Zusammenfassung Hintergrund Labormedizinische Diagnostik ist für die Diagnosestellung, Therapieeinleitung und Überwachung von Patienten unverzichtbar. Unberücksichtigte oder fehlerhaft interpretierte Laborergebnisse haben unerwünschte Auswirkungen und gefährden die Patientensicherheit. „Clinical decision support systems“ (CDSS) könnten helfen, eine angemessene Interpretation und medizinische Reaktion zu unterstützen. Ziel der Arbeit Das Forschungsprojekt zur digitalen Labormedizin (Analyse- und Meldesystem zur Verbesserung der Patientensicherheit durch Echtzeitintegration von Laborbefunden [AMPEL]) hat zum Ziel, auf Basis der Diagnostik am Institut für Laboratoriumsmedizin der Universitätsmedizin Leipzig ein CDSS zu entwickeln, das die Behandler dabei unterstützt, notwendige medizinische Maßnahmen sicherzustellen. Material und Methoden In einer Literaturrecherche zu CDSS wird der aktuelle Stand der Technik beschrieben. Hierauf aufbauend wird das AMPEL-Projekt mit seinen Zielen, Herausforderungen und ersten Ergebnissen vorgestellt. Die Entwicklung der Regel- und Meldesysteme wird am klinischen Beispiel der schweren Hypokaliämie erläutert. Ergebnisse und Diskussion Durch die interdisziplinäre Entwicklung von Regel- und Meldesystemen auf Basis von klinischen Daten wurden spezifische, fachgebietsübergreifende CDSS erstellt, die auf hohe Akzeptanz stoßen. Erste Ergebnisse zur schweren Hypokaliämie belegen einen positiven Effekt auf die Patientenbehandlung. Bei der Entwicklung komplexerer Regelwerke, etwa zur Sepsisdiagnostik oder dem akuten Koronarsyndrom, stellt die begrenzte Verfügbarkeit standardisierter und digital verfügbarer klinischer Daten eine Herausforderung dar. Neben klassischen Entscheidungsbäumen in CDSS bieten Methoden des maschinellen Lernens eine vielversprechende Perspektive für zukünftige Entwicklungen.

Background Laboratory results are of central importance for clinical decision making. The time span between availability and review of results by clinicians is crucial to patient care. Clinical decision support systems (CDSS) are computational tools that can identify critical values automatically and help decrease treatment delay. Objective With this work, we aimed to implement and evaluate a CDSS that supports health care professionals and improves patient safety. In addition to our experiences, we also describe its main components in a general manner to make it applicable to a wide range of medical institutions and to empower colleagues to implement a similar system in their facilities. Methods Technical requirements must be taken into account before implementing a CDSS that performs laboratory diagnostics (labCDSS). These can be planned within the functional components of a reactive software agent, a computational framework for such a CDSS. Results We present AMPEL (Analysis and Reporting System for the Improvement of Patient Safety through Real-Time Integration of Laboratory Findings), a labCDSS that notifies health care professionals if a life-threatening medical condition is detected. We developed and implemented AMPEL at a university hospital and regional hospitals in Germany (University of Leipzig Medical Center and the Muldental Clinics in Grimma and Wurzen). It currently runs 5 different algorithms in parallel: hypokalemia, hypercalcemia, hyponatremia, hyperlactatemia, and acute kidney injury. Conclusions AMPEL enables continuous surveillance of patients. The system is constantly being evaluated and extended and has the capacity for many more algorithms. We hope to encourage colleagues from other institutions to design and implement similar CDSS using the theory, specifications, and experiences described in this work.

No abstract

No abstract

No abstract