Klinische Entscheidungsunterstützungssysteme

Klinische Entscheidungsunterstützungssysteme (Clinical Decision Support Systems, CDSS) sind computergestützte Werkzeuge, die Klinikern, Personal oder Patienten Wissen und personenspezifische Informationen intelligent gefiltert und zum richtigen Zeitpunkt präsentiert, um Gesundheitsentscheidungen zu unterstützen. Im Rahmen der Wissensübersetzung sind sie ein Schlüsselmechanismus, um synthetisierte Evidenz in den Arbeitsablauf am Behandlungsort zu integrieren.

Definition

Ein klinisches Entscheidungsunterstützungssystem ist eine Anwendung der Gesundheitstechnologie, die Merkmale eines einzelnen Patienten mit einer computergestützten Wissensbasis abgleicht und patientenspezifische Bewertungen oder Empfehlungen generiert, um die klinische Entscheidungsfindung zu unterstützen.

Scope

Dieser Eintrag behandelt, was klinische Entscheidungsunterstützungssysteme sind, wie sie in die Übertragung von Evidenz in die Praxis passen, die Evidenz, ob sie das Verhalten und die Ergebnisse von Praktikern verändern, und die Designmerkmale, die mit Effektivität verbunden sind. Er behandelt CDSS als methodisches und informatisches Thema, nicht als Empfehlung für ein bestimmtes Werkzeug oder eine Pflegeentscheidung.

Core questions

• Was ist ein klinisches Entscheidungsunterstützungssystem und wie bettet es Evidenz in den Arbeitsablauf ein?
• Verbessern solche Systeme tatsächlich die Leistung von Praktikern und die Patientenergebnisse?
• Welche Design- und Bereitstellungsmerkmale machen die Entscheidungsunterstützung effektiv?
• Warum versagen einige Systeme, verursachen Alarmmüdigkeit oder bleiben ungenutzt?

Key concepts

• Wissensbereitstellung am Behandlungsort
• Patientenspezifische Empfehlungen
• Integration mit elektronischen Gesundheitsakten und Arbeitsabläufen
• Automatische Bereitstellung innerhalb des Arbeitsablaufs
• Alarmmüdigkeit
• Prozess- versus Patientenergebnisse
• Pflege der Wissensbasis

Mechanisms

Ein Entscheidungsunterstützungssystem verknüpft eine computergestützte Wissensbasis mit Daten über einen spezifischen Patienten und erstellt eine maßgeschneiderte Bewertung oder Empfehlung, die idealerweise automatisch im Arbeitsablauf des Klinikers zum Zeitpunkt einer Entscheidung bereitgestellt wird. Durch die Einbettung synthetisierter Evidenz am Behandlungsort fungiert es als Übersetzungsmechanismus, der die Abhängigkeit vom Gedächtnis und von der separaten Suche nach Leitlinien reduziert. Die Meta-Regression von Roshanov und Kollegen identifiziert Merkmale, die mit Erfolg verbunden sind, wie die automatische Bereitstellung von Ratschlägen als Teil des Arbeitsablaufs, am Behandlungsort und als umsetzbare Empfehlungen statt nur als Bewertungen.

Clinical relevance

Entscheidungsunterstützungssysteme sind eine prominente Methode, mit der Gesundheitssysteme versuchen, evidenzbasierte Empfehlungen dort verfügbar zu machen, wo die Versorgung stattfindet, und ihre Untersuchung gibt Aufschluss darüber, wie solche Werkzeuge konzipiert und evaluiert werden. Dieser Eintrag beschreibt die Systeme und ihre Evidenzbasis auf der Ebene der Gesundheitsdienste; er ist keine klinische Leitlinie und befürwortet nicht das Handeln nach der Ausgabe eines bestimmten Werkzeugs ohne professionelles Urteilsvermögen.

Evidence & guidelines

Systematische Übersichten von Garg und Kollegen sowie von Bright und Kollegen zeigen, dass Entscheidungsunterstützungssysteme die Versorgungsprozesse verbessern können, mit variableren und oft geringeren Auswirkungen auf die Patientenergebnisse. Die Meta-Regression von Roshanov und Kollegen von 162 randomisierten Studien verknüpft die Effektivität mit spezifischen Designmerkmalen und liefert eine Evidenzbasis dafür, wie, und nicht nur ob, solche Systeme eingesetzt werden sollten.

History

Computergestützte klinische Entscheidungsunterstützung hat ihre Wurzeln in frühen medizinischen Informatiksystemen der 1970er und 1980er Jahre, aber ihre Evaluierung reifte mit systematischen Übersichten in den 2000er Jahren. Die JAMA-Übersicht von Garg und Kollegen aus dem Jahr 2005 synthetisierte die frühe Studienevidenz, und nachfolgende Übersichten und Meta-Regressionen in den 2010er Jahren verschoben die Frage von „ob Entscheidungsunterstützung funktioniert“ hin zu „welche Merkmale sie funktionieren lassen“, da die Systeme in elektronische Gesundheitsakten integriert wurden.

Debates

Warum verbessern viele Systeme Prozessmaße, aber nicht die Patientenergebnisse?

Übersichten zeigen durchweg stärkere Effekte auf die Versorgungsprozesse als auf die Patientenergebnisse, was die Debatte darüber aufwirft, ob Studien für Ergebnisse unterpowert sind, ob Prozessverbesserungen zu gering sind, um Patienten zu erreichen, oder ob Design und Implementierung den klinischen Einfluss begrenzen.

Wie sollte Alarmmüdigkeit gemanagt werden?

Übermäßige oder schlecht gezielte Alarme können übergangen und ignoriert werden, was den Nutzen untergräbt; das Gleichgewicht zwischen Sensitivität und Aufdringlichkeit durch bessere Zielgruppenansprache und Workflow-Integration ist eine fortlaufende Designherausforderung.

Key figures

• R. Brian Haynes
• Amit Garg
• David Lobach
• Pavel Roshanov
• Tiffani Bright

Seminal works

• garg-2005
• bright-2012
• roshanov-2013

Frequently asked questions

Verbessern klinische Entscheidungsunterstützungssysteme die Patientenergebnisse?

Systematische Übersichten zeigen, dass sie die Versorgungsprozesse, wie die Einhaltung empfohlener Maßnahmen, zuverlässiger verbessern als die Patientenergebnisse, wo die Effekte kleiner und variabler sind; Design und Implementierung beeinflussen die Ergebnisse stark.

Was macht ein klinisches Entscheidungsunterstützungssystem effektiver?

Meta-Regressions-Evidenz assoziiert Effektivität mit der automatischen Bereitstellung von Ratschlägen innerhalb des Arbeitsablaufs des Klinikers, am Behandlungsort und als spezifische, umsetzbare Empfehlung statt einer passiven Bewertung, die zusätzliche Schritte erfordert.