Внедрение системы поддержки принятия решений для повышения качества медицинских данных пациентов с артериальной гипертензией

Цифровизация здравоохранения во многом опирается на аналитику данных, большинство которых содержится в медицинских информационных системах. Такие системы собирают информацию из разнородных источников, в том числе из электронных медицинских карт. Повышение качества данных электронных медицинских карт — современный вызов разработчикам информационных систем для медицинских учреждений. На пути к преодолению проблем человеко-машинного взаимодействия, повышения полноты и достоверности медицинской информации разработана система поддержки принятия решений с расширенным набором вспомогательных функций. В работе исследована применимость существующей системы принятия решений на примере медицинских данных пациентов с артериальной гипертензией. Проведено тестирование системы поддержки принятия решений среди врачей-специалистов. Выполнена оценка влияния предложенной системы на количество ошибок при заполнении электронной медицинской карты. Создан отдельный программный модуль, интегрированный в рабочую версию медицинской информационной системы «qMS» в ФГБУ «НМИЦ им. В.А. Алмазова» Минздрава России. Тестовое внедрение системы позволило снизить количество ошибок и повысить удовлетворенность представленной информацией у пациентов с артериальной гипертензией.

1. Шляхто Е.В., Конради А.О., Звартау Н.Э., Ратова Л.Г. Ценностная медицина, или Value-based medicine. СПб.: ООО «Инфо-ра», 2019. 92 c.

2. Cowie M.R., Bax J., Bruining N., Cleland J.G.F., Koehler F., Malik M., Pinto F., Van Der Velde E., Vardas P. e-Health: a position statement of the European Society of Cardiology // European Heart Journal. 2016. V. 37. N 1. P. 63–66. https://doi.org/10.1093/eurheartj/ehv416

3. Coorevits P., Sundgren M., Klein G.O., Bahr A., Claerhout B., Daniel C., Dugas M., Dupont D., Schmidt A., Singleton P., De Moor G., Kalra D. Electronic health records: new opportunities for clinical research // Journal of Internal Medicine. 2013. V. 274. N 6. P. 547–560. https://doi.org/10.1111/joim.12119

4. Jensen P.B., Jensen L.J., Brunak S. Mining electronic health records: towards better research applications and clinical care // Nature Reviews Genetics. 2012. V. 13. N 6. P. 395–405. https://doi.org/10.1038/nrg3208

5. Dugas M., Lange M., Müller-Tidow C., Kirchhof P., Prokosch H.-U. Routine data from hospital information systems can support patient recruitment for clinical studies // Clinical Trials. 2010. V. 7. N 2. P. 183–189. https://doi.org/10.1177/1740774510363013

6. Prokosch H.U., Ganslandt T. Perspectives for Medical Informatics. Reusing the electronic medical record for clinical research // Methods of Information in Medicine. 2009. V. 48. N 1. P. 38–44. https://doi.org/10.3414/ME9132

7. Turisco F., Keogh D., Stubbs C., Glaser J., Crowley W.F. Current status of integrating information technologies into the clinical research enterprise within US academic health centers: strategic value and opportunities for investment // Journal of Investigative Medicine. 2005. V. 53. N 8. P. 425–433. https://doi.org/10.2310/6650.2005.53806

8. Weiskopf N.G., Weng C. Methods and dimensions of electronic health record data quality assessment: enabling reuse for clinical research // Journal of the American Medical Informatics Association. 2013. V. 20. N 1. P. 144–151. https://doi.org/10.1136/amiajnl-2011-000681

9. Birkhead G.S., Klompas M., Shah N.R. Uses of electronic health records for public health surveillance to advance public health // Annual Review of Public Health. 2015. V. 36. P. 345–359. https://doi.org/10.1146/annurev-publhealth-031914-122747

10. Zhou L., Soran C.S., Jenter C.A., Volk L.A., Orav E.J., Bates D.W., Simon S.R. The relationship between electronic health record use and quality of care over time // Journal of the American Medical Informatics Association. 2009. V. 16. N 4. P. 457–464. https://doi.org/10.1197/jamia.M3128

11. Старков Е.Ф. Система поддержки принятия решений в медицине // Вестник новых медицинских технологий. 2006. № 2. С. 23–24.

12. Williams B., Mancia G., Spiering W., Agabiti Rosei E., Azizi M., Burnier M. et al. 2018 ESC/ESH Guidelines for the management of arterial hypertension // European Heart Journal. 2018. V. 39. N 33. P. 3021–3104. https://doi.org/10.1093/eurheartj/ehy339

13. Wang C., Yuan Y., Zheng M., Pan A., Wang M., Zhao M., Li Y., Yao S., Chen S., Wu S., Xue H. Association of age of onset of hypertension with cardiovascular diseases and mortality // Journal of the American College of Cardiology. 2020. V. 75. N 23. P. 2921–2930. https://doi.org/10.1016/j.jacc.2020.04.038

14. Kaushal R., Shojania K.G., Bates D.W. Effects of computerized physician order entry and clinical decision support systems on medication safety: A systematic review // Archives of Internal Medicine. 2003. V. 163. N 12. P. 1409–1416. https://doi.org/10.1001/archinte.163.12.1409

15. Ray J.C., Kusumoto F. The transition to value-based care // Journal of Interventional Cardiac Electrophysiology. 2016. V. 47. N 1. P. 61– 68. https://doi.org/10.1007/s10840-016-0166-x

16. Christensen T.J. A framework for guiding efforts to reward value instead of volume // International Journal of Health Economics and Management. 2016. V. 16. N 2. P. 175–187. https://doi.org/10.1007/s10754-015-9178-9

17. Sim I., Gorman P., Greenes R.A., Haynes R.B., Kaplan B., Lehmann H., Tang P.C. Clinical decision support systems for the practice of evidence-based medicine // Journal of the American Medical Informatics Association. 2001. V. 8. N 6. P. 527–534. https://doi.org/10.1136/jamia.2001.0080527

18. Sauro J., Dumas J.S. Comparison of three one-question, post-task usability questionnaires // Proc. of the 27th International Conference Extended Abstracts on Human Factors in Computing Systems (CHI). 2009. P. 1599–1608. https://doi.org/10.1145/1518701.1518946