实施自动预测模型以改善HIV暴露前预防的处方
Douglas S Krakower1, Michael Lieberman2, Miguel Marino3
1Attending Physician, Division of Infectious Diseases, Beth Israel Deaconess Medical Center, Boston, Massachusetts, USA; Associate Professor of Medicine, Harvard Medical School, Boston, Massachusetts, USA; Research Scientist, The Fenway Institute at Fenway Health, Boston, Massachusetts, USA.
电子健康记录工具增加了暴露前预防 (PrEP) 讨论和初级保健中预防艾滋病毒的处方. 临床医生的信任和协作是实施这些自动预测模型的关键.
科学领域:
- 公共卫生 公共卫生
- 医疗信息学 医疗信息学
- 临床决策支持 临床决策支持
背景情况:
- 抗逆转录病毒暴露前预防 (PrEP) 对预防艾滋病毒非常有效,但在关键人群中未得到充分利用.
- 初级保健提供者需要有效的工具来识别和处方PrEP风险人群.
研究的目的:
- 开发和验证一个自动化的电子健康记录 (EHR) 决策支持工具,具有交互式警报.
- 评估EHR工具对初级保健机构PrEP护理的可行性,临床医生接受度和初步影响.
主要方法:
- 在三个联邦合格的卫生中心进行了试点研究.
- 该EHR工具为提供者生成了警报,其影响与匹配的对照诊所进行了比较.
- 与提供商进行了定性访谈,以评估工具的接受度和感知影响.
主要成果:
- 该工具是可行的,提供者收到2.2%的患者的警报.
- 与对照诊所相比,试点诊所的新PrEP处方是试点诊所的4.5倍.
- 提供者报告说,该工具促进了敏感的PrEP讨论,克服了患者的耻辱感.
结论:
- 自动化EHR决策支持工具可以增加PrEP讨论和处方在初级保健中.
- 成功实施取决于提供者协作,信任,并将数据驱动的见解与临床判断相结合.
- 这种方法对在各种医疗领域实施预测模型具有前景.
更多相关视频
10:29Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
Published on: May 9, 2025
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
相关概念视频
Analysis of Population Pharmacokinetic Data
Physiological Pharmacokinetic Models: Incorporating Hepatic Transporter-Mediated Clearance
A recent model describes pravastatin's hepatobiliary excretion,...
Retrovirus Life Cycles
