Klinische Entscheidungsunterstützungssysteme: Design und Effektivität

Ein klinisches Entscheidungsunterstützungssystem (Clinical Decision Support System, CDSS) ist eine Software, die Merkmale eines einzelnen Patienten mit einer computergestützten Wissensbasis abgleicht und patientenspezifische Einschätzungen oder Empfehlungen einem Kliniker, einem Mitarbeiter oder einem Patienten präsentiert. Dieses Thema behandelt, wie solche Systeme konzipiert werden, wie sie in den klinischen Arbeitsablauf eingebettet sind und was die Evidenz über ihre Auswirkungen auf Praxis und Ergebnisse aussagt.

Definition

Ein klinisches Entscheidungsunterstützungssystem ist ein aktives Wissenssystem, das zwei oder mehr Patientendaten verwendet, um fallspezifische Ratschläge zu generieren, typischerweise bestehend aus einer Wissensbasis, einer Inferenz- oder Schlussfolgerungsmaschine und einem Mechanismus zur Kommunikation mit dem Benutzer innerhalb des klinischen Arbeitsablaufs.

Scope

Der Eintrag behandelt die Architektur und Designmerkmale der Entscheidungsunterstützung (Wissensbasis, Inferenzmechanismus, Kommunikationsschnittstelle), die Unterscheidung zwischen wissensbasierten und nicht-wissensbasierten Systemen, gängige Interventionen wie Warnungen (Alerts), Erinnerungen (Reminders), Auftragssätze (Order Sets) und Infobuttons sowie die wiederkehrenden Probleme der Warnmüdigkeit (Alert Fatigue) und der Arbeitsablaufintegration (Workflow Fit). Er fasst die Evidenz aus kontrollierten Studien zur Wirksamkeit und die mit Erfolg verbundenen Designmerkmale zusammen, wobei er als methodisches Thema und nicht als klinische Leitlinie konzipiert ist.

Key concepts

• Wissensbasis und Inferenzmaschine
• Wissensbasierte vs. nicht-wissensbasierte Systeme
• Warnungen (Alerts), Erinnerungen (Reminders) und Auftragssätze (Order Sets)
• Infobuttons und kontextsensitive Informationsabfrage
• Warnmüdigkeit (Alert Fatigue) und Übersteuerungsraten
• Workflow-Integration und die fünf Rechte des CDS
• Standardbasierte Interoperabilität (SMART on FHIR, CDS Hooks)
• Fünf Rechte der klinischen Entscheidungsunterstützung

Mechanisms

Die meisten Entscheidungsunterstützungssysteme koppeln eine kuratierte Wissensbasis mit einem Inferenzmechanismus, der Patientendaten anhand kodierter Regeln oder Modelle auswertet und dann die Ausgabe über die Benutzeroberfläche liefert, idealerweise automatisch und innerhalb des bestehenden Arbeitsablaufs, anstatt eine separate Nachschlagefunktion zu erfordern. Systematische Übersichten identifizierten eine kleine Reihe von Merkmalen, die den Erfolg stark vorhersagen: automatische Bereitstellung der Entscheidungsunterstützung als Teil des klinischen Arbeitsablaufs, Bereitstellung zum Zeitpunkt und am Ort der Entscheidungsfindung, umsetzbare Empfehlungen und computergestützte Generierung (Kawamoto, 2005). Standards wie SMART on FHIR ermöglichen es, Entscheidungsunterstützungs-Apps einmal zu schreiben und über verschiedene elektronische Patientenaktenplattformen hinweg auszuführen (Mandel, 2016).

Clinical relevance

Entscheidungsunterstützungssysteme bestimmen viele der Aufforderungen, Warnungen und Standardaufträge, denen Kliniker begegnen, sodass ihr Design direkt beeinflusst, wie Wissen am Krankenbett ankommt und wie viel störenden 'Lärm' Kliniker erleben. Dieser Eintrag beschreibt, wie solche Systeme entwickelt und evaluiert werden; er liefert keine diagnostischen Schwellenwerte oder Behandlungsanweisungen für Patienten.

Evidence & guidelines

Eine große systematische Übersichtsarbeit ergab, dass computergestützte Entscheidungsunterstützung die Leistung von Praktikern in den meisten evaluierten Studien verbesserte, während die Evidenz für den Nutzen bei Patientenergebnissen spärlicher und weniger konsistent war (Garg, 2005). Eine begleitende Übersichtsarbeit zeigte, dass die Verbesserung der Praxis durch ein System weitgehend durch Designmerkmale und nicht durch den klinischen Bereich erklärt wird, wobei die automatische, im Arbeitsablauf integrierte Bereitstellung am Behandlungsort entscheidend ist (Kawamoto, 2005). Praktische Synthesen wie die 'Zehn Gebote' übersetzten diese Erkenntnisse in Designheuristiken (Bates, 2003).

History

Die klinische Entscheidungsunterstützung entwickelte sich aus regelbasierten Expertensystemen der 1970er Jahre und fand ab den 1990er Jahren über die computergestützte Arztanordnung (Computerized Provider Order Entry) und elektronische Patientenakten Eingang in die Routineversorgung. Die systematischen Übersichten Mitte der 2000er Jahre formulierten die Frage von 'Funktioniert CDS?' zu 'Welche Designmerkmale lassen CDS funktionieren?' um, und die 2010er Jahre fügten standardbasierte, interoperable App-Plattformen hinzu, die die Entscheidungslogik von spezifischen Anbietersystemen entkoppelten.

Debates

Wie kann Warnmüdigkeit (Alert Fatigue) reduziert werden, ohne den Sicherheitswert zu verlieren?

Unterbrechende Warnungen werden häufig übergangen, was das Risiko erhöht, dass wichtige Warnungen ignoriert werden; Designer diskutieren, wie Spezifität, Staffelung und Timing so abgestimmt werden können, dass hochwertige Warnungen salient bleiben, während geringwertige unterdrückt werden.

Warum verbessert die Entscheidungsunterstützung Prozesskennzahlen zuverlässiger als Patientenergebnisse?

Studien zeigen konsistenter Veränderungen im Verhalten von Klinikern als bei klinischen Ergebnissen, was zu Diskussionen über unterpowerte Ergebnisstudien, schwache Verbindungen zwischen den Zielprozessen und den Ergebnissen sowie die Qualität der Implementierung führt.

Key figures

• David W. Bates
• Kensaku Kawamoto
• R. Brian Haynes
• Joshua C. Mandel

Seminal works

• garg-2005
• kawamoto-2005
• bates-2003

Frequently asked questions

Was sind die Komponenten eines klinischen Entscheidungsunterstützungssystems?

Klassischerweise eine Wissensbasis (das kodierte klinische Wissen), eine Inferenz- oder Schlussfolgerungsmaschine, die dieses Wissen auf Patientendaten anwendet, und eine Kommunikationsschnittstelle, die das Ergebnis dem Benutzer innerhalb seines Arbeitsablaufs liefert.

Welche Designmerkmale machen die Entscheidungsunterstützung effektiv?

Übersichten weisen auf die automatische Bereitstellung der Unterstützung innerhalb des Arbeitsablaufs, die Bereitstellung zum Zeitpunkt und am Ort der Entscheidungsfindung, umsetzbare Empfehlungen und die computergestützte Generierung als Merkmale hin, die am stärksten mit einer verbesserten Praxis verbunden sind.