임상결정지원체계

Clinical decision support system

임상 의사 결정 지원 시스템(CDSS)은 의료 정보 기술로서, 의료 및 의료 서비스를 지원하기 위해 임상 의사, 직원, 환자 또는 기타 개인에게 지식 및 개인 고유 정보를 제공합니다.CDSS에는 임상 워크플로우에서 의사결정을 강화하기 위한 다양한 도구가 포함되어 있습니다.이러한 도구에는 치료 제공자와 환자에 대한 컴퓨터 경보 및 주의사항, 임상 지침, 상태별 주문 세트, 집중 환자 데이터 보고서 및 요약, 문서 템플릿, 진단 지원 및 상황별 관련 참조 정보가 포함된다.건강증거센터의 로버트 헤이워드는 "임상 의사결정 지원 시스템은 건강 관찰과 건강 지식을 연계하여 의료 개선을 위한 임상의의 건강 선택에 영향을 준다"[1]고 제안했다.CDSS는 의학에서 인공지능의 주요 토픽이다.

특성.

임상 의사결정 지원 시스템은 환자 데이터의 변수를 사용하여 건강 사례에 대한 조언을 제공하는 능동적 지식 시스템이다.이는 CDSS가 단순히 지식관리 사용에 초점을 맞춘 의사결정 지원 시스템임을 의미합니다.

목적

현대 CDSS의 주요 목적은 [2]의료 현장에서 임상의들을 돕는 것입니다.즉, 임상의는 CDSS와 상호 작용하여 환자 데이터를 분석하고 이를 기반으로 진단에 도달합니다.

초기에는 CDSS가 말 그대로 임상의의 의사결정에 사용되는 것으로 생각되었습니다.임상의는 정보를 입력하고 CDSS가 "올바른" 선택을 출력할 때까지 기다렸다가 해당 출력에 대해 간단히 행동합니다.그러나 CDSS를 보조하기 위해 CDSS를 사용하는 현대적 방법론은 임상의가 자신의 지식과 CDSS를 모두 활용하여 CDSS와 상호 작용하여 인간이나 CDSS가 스스로 만들 수 있는 것보다 환자의 데이터를 더 잘 분석한다는 것을 의미한다.일반적으로 CDSS는 임상의가 검토할 수 있도록 제안하며, 임상의는 제시된 결과에서 유용한 정보를 선택하여 잘못된 CDSS 제안을 [3]무시해야 합니다.

CDSS의 주요 유형은 지식 기반과 비지식 [2]기반입니다.

임상 의사 결정 지원 시스템을 임상의가 사용하는 방법의 예로는 진단 의사 결정 지원 시스템(DDS)이 있다.DDSS는 환자 데이터 중 일부를 요청하고 이에 대응하여 적절한 진단 세트를 제안한다.그런 다음 의사는 DDSS의 출력을 취합하여 관련성이 있는 진단과 그렇지 [2]않은 진단을 결정하고 필요한 경우 진단 범위를 좁히기 위해 추가 테스트를 지시합니다.

CDSS의 또 다른 예로는 Case-Based Regoning([4]CBR; 케이스 기반 추론) 시스템을 들 수 있습니다.CBR 시스템은 이전 사례 데이터를 사용하여 뇌암 환자의 방사선 치료에 사용할 빔의 양과 최적의 빔 각도를 결정할 수 있다. 그런 다음 의료 물리학자 및 종양학자가 권장 치료 계획을 검토하여 실행 [5]가능성을 결정한다.

CDSS의 또 다른 중요한 분류는 CDSS의 사용 시기에 근거한 것입니다.의사는 환자를 다루는 동안 사전 진단, 진단 중 또는 [citation needed]진단 후에 이러한 시스템을 사용하여 환자를 치료합니다.사전 진단 CDSS 시스템은 의사가 진단을 준비하는 데 도움이 됩니다.진단 중에 사용되는 CDSS는 최종 결과를 개선하기 위해 의사의 예비 진단 선택을 검토하고 필터링하는 데 도움이 됩니다.진단 후 CDSS 시스템은 데이터를 마이닝하여 환자와 환자의 과거 병력 [2]및 미래 사건을 예측하기 위한 임상 연구 간의 연결을 도출하는 데 사용됩니다.2012년부터 의사결정 지원이 향후 일반적인 [6]업무에서 임상의를 대체하기 시작할 것이라는 주장이 제기되었다.

영국의 국립 보건 서비스에 의해 사용되는 또 다른 접근법은 환자에게 적절한 다음 단계를 제안함으로써 DDSS를 사용하여 몇 시간 만에 의료 상태를 분류하는 것이다(예: 구급차를 부르거나 다음 근무일에 일반 의사를 만나는 것).상식이나 주의사항이 달리 시사하는 경우 환자 또는 전화 작업자가 무시할 수 있는 제안은 알려진 정보와 최악의 경우 진단이 어떤 것일 수 있는지에 대한 암묵적인 결론에 기초한다. 이는 잘못된 것일 수 있고 약물에 기초하지 않기 때문에 환자에게 항상 드러나는 것은 아니다.냉철하게 훈련받은 사람의 의견 - 초기 분류 [citation needed]목적으로만 사용됩니다.

지식 기반 CDSS

대부분의 CDSS는 기술 자료, 추론 엔진 및 [7]통신 메커니즘의 세 부분으로 구성됩니다.기술 자료에는 IF-THEN 규칙 형식을 취하는 컴파일된 데이터의 규칙과 연관성이 포함되어 있습니다.이것이 약물 상호작용을 결정하는 시스템인 경우, 약물 X와 약물 Y를 복용하면 사용자에게 경고하는 규칙이 있을 수 있다.고급 사용자는 다른 인터페이스를 사용하여 지식 베이스를 편집하여 신약으로 최신 상태를 유지할 수 있습니다.추론 엔진은 기술 자료의 규칙을 환자의 데이터와 결합합니다.통신 메커니즘을 통해 시스템은 사용자에게 결과를 보여줄 수 있을 [3][2]뿐만 아니라 시스템에 입력도 할 수 있습니다.

지식 아티팩트를 계산 가능한 방법으로 표현하려면 GELLO[clarification needed] 또는 CQL(임상 품질 언어)과 같은 표현 언어가 필요합니다.예를 들어, 당뇨병이 있고 마지막 헤모글로빈 A1c 검사 결과가 7% 미만인 경우 6개월 이상 지난 경우 재검사를 권장하고, 마지막 검사 결과가 7% 이상이면 3개월 이상 지난 경우 재검사를 권고합니다.

HL7 CDS WG의 현재 초점은 임상 품질 언어(CQL)[8]를 기반으로 하는 것입니다.미국 메디케어 & 메디케이드 서비스 센터(CMS)는 전자 임상 품질 측정(eCQM)[9] 사양에 CQL을 사용할 계획이라고 발표했습니다.

비지식 CDS

지식 기반을 사용하지 않는 CDSS는 컴퓨터가 과거의 경험으로부터 학습하거나 임상 데이터에서 패턴을 찾을 수 있도록 하는 기계 [10]학습이라고 불리는 인공지능의 형태를 사용한다.이것에 의해, 룰의 작성이나 전문가의 입력이 불필요합니다.그러나 기계 학습에 기반한 시스템은 결론의 이유를 설명할 수 없기 때문에 대부분의 임상의는 진단, 신뢰성 및 책임성 이유로 직접 [3][2]사용하지 않는다.그럼에도 불구하고, 그것들은 임상의들이 더 자세히 조사할 수 있는 패턴을 제안하기 위해 사후 진단 시스템으로 유용할 수 있다.

2012년 현재, 세 가지 유형의 비지식 기반 시스템은 지원 벡터 기계, 인공 신경 네트워크 및 유전자 [11]알고리즘이다.

  1. 인공 신경망은 환자 데이터에서 발견된 패턴을 분석하여 증상과 진단 사이의 연관성을 도출하기 위해 노드 및 이들 사이의 가중 연결을 사용한다.
  2. 유전자 알고리즘은 최적의 CDSS 결과를 달성하기 위해 직접 선택을 사용하여 단순화된 진화 과정을 기반으로 한다.선택 알고리즘은 문제에 대한 랜덤 솔루션 집합의 구성요소를 평가합니다.위에 나온 솔루션은 다시 결합되고 변형되어 프로세스를 다시 실행합니다.이 작업은 적절한 솔루션이 발견될 때까지 반복됩니다.또한 환자 데이터에서 지식을 얻으려는 "블랙박스"라는 점에서 신경 네트워크와 기능적으로 유사하다.
  3. 비지식 기반 네트워크는 많은 다른 [3][2]질병의 진단을 다루는 지식 기반 접근 방식과 달리 단일 질환의 증상 등 좁은 증상 목록에 초점을 맞추는 경우가 많다.

비지식 기반 CDSS의 예로는 아일랜드의 임신성 당뇨병을 예측하기 위해 서포트 벡터 머신을 사용하여 개발된 웹 서버를 들 수 있습니다.[12]

규정

미국

2009년 미국 회복 및 재투자법(ARRA)이 제정됨에 따라 경제 및 임상건강을 위한 건강정보기술법(HITECH)을 통한 건강정보기술의 보급이 추진되고 있다.이러한 이니셔티브를 통해 더 많은 병원과 클리닉이 전자 진료 기록(EMR)과 컴퓨터화된 의사 주문 입력(CPOE)을 의료 정보 처리 및 저장에 통합하고 있습니다.이에 따라, IOM(Institute of Medicine)은 환자 [13]진료의 질을 높이기 위해 임상 의사결정 지원 시스템을 포함한 건강 정보 기술의 사용을 촉진하였다.IOM은 1999년에 "To Err is Human"이라는 보고서를 발표했는데, 이 보고서는 미국의 환자 안전 위기에 초점을 맞추어 사망자가 엄청나게 많다는 것을 지적했습니다.이 통계는 환자 [citation needed]치료의 질에 큰 관심을 끌었다.

ARRA에 포함된 HITECH법의 제정으로 보건 IT의 도입이 촉진됨에 따라 CDSS 및 EMR에 대한 보다 상세한 사례법은 여전히 OC(National Coordinator for Health Information Technology)에 의해 정의되고 HHS(Department of Health and Human Services)에 의해 승인되고 있습니다[when?]."의미있는 사용"의 정의는 아직 [clarification needed]발표되지 않았습니다.

법률은 없지만 CDSS 벤더는 CDSS 사용으로 인해 악영향을 받을 수 있는 환자와 환자 [citation needed][clarification needed]치료에 이 기술을 사용할 수 있는 의료진 모두에게 법적 관리 의무가 있는 것으로 간주될 것이 거의 확실합니다.그러나 관리 의무는 아직 명확하게 정의되어 있지 않다.

성과급 지급 인센티브와 관련된 최근 효과적인 법률로 CDSS는 더욱 [citation needed][clarification needed]매력적으로 변하고 있습니다.

효과

CDSS의 효과에 대한 증거는 혼합되어 있다.다른 질병보다 CDSS로부터 더 많은 혜택을 받는 특정 질병 주체가 있다.2018년 체계적 검토에서는 CDSS가 병원 환경에서 환자 결과를 개선한 6가지 의학적 조건을 확인했는데, 여기에는 혈당 관리, 수혈 관리, 생리학적 악화 방지, 욕창 예방,[14] 급성 신장 손상 예방, 정맥 혈전 색전증 예방 등이 포함된다.2014년 체계적 검토에서는 CDSS가 전자 건강 [15]기록과 결합되었을 때 사망 위험 측면에서 유익성을 발견하지 못했다.그러나 다른 결과 [15]측면에서는 몇 가지 이점이 있을 수 있다.2005년 체계적 검토 결과 CDSS는 연구의 64%에서 의사 성과를 향상시키고 연구의 13%에서 환자 결과를 향상시켰다.의사 실적 향상과 관련된 CDSS 기능에는 시스템의 [16]사용자 활성화가 필요 없는 자동 전자 프롬프트가 포함되어 있습니다.

2005년 시스템 리뷰 결과..."의사 결정 지원 시스템은 임상 진료의 68%를 대폭 개선했습니다."성공과 관련된 CDSS 기능에는 별도의 로그인이나 화면이 아닌 임상 워크플로우로의 통합, 종이 기반 템플릿이 아닌 전자 템플릿, 이전이 아닌 진료 시간과 장소에서 의사 결정 지원을 제공하고 [17]진료에 대한 권고사항을 제공하는 것이 포함되었습니다.

그러나, 이후 체계적인 검토는 CDS의 영향에 대해 덜 낙관적이었다. 2011년의 한 검토는 "[CDSS 및 기타] eHealth 기술의 가정된 편익과 경험적으로 입증된 편익 사이에 큰 격차가 있다... 비용 효율이 아직 입증되지 않았습니다.[18]

저자에 따르면, CDSS가 세균 감염의 합리적인 치료를 이행하는 데 있어 효과성에 대한 5년간의 평가가 2014년에 발표되었으며, 이는 CDSS에 대한 최초의 [19]장기 연구였다.

도입에 관한 과제

임상상의 과제

많은 의료 기관과 소프트웨어 회사는 임상 작업의 모든 측면을 지원하는 실행 가능한 CDSS를 만들기 위해 많은 노력을 기울여 왔습니다.그러나 임상 워크플로우의 복잡성과 직원 시간 요구 사항이 높기 때문에 지원 시스템을 배치하는 기관은 시스템이 임상 워크플로우의 유동적이고 필수적인 부분이 되도록 주의를 기울여야 합니다.일부 CDSS는 다양한 성공을 거두고 있는 반면, 다른 CDSS는 성공적인 채택과 수용을 방해하거나 감소시키는 일반적인 문제에 시달리고 있습니다.

CDSS가 큰 영향을 미친 의료 분야의 두 부문은 약국과 청구 분야입니다.일반적으로 사용되는 약국 및 처방전 주문 시스템이 있으며, 현재 음성 약물 상호작용에 대한 주문을 일괄적으로 확인하고 주문 전문가에게 경고를 보고합니다.CDSS의 또 다른 성공 분야는 청구서와 청구서 제출입니다.많은 병원은 의료보험료 환급에 의존하여 운영을 유지하므로, 환자의 진료와 [citation needed]의료기관의 재정적 요구를 모두 해결하기 위한 계획을 제안하기 위해 제안된 치료 계획과 의료보험의 현행 규칙을 모두 검토하는 데 도움이 되는 시스템이 구축되었습니다.

진단 태스크를 목적으로 하는 다른 CDSS는 성공했지만 배치 및 범위가 매우 제한적인 경우가 많습니다.리즈 복통 시스템은 1971년 리즈 대학 병원에서 작동하기 시작했으며, 임상의의 성공률 79.[citation needed]6%에 비해 환자의 91.8%에서 올바른 진단을 내린 것으로 보고되었다.

이러한 시스템을 생산하고 사용하기 위한 기관의 광범위한 노력에도 불구하고, 대부분의 제품에는 아직 광범위한 채택과 수용이 이루어지지 않았습니다.지금까지 워크플로우 통합은 수용을 가로막는 큰 장애물 중 하나였습니다.CDSS의 기능적 의사결정 핵심에만 집중하는 경향이 있어 임상의가 실제로 제품을 어떻게 사용할지에 대한 계획이 부족했다.대부분의 경우 CDSS는 독립형 애플리케이션이었기 때문에 임상의는 현재 시스템 작업을 중단하고 CDSS로 전환하여 필요한 데이터를 입력하고(이미 다른 시스템에 입력된 경우에도), 생성된 결과를 검토해야 했습니다.추가 단계는 임상의의 관점에서 흐름을 방해하고 귀중한 시간을 [citation needed][20]소비합니다.

기술적 과제와 구현에 대한 장벽

임상 의사 결정 지원 시스템은 여러 영역에서 심각한 기술적 문제에 직면해 있습니다.생물학적 시스템은 매우 복잡하며 임상적 의사결정은 잠재적으로 관련된 방대한 범위의 데이터를 활용할 수 있습니다.예를 들어, 전자 증거 기반 의학 시스템은 잠재적으로 환자의 증상, 병력, 가족력 및 유전학뿐만 아니라 질병 발생의 역사적, 지리적 추세를 고려할 수 있으며, 환자의 치료 과정을 권고할 때 약효성에 대한 임상 데이터를 발표할 수 있다.

임상적으로 CDSS 수용에 큰 걸림돌은 워크플로우 통합입니다.

많은 의료 지원 시스템과 논쟁의 또 다른 원인은 엄청난 수의 경보를 발생시킨다는 것이다.시스템에서 많은 양의 경고(특히 에스컬레이션이 필요하지 않은 경고)가 발생하는 경우, 임상의가 경고에 주의를 덜 기울여서 잠재적으로 중요한 경고를 놓칠 수 있다.

유지

CDSS가 직면한 핵심 과제 중 하나는 지속적으로 발행되는 방대한 양의 임상 연구를 통합하는 데 어려움이 있다는 것이다.1년에 수만 건의 임상시험이 [21]발표된다.현재, 이러한 각각의 연구는 수동으로 읽고 과학적 정당성을 평가하며 CDSS에 정확한 방법으로 통합되어야 한다.2004년에는 임상 데이터와 의학 지식을 수집하고 이를 컴퓨터가 조작할 수 있는 형태로 만들어 임상 의사 결정을 지원하는 과정이 "아직 걸음마 단계"[22]라고 밝혔다.

그럼에도 불구하고, 각 의사가 [citation needed]출판된 모든 연구를 따라가려고 노력하는 것보다 기업이 비록 불완전하더라도 이것을 중앙에서 하는 것이 더 실현 가능하다.

새로운 데이터의 통합은 번거로울 뿐만 아니라 기존의 의사결정 지원 스키마에 수량화하거나 통합하기 어려울 수 있다. 특히 다른 임상 논문들이 상충되는 것처럼 보일 수 있다.이러한 종류의 불일치를 적절히 해결하는 것은 종종 임상 논문 자체의 주제이며([citation needed]메타 분석 참조), 완료하는 데 수개월이 걸리는 경우가 많습니다.

평가하기

CDSS가 가치를 제공하려면 임상 워크플로우 또는 결과를 명확하게 개선해야 합니다.CDSS의 평가는 시스템의 품질을 개선하고 그 효과를 측정하기 위해 그 가치를 수량화하는 과정입니다.CDSS에 따라 용도가 다르기 때문에 이러한 모든 시스템에 적용되는 일반적인 메트릭은 없습니다.다만, (자체나 전문가와의) 일관성등의 속성이,[23] 광범위한 시스템 전체에 적용되는 경우가 많습니다.

CDSS의 평가 벤치마크는 시스템의 목표에 따라 달라진다. 예를 들어 진단 의사결정 지원 시스템은 질병 분류의 일관성과 정확성에 기초하여 평가될 수 있다(의사 또는 기타 의사결정 지원 시스템과 비교).증거 기반 의약품 시스템은 환자 개선의 높은 발생률 또는 치료 [citation needed]제공자에 대한 높은 재정적 상환에 기초하여 평가될 수 있다.

전자 건강 기록과의 결합

EHR의 실장은 피할 수 없는 과제였습니다.이 도전의 배경에는 비교적 미지의 영역이며, EHR의 구현 단계에서는 많은 문제와 복잡성이 있기 때문입니다.이는 [citation needed]지금까지 실시된 수많은 연구에서 확인할 수 있다.그러나 전자 건강 기록(EHR) 구현에 대한 도전은 어느 정도 주목을 받았지만 기존 EHR에서 [24]새로운 시스템으로 전환하는 프로세스에 대해서는 덜 알려져 있다.

EHR은 실시간 데이터를 캡처하고 활용하여 고품질의 환자 치료를 제공하고, 효율성과 시간 및 자원의 효과적인 사용을 보장하는 방법입니다.EHR과 CDSS를 의학의 과정에 통합하는 것은 의학을 가르치고 [25]실천하는 방법을 바꿀 수 있는 잠재력을 가지고 있다.EHR의 최고 수준은 CDSS라고 알려져 왔다.[26]

"[25]임상 의사결정 지원 시스템(CDSS)은 이러한 결정이 내려지는 시점에 개별 환자에 대한 임상 의사 의사결정에 영향을 미치도록 설계된 컴퓨터 시스템이기 때문에 완전히 통합된 CDSS와 EHR을 갖는 것이 유익할 것이 분명하다.

편익을 알 수 있지만, EHR과 통합된 CDSS를 완전히 구현하려면 CDSS의 목적이 성공적이고 효과적이기 위해 의료 시설/조직에 의한 중요한 계획이 역사적으로 요구되어 왔다.성공과 효과는 제공되는 환자 치료의 증가와 발생하는 부작용 감소로 측정할 수 있다.또한, 시간과 자원을 절약하고 의료 시설/[27]조직에 대한 자율성과 재정적 편익의 측면에서 혜택을 누릴 수 있습니다.

CDSS와 EHR 조합의 이점

CDSS/EHR의 통합에 성공하면, 환자에게 베스트 프랙티스와 고품질의 케어를 제공할 수 있습니다.이것은 의료의 궁극적인 목표입니다.

의료에서는 항상 오류가 발생하므로 질 높은 환자 진료를 제공하기 위해 가능한 한 오류를 최소화하려는 노력이 중요합니다.CDSS 및 Electronic Health Records(EHR; 전자 건강 기록)의 구현으로 해결할 수 있는 세 가지 영역은 다음과 같습니다.

  1. 의약품 처방 오류
  2. 약물 부작용
  3. 기타 의료 오류

CDSS는 의료 시설이 실시간 환자 정보 측면에서 "100% 전자적"인 미래에서 가장 유리할 것입니다. 따라서 모든 시스템이 서로 최신 상태로 유지되도록 하기 위해 발생하는 수정 횟수를 단순화할 수 있습니다.

의사의 성과와 환자 결과에 대한 임상 의사 결정 지원 시스템의 측정 가능한 편익은 계속 진행 중인 연구의 주제이다.

장벽

의료 환경에서 전자 건강 기록(EHR)을 구현하면 문제가 발생합니다. [28]롤아웃 중에 효율성과 안전을 유지하는 것보다 더 중요한 것은 아니지만, 구현 프로세스를 효과적으로 수행하기 위해서는 EHR 사용자의 관점을 이해하는 것이 EHR 구현 [29]프로젝트의 성공에 중요합니다.이와 더불어, 채택은 상향식 임상적 요구 우선 접근법을 [30]통해 적극적으로 촉진되어야 한다.CDSS도 마찬가지입니다.

2007년 현재 완전히 통합된 EHR/CDSS 시스템으로의 이행에 관한 주요 우려 분야는 다음과 같습니다.[31]

  1. 사생활
  2. 기밀성
  3. 사용하기 편리함
  4. 문서의 정확성과 완전성
  5. 통합
  6. 균일성
  7. 수락
  8. 경보 감작

또한 잠재적인 부작용 발생을 방지하기 위해 CDSS를 구현할 때 다루어야 하는 데이터 입력의 주요 측면도 포함됩니다.이러한 측면에는 다음이 포함됩니다.

  • 올바른 데이터가 사용되고 있습니다.
  • 모든 데이터가 시스템에 입력되었습니다.
  • 현재의 베스트 프랙티스를 따르고 있다
  • 데이터는 증거에[clarification needed] 기초하고 있다

서비스 [32]지향 아키텍처는 이러한 장벽의 일부를 해결하기 위한 기술적 수단으로서 제안되어 왔습니다.

오스트레일리아에서의 상태

2015년 7월 현재, 호주에서 EHR로의 이행 계획은 난관에 봉착하고 있습니다.대부분의 의료 시설은 여전히 완전히 종이 기반 시스템을 실행하고 있으며, 일부는 스캔된 EHR의 이행 단계에 있거나 이러한 이행 단계로 이행하고 있습니다.

Victoria는 HealthSMART 프로그램을 통해 주 전역에 EHR을 구현하려고 시도했지만 예상치 못한 높은 비용으로 인해 프로젝트를 [33]취소했습니다.

그러나 사우스오스트레일리아(SA)는 EHR 구현에서 빅토리아보다 약간 더 성공적입니다.이는 SA의 모든 공공 의료 기관이 중앙에서 운영되기 때문일 수 있습니다.

(그러나 한편, 영국의 국민 건강 서비스도 중앙에서 관리되고 있어 2000년대에 EHR을 소관에 포함시킨 IT를 위한 국가 프로그램은 비용이 많이 드는 재해였습니다.)

SA는 "엔터프라이즈 환자 관리 시스템(EPAS)"을 구현하는 중입니다.이 시스템은 SA 내 모든 공공 병원 및 의료 현장의 기반이며, 2014년 말까지 SA 내 모든 시설이 연결될 것으로 예상되었습니다.이를 통해 CDSS를 SA에 성공적으로 통합하고 EHR의 [34]이점을 높일 수 있습니다.2015년 7월까지 75개 의료기관 중 3개만 EPAS를 [35]구현한 것으로 보고되었다.

뉴사우스웨일스는 국내에서 가장 큰 의료 시스템과 중앙 관리 모델이 아닌 연합 모델을 통해 주 전체의 EHR 구현을 위해 일관된 진전을 이루고 있습니다.현재 주 기술인 eMR2의 반복에는 전자 기록에 대한 데이터 입력에 기반하여 위험 상태의 환자를 식별하기 위한 패혈증 경로와 같은 CDSS 기능이 포함되어 있다.2016년 6월 현재 최초 롤아웃 대상 194개 사이트 중 93개 사이트에서 eMR2를[36] 구현했다.

핀란드에서의 상태

Duodecim Medical Publications Ltd에서 제공하는 EBMEDS 임상 의사결정 지원 서비스는 핀란드 공공의료 [37]의사의 60% 이상이 이용하고 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ "CDSS". www.ebmconnect.com. Retrieved 2 February 2021.
  2. ^ a b c d e f g Berner, Eta S., ed. 임상 의사결정 지원 시스템뉴욕, 뉴욕: Springer, 2007.
  3. ^ a b c d "의사결정지원시스템." 2005년 7월 26일 2009년 2월 17일 <[ 。
  4. ^ Begum, Shahina; Ahmed, Mobyen Uddin; Funk, Peter; Xiong, Ning; Folke, Mia (July 2011). "Case-based reasoning systems in the health sciences: a survey of recent trends and developments". IEEE Transactions on Systems, Man, and Cybernetics - Part C: Applications and Reviews. 41 (4): 421–434. doi:10.1109/TSMCC.2010.2071862. S2CID 22441650.
  5. ^ Khussainova, Gulmira; Petrovic, Sanja; Jagannathan, Rupa (2015). "Retrieval with clustering in a case-based reasoning system for radiotherapy treatment planning". Journal of Physics: Conference Series. 616 (1): 012013. Bibcode:2015JPhCS.616a2013K. doi:10.1088/1742-6596/616/1/012013. ISSN 1742-6596.
  6. ^ Khosla, Vinod (4 December 2012). "Technology will replace 80% of what doctors do". CNN. Archived from the original on 28 March 2013. Retrieved 25 April 2013.
  7. ^ Peyman., Dehghani Soufi, Mahsa. Samad-Soltani, Taha. Shams Vahdati, Samad. Rezaei-Hachesu. Decision support system for triage management: A hybrid approach using rule-based reasoning and fuzzy logic. OCLC 1051933713.
  8. ^ "HL7 CDS Standards". HL7 CDS Working Group. Retrieved 25 June 2019.
  9. ^ CQL - 임상 품질 언어 eCQI 리소스 센터, 2022년 2월 15일 액세스
  10. ^ Spie (March 2015). "Tanveer Syeda-Mahmood plenary talk: The Role of Machine Learning in Clinical Decision Support". SPIE Newsroom. doi:10.1117/2.3201503.29.
  11. ^ Wagholikar, Kavishwar; V. Sundararajan; Ashok Deshpande (2012). "Modeling Paradigms for Medical Diagnostic Decision Support: A Survey and Future Directions". Journal of Medical Systems. 36 (5): 3029–3049. doi:10.1007/s10916-011-9780-4. PMID 21964969. S2CID 14509743.
  12. ^ Du, Yuhan; Rafferty, Anthony R.; McAuliffe, Fionnuala M.; Wei, Lan; Mooney, Catherine (21 January 2022). "An explainable machine learning-based clinical decision support system for prediction of gestational diabetes mellitus". Scientific Reports. 12 (1): 1170. doi:10.1038/s41598-022-05112-2.
  13. ^ Medicine, Institute of (28 February 2001). Crossing the Quality Chasm: A New Health System for the 21st Century. doi:10.17226/10027. ISBN 978-0-309-46561-8. PMID 25057539.
  14. ^ Varghese, J; Kleine, M; Gessner, SI; Sandmann, S; Dugas, M (May 2018). "Effects of computerized decision support system implementations on patient outcomes in inpatient care: a systematic review". Journal of the American Medical Informatics Association. 25 (5): 593–602. doi:10.1093/jamia/ocx100. PMC 7646949. PMID 29036406.
  15. ^ a b Moja, L; Kwag, KH; Lytras, T; Bertizzolo, L; Brandt, L; Pecoraro, V; Rigon, G; Vaona, A; Ruggiero, F; Mangia, M; Iorio, A; Kunnamo, I; Bonovas, S (December 2014). "Effectiveness of computerized decision support systems linked to electronic health records: a systematic review and meta-analysis". American Journal of Public Health. 104 (12): e12–22. doi:10.2105/ajph.2014.302164. PMC 4232126. PMID 25322302.
  16. ^ Garg AX, Adhikari NK, McDonald H, Rosas-Arellano MP, Devereaux PJ, Beyene J, et al. (2005). "Effects of computerized clinical decision support systems on practitioner performance and patient outcomes: a systematic review". JAMA. 293 (10): 1223–38. doi:10.1001/jama.293.10.1223. PMID 15755945.
  17. ^ Kensaku Kawamoto; Caitlin A Houlihan; E Andrew Balas; David F Lobach. (2005). "Improving clinical practice using clinical decision support systems: a systematic review of trials to identify features critical to success". BMJ. 330 (7494): 765. doi:10.1136/bmj.38398.500764.8F. PMC 555881. PMID 15767266.
  18. ^ Black, A.D.; Car, J.; Pagliari, C.; Anandan, C.; Cresswell, K.; Bokun, T.; McKinstry, B.; Procter, R.; Majeed, A.; Sheikh, A. (18 January 2011). "The impact of ehealth on the quality and safety of health care: A systematic overview". PLOS Medicine. 8 (1): e1000387. doi:10.1371/journal.pmed.1000387. PMC 3022523. PMID 21267058. open access
  19. ^ Nachtigall, I; Tafelski, S; Deja, M; Halle, E; Grebe, M C; Tamarkin, A; Rothbart, A; Unrig, A; Meyer, E; Musial-Bright, L; Wernecke, K D; Spies, C (22 December 2014). "Long-term effect of computer-assisted decision support for antibiotic treatment in critically ill patients: a prospective 'before/after' cohort study". BMJ Open. 4 (12): e005370. doi:10.1136/bmjopen-2014-005370. PMC 4275685. PMID 25534209. open access
  20. ^ National Academy of Medicine (2018). "Optimizing Strategies for Clinical Decision Support" (PDF). Healthit.gov. Archived (PDF) from the original on 23 April 2018. Retrieved 2 February 2021.
  21. ^ Gluud C, Nikolova D (2007). "Likely country of origin in publications on randomised controlled trials and controlled clinical trials during the last 60 years". Trials. 8: 7. doi:10.1186/1745-6215-8-7. PMC 1808475. PMID 17326823.
  22. ^ Gardner, Reed M (April 2004). "Computerized Clinical Decision-Support in Respiratory Care". Respiratory Care. 49 (4): 378–388. PMID 15030611.
  23. ^ Wagholikar, K; Kathy L. MacLaughlin; Thomas M Kastner; Petra M Casey; Michael Henry; Robert A Greenes; Hongfang Liu; Rajeev Chaudhry (2013). "Formative evaluation of the accuracy of a clinical decision support system for cervical cancer screening". Journal of the American Medical Informatics Association. 20 (4): 747–759. doi:10.1136/amiajnl-2013-001613. PMC 3721177. PMID 23564631.
  24. ^ Zandieh, Stephanie O.; Kahyun Yoon-Flannery; Gilad J. Kuperman; Daniel J. Langsam; Daniel Hyman; Rainu Kaushal (2008). "Challenges to EHR Implementation in Electronic- Versus Paper-based Office Practices". Journal of Global Information Management. 23 (6): 755–761. doi:10.1007/s11606-008-0573-5. PMC 2517887. PMID 18369679.
  25. ^ a b Berner, Eta S.; Tonya J.La Lande (2007). "1". Clinical Decision Support Systems: Theory and Practice (2 ed.). New York: Springer Science and Business Media. pp. 3–22.
  26. ^ Rothman, Brian; Joan. C. Leonard; Michael. M. Vigoda (2012). "Future of electronic health records: implications for decision support". Mount Sinai Journal of Medicine. 79 (6): 757–768. doi:10.1002/msj.21351. PMID 23239213.
  27. ^ Sambasivan, Murali; Pouyan Esmaeilzadeh; Naresh Kumar; Hossein Nezakati (2012). "Intention to adopt clinical decision support systems in a developing country: effect of Physician's perceived professional autonomy, involvement and belief: a cross-sectional study". BMC Medical Informatics and Decision Making. 12: 142–150. doi:10.1186/1472-6947-12-142. PMC 3519751. PMID 23216866.
  28. ^ Spellman Kennebeck, Stephanie; Nathan Timm; Michael K Farrell; S Andrew Spooner (2012). "Impact of electronic health record implementation on patient flow metrics in a pediatric emergency department". Journal of the American Medical Informatics Association. 19 (3): 443–447. doi:10.1136/amiajnl-2011-000462. PMC 3341791. PMID 22052897.
  29. ^ McGinn, Carrie Anna; Gagnon, Marie-Pierre; Shaw, Nicola; Sicotte, Claude; Mathieu, Luc; Leduc, Yvan; Grenier, Sonya; Duplantie, Julie; Abdeljelil, Anis Ben; Légaré, France (11 September 2012). "Users' perspectives of key factors to implementing electronic health records in Canada: a Delphi study". BMC Medical Informatics and Decision Making. 12 (1): 105. doi:10.1186/1472-6947-12-105. ISSN 1472-6947. PMC 3470948. PMID 22967231.
  30. ^ Rozenblum, R.; Jang, Y.; Zimlichman, E.; Salzberg, C.; Tamblyn, M.; Buckeridge, D.; Forster, A.; Bates, D. W.; Tamblyn, R. (22 February 2011). "A qualitative study of Canada's experience with the implementation of electronic health information technology". Canadian Medical Association Journal. 183 (5): E281–E288. doi:10.1503/cmaj.100856. ISSN 0820-3946. PMC 3060213. PMID 21343262.
  31. ^ Berner, Eta S.; Tonya J.La Lande (2007). "4". Clinical Decision Support Systems: Theory and Practice (2 ed.). New York: Springer Science and Business Media. pp. 64–98.
  32. ^ Loya, S. R.; Kawamoto, K; Chatwin, C; Huser, V (2014). "Service oriented architecture for clinical decision support: A systematic review and future directions". Journal of Medical Systems. 38 (12): 140. doi:10.1007/s10916-014-0140-z. PMC 5549949. PMID 25325996.
  33. ^ Charette, Robert N. (21 May 2012). "Troubled HealthSMART System Finally Cancelled in Victoria Australia". Retrieved 18 May 2013.
  34. ^ "EPAS program update". South Australian Health. Retrieved 15 May 2013.
  35. ^ South Australian Reposition은 병원 병상을 840개 감축할 것으로 계산하고 있으나 SA Health는 2015년 7월 26일에 접속한 수치인 www.abc.net.au를 부정하고 있다.
  36. ^ The eMR turns 10. "eHealth News" (PDF). Retrieved 6 August 2016.
  37. ^ "EBMEDS Clinical Decision Support". EBMEDS. Retrieved 12 February 2022.

외부 링크