Diagnostische vertragingen bij diabetes type 2 verminderen met behulp van beslissingsondersteuning

De groeiende epidemie van diabetes type 2 treft meer dan 8,3% van de Amerikaanse bevolking en vormt een grote uitdaging voor de gezondheidszorgstelsels en de volksgezondheid. Nog eens 7 miljoen mensen hebben niet-gediagnosticeerde diabetes en meer dan 79 miljoen hebben pre-diabetes, wat, als het niet wordt herkend en onbehandeld, kan overgaan tot volwaardige diabetes. Hoewel screening en diagnostische tests routinematig beschikbaar zijn, worstelen de gezondheidsstelsels om patiënten met diabetes tijdig te diagnosticeren. In feite loopt de klinische diagnose 8-12 jaar achter op het begin van glucoseontregeling, wat resulteert in diagnostische vertragingen en de aanwezigheid van diabetescomplicaties op het moment van diagnose. Van de patiënten die klinische zorg verlenen zonder een bekende diagnose van diabetes, beschikken bijna alle patiënten over willekeurige plasmaglucosegegevens (RPG-gegevens) die mogelijk waardevolle, vroegtijdige veiligheidssignalen kunnen geven met betrekking tot de noodzaak van verdere diabetestests. Verhoogde glucosewaarden worden echter vaak niet herkend en meer dan 60% van de abnormale waarden wordt niet tijdig opgevolgd door een diabetestest. Er zijn mogelijkheden om gebruik te maken van bestaande gegevens in elektronische medische dossiers (EMD) om patiënten te identificeren die verdere diabetestests nodig hebben en om systeemgebaseerde oplossingen te ontwikkelen om het volgende te verminderen: 1) mislukkingen bij het opvolgen van abnormale glucosetesten, 2) vertragingen bij het diagnosticeren van diabetes, en 3) frequentie van gemiste diagnoses van diabetes.

Dit voorstel maakt gebruik van de Epic EMR van het Southwestern Medical Center (UTSW) van de Universiteit van Texas om de detectie- en vervolgtestpercentages van abnormale glucosewaarden in de praktijk te verbeteren.

De onderzoekers zullen een clustergerandomiseerde, pragmatische studie uitvoeren waarin de effectiviteit van een klinische beslissingsondersteunende strategie wordt vergeleken met de gebruikelijke zorg om fouten in de tijdige follow-up van abnormale RPG's te verminderen.

De onderzoekers zullen zich concentreren op het cohort van 20.000 gevestigde patiënten die worden verzorgd door 31 behandelende artsen in drie poliklinische eerstelijnszorgpraktijken voor volwassenen bij UTSW (twee algemene interne geneeskunde, één huisartsgeneeskunde en één geriatrische praktijk). Eerstelijnszorgverleners (PCP's) worden gerandomiseerd naar ofwel de klinische beslissingsondersteunende interventie ofwel de gebruikelijke zorg. Aanbieders in de klinische beslissingsondersteunende/interventiearm krijgen klinische beslissingsondersteuning die abnormale willekeurige glucosewaarden identificeert en zorgverleners aanspoort om diabetesscreening uit te voeren. De resultaten zullen op patiëntniveau worden gevolgd en alle proefpersonen zullen gedurende 12 maanden worden gevolgd om het aantal vervolgdiabetestests, de tijd tot het testen, het aantal daaropvolgende diabetesdiagnoses en de tijd tot de diagnose te beoordelen. Gegevens over geschiktheid voor de studie, klinische risicofactoren en sociodemografie van de patiënt, kenmerken van zorgverlener en bezoek, en resultaten zullen worden vastgesteld met behulp van het uitgebreide Epic EMR. De onderzoekers veronderstellen dat de op bezoeken gebaseerde beslissingsondersteuning van de zorgverlener superieur zal zijn aan de gebruikelijke zorg.