Hintergrund
Früherkennung ist vom Hausarzt in einer begrenzten Sprechzeit zusätzlich zum akuten Behandlungsanlass zu leisten. Früherkennungsprogramme geben Hausärzten sogar auf Merkblättern einfache Algorithmen an die Hand [1].
Allerdings ist lange bekannt, dass der „Neurocomputer Gehirn“ wenig geeignet ist, Listen abzuarbeiten, repetitive Aufgaben zu erledigen oder „an alles zu denken“ [2].
Dies ist eine Kernkompetenz des Computers. Arztpraxissoftware erfasst eine Fülle von Informationen, nutzt diese aber nur ungenügend [3]. Man versucht bereits, Arztpraxissoftware flächendeckend in die Kontrolle kardiovaskulärer Risikofaktoren einzubinden [4] oder mittels eines drahtlosen Tablet-Computers die Anamnese zu erheben [5].
Studienfrage
Entwicklung eines Add-On, das den Allgemeinpraktiker auf Präventions- und Früherkennungsmaßnahmen hinweist.
Methoden
Am „Forschungszentrum Informatik“ in Karlsruhe, Bereich „Eingebettete Systeme und Embedded Security“ (Leitung bis März 2015: Dr. Stephan Heuer), wurde nach den Vorgaben von WL durch Simon Krause (B.Sc. Elektro- und Informationstechnik) eine lauffähige Demonstrationsversion erstellt.
Ergebnisse
Das Programm, in Microsoft Visual C# geschrieben, übernimmt Patientendaten derzeit aus einer Microsoft Excel Datei. Eine Regel verknüpft Patientenzustände, quantitative Patientendaten und deren jeweiliges Alter logisch miteinander und gibt gegebenenfalls eine frei formulierbare Empfehlung aus. Die Verknüfung beinhaltet derzeit „kleiner als“, „gleich“, „ungleich“, „größer als“ und „und“ bzw „oder“.
Es sollen, soweit es die Zeit erlaubt, Regeln präsentiert werden, in welchen Abständen Vitalparameter wie Körpergewicht, Körpergröße, Bauchumfang, Herzfrequenz, Blutdruck, Peak-Flow … oder Laborwerte wie Blutfette, Nierenfunktion, Leberenzyme, Nüchternblutzucker … zu aktualisieren sind.
Diskussion
„Reminder“ in Arztinformationssystemen zu verwenden, ist nicht neu [6] [7], in Frankreich unüblich [3], in Deutschland realisiert, wo wirtschaftlicher Anreiz besteht (IGeL-Empfehlungen), aber mancherorts weiter fortgeschritten [4] [8] [9].
Literatur
1 ADECA. Algorithme de dépistage du cancer colorectal en Alsace. 2014, BP 30593 F – 68008 Colmar Cedex
2 McDonald CJ. Protocol-based computer reminders, the quality of care and the non-perfectibility of man. NEJM 1976; 295 (24): 1351-1355
3 Darmon D, Sauvant R, Staccini P et al. Which functionalities are available in the electronic health record systems used by French general practitioners? An assessment study of 15 systems. Int J Med Inf 2014; 83: 37-46
4 Catalán-Ramos A, Verdú JM, Grau M et al. Population prevalence and control of cardiovascular risk factors : what electronic medical records tell us. Aten Primaria 2014; 46(1): 15-24
5 Anand V, McKee S, Dugan TM, Downs SM. Leveraging electronic tablets for general pediatric care – a pilot study. Appl Clin Inf 2015; 6: 1 – 15
6 Shea S, DuMouchel W, Bahamonde L. A meta-analysis of 16 randomized controlled trials to evaluate computer-based clinical reminders systems for preventive care in the ambulatory setting. J Am Med Inform Assoc 1996; 3:399-409
7 Balas EA, Weingarten S, Garb CT et al. Improving preventive care by prompting physicians, Arch Intern Med 2000; 160: 301-308
8 Wright A, Sittig DF, Joan SA, Sharma S, Pang JE, Middleton B. Clinical decision support capabilites of commercially-available clinical information systems. J Am Med Inform Assoc 2009; 16: 637-644
9 Saleem JJ, Patterson ES, Militello L et al. Exploring the barriers and facilitators to the use of computerized clinical reminders. J Am Med Inform Assoc 2005; 12: 438-447
___________________________________________________________________________
Sur l’aide à la décision par le biais du logiciel médical en médecine générale
Wolfgang B. Lindemann1 S Krause2
1 Cabinet Médical, 67 rue du Maréchal Foch, F – 67113 Blaesheim
docteur@blaesheim-medical.fr 2Forschungszentrum Informatik (11/2014 bis 1 /2015), Karlsruhe
www.egms.de/static/en/meetings/degam2015/15degam153.shtml Idée de base
Le médecin de famille doit faire des actes de dépistage dans un temps de consultation limité en plus du motif de consultation actuel. Des programmes de dépistage en masse distribuent même, des algorithmes simples sur un support papier comme aide-mémoire [1].
Mais on sait depuis bien longtemps, que le « neuro-ordinateur cerveau » est peu apte à traiter des listes, à accomplir des tâches répétitives ou de « penser à tout » [2].
C’est pourtant une compétence clef de l’ordinateur. Un logiciel médical stocke une masse d’informations, mais ne les exploite qu’insuffisamment [3]. Il y a déjà des essais d’intégrer des logiciels médicaux à grande envergure dans le contrôle des facteurs de risque cardiovasculaires [4] ou de se servir d’un ordinateur tablette sans fil pour la saisi de l’anamnèse [5].
Question de recherche
Développement d’un module complémentaire (« Add-on ») qui indiquera au praticien des actions de dépistage et de prévention spécifiques au patient.
Méthodes
Simon Krause (B.Sc en technologie d’électronique et d’information), a créé selon les spécifications de WL une version de démonstration au Forschungszentrum Informatik à Karlsruhe, section « embedded systems and embedded security » (responsable jusqu’en mars 2015 : Dr. Stéphan Heuer).
Résultats
Dans son état actuel, le logiciel, écrit en Microsoft visual C#, reçoit des données du patient, à travers un fichier Excel. Une règle génère des combinaisons logiques des états du patient, des données quantitatives et leur ancienneté respective et indique, au cas où, une recommandation à formulées en texte libre. La opérations logiques possibles sont actuellement « inférieur à » « égal à » « inégal à » « supérieur à » ainsi que « et » respectivement « où ».
Seront présentées, autant que le temps le permettra, des règles, dans quels intervalles des paramètres vitaux comme poids, taille, taille abdominale, fréquence cardiaque, tension artérielle, débimètrie de point … ou des valeurs de laboratoire comme bilan lipidique, fonction rénale, enzymes hépatiques, glycémie à jeun …. devraient être actualisés.
Discussion
La création de « rappels » automatiques dans des logiciels médicaux n’a rien de nouveau [6], [7], n’est pas d’usage en France [3], est réalisé en Allemagne là où il y a un intérêt économique fort (prestations IGel), mais plus avancée dans d’autres pays [4], [8], [9].
Littérature
1 ADECA. Algorithme de dépistage du cancer colorectal en Alsace. 2014, BP 30593 F – 68008 Colmar Cedex
2 McDonald CJ. Protocol-based computer reminders, the quality of care and the non-perfectibility of man. NEJM 1976; 295 (24): 1351-1355
3 Darmon D, Sauvant R, Staccini P et al. Which functionalities are available in the electronic health record systems used by French general practitioners? An assessment study of 15 systems. Int J Med Inf 2014; 83: 37-46
4 Catalán-Ramos A, Verdú JM, Grau M et al. Population prevalence and control of cardiovascular risk factors : what electronic medical records tell us. Aten Primaria 2014; 46(1): 15-24
5 Anand V, McKee S, Dugan TM, Downs SM. Leveraging electronic tablets for general pediatric care – a pilot study. Appl Clin Inf 2015; 6: 1 – 15
6 Shea S, DuMouchel W, Bahamonde L. A meta-analysis of 16 randomized controlled trials to evaluate computer-based clinical reminders systems for preventive care in the ambulatory setting. J Am Med Inform Assoc 1996; 3:399-409
7 Balas EA, Weingarten S, Garb CT et al. Improving preventive care by prompting physicians, Arch Intern Med 2000; 160: 301-308
8 Wright A, Sittig DF, Joan SA, Sharma S, Pang JE, Middleton B. Clinical decision support capabilites of commercially-available clinical information systems. J Am Med Inform Assoc 2009; 16: 637-644
9 Saleem JJ, Patterson ES, Militello L et al. Exploring the barriers and facilitators to the use of computerized clinical reminders. J Am Med Inform Assoc 2005; 12: 438-447