gms | German Medical Science

MAINZ//2011: 56. GMDS-Jahrestagung und 6. DGEpi-Jahrestagung

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.
Deutsche Gesellschaft für Epidemiologie e. V.

26. - 29.09.2011 in Mainz

Kann man mit intelligenter Entscheidungsunterstützung unnötige Maßnahmen auf Intensivstation vermeiden?

Meeting Abstract

  • Stefan Kraus - Lehrstuhl für medizinische Informatik Universität Erlangen-Nürnberg, Erlangen
  • Thomas Bürkle - Lehrstuhl für medizinische Informatik Universität Erlangen-Nürnberg, Erlangen
  • Ixchel Castellanos - Universitätsklinikum Erlangen, Erlangen
  • Hans-Ulrich Prokosch - Lehrstuhl für medizinische Informatik Universität Erlangen-Nürnberg, Erlangen

Mainz//2011. 56. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 6. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi). Mainz, 26.-29.09.2011. Düsseldorf: German Medical Science GMS Publishing House; 2011. Doc11gmds476

DOI: 10.3205/11gmds476, URN: urn:nbn:de:0183-11gmds4769

Published: September 20, 2011

© 2011 Kraus et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

Text

Einleitung/Hintergrund: Verschiedene Studien zeigen, dass Entscheidungsunterstützung den Behandlungsprozess verbessern [1] und gelegentlich auch das Patientenoutcome positiv beeinflussen kann [2]. Es gibt aber bisher kaum Studien, die die Vermeidung unnötiger medizinischer Aktivitäten untersuchen [3]. Es ist beispielsweise nicht einfach, zu einem bestimmten Zeitpunkt eine sichere Empfehlung für die Unterlassung einer medizinischen Maßnahme auszusprechen. Im Zweifel gilt in der Medizin oft: „lieber eine Untersuchung zu viel als eine zu wenig“. Wir zeigen hier ein Beispiel wie man dieses Thema methodisch angehen und ein entsprechendes Studiendesign aufsetzen kann.

Material und Methoden: Das Universitätsklinikum Erlangen verwendet ein kommerzielles PDMS mit in Eigenarbeit ergänzter Entscheidungsunterstützung. Entscheidungsunterstützungsmodule in Arden Syntax [4] können per Knopfdruck, datengesteuert und zeitgesteuert ausgeführt werden. Procalcitonin (PCT) ist ein teurer Labor-Marker für bakterielle Infektionen, der bei der Sepsiserkennung eine wichtige Rolle spielt und auf Intensivstationen häufig bestimmt wird [5]. Es besteht die Tendenz, auch bei unkritischen Patienten eher zu viele Messungen zu machen. Die medizinischen Kriterien für erforderliche PCT-Messungen wurden durch Befragung des ärztlichen Personals analysiert und daraus Regeln formuliert, nach denen die Vorschläge zu erstellen sind. Danach wurde eine Evaluierungsstudie definiert, die den Einfluss der Vorschläge auf die Anzahl der vorgenommenen PCT-Messungen pro Liegetag ermittelt.

Ergebnisse: Es konnte ein einfacher Regelsatz aus nur drei Regeln definiert werden, der zu einem gegebenen Zeitpunkt, basierend auf Grenzwertvergleichen bezüglich Alter, Wert und aktuellem Trend der vorhergehenden PCT-Messungen eine patientenindividuelle Empfehlung zur PCT-Messung erstellt. Diese Regeln wurden in Arden Syntax umgesetzt, wobei die notwendigen Evaluationsdaten mitgeloggt werden. Die Empfehlungen wurden über drei Wochen durch den zuständigen Oberarzt verifiziert. Für die Intensivstation wurde ein Knopf zur Anzeige der Liste mit Vorschlägen für PCT-Messungen im PDMS bereitgestellt. Dabei wird registriert, ob der Arzt diese Information zur Kenntnis genommen hat.

Für die Studie wurde ein ON-OFF-ON-OFF-Design mit vier vierwöchigen Studienphasen festgelegt.

Diskussion/Schlussfolgerungen: Wir konnten mit einem einfachen Regelwerk eine sichere Empfehlung für die Durchführung bzw. Auslassung einer klinischen Maßnahme definieren. Das Studiendesign wurde von der Intensivstation akzeptiert, die Studie steht wenige Wochen vor Abschluss. Als nicht akzeptabel erwies sich eine geplante Randomisierung der Hinweise, da die Intensivstation eine Entscheidungsunterstützung nur dann akzeptiert, wenn diese konstant für alle Patienten verfügbar ist. Auch ein Cross Over Design mit unterschiedlicher Vorgehensweise zwischen 2 Bereichen erwies sich als nicht umsetzbar. Andererseits konnten wir zeigen, dass alle bisherigen Restriktionen zu einer eher konservativeren Bewertung der Effekte der Entscheidungsunterstützung führen, so dass ein nun gemessener Effekt sehr glaubhaft wirkt.


Literatur

1.
Garg AX, Adhikari NK, McDonald H, Rosas-Arellano MP, Devereaux PJ, Beyene J, Sam J, Haynes RB. Effects of computerized clinical decision support systems on practitioner performance and patient outcomes: a systematic review. JAMA. 2005;293(10):1223-38.
2.
Rood E, Bosman RJ, van der Spoel JI, Taylor P, Zandstra DF. Use of a computerized guideline for glucose regulation in the intensive care unit improved both guideline adherence and glucose regulation. J Am Med Inform Assoc. 2005;12(2):172-80.
3.
Niès J, Colombet I, Zapletal E, Gillaizeau F, Chevalier P, Durieux P. Effects of automated alerts on unnecessarily repeated serology tests in a cardiovascular surgery department: a time series analysis. BMC Health Serv Res. 201019;10:70.
4.
Hripcsak G. Writing Arden Syntax Medical Logic Modules. Computers in Biology and Medicine. 1994;24(5):331-63.
5.
Reinhart K, Meisner M. Biomarkers in the critically ill patient: procalcitonin. Critical Care Clinics. 2011;27(2):253-63.