精准识别缺陷 CDS质控可为医院节省70%时间成本

2019-04-01

改善医疗高质量是医院管理的永恒主题。基于循证医学的临床实践,减少临床变异被证明可以提高医疗质量和降低医疗成本。如何证明和保障临床实践的科学、规范?这就需要针对医疗行为的过程、结果进行管控及评价,如单病种质量管理,其是规范临床行为、减少医疗差错的重要手段。

传统质控 VS 信息化质控

传统的医疗质量管控主要依赖人工抽查病历的方式。以犹他大学医学中心(UUHC)标准的人工质控流程为例,由医院质量与患者安全部门(该部门有28名员工,包括12名质量改进专家)牵头,需要经过手动提取数据、人工分析数据、第三方组织外部审查等流程。

传统模式存在显著局限性:研究显示,UUHC对一项临床程序(如一项手术)进行人工质量评价,从医生开医嘱执行程序,到质控部门向医生给出质量反馈意见,可能需要花3-6个月时间;人工统计分析可能会出现人为错误;人工质控通常只进行终末病历抽查,导致评估效果与临床真实情况存在差距。

鉴于上述原因,美国很多医院在医院信息化过程中,尝试在电子病历中嵌入信息化工具,通过分析EMR数据进行自动化质量监测与分析。Epic电子病历就结合了这样的工具,其避免了大量人力耗费及手动数据统计可能的人为差错,但质控逻辑被认为可能是一个“黑匣子”,或是不能匹配到最新指南要求。

如果把信息技术、知识库、质控结合,会不会有更好的效果?

CDS质控模型召回率100% 效率提升七成

UUHC的研究人员采用开源、标准的公共知识库构建了CDS模型,称为OpenCDS,通过获取EHR系统的患者数据,自动监测临床质量情况,并采用警报、提醒方式向临床医生发送针对该患者的诊疗建议。该模型最多可将6个月人工质控时间,缩短为不到两个月。

http://www.huimei.com//real/img/_@@_15632729018091204.jpeg

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。

http://www.huimei.com//real/img/_@@_15632729196975912.jpeg

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 Mayo Clinic 临床路径,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

信息提交
姓      名
所在地区
单位名称
手  机  号

提交

感谢您的关注,我们会尽快与您取得联系!