Verringerung der diagnostischen Verzögerungen bei Typ-2-Diabetes durch Entscheidungsunterstützung

Die wachsende Epidemie von Typ-2-Diabetes betrifft über 8,3 % der US-Bevölkerung und stellt eine große Herausforderung für die Gesundheitssysteme und die öffentliche Gesundheit dar. Weitere 7 Millionen Menschen leiden an nicht diagnostiziertem Diabetes und über 79 Millionen an Prädiabetes, der sich, wenn er nicht erkannt und unbehandelt wird, zu einem ausgewachsenen Diabetes entwickeln kann. Obwohl Screening- und Diagnosetests routinemäßig verfügbar sind, haben die Gesundheitssysteme Schwierigkeiten, Patienten mit Diabetes rechtzeitig zu diagnostizieren. Tatsächlich hinkt die klinische Diagnose dem Einsetzen der Glukose-Dysregulation 8–12 Jahre hinterher, was zu diagnostischen Verzögerungen und dem Vorhandensein von Diabetes-Komplikationen zum Zeitpunkt der Diagnose führt. Unter Patienten, die ohne bekannte Diabetesdiagnose in klinischer Behandlung sind, verfügen fast alle Patienten über zufällige Plasmaglukosedaten (RPG), die möglicherweise wertvolle Frühwarnsignale für die Sicherheit hinsichtlich der Notwendigkeit weiterer Diabetestests liefern. Erhöhte Glukosewerte werden jedoch häufig nicht erkannt, und über 60 % der abnormalen Werte werden nicht rechtzeitig mit Diabetestests nachuntersucht. Es bestehen Möglichkeiten, vorhandene Daten in elektronischen Krankenakten (EMR) zu nutzen, um Patienten zu identifizieren, die weitere Diabetestests benötigen, und systembasierte Lösungen zu entwickeln, um Folgendes zu reduzieren: 1) Fehler bei der Nachverfolgung abnormaler Glukosetests, 2) Verzögerungen bei der Diagnose von Diabetes und 3) Häufigkeit übersehener Diabetesdiagnosen.

Dieser Vorschlag wird das Epic EMR am University of Texas Southwestern Medical Center (UTSW) nutzen, um die Erkennungs- und Folgetestraten von abnormalen Glukosewerten in der Praxis zu verbessern.

Die Forscher werden eine cluster-randomisierte, pragmatische Studie durchführen, in der die Wirksamkeit einer klinischen Entscheidungsunterstützungsstrategie mit der üblichen Behandlung verglichen wird, um Fehler bei der rechtzeitigen Nachsorge abnormaler RPGs zu reduzieren.

Die Ermittler werden sich auf die Kohorte von 20.000 niedergelassenen Patienten konzentrieren, die von 31 behandelnden Ärzten in drei ambulanten Primärversorgungspraxen für Erwachsene an der UTSW (zwei allgemeininternistische, eine hausärztliche und eine geriatrische Praxis) betreut werden. Primärversorger (PCPs) werden randomisiert entweder der Intervention zur Unterstützung der klinischen Entscheidung oder der üblichen Versorgung zugeteilt. Anbieter im Arm für klinische Entscheidungsunterstützung/Intervention erhalten eine klinische Entscheidungshilfe, die anormale zufällige Glukosewerte identifiziert und Anbieter auffordert, ein Diabetes-Screening durchzuführen. Die Ergebnisse werden auf Patientenebene verfolgt, und alle Probanden werden 12 Monate lang nachbeobachtet, um die Raten der Follow-up-Diabetestests, die Zeit bis zum Test, die Raten der nachfolgenden Diabetesdiagnose und die Zeit bis zur Diagnose zu bewerten. Daten zur Studieneignung, klinischen Risikofaktoren und soziodemografischen Merkmalen des Patienten, Anbieter- und Besuchsmerkmale sowie Ergebnisse werden mithilfe des umfassenden Epic EMR ermittelt. Die Ermittler gehen davon aus, dass die besuchsbasierte Entscheidungsunterstützung des Anbieters der üblichen Versorgung überlegen sein wird.