ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 30.11.2023
Просмотров: 461
Скачиваний: 8
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
ТЕМА 12
КЛИНИЧЕСКИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.
ПРОГНОЗИРОВАНИЕ В БИОЛОГИИ И МЕДИЦИНЕ
Начало создания клинических систем поддержки принятия решений в развитых странах связано с осознанием острейшей социальной проблемы, ко- торое имеет жесткую временную привязку. В конце 1999 г. в США был опуб- ликован доклад Института медицины, в котором приводилась информация о том, что в стране ежегодно умирает в стационарах до 98 тысяч пациентов из-за предотвратимых ошибок, допущенных медицинским персоналом. При- мерно 7 тысяч пациентов умирает из-за ошибочных назначений медика-
ментов, а это больше, чем от производственного травматизма. Стоимость лече- ния осложнений, вызванных только ошибочными назначениями медикаментов, составляет 2 миллиарда долларов в год. Эта информация мгновенно привела к серьезному давлению на больницы со стороны государства, страховых компа- ний и крупных работодателей, требующих повысить безопасность пациентов.
Стало очевидно, что один из главных путей повышения безопасности пациен- тов состоит в использовании клинических информационных систем, снабжен- ных механизмами поддержки врачебных решений. Наличие такого механизма при назначении врачом препаратов непосредственно через систему позволяет избежать ошибок, вызванных несовместимостью назначаемых препаратов, их побочным действием, непереносимостью препаратов пациентом и т. д.
Клинические системы поддержки принятия решений обычно пред- ставляют собой базы данных, которые объединяют электронные истории бо- лезни со специальными инструментами, такими как автоматические напомина- ния или калькуляторы дозировки лекарств, предназначенными для использова- ния клиницистами в процессе принятия решений. В основу этих систем должны быть положены научно обоснованные руководства по клинической практике или другие достоверные данные научных исследований.
Именно механизмы поддержки принятия врачебных решений, использование которых приводит к повышению безопасности пациентов, являются главнейшей особенностью клинических систем поддержки принятия решений.
Основные свойства клинических систем поддержки принятия
решений:
1. Реализация механизмов поддержки принятия решений врача.
2. Дистанционный доступ к информации о лечении и обследовании пациентов.
3. Простота обучения и легкость использования системы.
4. Высокая скорость работы системы
Такие системы должны предоставлять удаленный доступ к исчерпывающей информации о лечении и обследовании пациентов, должны быть максимально простыми в обучении и удобными в использовании, должны обеспечивать высокую скорость работы.
140
Эффекты, достигаемые при внедрении систем поддержки принятия
решений:
1. Повышение качества лечения.
2. Повышение безопасности пациентов.
3. Рационализация расходов на лечение пациентов.
Есть и другие важные эффекты, например, для академических клиник сущест- венно, что при внедрении такой системы облегчается проведение проспектив-
ных рандомизированных исследований, признаваемых доказательными на- учным медицинским сообществом.
Повышение качества лечения. Факторы, приводящие к повышению ка- чества лечения при внедрении клинической системы принятия решений, сгруп- пированы в таблице. Главная причина такого влияния – сетевая технология ле- чебно-диагностического процесса, являющаяся базовой составляющей клини- ческой информационной системы. Именно свойства этой технологии изменяют в лучшую сторону процессы диагностики, лечения, а также облегчают контроль лечебно-диагностического процесса со стороны администрации больницы.
Таблица 12.1
Факторы, приводящие к повышению качества лечения в результате
внедрения клинических информационных систем
Процесс
Фактор повышения качества лечения
Диагностика
Улучшение организации работы лабораторной службы
Улучшение организации работы диагностических кабинетов
Уменьшение затрат времени персонала на ведение текущей доку- ментации
Уменьшение затрат времени персонала на составление отчетов и ведение журналов
Предоставление персоналу доступа к архиву историй болезни
Лечение (вра- чи)
Использование механизмов поддержки врачебных решений
Облегчение следованию стандартным протоколам лечения и об- следования
Уменьшение затрат времени на ведение текущей документации
Уменьшение затрат времени на составление отчетов и ведение журналов
Обеспечение мгновенного доступа к архивным историям болезни
Лечение (сред- ний медицин- ский персонал)
Уменьшение количества ошибок при выполнении назначений
Уменьшение затрат времени на составление сводок и отчетов, ве- дение журналов
Уменьшение затрат времени на контакты с лабораторно- диагностической службой
Контроль со стороны адми- нистрации
Обеспечение круглосуточной доступности информации по лече- нию и обследованию пациентов из любой точки больницы и за ее пределами
Обеспечение индикации невыполненных работ (консультаций спе- циалистов, обследований, наблюдений дежурных врачей)
Обеспечение возможности анализа архивных историй болезни по- средством выполнения произвольных запросов
141
Повышение безопасности пациентов. Именно необходимость повыше- ния безопасности пациентов привела к началу распространения клинических систем поддержки принятия решений. Было показано, что после внедрения в больнице такой системы количество ошибок, допускаемых врачами при назна- чении препаратов, уменьшается более чем в 2 раза. Это достигается за счет того, что система при назначении врачом каждого препарата проверяет его со- вместимость с назначенными ранее препаратами, проверяет наличие в анамнезе пациента аллергических реакций, наличие аномальных показателей выполнен- ных обследований и сигнализирует врачу об обнаруженных эффектах. Ошибки, связанные с неразборчивостью рукописных записей в листах назначений назва- ния препарата, дозы, кратности и пути введения, исключаются при внедрении системы на 100%. Система позволяет избежать избыточных обследований, уменьшает время реакции врача на вновь выполненное обследование, сообщает врачу о выходе измеренных лабораторных показателей за границы нормы.
Рационализация расходов на лечение пациентов. Это чрезвычайно важный эффект в наших условиях абсолютно недостаточного финансирования здравоохранения. Очевидно, что единственная причина, по которой не проис- ходит широкого внедрения клинических информационных систем нового поко- ления в российских больницах – отсутствие необходимых на это средств. Одна- ко показано, что вследствие рационализации расходов на лечение, достигаемой после внедрения системы нового поколения, затраченные на ее внедрение сред- ства, окупаются примерно за полтора года. В таблице перечислены основные механизмы, приводящие к более рациональному расходованию средств на ле- чение пациентов.
Таблица 12.2
Основные механизмы, обусловливающие рационализацию расходов на ле-
чение
№ Механизмы рационализации расходов на лечение
1 Персонифицированное распределение медикаментов
2 Предупреждения о неэффективных сочетаниях назначаемых препара- тов
3 Поддержка врачебных решений для уменьшения количества ослож- нений
4 Поддержка врачебных решений для исключения необоснованных об- следований
5 Поддержка врачебных решений для уменьшения среднего срока гос- питализации
Внедрение клинической информационной системы обеспечивает механизм персонифицированного распределения медикаментов, так как все назначения препаратов делаются врачами непосредственно через систему.
Прогнозирование (от греческого слова prognose – предвиденье, предска- зание), разработка прогноза – вероятного суждения о состоянии какого-либо явления в будущем; в узком значении – специальное научное исследование перспектив развития какого-либо явления, преимущественно с количественны-
142 ми оценками и с указанием более или менее определенных сроков изменения этого явления.
Прогнозирование используется для управления состоянием объекта с це- лью оптимизации принимаемых решений.
Различают три основных способа прогнозирования:
- экстраполяция,
- моделирование,
- экспертиза.
Но такая классификация условна, так как прогностические модели пред- ставляют экстраполяцию и экспертные оценки, последние представляют итоги экстраполяции и моделирования и так далее. В разработках прогнозов приме- няют такие методы аналогии, индукции и дедукции, различные статистические, экономические, социологические и другие методы.
Конкретные методики, по которым ведется прогнозирование, образуются путем сочетания ряда методов. Иногда несколько методик составляют так на- зываемую прогнозирующую систему.
Типовая методика прогнозирования содержит следующие основные эта-
пы исследования:
- предпрогнозная ориентация (определение объекта, предмета, рабочих гипотез, методов, структуры и организации исследования);
- прогнозный фон (сбор данных, влияющих на развитие объекта);
- исходная модель, то есть система показателей, параметров, отображаю- щая характер и структуру объекта;
- поисковый прогноз (проекция в будущее исходной модели по наблю- даемой тенденции с учетом факторов прогнозного фона, чтобы выявить пер- спективные проблемы, подлежащие решению);
- нормативный прогноз (проекция в будущее исходной модели в соответ- ствии с заданными целями и нормами по заданным критериям);
- оценки степени достоверности и уточнение прогностических моделей, обычно опросом экспертов;
- выработка рекомендаций для оптимизации решений на основе сопос- тавления прогностических моделей.
Моделирование является одним из способов прогнозирования, применяемых в системах поддержки принятия решений в биологии и медицине.
Моделирование медико-биологических процессов.
Основные виды моделирования. Есть реальный мир вещей и явлений - звезд, атомов, перемещений, жизни организмов, болезней. А есть отображаю- щий эту реальность мир моделей, с которыми, в конце концов, работает наша мысль. Анализируя модели, мы прогнозируем свойства или дальнейшее пове- дение реального объекта.
Модель - это искусственно созданный человеком объект любой природы, который замещает или воспроизводит исследуемый объект так, что изучение модели способно давать новую информацию об объекте. Модель всегда беднее реального объекта, она всегда отображает лишь некоторые его черты, причем в
143 разных случаях – разные. Все зависит от задачи, для решения которой создается модель.
Объектами исследования в биологии и медицине является живой орга- низм в целом или его части, которые представляют собой очень сложные сис- темы. Поэтому исследователь неизбежно выбирает упрощенную точку зрения, подходящую для решения конкретно поставленной задачи. Выбор модели оп- ределяется целями исследования. Можно выделить 4 вида моделей, используе- мых в медицине и биологии:
1) Биологические предметные модели служат для изучения общих биоло- гических закономерностей, действия различных препаратов, методов лечения.
К такому типу моделей относятся лабораторные животные, изолированные ор- ганы, культуры клеток. Этот вид моделирования - самый древний и играет большую роль в современной науке (первые полеты в космос, испытание новых лекарств и так далее).
2) Физические (аналоговые) модели – это физические системы или уст- ройства, которые обладают аналогичным с моделируемым объектом поведени- ем. Физическая модель может быть реализована в виде некоторого механиче- ского устройства или в виде электрической цепи. Например, процесс движения крови по крупным сосудам может быть смоделирован электрической цепью из конденсаторов и сопротивлений. К физическим моделям относятся технические устройства, заменяющие органы и системы живого организма. Это: аппараты искусственного дыхания, которые моделируют легкое; аппараты искусственно- го кровообращения (модель сердца) и так далее. Физическое моделирование является традиционным для медицины и в настоящее время достаточно широко используется и в лечебной практике, и в исследовательских целях.
3) Кибернетические модели – это различные устройства, чаще всего элек- тронные, с помощью которых моделируются информационные процессы в жи- вом организме. Среди информационных процессов один из самых распростра- ненных - это управление (например, - движением руки, всего тела или управле- ние величиной зрачка). Предполагается, что развитие ЭВМ и создание супер-
ЭВМ следующих поколений позволит решить проблему “искусственного ин- теллекта”, то есть супер-ЭВМ будут кибернетической моделью работы мозга человека.
4) Математическая модель - это система формул, функций, уравнений, описывающих те или иные свойства изучаемого объекта, явления или процесса.
Закон всемирного тяготения, закон Ома и так далее - все это математические модели реальных физических явлений. Когда же изучают динамические про- цессы, то математической моделью обычно является система дифференциаль- ных уравнений (то есть уравнений, содержащих производные), так как именно производные отражают изменение интересующих нас величин в исследуемой системе. Математическое моделирование какого-либо процесса возможно, ко- гда достаточно хорошо изучены его физические и биологические закономерно- сти. Но перечень таких процессов в живом организме пока еще невелик. Вне- дрение ЭВМ расширило возможности математического моделирования в меди- цине, так как стало возможным моделирование более сложных систем.
КЛИНИЧЕСКИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.
ПРОГНОЗИРОВАНИЕ В БИОЛОГИИ И МЕДИЦИНЕ
Начало создания клинических систем поддержки принятия решений в развитых странах связано с осознанием острейшей социальной проблемы, ко- торое имеет жесткую временную привязку. В конце 1999 г. в США был опуб- ликован доклад Института медицины, в котором приводилась информация о том, что в стране ежегодно умирает в стационарах до 98 тысяч пациентов из-за предотвратимых ошибок, допущенных медицинским персоналом. При- мерно 7 тысяч пациентов умирает из-за ошибочных назначений медика-
ментов, а это больше, чем от производственного травматизма. Стоимость лече- ния осложнений, вызванных только ошибочными назначениями медикаментов, составляет 2 миллиарда долларов в год. Эта информация мгновенно привела к серьезному давлению на больницы со стороны государства, страховых компа- ний и крупных работодателей, требующих повысить безопасность пациентов.
Стало очевидно, что один из главных путей повышения безопасности пациен- тов состоит в использовании клинических информационных систем, снабжен- ных механизмами поддержки врачебных решений. Наличие такого механизма при назначении врачом препаратов непосредственно через систему позволяет избежать ошибок, вызванных несовместимостью назначаемых препаратов, их побочным действием, непереносимостью препаратов пациентом и т. д.
Клинические системы поддержки принятия решений обычно пред- ставляют собой базы данных, которые объединяют электронные истории бо- лезни со специальными инструментами, такими как автоматические напомина- ния или калькуляторы дозировки лекарств, предназначенными для использова- ния клиницистами в процессе принятия решений. В основу этих систем должны быть положены научно обоснованные руководства по клинической практике или другие достоверные данные научных исследований.
Именно механизмы поддержки принятия врачебных решений, использование которых приводит к повышению безопасности пациентов, являются главнейшей особенностью клинических систем поддержки принятия решений.
Основные свойства клинических систем поддержки принятия
решений:
1. Реализация механизмов поддержки принятия решений врача.
2. Дистанционный доступ к информации о лечении и обследовании пациентов.
3. Простота обучения и легкость использования системы.
4. Высокая скорость работы системы
Такие системы должны предоставлять удаленный доступ к исчерпывающей информации о лечении и обследовании пациентов, должны быть максимально простыми в обучении и удобными в использовании, должны обеспечивать высокую скорость работы.
140
Эффекты, достигаемые при внедрении систем поддержки принятия
решений:
1. Повышение качества лечения.
2. Повышение безопасности пациентов.
3. Рационализация расходов на лечение пациентов.
Есть и другие важные эффекты, например, для академических клиник сущест- венно, что при внедрении такой системы облегчается проведение проспектив-
ных рандомизированных исследований, признаваемых доказательными на- учным медицинским сообществом.
Повышение качества лечения. Факторы, приводящие к повышению ка- чества лечения при внедрении клинической системы принятия решений, сгруп- пированы в таблице. Главная причина такого влияния – сетевая технология ле- чебно-диагностического процесса, являющаяся базовой составляющей клини- ческой информационной системы. Именно свойства этой технологии изменяют в лучшую сторону процессы диагностики, лечения, а также облегчают контроль лечебно-диагностического процесса со стороны администрации больницы.
Таблица 12.1
Факторы, приводящие к повышению качества лечения в результате
внедрения клинических информационных систем
Процесс
Фактор повышения качества лечения
Диагностика
Улучшение организации работы лабораторной службы
Улучшение организации работы диагностических кабинетов
Уменьшение затрат времени персонала на ведение текущей доку- ментации
Уменьшение затрат времени персонала на составление отчетов и ведение журналов
Предоставление персоналу доступа к архиву историй болезни
Лечение (вра- чи)
Использование механизмов поддержки врачебных решений
Облегчение следованию стандартным протоколам лечения и об- следования
Уменьшение затрат времени на ведение текущей документации
Уменьшение затрат времени на составление отчетов и ведение журналов
Обеспечение мгновенного доступа к архивным историям болезни
Лечение (сред- ний медицин- ский персонал)
Уменьшение количества ошибок при выполнении назначений
Уменьшение затрат времени на составление сводок и отчетов, ве- дение журналов
Уменьшение затрат времени на контакты с лабораторно- диагностической службой
Контроль со стороны адми- нистрации
Обеспечение круглосуточной доступности информации по лече- нию и обследованию пациентов из любой точки больницы и за ее пределами
Обеспечение индикации невыполненных работ (консультаций спе- циалистов, обследований, наблюдений дежурных врачей)
Обеспечение возможности анализа архивных историй болезни по- средством выполнения произвольных запросов
141
Повышение безопасности пациентов. Именно необходимость повыше- ния безопасности пациентов привела к началу распространения клинических систем поддержки принятия решений. Было показано, что после внедрения в больнице такой системы количество ошибок, допускаемых врачами при назна- чении препаратов, уменьшается более чем в 2 раза. Это достигается за счет того, что система при назначении врачом каждого препарата проверяет его со- вместимость с назначенными ранее препаратами, проверяет наличие в анамнезе пациента аллергических реакций, наличие аномальных показателей выполнен- ных обследований и сигнализирует врачу об обнаруженных эффектах. Ошибки, связанные с неразборчивостью рукописных записей в листах назначений назва- ния препарата, дозы, кратности и пути введения, исключаются при внедрении системы на 100%. Система позволяет избежать избыточных обследований, уменьшает время реакции врача на вновь выполненное обследование, сообщает врачу о выходе измеренных лабораторных показателей за границы нормы.
Рационализация расходов на лечение пациентов. Это чрезвычайно важный эффект в наших условиях абсолютно недостаточного финансирования здравоохранения. Очевидно, что единственная причина, по которой не проис- ходит широкого внедрения клинических информационных систем нового поко- ления в российских больницах – отсутствие необходимых на это средств. Одна- ко показано, что вследствие рационализации расходов на лечение, достигаемой после внедрения системы нового поколения, затраченные на ее внедрение сред- ства, окупаются примерно за полтора года. В таблице перечислены основные механизмы, приводящие к более рациональному расходованию средств на ле- чение пациентов.
Таблица 12.2
Основные механизмы, обусловливающие рационализацию расходов на ле-
чение
№ Механизмы рационализации расходов на лечение
1 Персонифицированное распределение медикаментов
2 Предупреждения о неэффективных сочетаниях назначаемых препара- тов
3 Поддержка врачебных решений для уменьшения количества ослож- нений
4 Поддержка врачебных решений для исключения необоснованных об- следований
5 Поддержка врачебных решений для уменьшения среднего срока гос- питализации
Внедрение клинической информационной системы обеспечивает механизм персонифицированного распределения медикаментов, так как все назначения препаратов делаются врачами непосредственно через систему.
Прогнозирование (от греческого слова prognose – предвиденье, предска- зание), разработка прогноза – вероятного суждения о состоянии какого-либо явления в будущем; в узком значении – специальное научное исследование перспектив развития какого-либо явления, преимущественно с количественны-
142 ми оценками и с указанием более или менее определенных сроков изменения этого явления.
Прогнозирование используется для управления состоянием объекта с це- лью оптимизации принимаемых решений.
Различают три основных способа прогнозирования:
- экстраполяция,
- моделирование,
- экспертиза.
Но такая классификация условна, так как прогностические модели пред- ставляют экстраполяцию и экспертные оценки, последние представляют итоги экстраполяции и моделирования и так далее. В разработках прогнозов приме- няют такие методы аналогии, индукции и дедукции, различные статистические, экономические, социологические и другие методы.
Конкретные методики, по которым ведется прогнозирование, образуются путем сочетания ряда методов. Иногда несколько методик составляют так на- зываемую прогнозирующую систему.
Типовая методика прогнозирования содержит следующие основные эта-
пы исследования:
- предпрогнозная ориентация (определение объекта, предмета, рабочих гипотез, методов, структуры и организации исследования);
- прогнозный фон (сбор данных, влияющих на развитие объекта);
- исходная модель, то есть система показателей, параметров, отображаю- щая характер и структуру объекта;
- поисковый прогноз (проекция в будущее исходной модели по наблю- даемой тенденции с учетом факторов прогнозного фона, чтобы выявить пер- спективные проблемы, подлежащие решению);
- нормативный прогноз (проекция в будущее исходной модели в соответ- ствии с заданными целями и нормами по заданным критериям);
- оценки степени достоверности и уточнение прогностических моделей, обычно опросом экспертов;
- выработка рекомендаций для оптимизации решений на основе сопос- тавления прогностических моделей.
Моделирование является одним из способов прогнозирования, применяемых в системах поддержки принятия решений в биологии и медицине.
Моделирование медико-биологических процессов.
Основные виды моделирования. Есть реальный мир вещей и явлений - звезд, атомов, перемещений, жизни организмов, болезней. А есть отображаю- щий эту реальность мир моделей, с которыми, в конце концов, работает наша мысль. Анализируя модели, мы прогнозируем свойства или дальнейшее пове- дение реального объекта.
Модель - это искусственно созданный человеком объект любой природы, который замещает или воспроизводит исследуемый объект так, что изучение модели способно давать новую информацию об объекте. Модель всегда беднее реального объекта, она всегда отображает лишь некоторые его черты, причем в
143 разных случаях – разные. Все зависит от задачи, для решения которой создается модель.
Объектами исследования в биологии и медицине является живой орга- низм в целом или его части, которые представляют собой очень сложные сис- темы. Поэтому исследователь неизбежно выбирает упрощенную точку зрения, подходящую для решения конкретно поставленной задачи. Выбор модели оп- ределяется целями исследования. Можно выделить 4 вида моделей, используе- мых в медицине и биологии:
1) Биологические предметные модели служат для изучения общих биоло- гических закономерностей, действия различных препаратов, методов лечения.
К такому типу моделей относятся лабораторные животные, изолированные ор- ганы, культуры клеток. Этот вид моделирования - самый древний и играет большую роль в современной науке (первые полеты в космос, испытание новых лекарств и так далее).
2) Физические (аналоговые) модели – это физические системы или уст- ройства, которые обладают аналогичным с моделируемым объектом поведени- ем. Физическая модель может быть реализована в виде некоторого механиче- ского устройства или в виде электрической цепи. Например, процесс движения крови по крупным сосудам может быть смоделирован электрической цепью из конденсаторов и сопротивлений. К физическим моделям относятся технические устройства, заменяющие органы и системы живого организма. Это: аппараты искусственного дыхания, которые моделируют легкое; аппараты искусственно- го кровообращения (модель сердца) и так далее. Физическое моделирование является традиционным для медицины и в настоящее время достаточно широко используется и в лечебной практике, и в исследовательских целях.
3) Кибернетические модели – это различные устройства, чаще всего элек- тронные, с помощью которых моделируются информационные процессы в жи- вом организме. Среди информационных процессов один из самых распростра- ненных - это управление (например, - движением руки, всего тела или управле- ние величиной зрачка). Предполагается, что развитие ЭВМ и создание супер-
ЭВМ следующих поколений позволит решить проблему “искусственного ин- теллекта”, то есть супер-ЭВМ будут кибернетической моделью работы мозга человека.
4) Математическая модель - это система формул, функций, уравнений, описывающих те или иные свойства изучаемого объекта, явления или процесса.
Закон всемирного тяготения, закон Ома и так далее - все это математические модели реальных физических явлений. Когда же изучают динамические про- цессы, то математической моделью обычно является система дифференциаль- ных уравнений (то есть уравнений, содержащих производные), так как именно производные отражают изменение интересующих нас величин в исследуемой системе. Математическое моделирование какого-либо процесса возможно, ко- гда достаточно хорошо изучены его физические и биологические закономерно- сти. Но перечень таких процессов в живом организме пока еще невелик. Вне- дрение ЭВМ расширило возможности математического моделирования в меди- цине, так как стало возможным моделирование более сложных систем.