1
Unterstützen Klinikinformationssysteme
Forschung und Lehre ?
2
3
Unterstützen Klinikinformationssysteme Forschung und Lehre ?
IT in Spitälern Klinische Daten
Datenschutz
Medizinische Informatik
retrospektive Studien was noch ?
13 Jahre Kisim am USZ
4
Unterstützen Klinikinformationssysteme Forschung und Lehre ?
1. Die Suche nach geeigneten Patienten
2. Fallbesprechungen
3. Clinical Datawarehouse und Data-Mining
4. Unterstützung prospektiver klinischer Studien
5. Datenexporte
6. Strukturierte Erfassung und Scores
7. Entscheidungsunterstützung und Warnsysteme
5
Suche nach geeigneten Patienten
Ausbildung
• Studentenkurse und -prüfungen
• Weiterbildung Fallvorstellungen
Rekrutierung von Patienten
Suche nach
• Diagnosen,
• DRG’s,
• Prozeduren,
• KG’s von Todesfällen
• für Kader, klinikspezifisch
6
Fallbesprechungen
Aus- und WeiterbildungTumorboards, Röntgenrapporte• Anmeldung von Patienten • Beurteilungen, Entscheidungen• anonymisierte Unterlagen
7
Fallbesprechungen
8
Clinical Datawarehouse und Data-Mining
Datenn Quellen, Freitext, z.T. strukturiert
RetrospektivHäufigkeiten und Abhängigkeiten von Diagnosen, Therapien, Komplikationen, Kosten
Anonymisierung
Wer, Was, Wo
9
Clinical Datawarehouse (CDW) und Data-Mining
SAP BWBusiness
Warehouse
CDW
Auswertungen als IT-
Dienstleistung
CDW
Auswertungen Kunde
10
Unterstützung prospektiver klinischer Studien
Suche potentieller Studienpatienten
FDA Zertifizierung von CH-KIS? • 21CFR part 11 • Verifikation: externe Monitoren
Laufende Studien • Kennzeichnung Studienpatienten im Kardex• Transparenz für alle Beteiligten• Informationen zur Studie• Abfragen Studienleitung: aktuell
hospitalisiert, ambulant behandelt, verstorbenen
• 6 Monate: 60 Studien
11
Unterstützung prospektiver klinischer Studien
12
Unterstützung prospektiver klinischer Studien
13
Datenexporte
• Multizenterstudien, QM• Repetitiv vs. ad hoc? • Benutzerspezifisch?Bsp.• Labordaten CH-HIV-Kohorte • GeoSentinel-Reisemedizinerhebung• Statistiken
14
Strukturierte Erfassung und Scores
Häuptling(semi-)quantitativ, Statistikz.B. • NIH stroke score• SAPS-simplified acute physiology score
IndianerEingabeunterstützungen:• Spektren, Favoriten • Default–Einträge• Datenübernahmen • Textbaustein-Picklisten
15
Entscheidungsunterstützung und Warnsysteme
Richtlinien, Hinweise
Überprüfungsalgorithmen • Periodisch, personen- oder
ereignisgesteuert• Agent-Prozesse auf Middleware• Integriert in Kardex • Monitoring, Qualitätssicherung
Electronic Alerts to Prevent Venous Thrombo-embolism among Hospitalized Patients. Kucher et al.; N Engl J Med 2005;352:969-77
16
Thromboseprophylaxe-Studie
17
Thromboseprophylaxe-Studie
Unterstützung für Studienleitung:
• Monitoring / Cockpit
• Datenexport für Auswertung
18
Zusammenfassung
Unterstützung L & F in Klinikinformationssystemen (KIS)
• Bedarf CHWissenschaft insgesamt vs. klinische Forschung
• RessourcenFakultäten, Spitäler
• ChanceSynergie mit Dienstleistungzunehmend mehr Mosaiksteine im KIS
19
20
Die Suche nach geeigneten Patienten