gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

Beitrag eines computergestützten Systems zur Entscheidungsunterstützung (CDSS) zur Verbesserung der antithrombotischen Behandlung von Patienten mit Vorhofflimmern

Meeting Abstract

  • Christoph Meisner - Institut für Medizinische Biometrie, Tübingen
  • Katrin Schwarz - Abteilung für Klinische Pharmakologie, Tübingen
  • Dagmar Henke - Institut für Medizinische Biometrie, Tübingen
  • Klaus Mörike - Abteilung für Klinische Pharmakologie, Tübingen
  • Christoph Gleiter - Abteilung für Klinische Pharmakologie, Tübingen

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds055

doi: 10.3205/09gmds055, urn:nbn:de:0183-09gmds0558

Veröffentlicht: 2. September 2009

© 2009 Meisner et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung: Schlaganfälle sind eine gefürchtete Komplikation bei Patientinnen und Patienten mit chronischem Vorhofflimmern (AFiB). Eine leitliniengemäße antithrombotische Behandlung bietet einen etablierten Schutz bei niedrigem Risiko. Bislang werden diese Leitlinien jedoch nicht in befriedigender Weise umgesetzt. Die vorliegende Studie im Rahmen der Förderinitiative der Bundesärztekammer zur Versorgungsforschung untersucht, ob ein computergestütztes System zur Entscheidungsunterstützung (CDSS) zur Verbesserung der antithrombotischen Behandlung beiträgt.

Methoden: In einem gruppenrandomisierten Design nahmen in der Schulungsgruppe 19 Praxisinhaber an einer strukturierten Schulung teil. In der CDSS-Gruppe bekamen 18 Praxisinhaber zusätzlich eine CD mit einem CDSS-System. Das CDSS wurde eigens innerhalb dieser Studie entwickelt und ist auf jedem Praxiscomputer als Standalone-Anwendung unter Windows lauffähig. In jeder Praxis sollten aus allen vorhandenen AFiB-Betroffenen fünf Patienten zufällig zur Studienteilnahme ausgewählt werden. Die Patientendaten zur Erkrankung und Behandlung wurden zu zwei Zeitpunkten vor und nach Intervention erhoben. Parallel dazu erfolgten Erhebungen in 19 Praxen einer Kontrollregion. Die Auswertung erfolgte mittels der Methode der verallgemeinerten Schätzgleichungen (GEE) [1], [2].

Ergebnisse: Insgesamt wurden 315 AFiB-Betroffene durch 57 Praxen rekrutiert (Schulungsgruppe: 100, CDSS: 97, Kontrolle: 118). Das CDSS wurde in 16 der 18 Praxen der CDSS-Gruppe eingesetzt und positiv bewertet. Durch die Schulung verbesserte sich die Behandlung bei 16 Patienten, durch Schulung+CDSS bei 10 und in der Kontrollgruppe bei 18. Demgegenüber verschlechterte sich die Behandlung bei 9, 15 bzw. 22 Patienten. Nur in der Schulungsgruppe konnte eine leichte Verbesserung der antithrombotischen Behandlung beobachtet werden (p=0,269).

Diskussion und Ausblick: Die Studie zeichnet sich bei einer Ausfallrate von 3,5% durch eine vergleichsweise hervorragende Mitarbeit der teilnehmenden Praxen aus. Diese gute Motivation spiegelt sich allerdings nicht in einer wirklichen Verbesserung der Patientenbehandlung wider, dem eigentlichen Ziel der Studie. Das hier verwendete CDSS erscheint damit als ungeeignet zum Einsatz in der ambulanten Versorgung. Möglicherweise erweisen sich Systeme als wirksamer, die stärker in die marktüblichen Praxisinformationssysteme integriert sind.


Literatur

1.
Murray DM, Varnell SP, Blitstein JL. Design and analysis of group-randomized trials: review of recent methological developments. Am J Public Health. 2004;94:423-432.
2.
Twisk JWR. Applied longitudinal data analysis for epidemiology. Cambridge: University Press; 2003.