gms | German Medical Science

49. Kongress für Allgemeinmedizin und Familienmedizin

Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin (DEGAM)

17. - 19.09.2015, Bozen, Italien

Über Entscheidungsunterstützung mittels Praxissoftware in der Allgemeinmedizin

Meeting Abstract

Suche in Medline nach

  • W.B. Lindemann - Cabinet Médical, Blaesheim, Frankreich

Deutsche Gesellschaft für Allgemeinmedizin und Familienmedizin. 49. Kongress für Allgemeinmedizin und Familienmedizin. Bozen, 17.-19.09.2015. Düsseldorf: German Medical Science GMS Publishing House; 2015. Doc15degam153

doi: 10.3205/15degam153, urn:nbn:de:0183-15degam1536

Veröffentlicht: 26. August 2015

© 2015 Lindemann.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Hintergrund: Früherkennung ist vom Hausarzt in einer begrenzten Sprechzeit zusätzlich zum akuten Behandlungsanlass zu leisten. Früherkennungsprogramme geben Hausärzten sogar auf Merkblättern einfache Algorithmen an die Hand [1].

Allerdings ist lange bekannt, dass der „Neurocomputer Gehirn“ wenig geeignet ist, Listen abzuarbeiten, repetitive Aufgaben zu erledigen oder „an alles zu denken“ [2].

Dies ist eine Kernkompetenz des Computers. Arztpraxissoftware erfasst eine Fülle von Informationen, nutzt diese aber nur ungenügend [3]. Man versucht bereits, Arztpraxissoftware flächendeckend in die Kontrolle kardiovaskulärer Risikofaktoren einzubinden [4] oder mittels eines drahtlosen Tablet-Computers die Anamnese zu erheben [5].

Studienfrage: Vorstellung eines Add-On, das den Allgemeinpraktiker auf Präventions- und Früherkennungsmaßnahmen hinweist.

Methoden: Am „Forschungszentrum Informatik“ in Karlsruhe, Bereich „Eingebettete Systeme und Embedded Security“ (Leitung bis März 2015: Dr. Stephan Heuer), wurde nach den Vorgaben von WL durch Simon Krause (B.Sc. Elektro- und Informationstechnik) eine lauffähige Demonstrationsversion erstellt.

Ergebnisse: Das Programm, in C# geschrieben, übernimmt Patientendaten derzeit aus einer Microsoft Excel Datei. Eine Regel verknüpft Patientenzustände, quantitative Patientendaten und deren jeweiliges Alter logisch miteinander und gibt gegebenenfalls eine frei formulierbare Empfehlung aus. Der Vergleich beinhaltet derzeit „kleiner als“, „gleich“, „ungleich“, „größer als“ und „und“ bzw „oder“.

Es sollen, soweit es die Zeit erlaubt, Regeln präsentiert werden, in welchen Abständen Vitalparameter wie Körpergewicht, Körpergröße, Bauchumfang, Herzfrequenz, Blutdruck, Peak-Flow … oder Laborwerte wie Blutfette, Nierenfunktion, Leberenzyme, Nüchternblutzucker … zu aktualisieren sind.

Diskussion: „Reminder“ in Arztinformationssystemen zu verwenden, ist nicht neu [6], [7], in Frankreich unüblich [3], in Deutschland realisiert, wo wirtschaftlicher Anreiz besteht (IGeL-Empfehlungen), aber mancherorts weiter fortgeschritten [4], [8], [9].


Literatur

1.
ADECA. Algorithme de dépistage du cancer colorectal en Alsace. 2014, BP 30593 F — 68008 Colmar Cedex.
2.
McDonald CJ. Protocol-based computer reminders, the quality of care and the non-perfectibility of man. NEJM. 1976;295(24):1351-5.
3.
Darmon D, Sauvant R, Staccini P, et al. Which functionalities are available in the electronic health record systems used by French general practitioners? An assessment study of 15 systems. Int J Med Inf. 2014;83:37-46.
4.
Catalán-Ramos A, Verdú JM, Grau M, et al. Population prevalence and control of cardiovascular risk factors : what electronic medical records tell us. Aten Primaria. 2014;46(1):15-24.
5.
Anand V, McKee S, Dugan TM, Downs SM. Leveraging electronic tablets for general pediatric care — a pilot study. Appl Clin Inf. 2015;6:1-15.
6.
Shea S, DuMouchel W, Bahamonde L. A meta-analysis of 16 randomized controlled trials to evaluate computer-based clinical reminders systems for preventive care in the ambulatory setting. J Am Med Inform Assoc. 1996;3:399-409.
7.
Balas EA, Weingarten S, Garb CT, et al. Improving preventive care by prompting physicians. Arch Intern Med. 2000;160:301-8.
8.
Wright A, Sittig DF, Joan SA, Sharma S, Pang JE, Middleton B. Clinical decision support capabilites of commercially-available clinical information systems. J Am Med Inform Assoc. 2009;16:637-44.
9.
Saleem JJ, Patterson ES, Militello L, et al. Exploring the barriers and facilitators to the use of computerized clinical reminders. J Am Med Inform Assoc. 2005;12:438-47.