Sähköinen kliininen valvonta hoitovammojen tunnistamiseksi
Sähköiset terveysrekisterit , potilasrekisterit ja muut terveydenhuollon tietojärjestelmät ovat arvokkaita työkaluja väestön terveyden hallintaa varten . Peruskonsepti on sähköisten terveydenhuollon tietojen skannaaminen varoitusmerkeille potilaille, jotka saattavat hyötyä terveydenhuollon tiimistä.
Tämä tapaustutkimus tuo esille todellisen elämän esimerkin siitä, miten terveydenhuoltojärjestelmä, Kaiser Permanente Southern California (KPSC), hoitaa terveydenhuollon sähköisen valvonnan, jotta voitaisiin tunnistaa mahdollisuudet parantaa terveydenhuollon laatua ("hoitovälit") avohoidossa asetus.
Kim Danforth ja kollegat kuvasivat KPSC: n Outpatient Safety Net -ohjelman keskeisiä piirteitä vuoden 2014 eGEM-artikkelissa (Generating Evidence & Methods for patient outcome).
Ohjaavat periaatteet
KPSC: n Outpatient Safety Net -ohjelman muutamia pääperiaatteita on syytä mainita. Ensinnäkin ohjelma perustuu oletukseen, että hoidon puutteet ovat olemassa huolimatta parhaista pyrkimyksistä tarjota korkealaatuista terveydenhuoltoa. Jos 990 potilaasta, joilla on epänormaaleja laboratoriotuloksia, saaneista 1000 potilaasta saa asianmukaista seurantaa, jää vielä 10 potilasta, jotka joutuvat halkeamien läpi.
Toiseksi yleinen lähestymistapa on kliinisten tietojen sähköinen valvonta lukuun ottamatta todellista palveluntuottajien kohtaamista. Aivan kuten nimi tarkoittaa, ohjelma toimii turvaverkkona "kiinni" potilaiden, joiden ongelmat voivat jäädä huomaamatta kiireisen klinikan istunnon aikana. KPSC käytti Epic-pohjaista EHR: tä seuraamaan punaisten lipujen laboratoriotuloksia ja lääkitysohjeita.
Kolmanneksi ohjelman tarkoitus on tunnistaa potilaat, jotka tarvitsevat enemmän huomiota tai seurata hoitoa, eikä arvioida yksittäisten lääkäreiden suorituskykyä. Ohjelman "syyllistymätön, turvallisuuteen suuntautuva" luonne todennäköisesti kasvatti terveydenhuollon tarjoajien hyväksyntää.
Kriteeri
Johtajisto käytti seuraavia kriteereitä selvittääkseen, voitaisiinko yksittäisen turva-verkon ohjelmaa kehittää.
Kliininen vaikutus: Turvaverkko-ohjelmaa ei katsottu kannattavaksi, jos se ei käsitellyt merkittävää potilasturvallisuutta koskevaa ongelmaa.
Tunnistaminen: Hoitokuilu on tunnistettava helposti EHR: n jäsenneltyjen tietojen avulla, kuten lab-arvot tai diagnoosikoodit. Strukturoidun tiedon suodattaminen on paljon helpompaa kuin vapaa tekstimuistiinpanojen luonnollisen kielen käsittely.
Seuranta: Potilaiden seurantaa varten tarvittiin riittävää henkilöstöä ja resursseja. Jos suuri osa potilaista kärsii, etsittiin automatisoituja ratkaisuja (esim. Lähettivät muistutuskirjeet automaattisesti potilaille)
Yksittäiset turvaverkko-ohjelmat
Tässä artikkelissa kuvataan yhteensä 24 turvaverkko-ohjelmaa, joista kukin keskittyi erityiseen hoitokuiluun. Syöpätaudin (kohdunkaulan, paksusuolen, eturauhasen), kroonisen munuaissairauden ja hepatiitti C: n diagnoosiin perustettiin ohjelmia parantamalla epänormaalien seulontatestien havaitsemista ja oikea-aikaista seurantaa.
Muita ohjelmia seurataan lääkkeiden mahdollisten haittavaikutusten varalta. Tämä saavutettiin tunnistamalla epänormaalit laboratoriotarvot, jotka viittaisivat siihen, että lääkepitoisuudet olivat liian suuret tai vahingoittaneet munuaisia, maksa tai muita elimiä. Lääkitysmonitorointiohjelmissa yksilöitiin myös potilaita, joille määrättiin potentiaalisesti haitallisia annoksia yksittäisiä lääkkeitä tai lääkkeiden yhdistelmiä.
On olemassa ohjelmia, joilla parannetaan muiden epänormaalien testien seurantaa tai tunnistetaan potilaat, jotka hyötyisivät rokotuksista ja terveysneuvonnasta.
Tämä tapaustutkimus tarkasteli esimerkkiä siitä, miten sähköiset terveysinformaation välineet voivat tunnistaa mahdollisuuksia parantaa väestön terveyttä. Vaikka alkuperäisessä raportissa ei käsitelty potentiaalisten terveysvaikutusten todellista vaikutusta, siinä kuvattiin yleinen kehys tällaisen ohjelman toteuttamiseksi.
Lähteet:
Danforth KN et ai. Poliklinikkapiirin hoitoa edistävä elektroninen kliininen valvonta: monipuoliset sovellukset yhdennetyn toimitusjärjestelmän sisällä. eGEM-tutkimukset (todisteiden tuottaminen ja potilastulosten parantamismenetelmät) 2014; 2 (1).
Käytettiin 1. heinäkuuta 2014.