Система поддержки принятия клинических решений - Clinical decision support system

А система поддержки принятия клинических решений (CDSS) это информационные технологии здравоохранения система, которая предназначена для обеспечения врачи и другие медицинские работники с поддержка принятия клинических решений (CDS), то есть помощь в клинической принятие решений задачи. 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».[нужна цитата ] CDSS составляют важную тему в искусственный интеллект в медицине.

Характеристики

Система поддержки принятия клинических решений была определена как «активная системы знаний, которые используют два или более элемента данных пациента для выработки рекомендаций по конкретному случаю ".[1] Это означает, что CDSS - это просто система поддержки принятия решений который ориентирован на использование управление знаниями таким образом, чтобы получить клинические рекомендации по уходу за пациентом 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 достичь диагноз на основании данных пациента.

Вначале CDSS задумывались как используемые для буквально принятия решений врачом. 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 сделать лучший анализ данных пациента, чем человек или CDSS могли бы сделать самостоятельно. Как правило, CDSS предлагает клиницисту ознакомиться с ними, и ожидается, что он выберет полезную информацию из представленных результатов и исключит ошибочные предложения CDSS.[1]

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 решения диагноза. DDSS запрашивает некоторые данные пациентов и в ответ предлагает набор соответствующих диагнозов. Затем врач берет выходные данные DDSS и определяет, какие диагнозы могут быть актуальными, а какие нет.[2] и при необходимости назначает дополнительные тесты, чтобы сузить диагноз.

Другой пример CDSS - это аргументация по делу (CBR) система.[3] Система CBR может использовать данные предыдущего случая, чтобы помочь определить соответствующее количество лучей и оптимальные углы луча для использования в лучевая терапия для больных раком мозга; медицинские физики и онкологи затем рассмотрят рекомендованный план лечения, чтобы определить его жизнеспособность.[4]

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.[нужна цитата ] Системы CDSS для предварительной диагностики используются, чтобы помочь врачу подготовить диагноз. CDSS, используемый во время диагностики, помогает просмотреть 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 поддержка принятия решений в будущем начнет заменять врачей в выполнении общих задач.[5]

Другой подход, используемый Национальный центр здоровья в Англии - использовать DDSS (в прошлом, управляемый пациентом, или, сегодня, телефонный оператор, не имеющий медицинской подготовки) для сортировка медицинские условия в нерабочее время, предложив пациенту подходящий следующий шаг (например, позвонить в скорая помощь, или посмотреть терапевт 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, что худший случай диагноз скорее всего будет; 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.[нужна цитата ]

CDSS на основе знаний

Большинство CDSS состоят из трех частей: базы знаний, Механизм логического вывода, и механизм для общения.[6] База знаний содержит правила и ассоциации скомпилированных данных, которые чаще всего принимают форму правил IF-THEN. Если бы это была система для определения лекарственные взаимодействия, то правило может заключаться в том, что ЕСЛИ препарат X И препарат Y принимается, ТО 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.[1][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 длилось более 3 месяцев.

В настоящее время рабочая группа HL7 CDS фокусируется на использовании языка клинического качества (CQL).[7] CMS объявила, что планирует использовать CQL для спецификации eCQM (https://ecqi.healthit.gov/cql ).

CDSS, не основанный на знаниях

CDSS, которые не используют базу знаний, используют форму искусственный интеллект называется машинное обучение,[8] которые позволяют компьютерам извлекать уроки из прошлого опыта и / или находить закономерности в клинических данных. Это устраняет необходимость в написании правил и мнении экспертов. Однако, поскольку системы, основанные на машинном обучении, не могут объяснять Основываясь на своих выводах, большинство клиницистов не используют их напрямую для постановки диагноза из соображений надежности и ответственности.[1][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 существует три типа систем, не основанных на знаниях. машины опорных векторов, искусственные нейронные сети и генетические алгоритмы.[9]

  1. 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.
  2. 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 первое место, затем рекомбинируются, видоизменяются и снова проходят процесс. Это происходит снова и снова, пока не будет найдено правильное решение. Они функционально похожи на нейронные сети в том, что они также являются «черными ящиками», которые пытаются извлекать знания из данных о пациентах.
  3. Сети, не основанные на знаниях, часто сосредотачиваются на узком списке симптомов, например, симптомах одного заболевания, в отличие от подхода, основанного на знаниях, который охватывает диагностику множества различных заболеваний.[1][2]

Нормативные документы

Соединенные Штаты

С принятием Закон о восстановлении и реинвестировании Америки от 2009 г. (ARRA), есть толчок к широкому внедрению информационные технологии здравоохранения через Закон о медицинских информационных технологиях для экономического и клинического здоровья (HITECH). Благодаря этим инициативам больше больниц и клиник интегрируют электронные медицинские карты (EMR) и компьютеризированный ввод приказов врача (CPOE) при обработке и хранении медицинской информации. Следовательно, Институт медицины (IOM) способствовала использованию информационных технологий здравоохранения, включая системы поддержки принятия клинических решений, для повышения качества ухода за пациентами.[10] МОМ опубликовала отчет в 1999 г. Человеку свойственно ошибаться, 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.[нужна 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 Департамент здравоохранения и социальных служб (HHS). Определение «разумного использования» еще не опубликовано.[требуется разъяснение ]

Несмотря на отсутствие законов, поставщики CDSS почти наверняка будут рассматриваться как несущие 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.[нужна 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 более привлекательной.[нужна цитата ][требуется разъяснение ]

Эффективность

Доказательства эффективности CDSS неоднозначны. Есть определенные болезненные объекты, которым CDSS больше помогает, 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.[11]Систематический обзор 2014 г. не обнаружил преимущества с точки зрения риска смерти при сочетании CDSS с электронная медицинская карта.[12] Однако могут быть некоторые преимущества с точки зрения других результатов.[12]2005 г. регулярный обзор пришли к выводу, что CDSS улучшили работу практикующих врачей в 64% исследований и результаты для пациентов в 13% исследований. Функции CDSS, связанные с улучшением работы практикующего врача, включали автоматические электронные подсказки, а не требование активации системы пользователем.[13]

Систематический обзор 2005 года обнаружил ... «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 .[14]

Однако более поздние систематические обзоры были менее оптимистичными в отношении воздействия CDS, причем в одном из 2011 г. «Существует большой разрыв между постулированными и эмпирически продемонстрированными преимуществами [CDSS и других] технологий электронного здравоохранения ... их рентабельность еще предстоит продемонстрировать».[15]

Пятилетняя оценка эффективности CDSS в реализации рационального лечения бактериальных инфекций была опубликована в 2014 г .; по словам авторов, это было первое долгосрочное исследование CDSS.[16]

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 требований к персоналу 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, мешающих или ограничивающих успешное принятие и принятие.

Два сектора здравоохранения, в которых CDSS оказали большое влияние, - это фармацевтика и биллинг. Существуют часто используемые системы заказа аптек и рецептов, которые теперь выполняют пакетную проверку заказов на наличие негативных взаимодействий с лекарствами и сообщают предупреждения специалисту по оформлению заказов. Еще одна область успеха CDSS - это выставление счетов и подача исков. Поскольку многие больницы полагаются на Medicare компенсаций для продолжения работы, системы были созданы, чтобы помочь 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.[нужна 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 эксплуатацию в 1971 году в больнице Университета Лидса и, как сообщалось, позволила поставить правильный диагноз в 91,8% случаев, по сравнению с показателем успеха клиницистов 79,6%.[нужна 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.[нужна цитата ]

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, электронный Доказательная медицина система потенциально может учитывать симптомы пациента, историю болезни, история семьи и генетика, 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 создают 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 важных предупреждений.

Обслуживание

Одна из основных проблем, стоящих перед CDSS, - это сложность включения большого количества клинических исследований, публикуемых на постоянной основе. В конкретный год публикуются десятки тысяч клинических испытаний.[17] В настоящее время каждое из этих исследований необходимо вручную прочитать, оценить на предмет научной обоснованности и точно включить в CDSS. В 2004 году было заявлено, что процесс сбора клинических данных и медицинских знаний и их преобразования в форму, которой компьютеры могут манипулировать для поддержки принятия клинических решений, «все еще находится в зачаточном состоянии».[18]

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.[нужна 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 ), которые часто занимают месяцы.[нужна цитата ]

Оценка

Для того 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, применимой ко всем таким системам; однако такие атрибуты, как согласованность (с самим собой и с экспертами), часто применяются в широком спектре систем.[19]

Ориентир оценки 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.[нужна цитата ]

В сочетании с электронными медицинскими картами

Внедрение EHR было неизбежной проблемой. Причины, стоящие за этой проблемой, заключаются в том, что это относительно неизведанная область, и существует множество проблем и сложностей на этапе внедрения EHR. Об этом свидетельствуют многочисленные проведенные исследования.[нужна цитата ] Тем не менее, проблемы с внедрением электронных медицинских карт (ЭМК) привлекли некоторое внимание, но о процессе перехода от наследие Электронные записи для новых систем.[20]

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.[21] Было сказано, что «самый высокий уровень EHR - это CDSS».[22]

Поскольку «системы поддержки принятия клинических решений (CDSS) - это компьютерные системы, предназначенные для оказания влияния на принятие решения врачом относительно отдельных пациентов в тот момент, когда эти решения принимаются»,[21] Ясно, что было бы полезно иметь полностью интегрированные 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 и уменьшением количества оказываемой помощи пациентам. неблагоприятные события происходящее. Кроме того, это будет экономия времени и ресурсов, а также преимущества с точки зрения автономии и финансовых выгод для медицинского учреждения / организации.[23]

Преимущества CDSS в сочетании с EHR

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

Ошибки в здравоохранении случаются всегда, поэтому для обеспечения качественного ухода за пациентами важно стараться их как можно больше свести к минимуму. При внедрении CDSS и электронных медицинских записей (EHR) можно решить три области:

  1. Ошибки в назначении лекарств
  2. Неблагоприятные явления, связанные с приемом лекарств
  3. Другие врачебные ошибки

CDSS будут наиболее полезны в будущем, когда медицинские учреждения будут «на 100% электронными» с точки зрения информации о пациентах в реальном 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 врача и результатов лечения пациентов остаются предметом постоянных исследований.

Барьеры

Внедрение электронных медицинских карт (EHR) в учреждениях здравоохранения сопряжено с проблемами; Нет ничего важнее, чем поддержание эффективности и безопасности во время развертывания,[24] но для того, чтобы процесс внедрения был эффективным, понимание перспектив пользователей EHR является ключом к успеху проектов внедрения EHR.[25] В дополнение к этому, необходимо активно поощрять внедрение с помощью восходящего подхода, ориентированного на клинические потребности.[26] То же самое можно сказать и о CDSS.

По состоянию на 2007 год основными проблемами при переходе на полностью интегрированную систему EHR / CDSS были:[27]

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

А Сервис-Ориентированная Архитектура был предложен в качестве технического средства для устранения некоторых из этих препятствий.[28]

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.[29]

Однако Южная Австралия (ЮА) 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, в Великобритании Национальный центр здоровья также управляется централизованно, и его Национальная программа по ИТ в 2000-е годы, когда в его компетенцию входили электронные медицинские записи, была дорогостоящая катастрофа.)

SA находится в процессе внедрения "Enterprise система администрирования пациентов (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 увеличивают преимущества EHR.[30]К июлю 2015 года сообщалось, что только 3 из 75 медицинских учреждений внедрили EPAS.[31]

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 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 93 из 194 сайтов, охватываемых первоначальным развертыванием, внедрили eMR2.[32]

Статус в Финляндии

Службой поддержки принятия клинических решений Duodecim EBMEDS пользуются более 60% врачей общественного здравоохранения Финляндии.[33]

Смотрите также

Рекомендации

  1. ^ а б c d е «Системы поддержки принятия решений». 26 июля 2005 г. 17 февраля 2009 г. <[1].
  2. ^ а б c d е ж грамм Бернер, Эта С., изд. Системы поддержки принятия клинических решений. Нью-Йорк, Нью-Йорк: Спрингер, 2007.
  3. ^ 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. Дои:10.1109 / TSMCC.2010.2071862. S2CID  22441650.
  4. ^ Хусаинова, Гульмира; Петрович, Саня; Джаганнатан, Рупа (2015). «Поиск с кластеризацией в системе рассуждений на основе случая для планирования лучевой терапии». Journal of Physics: Серия конференций. 616 (1): 012013. Bibcode: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 оригинал 28 марта 2013 г.. Получено 25 апреля 2013.
  6. ^ Пейман., Дехгани Суфи, Махса. Самад-Солтани, Таха. Шамс Вахдати, Самад. Rezaei-Hachesu. Система поддержки принятия решений для управления сортировкой: гибридный подход, использующий обоснование на основе правил и нечеткую логику. OCLC  1051933713.
  7. ^ «Стандарты CDS HL7». Рабочая группа HL7 CDS. Получено 25 июн 2019.
  8. ^ Шпион (март 2015 г.). «Пленарное выступление Танвира Сайеда-Махмуд: роль машинного обучения в поддержке принятия клинических решений». Отдел новостей SPIE. Дои:10.1117/2.3201503.29.
  9. ^ Ваголикар, Кавишвар; В. Сундарараджан; Ашок Дешпанде (2012). «Моделирование парадигм для поддержки принятия решений в области медицинской диагностики: обзор и будущие направления». Журнал медицинских систем. 36 (5): 3029–3049. Дои:10.1007 / s10916-011-9780-4. PMID  21964969. S2CID  14509743.
  10. ^ Медицина, Институт (28 февраля 2001 г.). Преодоление пропасти качества: новая система здравоохранения для 21 века. Дои:10.17226/10027. ISBN  978-0-309-46561-8.
  11. ^ 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. Дои:10.1093 / Jamia / ocx100. PMID  29036406.
  12. ^ а б Moja, L; Kwag, KH; Lytras, T; Бертиццоло, L; Брандт, L; Pecoraro, V; Ригон, G; Ваона, А; Ruggiero, F; Мангиа, М; Иорио, А; Каннамо, я; Боновас, S (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. Дои:10.2105 / ajph.2014.302164. ЧВК  4232126. PMID  25322302.
  13. ^ Гарг А.Х., Адхикари Н.К., Макдональд Х., Росас-Ареллано М.П., ​​Деверо П.Дж., Бейен Дж. И др. (2005). «Влияние компьютеризированных систем поддержки принятия клинических решений на работу практикующего врача и результаты для пациентов: систематический обзор». JAMA. 293 (10): 1223–38. Дои:10.1001 / jama.293.10.1223. PMID  15755945.
  14. ^ 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. Дои:10.1136 / bmj.38398.500764.8F. ЧВК  555881. PMID  15767266.
  15. ^ Black, 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 Медицина. 8 (1): e1000387. Дои:10.1371 / journal.pmed.1000387. ЧВК  3022523. PMID  21267058. открытый доступ
  16. ^ Нахтигаль, I; Тафельски, С; Дежа, М; Halle, E; Поганка, M C; 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. Дои:10.1136 / bmjopen-2014-005370. ЧВК  4275685. PMID  25534209. открытый доступ
  17. ^ 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. Дои:10.1186/1745-6215-8-7. ЧВК  1808475. PMID  17326823.
  18. ^ Гарднер, Рид М. (апрель 2004 г.). «Компьютеризированная поддержка принятия клинических решений в респираторной помощи». Респираторная помощь. 49 (4): 378–388. PMID  15030611.
  19. ^ 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. Дои:10.1136 / amiajnl-2013-001613. ЧВК  3721177. PMID  23564631.
  20. ^ Zandieh, Stephanie O .; Кахюн Юн-Фланнери; Гилад Дж. Куперман; Дэниел Дж. Лангсам; Дэниел Хайман; Райну Каушал (2008). «Проблемы внедрения ЭУЗ в электронной и бумажной офисной практике». Журнал глобального управления информацией. 23 (6): 755–761. Дои:10.1007 / s11606-008-0573-5. ЧВК  2517887. PMID  18369679.
  21. ^ а б Berner, Eta S .; Тоня Дж. Ла Ланде (2007). «1». Системы поддержки принятия клинических решений: теория и практика (2-е изд.). Нью-Йорк: Springer Science and Business Media. С. 3–22.
  22. ^ Ротман, Брайан; Джоан. К. Леонард; Майкл. М. Вигода (2012). «Будущее электронных медицинских карт: значение для поддержки принятия решений». Гора Синай Медицинский журнал. 79 (6): 757–768. Дои:10.1002 / msj.21351. PMID  23239213.
  23. ^ 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. Дои:10.1186/1472-6947-12-142. ЧВК  3519751. PMID  23216866.
  24. ^ 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. Дои:10.1136 / amiajnl-2011-000462. ЧВК  3341791. PMID  22052897.
  25. ^ 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. Дои:10.1186/1472-6947-12-105. ISSN  1472-6947. ЧВК  3470948. PMID  22967231.
  26. ^ Rozenblum, R .; Jang, Y .; Цимлихман, Э .; Зальцберг, С .; Тамблин, М .; Buckeridge, D .; Forster, A .; Bates, D. W .; Тамблин, Р. (22 февраля 2011 г.). «Качественное исследование опыта Канады по внедрению электронных медицинских информационных технологий». Журнал Канадской медицинской ассоциации. 183 (5): E281 – E288. Дои:10.1503 / cmaj.100856. ISSN  0820-3946. ЧВК  3060213. PMID  21343262.
  27. ^ Berner, Eta S .; Тоня Дж. Ла Ланде (2007). «4». Системы поддержки принятия клинических решений: теория и практика (2-е изд.). Нью-Йорк: Springer Science and Business Media. С. 64–98.
  28. ^ Loya, S. R .; Кавамото, К; Чатвин, C; Хузер, V (2014). «Сервис-ориентированная архитектура для поддержки клинических решений: систематический обзор и будущие направления». Журнал медицинских систем. 38 (12): 140. Дои:10.1007 / s10916-014-0140-z. ЧВК  5549949. PMID  25325996.
  29. ^ Шаретт, Роберт Н. «Проблемная система HealthSMART наконец-то отменена в штате Виктория, Австралия». Получено 18 мая 2013.
  30. ^ «Обновление программы EPAS». Здравоохранение Южной Австралии. Получено 15 мая 2013.
  31. ^ http://www.abc.net.au/news/2015-07-01/hospital-beds-closure-epas-electronic-records-delay/6586492 по состоянию на 26 июля 2015 г.
  32. ^ EMR исполняется 10 лет. "Новости электронного здравоохранения" (PDF). Получено 6 августа 2016.
  33. ^ «EBMEDS Поддержка принятия клинических решений». EBMEDS.

внешняя ссылка