Система поддержки принятия клинических решений ( CDSS ) - это медицинская информационная технология., предоставляет клиницистам, персоналу, пациентам или другим лицам знания и личную информацию, отфильтрованную или представленную в надлежащее время, для улучшения здоровья и оказания медицинской помощи. CDS включает в себя множество инструментов для улучшения процесса принятия решений в клиническом рабочем процессе. Эти инструменты включают компьютеризированные предупреждения и напоминания поставщикам медицинских услуг и пациентам; клинические рекомендации; наборы заказов для конкретных условий; отчеты и сводки с конкретными данными о пациентах; шаблоны документации; диагностическая поддержка и контекстно-зависимая справочная информация, среди других инструментов. Рабочее определение было предложено Робертом Хейвордом из Центра фактических данных о здоровье: «Системы поддержки клинических решений связывают наблюдения за состоянием здоровья со знаниями о здоровье, чтобы повлиять на выбор клиницистами в отношении улучшения здоровья». [1]CDSS составляют важную тему искусственного интеллекта в медицине .
Характеристики
Системы поддержки принятия клинических решений - это активные системы знаний, которые используют переменные данных о пациентах для выработки рекомендаций относительно случая со здоровьем. Это означает, что CDSS - это просто система поддержки принятия решений, которая ориентирована на использование управления знаниями таким образом, чтобы получить клинические рекомендации по уходу за пациентами на основе нескольких элементов данных о пациентах.
Цель
Основная цель современных CDSS - помочь клиницистам на месте оказания помощи. [2] Это означает, что врачи взаимодействуют с CDSS, чтобы помочь проанализировать и поставить диагноз на основе данных пациента.
Раньше считалось, что CDSS используются для того, чтобы буквально принимать решения за клинициста. Врач будет вводить информацию и ждать, пока CDSS выдаст «правильный» выбор, и врач просто будет действовать в соответствии с этим результатом. Однако современная методология использования CDSS для оказания помощи означает, что клиницист взаимодействует с CDSS, используя как свои собственные знания, так и CDSS, чтобы лучше анализировать данные пациента, чем человек или CDSS могли бы сделать самостоятельно. Как правило, CDSS предлагает клиницисту рекомендации, которые он должен просмотреть, и ожидается, что врач выберет полезную информацию из представленных результатов и исключит ошибочные предложения CDSS. [3]
Два основных типа CDSS основаны на знаниях и не основаны на знаниях: [2]
Примером того, как клиницист может использовать систему поддержки принятия клинических решений, является система поддержки принятия решений по диагнозу. DDSS запрашивает некоторые данные о пациентах и в ответ предлагает набор соответствующих диагнозов. Затем врач берет выходные данные DDSS и определяет, какие диагнозы могут быть релевантными, а какие нет [2], и при необходимости назначает дополнительные тесты для сужения диагноза.
Другим примером CDSS может быть система рассуждений на основе прецедентов (CBR). [4] Система CBR может использовать предыдущие данные случая, чтобы помочь определить соответствующее количество лучей и оптимальные углы луча для использования в лучевой терапии для пациентов с раком головного мозга; медицинские физики и онкологи затем рассмотрят рекомендованный план лечения, чтобы определить его жизнеспособность. [5]
Другая важная классификация CDSS основана на сроках ее использования. Врачи используют эти системы на месте оказания медицинской помощи, чтобы помочь им при работе с пациентом, причем время использования определяется до постановки диагноза, во время постановки диагноза или после постановки диагноза. [ необходимая цитата ] Системы CDSS предварительной диагностики используются, чтобы помочь врачу подготовить диагнозы. CDSS, используемый во время диагностики, помогает проанализировать и отфильтровать предварительные диагностические решения врача, чтобы улучшить их окончательные результаты. Системы CDSS после постановки диагноза используются для сбора данных с целью установления связей между пациентами и их прошлой медицинской историей и клиническими исследованиями для прогнозирования будущих событий. [2] По состоянию на 2012 год утверждалось, что в будущем поддержка принятия решений начнет заменять врачей в выполнении общих задач. [6]
Другой подход, используемый Национальной службой здравоохранения в Англии, заключается в использовании DDSS (либо в прошлом, управляемом пациентом, либо, сегодня, оператором по телефону, который не имеет медицинской подготовки) для сортировки медицинских состояний вне часов, предложив пациенту подходящий следующий шаг (например, вызвать скорую помощь или обратиться к терапевту на следующий рабочий день). Предложение, которое может игнорироваться пациентом или оператором телефона, если здравый смысл или осторожность подсказывают иное, основано на известной информации и неявном заключении о том, какой диагноз может быть наихудшим ; он не всегда выявляется пациенту, потому что он вполне может быть неверным и не основан на мнении обученного с медицинской точки зрения человека - он используется только для целей первичной сортировки. [ необходима цитата ]
CDSS, основанный на знаниях
Большинство CDSS состоят из трех частей: базы знаний, механизма вывода и механизма связи. [7] База знаний содержит правила и ассоциации скомпилированных данных, которые чаще всего принимают форму правил IF-THEN. Если бы это была система для определения лекарственного взаимодействия , то правило могло бы заключаться в том, что ЕСЛИ принимается препарат X И препарат Y принимается ТОГДА предупредите пользователя. Используя другой интерфейс, опытный пользователь может редактировать базу знаний, чтобы поддерживать ее в курсе новых лекарств. Механизм вывода объединяет правила из базы знаний с данными пациента. Механизм связи позволяет системе показывать результаты пользователю, а также вводить данные в систему. [3] [2]
Язык выражений, такой как GELLO или CQL (язык клинического качества), необходим для выражения артефактов знаний вычислимым способом. Например: если у пациента сахарный диабет, и если последний результат теста на гемоглобин A1c был менее 7%, рекомендуется повторное тестирование, если оно было более 6 месяцев, но если последний результат теста был больше или равен 7%. , затем порекомендуйте повторное тестирование, если оно прошло более 3 месяцев.
В настоящее время рабочая группа HL7 CDS фокусируется на использовании языка клинического качества (CQL). [8] CMS объявила, что планирует использовать CQL для спецификации eCQM ( https://ecqi.healthit.gov/cql ).
CDSS, не основанный на знаниях
CDSSs которые не используют базу знаний , используют форму искусственного интеллекта под названием машинного обучения , [9] , которые позволяют компьютерам извлекать уроки из прошлого опыта и / или найти закономерности в клинических данных. Это устраняет необходимость в написании правил и мнении экспертов. Однако, поскольку системы, основанные на машинном обучении, не могут объяснить причины своих выводов, большинство клиницистов не используют их напрямую для диагностики из соображений надежности и подотчетности. [3] [2] Тем не менее, они могут быть полезны в качестве постдиагностических систем, чтобы предлагать клиницистам шаблоны 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]
- Искусственные нейронные сети используют узлы и взвешенные связи между ними для анализа закономерностей, обнаруженных в данных о пациентах, для получения ассоциаций между симптомами и диагнозом.
- Генетические алгоритмы основаны на упрощенных эволюционных процессах с использованием направленного отбора для достижения оптимальных результатов CDSS. Алгоритмы выбора оценивают компоненты случайных наборов решений проблемы. Решения, которые выходят на первый план, затем рекомбинируются, видоизменяются и снова проходят процесс. Это происходит снова и снова, пока не будет найдено правильное решение. Функционально они похожи на нейронные сети в том, что они также являются «черными ящиками», которые пытаются извлекать знания из данных о пациентах.
- Сети, не основанные на знаниях, часто сосредотачиваются на узком списке симптомов, таких как симптомы одного заболевания, в отличие от подхода, основанного на знаниях, который охватывает диагностику множества различных заболеваний. [3] [2]
Нормативно-правовые акты
Соединенные Штаты
С принятием Закона о восстановлении и реинвестировании Америки от 2009 года (ARRA) есть толчок к повсеместному внедрению информационных технологий в области здравоохранения через Закон о медицинских информационных технологиях для экономического и клинического здоровья (HITECH). Благодаря этим инициативам все больше больниц и клиник интегрируют электронные медицинские записи (EMR) и компьютеризированный ввод приказов врача (CPOE) в свою обработку и хранение медицинской информации. Следовательно, Институт медицины (IOM) продвигал использование информационных технологий здравоохранения, включая системы поддержки принятия клинических решений, для повышения качества ухода за пациентами. [11] В 1999 г. IOM опубликовала отчет « To Err is Human» , в котором основное внимание уделялось кризису безопасности пациентов в Соединенных Штатах, указывая на невероятно большое количество смертей. Эта статистика привлекла большое внимание к качеству лечения пациентов. [ необходима цитата ]
С принятием Закона о HITECH, включенного в ARRA, поощряющего внедрение медицинских ИТ, более подробные прецедентные законы для CDSS и EMR все еще [ когда? ] определяется Управлением национального координатора медицинских информационных технологий (ONC) и утверждается Министерством здравоохранения и социальных служб (HHS). Определение «разумного использования» еще не опубликовано. [ требуется разъяснение ]
Несмотря на отсутствие законов, поставщики CDSS почти наверняка будут считаться несущими юридическую обязанность заботиться как о пациентах, которым может быть нанесено неблагоприятное воздействие из-за использования CDSS, так и о клиницистах, которые могут использовать эту технологию для ухода за пациентами. [ необходима цитата ] [ требуется разъяснение ] Однако правовые нормы по уходу еще четко не определены.
Благодаря недавнему действующему законодательству, касающемуся стимулов к оплате за смену производительности, CDSS становится все более привлекательной. [ необходима цитата ] [ требуется пояснение ]
Эффективность
Доказательства эффективности CDSS неоднозначны. Есть определенные болезненные образования, которым CDSS приносит больше пользы, чем другим болезненным объектам. Систематический обзор 2018 года выявил шесть медицинских состояний, при которых CDSS улучшил исходы пациентов в больничных условиях, в том числе: контроль уровня глюкозы в крови, управление переливанием крови, профилактика физиологического ухудшения, профилактика пролежней, профилактика острого повреждения почек и профилактика венозной тромбоэмболии. [12] Систематический обзор 2014 г. не обнаружил преимущества с точки зрения риска смерти, когда CDSS был объединен с электронной медицинской картой . [13] Однако могут быть некоторые преимущества с точки зрения других результатов. [13] Систематический обзор 2005 г. пришел к выводу, что CDSS улучшили работу практикующих врачей в 64% исследований и исходы для пациентов в 13% исследований. Функции CDSS, связанные с улучшением работы практикующего врача, включали автоматические электронные подсказки, а не требование активации системы пользователем. [14]
Систематический обзор 2005 года показал ... «Системы поддержки принятия решений значительно улучшили клиническую практику в 68% исследований». Функции CDSS, связанные с успехом, включали интеграцию в клинический рабочий процесс, а не в виде отдельного входа в систему или экрана., Электронные, а не бумажные шаблоны, обеспечивающие поддержку принятия решений во время и в месте оказания помощи, а не ранее, и предоставление рекомендаций по уходу. . [15]
Однако более поздние систематические обзоры были менее оптимистичны в отношении эффектов CDS: в одном из 2011 г. говорилось: «Существует большой разрыв между постулированными и эмпирически продемонстрированными преимуществами [CDSS и других] технологий электронного здравоохранения ... их рентабельность еще предстоит быть продемонстрированным " . [16]
Пятилетняя оценка эффективности CDSS в реализации рационального лечения бактериальных инфекций была опубликована в 2014 г .; по словам авторов, это было первое долгосрочное исследование CDSS. [17]
Проблемы усыновления
Клинические проблемы
Многие медицинские учреждения и компании-разработчики программного обеспечения приложили много усилий для создания жизнеспособных CDSS для поддержки всех аспектов клинических задач. Однако из-за сложности клинических рабочих процессов и высоких затрат времени персонала учреждение, развертывающее систему поддержки, должно проявлять осторожность, чтобы гарантировать, что система станет гибкой и неотъемлемой частью клинического рабочего процесса. Некоторые CDSS имели разный успех, в то время как другие страдали от общих проблем, препятствующих или ограничивающих успешное принятие и принятие.
Два сектора здравоохранения, в которых CDSS оказали большое влияние, - это фармацевтика и биллинг. Существуют широко используемые системы заказа аптек и рецептов, которые теперь выполняют пакетную проверку заказов на наличие негативных взаимодействий с лекарствами и сообщают о предупреждениях специалисту по оформлению заказов. Еще одна область успеха CDSS - это выставление счетов и подача исков. Поскольку многие больницы полагаются на возмещение расходов по программе Medicare для продолжения работы, 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. учреждения. [ необходима цитата ]
Другие CDSS, нацеленные на диагностические задачи, оказались успешными, но часто очень ограничены в развертывании и объеме. Система лечения боли в животе Leeds была введена в действие в 1971 году в больнице Университета Лидса и, как сообщалось, позволила поставить правильный диагноз в 91,8% случаев, по сравнению с показателем успеха клиницистов в 79,6%. [ необходима цитата ]
Несмотря на широкий спектр усилий учреждений по созданию и использованию этих систем, широкое распространение и признание все еще не достигнуто для большинства предложений. Исторически сложилось так, что одним большим препятствием на пути к принятию была интеграция рабочего процесса. Существовала тенденция сосредотачиваться только на функциональном ядре принятия решений CDSS, что приводило к недостаткам в планировании того, как врач будет фактически использовать продукт на месте. Часто CDSS были автономными приложениями, требующими от клинициста прекратить работу с их текущей системой, 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. [ необходима цитата ] [18]
Технические проблемы и препятствия на пути к внедрению
Системы поддержки принятия клинических решений сталкиваются с серьезными техническими проблемами в ряде областей. Биологические системы чрезвычайно сложны, и клиническое решение может использовать огромный диапазон потенциально релевантных данных. Например, электронная система доказательной медицины потенциально может учитывать симптомы пациента, историю болезни, семейный анамнез и генетику , а также исторические и географические тенденции возникновения заболевания и опубликованные клинические данные о лекарственной эффективности при рекомендации курса лечения для пациента. .
С клинической точки зрения, серьезным препятствием для принятия CDSS является интеграция рабочего процесса.
Еще одним источником разногласий со многими системами медицинской поддержки является то, что они генерируют огромное количество предупреждений. Когда системы выдают большое количество предупреждений (особенно тех, которые не требуют эскалации), помимо раздражения, врачи могут уделять меньше внимания предупреждениям, что приводит к пропуску потенциально критических предупреждений.
Обслуживание
Одной из основных проблем, стоящих перед CDSS, является трудность включения большого количества клинических исследований, публикуемых на постоянной основе. В определенный год публикуются десятки тысяч клинических испытаний. [19] В настоящее время каждое из этих исследований необходимо читать вручную, оценивать на предмет научной достоверности и точно включать в CDSS. В 2004 году было заявлено, что процесс сбора клинических данных и медицинских знаний и преобразования их в форму, которой компьютеры могут манипулировать для поддержки принятия клинических решений, «все еще находится в зачаточном состоянии». [20]
Тем не менее, для бизнеса более целесообразно делать это централизованно, даже если не полностью, чем для каждого отдельного врача пытаться идти в ногу со всеми публикуемыми исследованиями. [ необходима цитата ]
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 документы могут показаться противоречащими друг другу. Правильное разрешение такого рода несоответствий часто является предметом самих клинических документов (см. Метаанализ ), на заполнение которых часто уходят месяцы. [ необходима цитата ]
Оценка
Чтобы CDSS представлял ценность, он должен явно улучшить клинический рабочий процесс или результат. Оценка CDSS - это процесс количественной оценки ее ценности для улучшения качества системы и измерения ее эффективности. Поскольку разные CDSS служат разным целям, не существует общей метрики, которая применялась бы ко всем таким системам; однако такие атрибуты, как согласованность (с самим собой и с экспертами), часто применяются в широком спектре систем. [21]
Контрольный показатель для CDSS зависит от цели системы: например, система поддержки принятия решений в области диагностики может быть оценена на основе последовательности и точности ее классификации болезней (по сравнению с врачами или другими системами поддержки принятия решений). Система доказательной медицины может быть оценена на основе высокой степени улучшения состояния пациента или более высокой финансовой компенсации поставщикам медицинских услуг. [ необходима цитата ]
В сочетании с электронными медицинскими картами
Внедрение электронных медицинских записей было неизбежной проблемой. Причины, стоящие за этой проблемой, заключаются в том, что это относительно неизведанная область, и есть много проблем и сложностей на этапе внедрения EHR. Об этом свидетельствуют многочисленные проведенные исследования. [ необходима цитата ] Тем не менее, проблемы с внедрением электронных медицинских карт (ЭУЗ) привлекли некоторое внимание, но меньше известно о процессе перехода от устаревших ЭУЗ к более новым системам. [22]
Электронные записи о медицинских записях - это способ сбора и использования данных в реальном времени для оказания высококачественной помощи пациентам, обеспечивая эффективность и эффективное использование времени и ресурсов. Включение EHR и CDSS вместе в медицинский процесс может изменить способ преподавания и практики медицины. [23] Было сказано, что «наивысший уровень EHR - это CDSS». [24]
Поскольку «системы поддержки принятия клинических решений (CDSS) - это компьютерные системы, предназначенные для оказания влияния на принятие решения врачом в отношении отдельных пациентов в тот момент времени, когда эти решения принимаются» [23], очевидно, что было бы полезно иметь полностью интегрированный CDSS. и EHR.
Несмотря на то, что преимущества видны, для полной реализации CDSS, интегрированного с EHR, исторически требовалось серьезное планирование со стороны медицинского учреждения / организации, чтобы цель CDSS была успешной и эффективной. Успех и эффективность могут быть измерены увеличением объема оказываемой помощи пациентам и уменьшением количества побочных эффектов . Кроме того, это будет экономия времени и ресурсов, а также преимущества с точки зрения автономии и финансовой выгоды для медицинского учреждения / организации. [25]
Преимущества CDSS в сочетании с EHR
Успешная интеграция CDSS / EHR позволит предоставлять пациенту передовую и высококачественную помощь, что является конечной целью здравоохранения.
В здравоохранении всегда случались ошибки, поэтому для обеспечения качественного ухода за пациентами важно стараться как можно больше их минимизировать. При внедрении CDSS и электронных медицинских карт (EHR) можно решить три области:
- Ошибки в назначении лекарств
- Неблагоприятные явления, связанные с приемом лекарств
- Другие врачебные ошибки
CDSS будут наиболее полезны в будущем, когда медицинские учреждения будут «на 100% электронными» с точки зрения информации о пациентах в режиме реального времени, что упростит количество модификаций, которые должны произойти, чтобы гарантировать, что все системы обновлены друг с другом.
Измеримые преимущества систем поддержки принятия клинических решений для работы врачей и результатов лечения пациентов остаются предметом постоянных исследований.
Барьеры
Внедрение электронных медицинских карт (EHR) в медицинских учреждениях сопряжено с проблемами; Нет ничего важнее, чем поддержание эффективности и безопасности во время развертывания, [26] но для того, чтобы процесс внедрения был эффективным, понимание перспектив пользователей ЭУЗ является ключом к успеху проектов внедрения ЭУЗ. [27] В дополнение к этому, необходимо активно поощрять внедрение с помощью восходящего подхода, ориентированного на клинические потребности. [28] То же самое можно сказать и о CDSS.
По состоянию на 2007 г. основными проблемами при переходе на полностью интегрированную систему EHR / CDSS были: [29]
- Конфиденциальность
- Конфиденциальность
- Удобство для пользователя
- Точность и полнота документа
- Интеграция
- Единообразие
- Принятие
- Предупреждение десенсибилизации
а также ключевые аспекты ввода данных, которые необходимо учитывать при внедрении CDSS, чтобы избежать возникновения потенциальных неблагоприятных событий. Эти аспекты включают:
- используются правильные данные
- все данные введены в систему
- текущая передовая практика соблюдается
- данные основаны на доказательствах [ требуется разъяснение ]
Сервис - ориентированная архитектура была предложена в качестве технических средств для решения некоторых из этих барьеров. [30]
Статус в Австралии
По состоянию на июль 2015 года запланированный переход на электронные медицинские карты в Австралии сталкивается с трудностями. Большинство медицинских учреждений все еще используют полностью бумажные системы, а некоторые находятся в переходной фазе сканирования электронных медицинских записей или движутся к такому переходному этапу.
Виктория попыталась внедрить EHR по всему штату с помощью своей программы HealthSMART, но из-за неожиданно высоких затрат она отменила проект. [31]
Однако Южная Австралия (SA) немного более успешна, чем Виктория, во внедрении EHR. Это может быть связано с централизованным управлением всеми общественными организациями здравоохранения в ЮАР.
(Однако, с другой стороны, Национальная служба здравоохранения Великобритании также управляется централизованно, и ее Национальная программа по ИТ в 2000-х годах, которая включала ЭУЗ в свою компетенцию, была дорогостоящей катастрофой.)
SA находится в процессе внедрения «Корпоративной системы управления пациентами (EPAS)». Эта система является основой для всех государственных больниц и медицинских учреждений для ЭУЗ в SA, и ожидалось, что к концу 2014 года все учреждения в SA будут подключены к ней. Это позволит успешно интегрировать CDSS в SA и увеличить преимущества EHR. [32] К июлю 2015 г. сообщалось, что только 3 из 75 медицинских учреждений внедрили EPAS. [33]
Благодаря крупнейшей системе здравоохранения в стране и модели с федеративным, а не централизованным управлением, Новый Южный Уэльс последовательно продвигается к внедрению ЭУЗ в масштабах штата. Текущая итерация 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 93 из 194 сайтов, охватываемых первоначальным развертыванием, внедрили eMR2 [34]
Статус в Финляндии
Службой поддержки принятия клинических решений Duodecim EBMEDS пользуются более 60% врачей общественного здравоохранения Финляндии. [35]
Смотрите также
- Язык выражений гелло
- Международная организация по разработке стандартов терминологии здравоохранения
- Медицинский алгоритм
- Медицинская информатика
- Закон о защите личной медицинской информации (закон, действующий в Онтарио)
- Поддержка принятия решения о лечении (инструменты поддержки принятия решений для пациентов)
- Искусственный интеллект в здравоохранении
- Перспективная медицинская система будущего / Полная система здравоохранения
Рекомендации
- ^ "CDSS" . www.ebmconnect.com . Проверено 2 февраля 2021 года .
- ^ Б с д е е г Berner, Eta S., изд. Системы поддержки принятия клинических решений. Нью-Йорк, Нью-Йорк: Спрингер, 2007.
- ^ a b c d "Системы поддержки принятия решений". 26 июля 2005 г. 17 февраля 2009 г. < [1] .
- ^ Бегум, Шахина; Ахмед, Мобиен Уддин; Функ, Питер; Сюн, Нин; Фольке, Миа (июль 2011 г.). «Системы рассуждений на основе случаев в науках о здоровье: обзор последних тенденций и разработок» . Транзакции IEEE по системам, человеку и кибернетике - Часть C: Приложения и обзоры . 41 (4): 421–434. DOI : 10.1109 / TSMCC.2010.2071862 . S2CID 22441650 .
- ^ Хусаинова, Гульмира; Петрович, Саня; Джаганнатан, Рупа (2015). «Поиск с кластеризацией в системе рассуждений на основе случая для планирования лечения лучевой терапией» . Журнал физики: Серия конференций . 616 (1): 012013. Bibcode : 2015JPhCS.616a2013K . DOI : 10.1088 / 1742-6596 / 616/1/012013 . ISSN 1742-6596 .
- ^ Хосла, Винод (4 декабря 2012 г.). «Технологии заменят 80% того, что делают врачи» . CNN . Архивировано из оригинального 28 марта 2013 года . Проверено 25 апреля 2013 года .
- ^ Пейман., Дехгани Суфи, Махса. Самад-Солтани, Таха. Шамс Вахдати, Самад. Rezaei-Hachesu. Система поддержки принятия решений для управления сортировкой: гибридный подход с использованием основанных на правилах рассуждений и нечеткой логики . OCLC 1051933713 .
- ^ «Стандарты CDS HL7» . Рабочая группа HL7 CDS . Проверено 25 июня 2019 .
- ^ Шпион (март 2015 г.). «Пленарный доклад Танвира Сайеда-Махмуд: роль машинного обучения в поддержке принятия клинических решений». Отдел новостей SPIE . DOI : 10.1117 / 2.3201503.29 .
- ^ Ваголикар, Кавишвар; В. Сундарараджан; Ашок Дешпанде (2012). «Моделирование парадигм для поддержки принятия решений в медицинской диагностике: обзор и будущие направления». Журнал медицинских систем . 36 (5): 3029–3049. DOI : 10.1007 / s10916-011-9780-4 . PMID 21964969 . S2CID 14509743 .
- ^ Медицина, Институт (28 февраля 2001 г.). Преодоление пропасти качества: новая система здравоохранения для 21 века . DOI : 10.17226 / 10027 . ISBN 978-0-309-46561-8. PMID 25057539 .
- ^ Varghese, J; Кляйне, М; Гесснер, С.И.; Sandmann, S; 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. DOI : 10.1093 / Jamia / ocx100 . PMC 7646949 . PMID 29036406 .
- ^ а б Moja, L; Kwag, KH; Lytras, T; Бертиццоло, L; Брандт, L; Pecoraro, V; Ригон, G; Ваона, А; Руджеро, Ф; Мангиа, М; Иорио, А; Каннамо, я; Боновас, С (декабрь 2014 г.). «Эффективность компьютеризированных систем поддержки принятия решений, связанных с электронными медицинскими картами: систематический обзор и метаанализ» . Американский журнал общественного здравоохранения . 104 (12): e12–22. DOI : 10,2105 / ajph.2014.302164 . PMC 4232126 . PMID 25322302 .
- ^ Гарг AX, Adhikari NK, McDonald H, Rosas-Arellano MP, Devereaux PJ, Beyene J, et al. (2005). «Влияние компьютеризированных систем поддержки принятия клинических решений на работу практикующего врача и исходы для пациентов: систематический обзор». ДЖАМА . 293 (10): 1223–38. DOI : 10,1001 / jama.293.10.1223 . PMID 15755945 .
- ^ Кенсаку Кавамото; Кейтлин А. Хулихан; E Андрей Балас; Дэвид Ф. Лобах. (2005). «Улучшение клинической практики с использованием систем поддержки принятия клинических решений: систематический обзор испытаний для определения характеристик, критически важных для успеха» . BMJ . 330 (7494): 765. DOI : 10.1136 / bmj.38398.500764.8F . PMC 555881 . PMID 15767266 .
- ^ Черный, AD; Car, J .; Pagliari, C .; Anandan, C .; Cresswell, K .; Бокун, Т .; McKinstry, B .; Procter, R .; Majeed, A .; Шейх А. (18 января 2011 г.). «Влияние электронного здравоохранения на качество и безопасность здравоохранения: систематический обзор» . PLOS Medicine . 8 (1): e1000387. DOI : 10.1371 / journal.pmed.1000387 . PMC 3022523 . PMID 21267058 .
- ^ Нахтигаль, I; Тафельски, С; Дежа, М; Halle, E; Поганка, MC; Тамаркин, А; Ротбарт, А; Унриг, А; Мейер, Э; Musial-Bright, L; Wernecke, KD; 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 »» . BMJ Open . 4 (12): e005370. DOI : 10.1136 / bmjopen-2014-005370 . PMC 4275685 . PMID 25534209 .
- ^ Национальная медицинская академия (2018). «Оптимизация стратегий для поддержки принятия клинических решений» (PDF) . Healthit.gov . Проверено 2 февраля 2021 года .
- ^ Gluud C, Николова D (2007). «Вероятная страна происхождения в публикациях о рандомизированных контролируемых испытаниях и контролируемых клинических испытаниях за последние 60 лет» . Испытания . 8 : 7. DOI : 10,1186 / 1745-6215-8-7 . PMC 1808475 . PMID 17326823 .
- ^ Гарднер, Рид М. (апрель 2004 г.). «Компьютеризированная поддержка принятия клинических решений в респираторной помощи». Респираторная помощь . 49 (4): 378–388. PMID 15030611 .
- ^ Ваголикар, К; Кэти Л. Маклафлин; Томас М. Кастнер; Петра М. Кейси; Майкл Генри; Роберт Гринес; Хунфан Лю; Раджив Чаудри (2013). «Формирующая оценка точности системы поддержки принятия клинических решений при скрининге рака шейки матки» . Журнал Американской ассоциации медицинской информатики . 20 (4): 747–759. DOI : 10.1136 / amiajnl-2013-001613 . PMC 3721177 . PMID 23564631 .
- ^ Zandieh, Stephanie O .; Кахюн Юн-Фланнери; Гилад Дж. Куперман; Дэниел Дж. Лангсам; Дэниел Хайман; Райну Каушал (2008). «Проблемы внедрения ЭУЗ в электронной или бумажной офисной практике» . Журнал глобального управления информацией . 23 (6): 755–761. DOI : 10.1007 / s11606-008-0573-5 . PMC 2517887 . PMID 18369679 .
- ^ а б Berner, Eta S .; Тоня Дж. Ла Ланде (2007). «1». Клинические системы поддержки принятия решений: теория и практика (2-е изд.). Нью-Йорк: Springer Science and Business Media. С. 3–22.
- ^ Ротман, Брайан; Джоан. К. Леонард; Майкл. М. Вигода (2012). «Будущее электронных медицинских карт: значение для поддержки принятия решений». Гора Синайский журнал медицины . 79 (6): 757–768. DOI : 10.1002 / msj.21351 . PMID 23239213 .
- ^ Самбасиван, Мурали; Пуян Эсмаилзаде; Нареш Кумар; Хоссейн Незакати (2012). «Намерение внедрить системы поддержки клинических решений в развивающейся стране: эффект воспринимаемой профессиональной автономии, вовлеченности и убеждений врача: кросс-секционное исследование» . BMC Медицинская информатика и принятие решений . 12 : 142–150. DOI : 10.1186 / 1472-6947-12-142 . PMC 3519751 . PMID 23216866 .
- ^ Спеллман Кеннебек, Стефани; Натан Тимм; Майкл К. Фаррелл; С Эндрю Спунер (2012). «Влияние внедрения электронной истории болезни на показатели потока пациентов в педиатрическом отделении неотложной помощи» . Журнал Американской ассоциации медицинской информатики . 19 (3): 443–447. DOI : 10.1136 / amiajnl-2011-000462 . PMC 3341791 . PMID 22052897 .
- ^ Макгинн, Кэрри Анна; Ганьон, Мари-Пьер; Шоу, Никола; Сикотт, Клод; Матьё, Люк; Ледук, Иван; Гренье, Соня; Дюпланти, Джули; Абдельджелил, Анис Бен; Легаре, Франция (11 сентября 2012 г.). «Взгляды пользователей на ключевые факторы внедрения электронных медицинских карт в Канаде: исследование Delphi» . BMC Медицинская информатика и принятие решений . 12 (1): 105. DOI : 10,1186 / 1472-6947-12-105 . ISSN 1472-6947 . PMC 3470948 . PMID 22967231 .
- ^ Rozenblum, R .; Jang, Y .; Zimlichman, E .; Зальцберг, С .; Тамблин, М .; Buckeridge, D .; Forster, A .; Бейтс, DW; Тамблин, Р. (22 февраля 2011 г.). «Качественное исследование опыта Канады по внедрению электронных медицинских информационных технологий» . Журнал Канадской медицинской ассоциации . 183 (5): E281 – E288. DOI : 10,1503 / cmaj.100856 . ISSN 0820-3946 . PMC 3060213 . PMID 21343262 .
- ^ Berner, Eta S .; Тоня Дж. Ла Ланде (2007). «4». Клинические системы поддержки принятия решений: теория и практика (2-е изд.). Нью-Йорк: Springer Science and Business Media. С. 64–98.
- ^ Лойя, SR; Кавамото, К; Чатвин, C; Хузер, V (2014). «Сервис-ориентированная архитектура для поддержки принятия клинических решений: систематический обзор и будущие направления» . Журнал медицинских систем . 38 (12): 140. DOI : 10.1007 / s10916-014-0140-г . PMC 5549949 . PMID 25325996 .
- ^ Шарет, Роберт Н. «Проблемная система HealthSMART наконец-то отменена в штате Виктория, Австралия» . Проверено 18 мая 2013 года .
- ^ «Обновление программы EPAS» . Здоровье Южной Австралии . Проверено 15 мая 2013 года .
- ^ http://www.abc.net.au/news/2015-07-01/hospital-beds-closure-epas-electronic-records-delay/6586492, по состоянию на 26 июля 2015 г.
- ^ EMR исполняется 10 лет. "Новости электронного здравоохранения" (PDF) . Проверено 6 августа +2016 .
- ^ «EBMEDS Поддержка принятия клинических решений» . EBMEDS .
Внешние ссылки
- Duodecim EBMEDS Поддержка принятия клинических решений
- Глава о поддержке принятия решений из Руководства Coiera по информатике здравоохранения
- OpenClinical поддерживает обширный архив систем искусственного интеллекта, используемых в повседневной клинической практике.
- Роберт Троубридж / Скотт Вайнгартен. Глава 53. Системы поддержки принятия клинических решений.
- Стэнфордский CDSS