Компьютерная история болезни

Во многих ситуациях человек  может усваивать графическую  информацию гораздо быстрее, чем  ее текстовые или числовые эквиваленты. Графические представления сведений из истории болезни можно подразделить на следующие три класса: 1. Представительская  графика. Существуют типичные графики или гистограммы, которые используются в публикуемых отчетах для того, чтобы ясно показать временные зависимости между клиническими событиями и корреляции между значениями параметров.

2. Диаграммные отчеты. В этих отчетах диаграммы используются в сочетании с числами или традиционными графиками. Хорошим примером могут служить экранные формы, выдаваемые системой хирургического блока интенсивной терапии Медицинского центра Cedars-Sinai.

3. Непрерывные кривые и изображения. Электрокардиограммы, радиографические изображения и даже фотографии пациентов могут храниться в электронном виде и выдаваться на графические терминалы. Компьютерные изображения электрокардиограмм и графиков изменения артериального давления стали обычным явлением в системах, предназначенных для автоматизации блоков интенсивной терапии. Более сложные системы обработки радиологических изображений позволяют показывать на графическом терминале оцифрованные радиограммы. Как только цены на устройства, обеспечивающие хранение и обработку изображений и кривых, станут достаточно умеренными, эти методы изображений начнут широко использоваться в автоматизированных системах ведения истории болезни. 
 
    4. 12 Повествовательные отчеты

Автоматизированные системы  ведения истории болезни нередко предлагают средства формирования специализированных отчетов, например по нагрузочным тестам или спирометрии (оценке дыхательного объема легких). В этом случае врачи сначала заполняют формализованный входной бланк (часть полей которого надо отметить, часть заполнить текстом). Когда эта информация будет введена в компьютер, последний может представить ее в виде связного повествовательного текста. Специализированные системы для обработки электрокардиограмм и спирометрических исследований включают в такие отчеты еще и графические изображения. Компьютеры могут использовать два основных способа обработки текста для формирования таких повествовательных отчетов:

1. Компоновка заготовок фраз. Существуют распространенные фразы и абзацы, которые можно вводить при наборе надиктованных или рукописных текстов с помощью нажатия нескольких клавиш. Этот метод часто используется в системах отделений радиологии и рентгенологии для составления заключений по нормальным результатам и по выявленным типичным патологиям. Он может также применяться для формирования повествовательных заключений, интерпретирующих показания медицинских измерительных приборов, например спирометров и электроэнцефалографов, а также для формирования заключений по хирургическим патологиям.

2. Заполнение шаблонов. Многие текстовые процессоры предлагают средства создания шаблонов стандартных писем или документов, в которые потом можно вставлять индивидуальные отклонения. Текст шаблона состоит из постоянных и переменных компонентов; для получения окончательного документа пользователь заполняет переменную часть шаблона данными конкретного пациента. Примером могут служить талоны приема; переменными компонентами талона являются фамилия пациента и его адрес, дата и время приема, а также врач, который должен принять пациента. 
 
    5. Системы выполнения запросов и ведения контроля

Возможности обработки  запросов и ведения контроля, обеспечиваемые при хранении медицинских записей  в памяти компьютера, не имеют аналогов в системах ручного ведения истории  болезни. Медицинский персонал и администраторы могут использовать эти возможности для формирования предупреждений о грядущих важных клинических событиях, для извлечения сведений о медицинских или административных характеристиках пациентов, а также для статистической обработки данных. Запрос означает выборку и агрегирование данные о группах аналогичных пациентов. Контроль означает выявление и пометку состояний пациента, требующих повышенного внимания со стороны медицинского персонала. Хотя эти функции и являются различными, их внутренняя логика похожа. В обоих случаях центральная процедура анализирует записи из истории болезни пациента и, если эти записи удовлетворяют заранее заданным критериям, формируют соответствующий выходной документ. Выполнение запроса обычно связано с обработкой больших подмножеств пациентов или всей популяции; выходным документом является таблица, строки которой содержат либо исходные данные, извлеченные из медицинских записей, либо итоговую статистическую характеристику этих данных. Контроль обычно используется только для пациентов, находящихся на активном лечении; выходным документом является предупреждение или напоминание. Системы выполнения запросов и ведения контроля могут быть использованы для обеспечения клинического лечения и для ведения научно-исследовательской работы, проведения ретроспективных исследований, решения управленческих задач. Клиническое лечение. Напоминания, выдаваемые компьютерами, значительно расширяют возможности врачей организовать профилактические мероприятия в отношении избранных пациентов. Системы контроля могут идентифицировать пациентов, нуждающихся в периодических профилактических осмотрах и других мероприятиях, например иммунизации, маммографии, исследованиях соскоба цервикального канала, и могут напоминать врачам, что эти мероприятия надо выполнить при очередном визите пациента. К примеру, врачи, получавшие такие напоминания, вчетверо увеличивали определенные виды вакцинации пациентов по сравнению с теми врачами, кто таких напоминаний не получал. Если при заказе лабораторных тестов или при назначении лечения врачи ведут непосредственный диалог с системами контроля, например с системой HELP, это обеспечивает еще большие возможности улучшения качества лечения и снижения затрат на лечение. Системы запросов особенно полезны при проведении исследований ad hoc, например для идентификации пациентов, получающих лекарство, отозванное с рынка. Эти системы могут облегчить выполнение мероприятий по оценке качества, например составление рефератов по применению лекарств, требуемых органами аккредитации. Они могут идентифицировать пациентов, которые будут рассматриваться как кандидаты для ретроспективного клинического аудита, и могут собрать большую часть данных, необходимых для проведения аудита.

Клинические исследования. Системы выполнения запросов могут быть использованы для идентификации пациентов, которые удовлетворяют минимальным требованиям отбора для последующих клинических испытаний. Например, исследователь может идентифицировать всех пациентов мужского пола, старше 50 лет, принимающих лекарства для лечения гипертензии. Системы ведения контроля могут помогать в проведении таких исследований, отмечая пациентов, подлежащих контролю, и предлагая выполнить необходимые для клинического испытания шаги, когда эти пациенты приходят на прием. Тем самым они облегчают следование протоколам, описанным исследователями, назначение необходимого лечения и выполнение требуемых измерений.

Ретроспективные исследования. В настоящее время  рандомизированный анализ будущего лечения стал золотым стандартом для клинических исследований, но ретроспективные исследования уже имеющихся данных всегда вносили большой вклад в развитие медицины. Ретроспективные исследования могут давать ответы на интересующие исследователя вопросы за небольшую часть времени и цены, требуемых для проведения исследования по вновь собираемым данным. С их помощью можно выделять группу исследуемых пациентов и контрольную группу, а также выполнить статистический анализ, необходимый для сопоставления этих двух групп. Хранение медицинских записей в памяти компьютера не исключает всю ручную работу, необходимую для проведения эпидемиологических исследований; все равно могут понадобиться составление эпикризов по содержанию историй болезни и проведение опросов пациентов. Если из этих записей можно извлечь больше информации, то указанные трудоемкие операции могут проводиться менее часто и менее интенсивно. Фрагменты истории болезни, обычно хранящиеся в памяти компьютеров, чаще всего включают в себя сведения о лекарственных назначениях, результатах лабораторных тестов и диагностических исследований, а также диагнозах, поставленных при приеме пациентов. Это особенно характерно в тех случаях, когда первые два типа данных передаются в машиночитаемом виде из автоматизированных систем аптек и лабораторий. Поэтому хранящиеся в памяти компьютера медицинские сведения чаще всего оказываются полезными при исследованиях особенностей обслуживаемой популяции, эффективности выполнения лабораторных тестов и проведения лекарственного лечения, а также токсических эффектов лекарств.

Управленческие  задачи: Появление системы фиксированного возмещения затрат на лечение специфических  заболеваний (клинико-статистические группы, или подушная плата) и связанная  с ней конкурентная борьба больниц  за заключение контрактов с органами здравоохранения привели к тому, что администраторам медицинских учреждений пришлось начать рассматривать и клиническую информацию при решении вопросов, какие медицинские услуги должно предлагать учреждение, кому и по какой цене. Кроме того, администраторы должны иметь возможность контролировать ресурсы, используемые врачами для лечения тех или иных классов пациентов, и предоставлять обратную связь тем врачам, чье поведение значительно отклоняется от нормы. Медицинские системы выполнения запросов могут предоставить информацию о взаимосвязях между диагнозами, индексами тяжести заболевания и потреблением ресурсов. Тем самым системы выполнения запросов являются важным инструментом для тех администраторов, кто пытается принять информационно обоснованные решения о действиях во все более чувствительной к экономическим вопросам сфере здравоохранения. 
 
    5. 1 Языки запросов и контроля

Медицинские языки  запросов и контроля во многих отношениях напоминают языки запросов систем управления базами данных общего назначения (СУБД ). Как и в большинстве формальных языков программирования, в них предусмотрены средства присваивания значений переменным, управления порядком выполнения операторов языка, а также стандартные логические операции AND, OR (И, ИЛИ) и операции сравнения (<, >, =). Кроме того, они позволяют делать выборки из ряда повторяющихся измерений и выполнять такие операции, как найти первый элемент, последний, максимальный, минимальный; найти направление изменения; определить число элементов в выборке, величину изменения, интервал между измерениями и т. д. Врач может использовать подобные операции для того, чтобы определить среднее значение содержания сахара в сыворотке крови по измерениям, проведенным в первый год после начала лечения инсулином, или найти максимальное значение содержания калия в сыворотке крови после начала калий-дополняющей терапии. Наконец, в этих языках предусмотрены средства указать, какое сообщение надо послать и кому в ситуация, когда сведения о пациенте удовлетворяют определенным критериям отбора.

К числу наиболее известных систем запросов и контроля относятся: подсистема MQL, входящая в  состав системы COSTAR; подсистема CARE, работающая в составе системы RMRS. Подсистемы MQL и CARE похожи тем, что в обеих  задания и запросов, и контроля имеют общий синтаксис команд; кроме того, обе этих подсистемы были первоначально разработаны для использования в пакетном режиме в целях анализа амбулаторного лечения пациентов. 
 
    5. 2 Возможности и ловушки

Имея успешный опыт проведения эпидемиологического  исследования по выборке из нескольких сотен историй болезни, можно было бы надеяться, что автоматизированный доступ к тысячам историй болезни приведен к новым вершинам клинических знаний. Однако само по себе хранение медицинских сведений в памяти компьютера не приведет к тому, что в результате одного нажатия на клавишу будет выдана целая научная статья; существуют серьезные практические и методологические проблемы, мешающие осуществиться этой утопии. Во-первых, исследователь не может получить точную информацию из автоматизированной системы ведения истории болезни, не будучи тесно знакомым с содержанием хранящихся в ней сведений, а также использованных в ней способов получения информации, ее кодирования и хранения. Если, к примеру, требуется выбрать всех пациентов, принимающих фенитоин (лекарство, используемое для лечения некоторых форм эпилепсии), то при этом надо знать, что для данного лекарства в системе используются три кода: один для фенитоина в форме таблеток, другой для фенитоиновой мази, а третьим обозначается раствор фенитоина для инъекций. Если целью исследования является изучение распространенности рутинного анализа мочи при лечении взрослых пациентов, то необходимо знать, каким именно образом получаются результаты анализа мочи и как они регистрируются. Компьютер может выдать отчет по всем анализам, выполненным в лаборатории, но при этом пропустит те, что выполнялись самими врачами вне лаборатории, поскольку могло оказаться, что врачи записывают результаты этих анализов только в своих дневниках.

При получении данных могут возникать значительные задержки. В системе обработки выписных эпикризов может существовать 2-х или 3-х месячная задержка между фактом выписки пациента и вводом его выписного эпикриза. Неполнота хранящихся в компьютере медицинских сведений о пациенте является общим правилом. Если сбор данных опирается на технологию заполнения медицинскими специалистами формализованных бланков, то почти наверняка эти бланки будут содержать неполную информацию. Поэтому пользователи системы выполнения запросов должны понимать ограничения на достоверность и полноту информации, накладываемые процедурами сбора данных, и составлять свои запросы к системе с учетом этих ограничений.

6.Идеальная электронная история болезни

Применение  компьютерных технологий позволяет создавать электронную модель такого объекта, как «Медицинская карта стационарного (амбулаторного) больного» в интересах различных пользователей и в разных целях. В идеале, такая модель должна устраивать всех заинтересованных лиц, и обеспечить повышения качества всех процессов управления здоровьем пациентов. Однако, очевидно, что решить весь комплекс вопросов одновременно невозможно. Должна быть выработана некоторая стратегия этапности разработки.

Представляется, что первым этапом должна явиться  функция сбора и первичной обработки информации о больном в интересах лечащего врача, врача–консультанта и среднего персонала. Применение компьютерных систем, построенных на базе локальных сетей с специализированными системами управления базами данных (СУБД), позволяет резко улучшить целый ряд показателей качества базы данных, таких как достоверность, актуальность, внутренняя непротиворечивость, полнота, удобство использования, быстрота поиска и доступа к информации. Но уровень разработки должен быть таким, чтобы получить реальное облегчение работы, иначе внедрение системы, не дающей выгоды работникам, встречает их неприятие и прямое противодействие. Этот этап требует значительных капитальных вложений в создание быстрой локальной сети, монтаж достаточного числа рабочих мест, установку мощного сервера, приобретение, запуск и организацию обслуживания сложного и дорогостоящего системного и прикладного программного обеспечения, включая серверные ОС, СУБД и т.д.

Следующим этапом становится автоматизация сбора  сводной аналитической информации в интересах 1) администрации учреждения, 2) органов здравоохранения и 3) фондов медицинского страхования. Одновременно желательна разработка модели работы учреждения, которая позволит проводить прогнозирование его работы с оценкой качества планируемых управленческих решений. Сложной проблемой остается определение критериев оптимальности для таких решений. Что будет главным – экономическая стабильность учреждения, максимальное количество пролеченных больных, качество лечения? Точное количественное соотношение значений этих критериев, а порой и сам способ количественной оценки, не выработаны. Вероятно, что оценка будет отличаться, в зависимости от точки зрения (финансирующий орган, руководитель лечебного учреждения, государство в целом или больной как отдельный гражданин).