Ka sistemu zdravstvene zaštite koji uči: Sistematski pregled i konceptualni okvir zasnovan na dokazima za implementaciju kliničke analitike u digitalnoj bolnici.
Applied clinical informatics
Sažetak istraživanja
Cilj Sistem zdravstvene zaštite koji uči (LHS) koristi rutinski prikupljene podatke za kontinuirano praćenje i poboljšanje ishoda zdravstvene zaštite. Malo se izvještava o izazovima i metodama koje se koriste za implementaciju analitike koja podupire LHS. Naš cilj je bio da sistematski pregledamo literaturu za izvještaje o implementaciji kliničke analize u realnom vremenu u digitalnim bolnicama i da koristimo ove nalaze za sintetizaciju konceptualnog okvira za implementaciju LHS-a.
Methods Embase, PubMed i Web of Science baze podataka pretražene su za kliničku analitiku izvedenu iz elektronskih zdravstvenih kartona u stacionarnim i hitnim odjelima za odrasle između 2015. i 2021. Dokazi su kodirani iz konačnog odabira studije koji se odnosi na (1) izazove implementacije kontrolne ploče, (2) metode za prevazilaženje (3) izazove implementacije i procjenu uticaja. Dobiveni dokazi, zajedno sa dokazima izvučenim iz relevantnih prethodnih pregleda, mapirani su u postojeći model digitalne zdravstvene transformacije kako bi se izveo konceptualni okvir za implementaciju LHS analitike.
Rezultati Pregledano je ukupno 238 članaka kandidata i 14 je ispunilo kriterijume za uključivanje. Iz odabranih studija izdvojili smo 37 izazova implementacije i 64 metode korištene za prevazilaženje takvih izazova. Identificirali smo uobičajene pristupe za evaluaciju implementacije kliničkih nadzornih ploča. Šest studija je procjenjivalo ishode kliničkog procesa, a samo četiri studije su procjenjivale zdravstvene ishode pacijenata. Razvijen je konceptualni okvir za implementaciju analitike LHS-a.
Zaključak Zdravstvene organizacije se suočavaju sa različitim izazovima kada pokušavaju da implementiraju analizu podataka u realnom vremenu. Ovi izazovi su se promijenili u protekloj deceniji. Dok su prethodni pregledi identifikovali fundamentalne probleme sa informacijama, kao što su veličina i složenost podataka, naš pregled je otkrio više postpilot izazova, kao što je podrška različitim korisnicima, radnim tokovima i ekranima korisničkog interfejsa. Naš pregled je identifikovao praktične metode za prevazilaženje ovih izazova koje su ugrađene u konceptualni okvir. Nadamo se da će ovaj okvir podržati zdravstvene organizacije koje implementiraju kliničke kontrolne ploče u skoro realnom vremenu i napreduju ka LHS-u.
Prikaži originalni naslov i sažetak na engleskom
Toward a Learning Health Care System: A Systematic Review and Evidence-Based Conceptual Framework for Implementation of Clinical Analytics in a Digital Hospital.
Objective A learning health care system (LHS) uses routinely collected data to continuously monitor and improve health care outcomes. Little is reported on the challenges and methods used to implement the analytics underpinning an LHS. Our aim was to systematically review the literature for reports of real-time clinical analytics implementation in digital hospitals and to use these findings to synthesize a conceptual framework for LHS implementation.
Methods Embase, PubMed, and Web of Science databases were searched for clinical analytics derived from electronic health records in adult inpatient and emergency department settings between 2015 and 2021. Evidence was coded from the final study selection that related to (1) dashboard implementation challenges, (2) methods to overcome implementation challenges, and (3) dashboard assessment and impact. The evidences obtained, together with evidence extracted from relevant prior reviews, were mapped to an existing digital health transformation model to derive a conceptual framework for LHS analytics implementation.
Results A total of 238 candidate articles were reviewed and 14 met inclusion criteria. From the selected studies, we extracted 37 implementation challenges and 64 methods employed to overcome such challenges. We identified common approaches for evaluating the implementation of clinical dashboards. Six studies assessed clinical process outcomes and only four studies evaluated patient health outcomes. A conceptual framework for implementing the analytics of an LHS was developed.
Conclusion Health care organizations face diverse challenges when trying to implement real-time data analytics. These challenges have shifted over the past decade. While prior reviews identified fundamental information problems, such as data size and complexity, our review uncovered more postpilot challenges, such as supporting diverse users, workflows, and user-interface screens. Our review identified practical methods to overcome these challenges which have been incorporated into a conceptual framework. It is hoped this framework will support health care organizations deploying near-real-time clinical dashboards and progress toward an LHS.
Izvorni podaci
- DOI
- 10.1055/s-0042-1743243
- PMID
- 35388447
- PMCID
- PMC8986462
- Provjereno
- 2026-07-26
Naslov i sažetak prevedeni su automatski i prijevod može sadržavati netačnosti ili neprecizne stručne izraze. Za sve detalje, citiranje i medicinsko tumačenje pregledajte originalnu englesku verziju članka. Ne donosite zdravstvene odluke samo na osnovu ovog prijevoda.
Pregledaj originalni članak na engleskom