LegközelebbKövetkező útmutató
Az FDA klinikai döntéstámogató szoftverének útmutatója
Társadalom
Iparági ÚTMUTATÓ
A klinikai döntéstámogatás (CDS) egy olyan szoftver, amely általában az elektronikus egészségügyi nyilvántartásba van beépítve, vagy ahhoz kapcsolódik, és amely betegspecifikus figyelmeztetéseket, emlékeztetőket, rendeléskészleteket és kockázati előrejelzéseket ad a klinikusok számára, miközben ápolják a beteget.
Hallgassa meg ezt az útmutatótAI-narrált · ~3 min
Ez azért fontos, mert a jól megtervezett CDS felfogja a gyógyszerkölcsönhatásokat, az adagolási hibákat és a kihagyott diagnózisokat. A rosszul megtervezett CDS riasztási fáradtságot okoz, ahol a klinikusok felülbírálják a legtöbb figyelmeztetést, beleértve a fontosakat is.
A CDS két nagy családba sorolható. A tudásalapú CDS a klinikusok és gyógyszerészek által írt explicit szabályokat futtatja, például a gyógyszer-gyógyszer interakciós ellenőrzéseket, az allergiás ellenőrzéseket, a dózistartományokat, a megelőző ellátás emlékeztetőit és a rendelési készleteket. A prediktív CDS statisztikai vagy gépi tanulási modelleket használ, amelyeket a betegek múltbeli adataira képeztek ki, hogy megbecsüljék az olyan események kockázatát, mint a szepszis, állapotromlás, visszafogadás vagy meg nem jelenés. A kézbesítés lehet megszakító (egy felugró ablak, amely leállítja a munkafolyamatot), passzív (zászló, szalaghirdetés vagy alapértelmezett választás a rendelésben), vagy valaki máshoz, például gyógyszerészhez vagy gyorsreagálású csapathoz irányítható. Az informatikusok gyakran az „öt jog” keretrendszert használják: a megfelelő információ, a megfelelő személyhez, a megfelelő formátumban, a megfelelő csatornán, a megfelelő időben. Az ezeket a szabályokat megszegő riasztások riasztási fáradtságot okoznak. A gyógyszerkölcsönhatásokra vonatkozó figyelmeztetésekről szóló számos tanulmány azt találta, hogy a klinikusok felülírják ezek nagy többségét, gyakran jóval 90 százalék felett bizonyos esetekben, főként azért, mert sok riasztás klinikailag irreleváns. Amint a klinikusok megtudják, hogy a legtöbb riasztás zaj, azt a ritka riasztást is elvetik, amely számít. A prediktív modellek további kockázatot jelentenek: a gyakorlatban rosszabbul teljesíthetnek, mint a fejlesztőik jelentették. 2021-ben a Michigani Egyetem csapata közzétette az Epic Sepsis Modell külső validálását a JAMA Belgyógyászatban. A hirdetettnél sokkal gyengébb megkülönböztetést talált (az AUC körülbelül 0,63). A modell a szepszises esetek körülbelül kétharmadát kihagyta, miközben riasztásokat generált sok olyan betegnél, akiknél nem volt szepszis. A szabályozást illetően a 21. századi gyógymódokról szóló 2016. évi törvény kizárt néhány CDS-t az FDA eszközszabályozásából, főleg olyan eszközöket, amelyek alapját a klinikus önállóan áttekintheti, az FDA pedig 2022-ben adott ki végleges CDS-útmutatót. Az ONC 2023 végén véglegesített HTI-1 szabálya megköveteli, hogy hiteles EHR-ek előre jelezzék a beavatkozásokról szóló döntéstámogató információkat. Az általános tévhit az, hogy több riasztás biztonságosabb ellátást jelent. Egy ponton túl több figyelmeztetés kevésbé biztonságos.
Amikor az orvos antibiotikumot rendel egy warfarint szedő betegnek, az EHR megszakító interakciós riasztást jelez, ami az INR szorosabb monitorozására utal. Ezt az orvosnak tudomásul kell vennie, vagy felül kell bírálnia.
A vese adagolási szabálya leolvassa a páciens legfrissebb eGFR-értékét, és a vese által kiürített gyógyszer alacsonyabb dózisát javasolja magában a rendelésben, felugró ablak nélkül.
A kórház szepszis-előrejelzési modellje néhány óránként pontozza a fekvőbetegeket, és a legjobb gyakorlatról szóló tanácsot küld a gyorsreagálású nővérnek, ha a pontszám átlép egy küszöbértéket.
A sürgősségi orvos megnyitja a közösség által szerzett tüdőgyulladás rendelési készletét, amely előre kiválasztja az irányelv által javasolt antibiotikumokat és egy súlyossági pontszám kalkulátort.
A nyelvi modellek kezdenek megjelenni a CDS-ben diagram-összefoglalóként és kérdésmegválaszoló eszközként, nem csak szabálymotorként. Ez új kérdéseket vet fel azzal kapcsolatban, hogyan kell érvényesíteni egy olyan eszközt, amelynek kimenete szabad szöveg. Az átláthatósági szabályok, például a HTI-1 arra késztetik a szállítókat, hogy dokumentálják, hogyan képezték ki és tesztelték a prediktív eszközöket, ami megkönnyíti a helyi értékelést. A szepszis-modellek és az interakciós riasztások tanulsága valószínűleg érvényes lesz az újabb eszközökre is: a helyi érvényesítés, a mért riasztási terhelés és a megfelelő személyhez történő irányítás eldönti, hogy a CDS segít-e. Az alacsony értékű riasztásokat megszüntető egészségügyi rendszerek ugyanannyit nyerhetnek, mint azok, amelyek újakat adnak hozzá.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A klinikai döntéstámogatás (CDS) egy olyan szoftver, amely általában az elektronikus egészségügyi nyilvántartásba van beépítve, vagy ahhoz kapcsolódik, és amely betegspecifikus figyelmeztetéseket, emlékeztetőket, rendeléskészleteket és kockázati előrejelzéseket ad a klinikusok számára, miközben ápolják a beteget. Ez azért fontos, mert a jól megtervezett CDS felfogja a gyógyszerkölcsönhatásokat, az adagolási hibákat és a kihagyott diagnózisokat. A rosszul megtervezett CDS riasztási fáradtságot okoz, ahol a klinikusok felülbírálják a legtöbb figyelmeztetést, beleértve a fontosakat is.
A magas felülbírálási arányok többnyire alacsony értékű riasztásokból származnak. Miután a legtöbb riasztás zaj, a klinikusok a fontosakat is elutasítják.
A tanulmány körülbelül 0,63 AUC-t talált. A modell a legtöbb szepszises esetet kihagyta, miközben sok olyan beteget figyelmeztetett, akiknél nem volt szepszis.
A javaslat megjelenítése a munkafolyamatban a klinikus leállítása nélkül passzív, megszakítás nélküli kézbesítés.
Az EHR felhívja a szolgálatot olyan akasztópontokon, mint például a rendelési jel, és a szolgálat olyan kártyákkal válaszol, amelyeket a klinikus el tud olvasni vagy cselekedni.
A Csendes mód úgy értékeli a betegeket, hogy senkit sem figyelmeztet, így a csapat először ellenőrizheti a helyi pontosságot és a riasztások hangerejét.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Az FDA klinikai döntéstámogató szoftverének útmutatója
Társadalom