Evidensbasert beslutningstaking: Integrering av kliniske prediksjonsregler (iCPR and EHR)

Kliniske prediksjonsregler (HLR) er førstelinjebeslutningshjelpemidler som hjelper leger med å ta evidensbaserte, kostnadseffektive beslutninger som gagner pasientene deres. HLR-er er velprøvde verktøy som omsetter bevis til praksis, øker kvaliteten samtidig som de reduserer kostnadene, og kan brukes av leger i en rekke kliniske omgivelser, for eksempel primærhelsetjeneste, akuttmottak og sykehus. Mens mange HLR-er har blitt utviklet og validert gjennom årene, har helsepersonell ennå ikke innlemmet dem i den daglige omsorgen.

HLR hjelper leverandørene med å vurdere virkningen av individuelle komponenter i en pasients historie, fysiske undersøkelser og grunnleggende laboratorieresultater for å estimere sannsynligheten for sykdom eller potensiell respons på en behandling. Prediksjonsregler bruker data som er lett tilgjengelig på tidspunktet for et pasientmøte og reduserer ofte unødvendige behandlinger og diagnostiske tester. HLR skiller seg fra påminnelsessystemer eller varsler ved at HLR trekker inn aspekter av historien og fysisk undersøkelse og på en bevisbasert måte estimerer sannsynligheter, prognose eller gir behandlingsanbefalinger.

Målet med denne studien er å bruke pasientens elektroniske helsejournaler for å inkludere HLR i møte med pasienter ansikt til ansikt. Vi foreslår å velge visse kliniske situasjoner der godt validerte HLR-er er tilgjengelige og sannsynligvis vil være nødvendig med jevne mellomrom. Vi vil tilfeldig tilordne en integrert HLR versus vanlig pleie til behandlingspunktet og evaluere effekten av denne integrasjonen på legeatferd og evidensbasert beslutningstaking. Mount Sinais avdeling for generell indremedisin (DGIM) har betydelig erfaring med alle aspekter av HLR, inkludert utledning, validering, implementering og systematisk gjennomgang. Videre har avdelingen utviklet et interaktivt nettbibliotek med HLR-er for klinisk bruk som er et av de mest utbredte nettstedene i sitt slag. Vi foreslår å samarbeide med Epic, en av landets største og mest respekterte selskaper for elektronisk medisinsk journal (EMR), for å integrere validerte HLR-er i EMR-er og vurdere innvirkningen på leverandørens atferd og pasientbehandling.