为评估该模型在质量管理上的效果,研究人员从该中心2013年的8924例住院手术病人中,抽取319名患者的临床数据,选定静脉血栓栓塞症,采用CDS采集数据仓库中的结构化数据元素进行自动测量分析,对比CDS质控结果与人工质控结果的覆盖率。
研究结果显示,CDS质控的召回率为100% (CI: 98%-100%),准确率为96.3% (CI: 92.6%-98.5%)。其中,被归类为假阳性的7名患者,为满足质控指标的除外病例,因相关禁忌症数据获取失败导致机器分类错误。
这意味,CDS质控模型具有高敏感性和精确度,能够精准识别质量缺陷,保证质控结果反馈的及时性和完整性。同时,CDS质控方法允许生成中间结果,即对诊疗行为过程进行监控,有助于临床进行相关质量缺陷的根因分析和及时作出快速响应。相对依赖于手工图表数据分析的人工质控,CDS质控有潜力成为一种更廉价、更有效的质量管理方法。但是,本研究中的CDS模型存在局限:
第一,数据获取范围仅限于结构化数据,不能对实时的病历文本进行分析。解决方案:自然语言处理技术可以解决这一问题。
第二,公共知识库不能满足临床需求,且没有采用自动化工具进行临床规则抽取,质控逻辑转化成本很高。解决方案:利用智能化工具如利用深度学习算法,基于最新指南构建质控逻辑,可以实现规则库跨机构共享并支持修改逻辑以满足不同临床需求。
参考文献:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4419969/
惠每CDSS在单病种质量管理上的应用
惠每CDSS结合了人工智能和循证医学知识体系,在权威的知识图谱基础上,根据国家卫健委的特定(单)病种质控指标要求及医院科室临床实际,设定质控指标。利用自然语言处理和深度学习,对多源异构的病历数据进行标准化处理和术语映射。从使用效果来看,浙江省台州医院使用惠每CDSS进行单病种质量管理,该院小儿肺炎质控指标1个月内达成率从84.21%提升至97.6%,提升率 15.9%。获得了首届“基于AI的临床决策支持诊疗依从性竞赛”单病种第一名。
成为我们的
合作伙伴