใบสั่งเหล่านี้ใช้เพื่อความพยายามปรับปรุงคุณภาพพิจารณาตัวอย่างต่อไปนี้ แพทย์สั่งการเอกซเรย์ในผู้ป่วยที่มีข้อเท้าของเธอกลับ เมื่อใบสั่งป้อนเข้าคอมพิวเตอร์ แพทย์จะนึกถึงองค์ประกอบของเกณฑ์ตามหลักฐานเช่นใบ (ออตตาวาข้อเท้ากฎ) แน่นอน ไม่ได้ลงทะเบียนใบสั่งจนกว่าแพทย์รับทราบว่า ผู้ป่วยไม่ หรือตรงตามเกณฑ์ ระบบดังกล่าวได้รับการแสดงเพื่อลดใบสั่งเอ็กซ์เรย์ไม่เหมาะสมถึง 47%[9]ระบบ CPOE คล้ายสามารถประสบความสำเร็จในความหลากหลายของการตั้งค่า มีของใช้น่าสนใจมากที่สุดเป็นการป้องกันยาเสพติดยาและโต้ตอบข้อผิดพลาด รายงานจากสถาบันการแพทย์, [10] ปี 1999 เปิดเผยขนาดพลาดทางการแพทย์อย่างต่อเนื่อง เอกสารตายเป็น 7000 ปีในสหรัฐอเมริกาต่อยาในโรงพยาบาล รายงานแคนาดามากขึ้นล่าสุด [11] ที่เรียกว่าการลงทุนในโครงสร้างพื้นฐานเทคโนโลยีสารสนเทศที่สนับสนุนรหัสมาตรฐาน รายงาน และติดตามข้อมูลด้านความปลอดภัยผู้ป่วย งานวิจัยที่ระบุถึงวิธีการ CDSS ที่ผู้ให้บริการดูแลสุขภาพข้อผิดพลาดในการแจ้งเตือน ได้กลายเป็น องค์ประกอบสำคัญในการปรับปรุงความปลอดภัยผู้ป่วยระบบการจัดการโรคตัวอย่างก่อนหน้านี้ของ CDSS ไม่ได้ร้องขอ และร้องทุกศูนย์ในธุรกรรมที่แยกต่างหากแต่ละทำให้ค่าเพียงเศษเสี้ยวเล็ก ๆ ของการดูแลผู้ป่วย ระบบการจัดการโรคมีความซับซ้อนรักษาอัลกอริทึมสำหรับเงื่อนไขเช่นโรคหอบหืด ความดันโลหิตสูง เบาหวาน ไขมันในเลือดสูง และเจรจา CDSS ที่ clinicians และผู้ป่วย[3] สะท้อนโลกัสโพลเปลี่ยนควบคุมในความสัมพันธ์ clinician ผู้ป่วย หลายระบบถูกออกแบบมาอย่างชัดเจนสำหรับผู้ป่วย โรคเบาหวานระบบอาจเสนอตัวอย่างกรณีที่มีใช้ข้อมูลเฉพาะของผู้ป่วย วัดน้ำตาลในเลือดและรับประทานอาหาร การสร้างโมดูศึกษาเองและแนะนำอาหารละเอียด[12]วิธีการแสดงแนวทางคลินิกที่ซับซ้อนในการใช้งานคอมพิวเตอร์เป็นพื้นที่วิจัยจำนวนมาก [13] ขณะตามกฎถ้าแล้วอื่นที่แสดง โดยตัว hypokalemia/digoxin โรงพยาบาล Brigham และสตรีอย่างค่อนข้างตรงไปตรงมา การเขียนโปรแกรมแนวทางของพวกเขาหลาย ตามอัตวิสัยมักตัดสินใจจุดทดสอบขีดจำกัดของวิทยาศาสตร์สาขาเช่นตัดสินใจนำเสนอการวิเคราะห์และความรู้ กระนั้น มีมากมายตัวอย่างของแนวทางที่คอมพิวเตอร์ใช้วันนี้[12]ระบบสารสนเทศแบบบูรณาการชัดเจน ใช้โอกาสสำหรับชนิดเหล่านี้ของการแทรกแซงสนับสนุนการตัดสินใจทางคลินิก เราต้องการระบบข้อมูลสุขภาพที่มีประสิทธิภาพในการ ตัวเลขให้เป็นพิมพ์เขียวสำหรับระบบข้อมูลสุขภาพที่มีพัฒนาจากก่อน พัฒนาสำหรับเราชาติไลบรารีของยาในต้นทศวรรษ 1980[14] โปรดสังเกตว่า CDSS เป็นส่วนหนึ่งของระบบนี้ ควบคู่ไปกับระเบียนปฏิบัติการ รังสีวิทยา และสุขภาพ สามารถใช้พิมพ์เขียวนี้ไม่เพียงแต่ สำหรับโรงพยาบาลขนาดใหญ่ แต่ สำหรับเครือข่ายแบบกระจายของอเมริกาดูแลเช่นสำนักงานของผู้หลักฐานแสดงประสิทธิภาพการตัดสินใจทางคลินิกสนับสนุนระบบปรับปรุงดูแลผู้ป่วยอย่างไร จู่ ๆ ยากที่จะตอบคำถามได้ ออกแบบการทดลอง evaluative ดีเป็นเรื่องยาก และความแท้จริงของระบบและฟังก์ชันทำให้เปรียบเทียบที่ซับซ้อน ตรวจทานล่าสุดของ 57 randomized ควบคุมการทดลอง และรีวิว 10 ระบบประเมินประสิทธิภาพของคอมพิวเตอร์โดยส่งหลักฐานสุขภาพ รวม CDSS[12] ผู้เขียนพบว่า clinician หรือผู้ป่วยมีการปฏิบัติตามคำแนะนำตามหลักฐานการปรับปรุงเฉพาะยอดเงินที่เจียมเนื้อเจียมตัว: จาก 52% โดย 57% ด้วยระบบการ เจ็ดแปดเห็นระบบที่เกี่ยวข้องพบผลดีต่อพฤติกรรมผู้ให้บริการหรือผู้ป่วย ได้เร็ว ๆ นี้ อย่างไรก็ตาม ว่า เห็นไม่รวมคอมพิวเตอร์ที่มีสร้างจดหมายเตือนชำระเงินบทสรุปในปีที่มาถึง ทบวงกรมจังหวัด และรัฐบาลกลางจะลงทุนพันล้านดอลลาร์ในระบบข้อมูลข่าวสารใหม่ ระบบสนับสนุนการตัดสินใจของคอมพิวเตอร์รวมกับใบสั่งแพทย์คอมพิวเตอร์รายการจะช่วยให้นี้ลงทุนคุ้มค่า โดยนำเพื่อความปลอดภัย มีประสิทธิภาพมากขึ้น และสุขภาพที่มีประสิทธิภาพมากขึ้นสำคัญว่า clinicians มีส่วนร่วมในการพัฒนาและประเมินผลทางวิทยาศาสตร์อย่างเข้มงวดของระบบเหล่านี้ได้ Clinicians ส่วนยังอยู่ในการตัดสินใจว่า ควรใช้ CDSS ในสภาพแวดล้อมในท้องถิ่นดูแล เรากระตุ้นให้ clinicians เพื่อระบุโอกาส f

การแปล กรุณารอสักครู่..

ผลลัพธ์ (ไทย) 2:[สำเนา]

คัดลอก!

Clinical decision support systems
Issue: BCMJ, Vol. 46, No. 5, June 2004, page(s) 236-239 Articles
Martin Pusic, MD, Dr J. Mark Ansermino, FFA, MMed, MSc, FRCPC
A broad range of information systems can now generate patient-specific advice to aid clinical decision making.
Clinicians are confronted by increasing amounts of clinical data for each patient they treat as well as an exponentially increasing volume of relevant medical research. While electronic health records and databases help physicians manage this rising tide of information, patient-specific recommendations provided by clinical decision support systems can do even more by improving decision making and helping ensure patient safety. Examples of various types of clinical decision support systems include diagnostic support such as MYCIN and QMR, alerts and reminders based on the Arden Syntax, and patient management systems that use computer representations of patient care guidelines. With evidence supporting the effectiveness of all these systems, it is important to plan for decision support when designing and installing modern health information systems.
A large part of any physician’s work, especially in non-procedural disciplines, involves acquiring information and then, aided by evidence and experience, making decisions for the best possible outcome. In earlier days, this whole process could take place in the brain of the practitioner. However, with the burgeoning amount of data now available for each patient and the increasing body of medical evidence, we need tools to help us make rational decisions based on all this information.
Computer technology can assist by generating case-specific advice for clinical decision making. The systems used are usually referred to as clinical decision support systems or CDSS.[1]
The types of CDSS available are as broad as human ingenuity allows: from personal digital assistant applications customized by a single clinician to multihospital mainframe-based surveillance systems meant to assure care for thousands of patients. The systems can be classified by the nature of their interaction with the clinician.
Solicited information
In the first type of interaction, a clinician solicits advice from the CDSS.[1] The two most famous examples are the MYCIN and QMR systems. MYCIN was developed in the 1970s to help clinicians choose antibiotics for bacteremia or meningitis.[2] The clinicians would enter a series of facts about history, physical findings, and laboratory results into the system, which would then give patient-specific recommendations for antibiotic coverage. While in experimental tests the system could be as good as a panel of clinicians, MYCIN was never widely used because of difficulties with maintenance and incorporating the system into a clinician’s workflow.[3]
The QMR system uses an ingenious algorithm modeled on the clinical reasoning of a single University of Pittsburgh internist.[4] The program takes historical and physical findings and generates a differential diagnosis. It does this by using a large database of “evoking strengths,” “importance,” and “frequencies” of findings seen in diseases within its domain. A pathognomonic finding has a high evoking strength while a finding commonly seen in a given disease also increases the weighting given to that disease in the differential diagnosis. An important finding that is absent will downgrade the diagnosis within the differential diagnosis. Like MYCIN, this program was found to function as well as practising clinicians. However, the labor-intensive, often biased process of entering findings limits its utility. Indeed, QMR is now used as an interactive textbook where it is just one of several influences on the final differential diagnosis.[5]
Unsolicited information
CDSS may have even more potential in applications that deliver unsolicited advice.[6] These applications judiciously deliver information or knowledge that can beneficially alter clinical decision making. The Arden Syntax is a quasi-programming language that allows the encoding of decision rules into a computer-readable format.[7]
Consider the following example from the Brigham and Women’s Hospital: A hospital laboratory technician runs an electrolyte panel on a sample of blood from a patient. The result, a low potassium of 2.9 mmol/L, is entered into the laboratory information system. This act results in a digital message entering the hospital information system. This message contains, among other things, the patient’s hospital ID number and the potassium result. The message goes to a centralized computer application that manages a series of clinical rules. Here the information in the message is compared with all relevant rules. In our example, the medical logic module (MLM) would extract the fact “potassium is 2.9” and search out rules applicable to this fact, one of which might be IF “potassium is <3.0” AND “patient is on digoxin” THEN “stat page MD.” An appropriate message would then be transmitted to the pager of the physician responsible for the patient. These types of systems are in use today.[8]
Physician order entry
Computerized physician order entry (CPOE) is another technology that enables the presentation of tailored knowledge or information at the time of a clinical decision. CPOE refers to a variety of computer-based systems for ordering medications or tests. These systems automate and standardize the ordering process. Information gleaned from computer records of these orders can also be used to guide quality improvement efforts.
Consider the following example. A physician orders an X-ray for a patient who has inverted her ankle. When the order is entered into the computer, the physician is reminded of the exact elements of the evidence-based criteria for such an order (the Ottawa Ankle Rules). The order is not registered until the physician acknowledges that the patient either does or does not meet the criteria. Such systems have been shown to decrease inappropriate X-ray orders by as much as 47%.[9]
Similar CPOE systems can be successful in a wide variety of settings, with some of the most compelling uses being the prevention of drug dose and interaction errors. A 1999 report from the Institute of Medicine,[10] revealed the magnitude of ongoing medical error, documenting as many as 7000 annual deaths in the US due to medication errors in hospitals. A more recent Canadian report[11] called for investment in information-technology infrastructures that support the standardized identification, reporting, and tracking of patient safety data. Research that identifies CDSS methods that alert health care providers to errors has become a critical element in improving patient safety.
Disease management systems
The preceding examples of solicited and unsolicited CDSS all centre on isolated transactions that each make up only a small fraction of a patient’s care. Disease management systems are specialized CDSS that help clinicians and patients negotiate complex treatment algorithms for conditions such as asthma, hypertension, diabetes, and hyperlipidemia.[3] Reflecting the changing locus of control in the clinician-patient relationship, many of the systems are designed expressly for the patient. Diabetes systems might be the best example of cases where patient-specific data, such as blood glucose measurements and food intake, are used to generate customized educational modules and detailed dietary recommendations.[12]
How to represent complex clinical guidelines in computer applications is an area of considerable research[13] . While implementing the IF-THEN-ELSE rule illustrated by the Brigham and Women’s Hospital hypokalemia/digoxin example is relatively straightforward, the programming of guidelines with their multiple, often subjective decision points tests the limits of scientific disciplines such as decision analysis and knowledge representation. Nonetheless, there are numerous examples of computerized guidelines in use today.[12]
Integrated information systems
Clearly, to exploit the opportunities for these types of clinical decision support interventions, we must have effective health information systems in place. The Figure provides a blueprint for a health information system that has evolved from one first developed for the US National Library of Medicine in the early 1980s.[14] Note that CDSS is an integral part of this system, alongside laboratory, radiology, and health records. This blueprint can be used not only for large hospitals but also for distributed networks of care sites such as practitioners’ offices.
Evidence of effectiveness
Do clinical decision support systems improve patient care? The question is surprisingly hard to answer. Designing good evaluative trials is difficult and the sheer variety of systems and functions makes comparison complicated. A recent review of 57 randomized controlled trials and 10 systematic reviews evaluated the effectiveness of computer-based delivery of health evidence, including CDSS.[12] The authors found that clinician or patient compliance with evidence-based recommendations improved only a modest amount: from 52% without to 57% with a system. Seven of eight relevant systematic reviews found a positive effect on provider or patient behavior. It is worth noting, however, that this review excluded computer-generated reminders.
Conclusion
In the coming years, provincial and federal health ministries will invest billions of dollars in new health information systems. Computer decision support systems integrated with computerized physician order entry can help make this investment worthwhile by leading to safer, more efficient, and more effective health care.
It is crucial that clinicians be involved in the development and rigorous scientific evaluation of these systems. Clinicians are also best placed to decide how CDSS should be implemented in local care environments. We urge clinicians to identify opportunities f

การแปล กรุณารอสักครู่..

ผลลัพธ์ (ไทย) 3:[สำเนา]

คัดลอก!

ระบบสนับสนุนการตัดสินใจในปัญหา
คลินิก : bcmj , ปีที่ 46 ฉบับที่ 5 มิถุนายน 2004 , หน้า ( s ) 236-239 บทความ
มาร์ติน pusic , MD , ดร. เจ. มาร์ค ansermino FFA mmed MSC , , , ,
frcpc หลากหลายของระบบข้อมูลที่สามารถสร้างคนไข้เฉพาะคำแนะนำเพื่อช่วยในการตัดสินใจ
คลินิก .โลกกำลังเผชิญกับการเพิ่มปริมาณของข้อมูลทางคลินิกสำหรับผู้ป่วยแต่ละ พวกเขารักษา ตลอดจนชี้แจงเพิ่มปริมาณของงานวิจัยทางการแพทย์ที่เกี่ยวข้อง ในขณะที่บันทึกสุขภาพอิเล็กทรอนิกส์และฐานข้อมูลช่วยให้แพทย์จัดการน้ำขึ้นของข้อมูลแนะนำให้ โดยเฉพาะคนไข้คลินิกระบบสนับสนุนการตัดสินใจสามารถทำได้มากขึ้น โดยปรับปรุงการตัดสินใจและช่วยให้มั่นใจความปลอดภัยของผู้ป่วย ตัวอย่างของประเภทต่างๆของระบบสนับสนุนการตัดสินใจ รวมถึงการวินิจฉัยทางคลินิกสนับสนุนเช่นไมซิน และ QMR , การแจ้งเตือนและการแจ้งเตือนขึ้นอยู่กับไวยากรณ์ Arden ,ของผู้ป่วย และระบบการจัดการที่ใช้คอมพิวเตอร์นำเสนอแนวทางการดูแลผู้ป่วย มีหลักฐานที่สนับสนุนประสิทธิภาพของระบบทั้งหมดนี้ , มันเป็นสิ่งสำคัญในการวางแผนเพื่อสนับสนุนการตัดสินใจเมื่อการออกแบบและการติดตั้งระบบข้อมูลสุขภาพที่ทันสมัย
ขนาดใหญ่ส่วนหนึ่งของการทำงานของแพทย์ใด ๆ โดยเฉพาะอย่างยิ่งในขั้นตอนไม่ถ่องแท้ จะเกี่ยวข้องกับการซื้อและข้อมูลแล้วช่วยโดยหลักฐานและประสบการณ์การตัดสินใจสำหรับผลลัพธ์ที่ดีที่สุดที่เป็นไปได้ ในวันก่อนหน้า กระบวนการทั้งหมดนี้จะเกิดขึ้นในหัวสมองของ practitioner ( แพทย์ ) . แต่ด้วยปริมาณข้อมูล burgeoning ตอนนี้ใช้ได้สำหรับผู้ป่วยแต่ละคน และการเพิ่มร่างกายของหลักฐานทางการแพทย์ เราต้องการเครื่องมือที่จะช่วยเราให้เหตุผลการตัดสินใจบนพื้นฐานของข้อมูลทั้งหมดนี้
.เทคโนโลยีคอมพิวเตอร์สามารถช่วยโดยการสร้างกรณีเฉพาะคำแนะนำเพื่อตัดสินใจทางคลินิกการทํา ระบบที่ใช้มักจะเรียกว่าคลินิกระบบสนับสนุนการตัดสินใจ หรือ cdss [ 1 ]
ชนิดของ cdss ใช้ได้เป็นกว้างเป็นความฉลาดของมนุษย์ช่วยให้ :จากผู้ช่วยดิจิตอลส่วนบุคคลโปรแกรมเองโดยแพทย์เดียว multihospital เมนเฟรมตามระบบเฝ้าระวัง หมายถึงการรับปากดูแลนับพันของผู้ป่วย ระบบสามารถแบ่งตามลักษณะของการโต้ตอบกับ clinician .

ในการร้องขอข้อมูลชนิดแรกของปฏิสัมพันธ์ , การให้คำแนะนำจากแพทย์ cdss .[ 1 ] สองตัวอย่างที่มีชื่อเสียงที่สุดคือ ไมซิน และระบบ QMR . ไมซินถูกพัฒนาขึ้นในปี 1970 เพื่อช่วยให้แพทย์เลือกยาปฏิชีวนะแบคทีเรียหรือเยื่อหุ้มสมองอักเสบ . [ 2 ] ( จะใส่ชุดของข้อเท็จจริงเกี่ยวกับประวัติศาสตร์ ผลทางกายภาพและผลทางห้องปฏิบัติการสู่ระบบ ซึ่งก็จะให้คนไข้เฉพาะคำแนะนำสำหรับความคุ้มครองยาปฏิชีวนะขณะที่ในการทดลองทดสอบระบบอาจจะดีเท่าแผง ซึ่งไมซินไม่เคยถูกใช้กันอย่างแพร่หลายเนื่องจากปัญหากับการบํารุงรักษาและการผสมผสานระบบเป็น clinician ของเวิร์กโฟลว์ . [ 3 ]
QMR ระบบใช้ขั้นตอนวิธีแบบแยบยลในการใช้เหตุผลทางคลินิกของมหาวิทยาลัยเดียวของพิตส์เบิร์กกู้ชาติ .[ 4 ] โปรแกรมจะสร้างประวัติศาสตร์และทางกายภาพและผลวินิจฉัย . มันไม่นี้โดยการใช้ฐานข้อมูลขนาดใหญ่ของ " ความรู้สึก " จุดแข็ง " สำคัญ " และ " ความถี่ " ของพบเห็นได้ในโรคภายในโดเมนของการค้นหาให้เกิดการฆาตกรรมมีสูง evoking แรงขณะค้นหามักพบในโรคที่ได้รับยังเพิ่มน้ำหนักให้กับโรคที่วินิจฉัย . ที่สำคัญหาที่ขาดจะได้ลดระดับการวินิจฉัยในการวินิจฉัยที่แตกต่างกัน . ชอบไมซิน , โปรแกรมนี้มีฟังก์ชั่นเช่นเดียวกับการฝึกแพทย์ อย่างไรก็ตาม การใช้แรงงาน ,มักจะลำเอียงกระบวนการเข้าสู่ขอบเขตของข้อมูลยูทิลิตี้ แน่นอน / คือตอนนี้ใช้เป็นแบบเรียนแบบโต้ตอบซึ่งเป็นเพียงหนึ่งของอิทธิพลหลายความแตกต่างในการวินิจฉัยขั้นสุดท้าย [ 5 ]

cdss ข้อมูลที่ไม่พึงประสงค์อาจจะมีศักยภาพมากยิ่งขึ้นในการใช้งานที่ให้คำแนะนำที่ไม่พึงประสงค์ .[ 6 ] โปรแกรมเหล่านี้อย่างรอบคอบให้ข้อมูลหรือความรู้ที่สามารถประโยชน์การเปลี่ยนแปลงทางคลินิกในการตัดสินใจ ไวยากรณ์เดนเป็นกึ่งภาษาการเขียนโปรแกรมที่ช่วยให้ชุดของกฎการตัดสินใจในรูปแบบ computer-readable [ 7 ]
พิจารณาตัวอย่างต่อไปนี้จาก Brigham และสตรีโรงพยาบาล :โรงพยาบาลห้องปฏิบัติการช่างเทคนิควิ่งแผงอิเล็กโทรไลต์ในเลือดตัวอย่างจากผู้ป่วย ผล โพแทสเซียมต่ํา 2.9 มิลลิโมล / ลิตร เข้าไปในระบบข้อมูลทางห้องปฏิบัติการ . แสดงผลนี้ในการป้อนข้อความแบบดิจิตอลระบบข้อมูลโรงพยาบาล . ข้อความนี้มีในสิ่งอื่น ๆ ของโรงพยาบาล หมายเลข ID และผลของโพแทสเซียมส่งข้อความไปที่ศูนย์คอมพิวเตอร์โปรแกรมที่จัดการชุดของกฎทางคลินิก ที่นี่ข้อมูลในข้อความที่เปรียบเทียบกับกฎทั้งหมดที่เกี่ยวข้อง ในตัวอย่างของเรา เหตุผลทางการแพทย์โมดูล ( MLM ) จะแยกความจริง " โพแทสเซียมเป็น 2.9 " และค้นหาออกกฎใช้กับข้อเท็จจริงนี้ ซึ่งอาจจะมีถ้า " โพแทสเซียม < 30 " และ " คนไข้อยู่ในโปรแกรม " แล้ว " stat หน้า . " ข้อความที่เหมาะสมก็จะถูกส่งต่อไปยังวิทยุติดตามตัวของแพทย์ผู้รับผิดชอบผู้ป่วย เหล่านี้ประเภทของระบบในการใช้งานในวันนี้ [ 8 ]

สำหรับแพทย์แพทย์รายการสั่งซื้อรายการสั่งซื้อ ( cpoe ) เป็นอีกหนึ่งเทคโนโลยีที่ช่วยให้การเสนอปรับความรู้หรือข้อมูลในช่วงเวลาของการตัดสินทางคลินิกcpoe หมายถึงความหลากหลายของระบบคอมพิวเตอร์สำหรับการสั่งซื้อยาหรือการทดสอบ ระบบเหล่านี้โดยอัตโนมัติและมาตรฐานขั้นตอนการสั่งซื้อ . ข้อมูลที่รวบรวมได้จากข้อมูลทางคอมพิวเตอร์ของคำสั่งเหล่านี้ยังสามารถใช้คู่มือการพัฒนาคุณภาพ .
พิจารณาตัวอย่างต่อไปนี้ แพทย์สั่งเอ็กซเรย์ สำหรับผู้ป่วยที่มีคว่ำข้อเท้าของเธอเมื่อคำสั่งถูกป้อนลงในคอมพิวเตอร์ได้ แพทย์จะนึกถึงองค์ประกอบที่แน่นอนตามหลักเกณฑ์ดังกล่าวเพื่อ ( ข้อเท้าออตตาวากฎ ) สั่งไม่ได้ลงทะเบียน จนแพทย์ยอมรับว่าผู้ป่วยทั้งทำหรือไม่เป็นไปตามเกณฑ์ ระบบดังกล่าวได้ถูกแสดงเพื่อลดการสั่งซื้อเอ็กซ์เรย์ที่ไม่เหมาะสม โดยเท่าที่ 47% . [ 9 ]
ระบบ cpoe คล้ายกันสามารถประสบความสำเร็จในความหลากหลายของการตั้งค่ากับบางส่วนของที่น่าสนใจที่สุดใช้เป็นยาป้องกันรังสีและข้อผิดพลาดปฏิสัมพันธ์ 1999 รายงานจากสถาบันการแพทย์ , [ 10 ] เปิดเผยขนาดของความผิดพลาดทางการแพทย์อย่างต่อเนื่อง เอกสารการตายประจำปีมาก 7 , 000 ในสหรัฐอเมริกาเนื่องจากความคลาดเคลื่อนในการใช้ยาในโรงพยาบาลล่าสุด [ 11 ] รายงานแคนาดาเรียกการลงทุนในเทคโนโลยีสารสนเทศโครงสร้างพื้นฐานที่สนับสนุนการกำหนดมาตรฐาน การรายงาน และการติดตามของข้อมูลความปลอดภัยของผู้ป่วย งานวิจัยที่ระบุ cdss วิธีการที่ผู้ให้บริการการดูแลสุขภาพการแจ้งเตือนข้อผิดพลาดได้กลายเป็นองค์ประกอบที่สำคัญในการปรับปรุงความปลอดภัยของผู้ป่วย โรค

ระบบการจัดการตัวอย่างก่อนหน้านี้ของการร้องขอทั้งหมดและไม่พึงประสงค์ cdss ศูนย์แยกรายการแต่ละสร้างขึ้นเพียงส่วนเล็ก ๆของการดูแลคนไข้ ระบบบริหารจัดการโรคเฉพาะ cdss ที่แพทย์และผู้ป่วย การช่วยเจรจาขั้นตอนวิธีที่ซับซ้อนสำหรับเงื่อนไขเช่นโรคหอบหืด ความดันโลหิตสูง เบาหวาน และไขมันในเลือดสูง .[ 3 ] สะท้อนให้เห็นถึงการเปลี่ยนแปลงการควบคุมในความสัมพันธ์แพทย์ผู้ป่วย หลายของระบบได้รับการออกแบบอย่างชัดเจนสำหรับผู้ป่วย ระบบเบาหวานอาจเป็นตัวอย่างที่ดีที่สุดของกรณีที่ข้อมูลเฉพาะผู้ป่วย เช่น ระดับน้ำตาลในเลือด การวัด และปริมาณอาหารที่ใช้ในการสร้างโมดูลเองการศึกษาและข้อเสนอแนะ [ 12 ]
อาหารรายละเอียดวิธีการแสดงแนวทางในการใช้งานคอมพิวเตอร์ที่ซับซ้อนทางคลินิกมีพื้นที่มากการวิจัย [ 13 ] ในขณะที่การใช้ if-then-else กฎภาพประกอบจาก Brigham และสตรีโรงพยาบาล / ยาตัวอย่าง hypokalemia จะค่อนข้างตรงไปตรงมา , การเขียนโปรแกรมแนวของหลายการตัดสินใจมักจะอัตนัยคะแนนการทดสอบขอบเขตของสาขาวิชาทางวิทยาศาสตร์ เช่น การวิเคราะห์การตัดสินใจและการแสดงความรู้ อย่างไรก็ตาม มีตัวอย่างมากมายของการใช้คอมพิวเตอร์ในวันนี้ [ 12 ]

แบบบูรณาการระบบข้อมูลอย่างชัดเจน เพื่อใช้ประโยชน์จากโอกาสเหล่านี้ชนิดของมาตรการสนับสนุนการตัดสินทางคลินิกเราต้องมีข้อมูลระบบสุขภาพที่มีประสิทธิภาพในสถานที่ รูปแสดงพิมพ์เขียวสำหรับระบบข้อมูลสุขภาพที่ได้มาจากการพัฒนาครั้งแรกสำหรับสหรัฐหอสมุดแห่งชาติแพทยศาสตร์ในต้นทศวรรษ 1980 . [ 14 ] ทราบว่า cdss เป็นส่วนหนึ่งของระบบนี้ควบคู่ไปกับปฏิบัติการ รังสีวิทยา และประวัติสุขภาพพิมพ์เขียวนี้สามารถใช้ไม่เพียง แต่สำหรับโรงพยาบาลขนาดใหญ่ แต่ยังสำหรับการกระจายเครือข่ายของเว็บไซต์การดูแล เช่น สำนักงานแพทย์ ' .

ทำหลักฐานของประสิทธิผลทางคลินิกระบบสนับสนุนการตัดสินใจและปรับปรุงการดูแลผู้ป่วย คำถามก็คือ จู่ ๆยากที่จะตอบ การออกแบบการทดลองเชิงประเมินผลที่ดีเป็นเรื่องยากและความหลากหลายที่แท้จริงของระบบและฟังก์ชั่นที่ทำให้การเปรียบเทียบที่ซับซ้อนรีวิวล่าสุดของการทดลองแบบสุ่มควบคุม 57 10 การทบทวนอย่างเป็นระบบการประเมินประสิทธิภาพของคอมพิวเตอร์ ส่งหลักฐาน สุขภาพ รวมทั้ง cdss [ 12 ] ผู้เขียนพบว่า แพทย์หรือผู้ป่วยปฏิบัติตามหลักฐานเชิงประจักษ์ ข้อเสนอแนะการปรับปรุงเฉพาะยอดการเจียมเนื้อเจียมตัว : จาก 52% โดยไม่ 57 ด้วยระบบเจ็ดแปดที่เกี่ยวข้องอย่างเป็นระบบ ความคิดเห็น พบผลเป็นบวก ผู้ให้บริการ หรือพฤติกรรมของผู้ป่วย เป็นมูลค่า noting แต่ที่รีวิวนี้ไม่รวมการแจ้งเตือนที่สร้างจากคอมพิวเตอร์ .

สรุปในปีที่ผ่านมา , จังหวัดและของรัฐบาลกลางกระทรวงสาธารณสุขจะลงทุนพันล้านดอลลาร์ในข้อมูลระบบสุขภาพใหม่ระบบสนับสนุนการตัดสินใจคอมพิวเตอร์รวมกับคอมพิวเตอร์สามารถช่วยให้แพทย์สั่งรายการนี้ลงทุนคุ้มค่า โดยนำขึ้น มีประสิทธิภาพมากขึ้น และการดูแลสุขภาพที่มีประสิทธิภาพมากขึ้น .
มันเป็นสิ่งสำคัญที่แพทย์ได้มีส่วนร่วมในการพัฒนาและการประเมินผลทางวิทยาศาสตร์อย่างเข้มงวดของระบบเหล่านี้ซึ่งมีที่ดีที่สุดวางไว้เพื่อตัดสินใจว่าควรจะดำเนินการในสภาพแวดล้อม cdss ดูแลท้องถิ่น เราสนับสนุนให้แพทย์เพื่อระบุโอกาส F

การแปล กรุณารอสักครู่..

ภาษาอื่น ๆ

การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.