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