سیستم‌های پشتیبان تصمیم‌گیری بالینی

سیستم‌های پشتیبان تصمیم‌گیری بالینی (CDSS) ابزارهای مبتنی بر رایانه هستند که دانش و اطلاعات خاص فرد را به صورت هوشمندانه فیلتر و در زمان‌های مناسب به پزشکان، کارکنان یا بیماران ارائه می‌دهند تا از تصمیمات بهداشتی حمایت کنند. در حوزه انتقال دانش، آنها یک سازوکار کلیدی برای ارائه شواهد سنتز شده به جریان کار در نقطه مراقبت هستند.

Definition

سیستم پشتیبان تصمیم‌گیری بالینی یک برنامه فناوری اطلاعات سلامت است که ویژگی‌های یک بیمار خاص را با یک پایگاه دانش رایانه‌ای مطابقت می‌دهد و ارزیابی‌ها یا توصیه‌های خاص بیمار را برای حمایت از تصمیم‌گیری بالینی تولید می‌کند.

Scope

این مدخل به این می‌پردازد که سیستم‌های پشتیبان تصمیم‌گیری بالینی چه هستند، چگونه در ترجمه شواهد به عمل جای می‌گیرند، شواهد مربوط به اینکه آیا آنها رفتار و نتایج پزشکان را تغییر می‌دهند یا خیر، و ویژگی‌های طراحی مرتبط با اثربخشی. این مدخل CDSS را به عنوان یک موضوع روش‌شناختی و انفورماتیک بررسی می‌کند، نه به عنوان توصیه‌ای برای ابزار خاص یا تصمیم مراقبتی خاص.

Core questions

• سیستم پشتیبان تصمیم‌گیری بالینی چیست و چگونه شواهد را در جریان کار جاسازی می‌کند؟
• آیا چنین سیستم‌هایی واقعاً عملکرد پزشک و نتایج بیمار را بهبود می‌بخشند؟
• کدام ویژگی‌های طراحی و ارائه، پشتیبانی تصمیم‌گیری را مؤثر می‌سازند؟
• چرا برخی سیستم‌ها شکست می‌خورند، باعث خستگی از هشدار می‌شوند یا استفاده نمی‌شوند؟

Key concepts

• ارائه دانش در نقطه مراقبت
• توصیه‌های خاص بیمار
• ادغام با پرونده‌های الکترونیکی سلامت و جریان کار
• ارائه خودکار در جریان کار
• خستگی از هشدار
• فرآیند در مقابل نتایج بیمار
• نگهداری پایگاه دانش

Mechanisms

یک سیستم پشتیبان تصمیم‌گیری، یک پایگاه دانش رایانه‌ای را به داده‌های مربوط به یک بیمار خاص پیوند می‌دهد و یک ارزیابی یا توصیه سفارشی تولید می‌کند که ایده‌آل است به طور خودکار در جریان کار پزشک در لحظه تصمیم‌گیری ارائه شود. با جاسازی شواهد سنتز شده در نقطه مراقبت، این سیستم به عنوان یک سازوکار ترجمه عمل می‌کند که اتکا به حافظه و نیاز به یافتن راهنما به صورت جداگانه را کاهش می‌دهد. متا-رگرسیون روشنوف و همکارانش ویژگی‌های مرتبط با موفقیت را شناسایی می‌کند، مانند ارائه خودکار مشاوره به عنوان بخشی از جریان کار، در نقطه مراقبت، و به عنوان توصیه‌های عملی به جای صرفاً ارزیابی‌ها.

Clinical relevance

سیستم‌های پشتیبان تصمیم‌گیری روشی برجسته هستند که سیستم‌های بهداشتی تلاش می‌کنند توصیه‌های مبتنی بر شواهد را در جایی که مراقبت ارائه می‌شود، در دسترس قرار دهند، و مطالعه آنها به چگونگی طراحی و ارزیابی چنین ابزارهایی کمک می‌کند. این مدخل سیستم‌ها و پایگاه شواهد آنها را در سطح خدمات بهداشتی توصیف می‌کند؛ این یک راهنمای بالینی نیست و استفاده از خروجی هیچ ابزار خاصی را بدون قضاوت حرفه‌ای تأیید نمی‌کند.

Evidence & guidelines

مرورهای سیستماتیک توسط گارگ و همکاران و توسط برایت و همکاران نشان می‌دهند که سیستم‌های پشتیبان تصمیم‌گیری می‌توانند فرآیندهای مراقبت را بهبود بخشند، با اثرات متغیرتر و اغلب کوچکتر بر نتایج بیمار. متا-رگرسیون روشنوف و همکارانش بر روی 162 کارآزمایی تصادفی، اثربخشی را به ویژگی‌های طراحی خاص مرتبط می‌کند و یک پایگاه شواهد برای چگونگی، به جای صرفاً اینکه آیا، استقرار چنین سیستم‌هایی ارائه می‌دهد.

History

پشتیبانی تصمیم‌گیری بالینی مبتنی بر رایانه ریشه‌هایی در سیستم‌های اولیه انفورماتیک پزشکی دهه‌های 1970 و 1980 دارد، اما ارزیابی آن با مرورهای سیستماتیک در دهه 2000 به بلوغ رسید. مرور JAMA گارگ و همکاران در سال 2005 شواهد اولیه کارآزمایی را سنتز کرد، و مرورها و متا-رگرسیون‌های بعدی در طول دهه 2010، سوال را از اینکه آیا پشتیبانی تصمیم‌گیری کار می‌کند به اینکه کدام ویژگی‌ها باعث کارکرد آن می‌شوند، تغییر دادند، زیرا سیستم‌ها در پرونده‌های الکترونیکی سلامت جاسازی شدند.

Debates

چرا بسیاری از سیستم‌ها معیارهای فرآیند را بهبود می‌بخشند اما نتایج بیمار را نه؟

مرورها به طور مداوم اثرات قوی‌تری بر فرآیندهای مراقبت نسبت به نتایج بیمار نشان می‌دهند، که بحث‌هایی را در مورد اینکه آیا کارآزمایی‌ها برای نتایج قدرت کافی ندارند، آیا بهبودهای فرآیند برای رسیدن به بیماران بسیار کوچک هستند، یا اینکه طراحی و اجرا تأثیر بالینی را محدود می‌کنند، ایجاد می‌کند.

چگونه باید خستگی از هشدار را مدیریت کرد؟

هشدارهای بیش از حد یا با هدف‌گذاری ضعیف می‌توانند نادیده گرفته شوند و مزایای آنها از بین برود؛ ایجاد تعادل بین حساسیت و مزاحمت از طریق هدف‌گذاری بهتر و ادغام با جریان کار یک چالش طراحی مداوم است.

Key figures

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

Seminal works

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

Frequently asked questions

آیا سیستم‌های پشتیبان تصمیم‌گیری بالینی نتایج بیمار را بهبود می‌بخشند؟

مرورهای سیستماتیک نشان می‌دهند که آنها فرآیندهای مراقبت، مانند پایبندی به اقدامات توصیه شده، را با اطمینان بیشتری نسبت به نتایج بیمار بهبود می‌بخشند، جایی که اثرات کوچکتر و متغیرتر هستند؛ طراحی و اجرا به شدت بر نتایج تأثیر می‌گذارند.

چه چیزی یک سیستم پشتیبان تصمیم‌گیری بالینی را مؤثرتر می‌کند؟

شواهد متا-رگرسیون، اثربخشی را با ارائه خودکار مشاوره در جریان کار پزشک، در نقطه مراقبت، و به عنوان یک توصیه عملی خاص به جای یک ارزیابی غیرفعال که نیاز به مراحل اضافی دارد، مرتبط می‌داند.