设计和开发一个基于机器学习的阿片类药物过量风险预测工具,集成到初级保健机构的电子健康记录中
Khoa Nguyen1, Debbie L Wilson2, Julie Diiulio3
1Department of Pharmacotherapy and Translational Research, College of Pharmacy, University of Florida, Gainesville, FL, USA.
这项研究开发了一种机器学习临床决策支持工具,以预测阿片类药物过量风险. 医生反改进了该工具,以提高可用性,并防止电子健康记录的意外后果.
科学领域:
- 临床信息学 临床信息学
- 医疗保健中的机器学习
- 医疗保健服务研究 医疗服务研究
背景情况:
- 将先进的机器学习 (ML) 算法集成到临床实践中存在挑战,需要跨学科的合作,以实现透明和道德的临床决策支持 (CDS) 工具.
- 该研究旨在设计一种基于ML的CDS工具,用于预测阿片类药物过量使用风险,并评估其与佛罗里达大学健康 (UFHealth) 电子健康记录 (EHR) 系统的整合.
研究的目的:
- 设计和完善一个ML驱动的CDS工具,用于预测阿片类药物过量风险.
- 从初级保健医生 (PCP) 收集用户反,以便无地集成到UFHealth EHR系统中.
- 识别和解决CDS工具实施的潜在障碍和促进者.
主要方法:
- 采用了以用户为中心的设计原则,涉及后端和UI设计团队之间的密切合作,通过用户反会议提供信息.
- 与五名PCP进行了七次反会议,以探索工作流程,风险显示和缓解策略.
- 两轮的可用性测试与八个额外的PCP完善了原型警报,UI设计和后端流程,包括警报频率和重新出现.
主要成果:
- 医生反确定了风险术语的潜在意外后果,并建议自然风险呈现 (例如,200分之一) 和适当的警报频率.
- 可用性测试强调了UFHealth针对新患者的特定警报的价值,以及对PCP工作负载的担忧,建议在详细信息页面上进行培训.
- 13名PCP参加了反和可用性会议,为完善CDS工具的后端和用户界面做出了贡献.
结论:
- 最终的CDS警报后端流程与PCP需求和UFHealth标准保持一致,证明了成功的整合.
- 早期和持续的PCP反对于识别障碍和促进因素至关重要,导致了改进的原型.
- 协作方法提高了ML驱动的CDS工具的可用性,并旨在尽量减少临床实践中的意外后果.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Opioid Analgesics: Morphine and Other Natural Cogeners
Methods of Documentation VII: EMR
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Analgesia and Pain Management
Issues And Trends In Healthcare Delivery System
Cost Containment
Payment for healthcare services has historically promoted adoption of costly and often unnecessary or inefficient...
Pharmacovigilance
This process, termed pharmacovigilance, aims to detect, evaluate, and minimize harmful effects related to medication use. The data collection for pharmacovigilance depends on spontaneous reporting systems, where healthcare professionals or patients voluntarily report suspected ADRs.
In some cases, there...
