Medizinische Entscheidungsunterstützungssysteme (EUS) sind ein Werkzeug, um Evidenz basierte Informationen bereitzustellen. Rechnergestützte EUS können die interne Evidenz medizinischer Entscheidungen verbessern. Dies trägt zu einer Steigerung der Effizienz in der Gesundheitsversorgung bei. Trotz dieses Potentials blieb eine breite Kommerzialisierung dieser Systeme bisher aus.
In der durchgeführten Fallstudie wird untersucht, ob drei kommerziell verfügbare EUS gemeinsame Erfolgsfaktoren aufweisen. Um quantitative Daten über die Gebrauchstauglichkeit dieser EUS zu gewinnen, werden die von den Unternehmen im Internet während des Untersuchungszeitraums zur Verfügung gestellten Dokumente einer Inhaltsanalyse unterzogen. Als Kategoriensystem werden die Software- Qualitätsmerkmale nach DIN ISO 9126 verwendet. Die so gewonnenen Daten werden zunächst für jedes einzelne System mit den Instrumenten der Explorativen Datenanalys untersucht und dargestellt. Danach werden die Systeme paarweise miteinander verglichen. Dazu werden der Rangsummentest nach Wilcoxon sowie dem Kolmogoroff Smirnov Test durchgeführt. Weiterhin wird die Rangkorrelation nach Spearman berechnet. Systemübergreifend ergibt sich dabei folgendes Muster: Beinahe die Hälfte der Qualitätseigenschaften wird nicht genannt. Die Häufigkeit der Nennung der Qualitätsmerkmale ist ungleich verteilt. Die explanativen Beobachtungen können auf die Merkmale Funktions- und Qualitätstreue verdichtet werden. Möglicherweise sind bei der Entwicklung der Systeme vergleichbare Prinzipien und Methoden angewandt worden.
Inhaltsverzeichnis
1 Einleitung
2 Entscheidung und Entscheidungsunterstützung
2.1 Ziele und Ablauf Evidenz basierter Entscheidungen
2.1.1 Zugang zu Evidenz basierten Informationen
2.1.2 Informationswiederbeschaffung
2.2 Fehlerquellen im Entscheidungsprozess
2.2.1 Systematische Fehler
2.2.2 Kognitive Fehler
2.3 Begriffsbestimmung klinisches Entscheidungsunterstützungssystem
2.4 Modellierung der Entscheidungsaufgaben
2.4.1 Klassifikation
2.4.2 Konstruktion
2.4.3 Simulation
2.5 Referenzarchitekturen
2.5.1 Alleinstehende Systeme
2.5.2 Integrierte Systeme
2.5.3 Standardisierte Systeme
2.5.4 Serviceorientierte Architekturen
3 CDSS im Entscheidungsprozess
3.1 Taxonomie
3.2 Informationsnachfrage
3.2.1 Informationsquellen
3.2.2 Unterscheidbare Wissensformen
3.2.3 Leitlinien als Informationsquelle
3.3 Compliance
3.3.1 Erfolgsfaktoren
3.3.2 IT Akzeptanz
3.4 Fallauswahl
3.4.1 Alleinstehende Systeme
3.4.2 CPOE
3.4.3 Integrierte Qualitätssicherung
4 Datenerhebung und Analyse
4.1 Quellenauswahl
4.2 Kodierung
4.2.1 Kodierregeln
4.2.2 Kategoriensystem
4.2.2.1 Funktionalität
4.2.2.2 Zuverlässigkeit
4.2.2.3 Benutzbarkeit
4.2.2.4 Effizienz
4.2.2.5 Änderbarkeit
4.2.2.6 Übertragbarkeit
4.3 Fallvergleich
4.3.1 Datenanalyse innerhalb der Fälle
4.3.1.1 AiDKlinik®
4.3.1.2 GIDEON
4.3.1.3 SmartCare®
4.3.2 Fallvergleich
4.3.2.1 Fallvergleich: AiDKlinik® versus GIDEON
4.3.2.2 Fallvergleich AiDKlinik® versus SmartCare®
4.3.2.3 Fallvergleich GIDEON versus SmartCare®
5 Abgleich zwischen Theorie und Praxis
5.1 Interpretation
5.2 Diskussion
5.3 Abgeschlossenheit erreichen
6 Fazit
Zielsetzung & Themen
Ziel der Arbeit ist es, anhand von drei Fallstudien kommerzialisierter klinischer Entscheidungsunterstützungssysteme (EUS) zu untersuchen, ob es systemübergreifende Erfolgsfaktoren bei der Entwicklung dieser Systeme gibt.
- Analyse von Erfolgsfaktoren bei der Kommerzialisierung medizinischer EUS.
- Einsatz von Inhaltsanalysen zur Untersuchung von Qualitätsmerkmalen gemäß DIN ISO 9126.
- Vergleich der Systeme AiDKlinik®, GIDEON und SmartCare®.
- Untersuchung von Zusammenhängen zwischen Systemarchitektur, Gebrauchstauglichkeit und Akzeptanz.
Auszug aus dem Buch
1 Einleitung
Innovationen werden als neue Produkte oder Prozesse definiert, die “…sich im Markt, der Gesellschaft oder zumindest in einem Unternehmen durchgesetzt haben“ [JoBo08, 792]. Der Durchsetzung von Innovationen werden regelmäßig Widerstände entgegengebracht [HaSa07, 173ff.]. Im Zusammenhang mit medizinischen Informationssystemen (IS) werden technische, kulturelle, finanzielle [Tayl00, 249ff] und rechtliche Barrieren [Ande07, 481] genannt.
Eine technische Barriere stellt die Skalierbarkeit von Systemen dar. Diese Barriere wird durch standardisierte Datendefinitionen und Templates für die Schnittstelle, Austausch von Informationen sowie angemessene Anreize spürbar niedriger. So gab es beispielsweise bei der Rechnungslegung im Gesundheitswesen starke Anreize, sich auf standardisierte Rechnungsformen und Datenformate zu einigen [Tayl00, 251f.]. Beispielsweise wurde 2001 in den USA der Großteil des Investitionsvolumens von $ 20 Millionen für Systeme im Finanzbereich verwandt. Bei klinischen Entscheidungsunterstützungssystemen (EUS) gibt es kaum Standardisierungen. Vielmehr wurden viele Systeme proprietär entwickelt [Ande07, 481]. Bei der Übernahme automatischer Krankenblätter erweisen sich fehlende Standards als Hindernis. Darüber hinaus werden Anbieter durch die Angst vor dem möglichen Zugriff auf vertrauliche Informationen aus der Patientenakte entmutigt, medizinische IS bereitzustellen [WolW00, 247].
Neben fehlendem Kapital für Investitionen in Informationstechnologien (IT) mangelte es auf Seite der Nachfrage bisher an finanziellen Anreizen, für durchdachte IT-Lösungen einen Aufschlag zu zahlen. Als Kostenbarriere erweisen sich nicht die absoluten Kosten, sondern die Wahrnehmung von IT als Kostenverursacher [Tayl00, 250]. Auf der Seite der Anbieter erschien die Strategie des frühen Folger attraktiver, um aus Erfahrungen von Konkurrenten zu lernen [WolW00, 242f.].
Zu den kulturellen Barrieren gehören die Akzeptanz entscheidungsunterstützender Werkzeuge sowie die zunehmende Wettbewerbsorientierung im Gesundheitswesen. Ärzte haben das Bedürfnis nach mehr Informationen und sind an Best Practices und Leitlinien (guidelines) interessiert. Kritische Punkte hinsichtlich der Akzeptanz stellen einfacher Zugang zu Informationen, die situative Relevanz, die Sorge, ungerecht beurteilt zu werden sowie der Wunsch, die klinische Autorität aufrechtzuerhalten dar [Tayl00, 251f.].
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung beleuchtet die Barrieren bei der Einführung von Innovationen im Gesundheitswesen, insbesondere die technischen, kulturellen und finanziellen Hürden für medizinische Informationssysteme.
2 Entscheidung und Entscheidungsunterstützung: Dieses Kapitel erläutert Konzepte evidenzbasierter Medizin, Fehlerquellen im klinischen Entscheidungsprozess sowie die Begriffsbestimmung und architektonischen Ansätze von Entscheidungsunterstützungssystemen.
3 CDSS im Entscheidungsprozess: Hier wird die Rolle von CDSS im ärztlichen Arbeitsablauf, der Informationsbedarf sowie die Bedeutung von Leitlinien und Compliance untersucht.
4 Datenerhebung und Analyse: Das Kapitel beschreibt das methodische Vorgehen der Inhaltsanalyse, die Auswahl der Quellen sowie die Kodierung der Qualitätseigenschaften der untersuchten Systeme.
5 Abgleich zwischen Theorie und Praxis: Die Ergebnisse der empirischen Analyse werden interpretiert und in den Kontext bestehender Forschung zur Softwareentwicklung und Technologieakzeptanz gestellt.
6 Fazit: Das Fazit fasst zusammen, dass die untersuchten Systeme primär ingenieurmäßigen Prinzipien folgen und die Inhaltsanalyse ein valides Instrument für die Erforschung dieser Systeme darstellt.
Schlüsselwörter
Entscheidungsunterstützungssysteme, EBM, CDSS, Kommerzialisierung, IT-Akzeptanz, Software-Qualität, DIN ISO 9126, Inhaltsanalyse, Klinische Leitlinien, Gesundheitswesen, Systemarchitektur, Wissenstransfer, Fallstudie, Information Retrieval, Patientensicherheit.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit den Erfolgsfaktoren für die Kommerzialisierung von klinischen Entscheidungsunterstützungssystemen und untersucht, ob diese Systeme gemeinsamen Mustern in ihrer Entwicklung folgen.
Was sind die zentralen Themenfelder?
Die Arbeit verknüpft Ansätze aus dem Innovationsmanagement, dem Informationsmanagement, der evidenzbasierten Medizin (EBM) und der Softwaretechnik, um die Einführung und Akzeptanz von EUS zu beleuchten.
Was ist das primäre Ziel oder die Forschungsfrage?
Es soll untersucht werden, ob es systemübergreifende Erfolgsfaktoren bei der Entwicklung von drei kommerzialisierten klinischen EUS gibt, basierend auf deren Qualitätseigenschaften.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit verwendet eine qualitative Inhaltsanalyse von textgebundenen Quellen (Reviews, Produktbeschreibungen etc.) unter Anwendung der DIN ISO 9126 Qualitätsmerkmale, ergänzt durch explorative Datenanalyse (EDA).
Was wird im Hauptteil behandelt?
Der Hauptteil behandelt theoretische Grundlagen zur Entscheidungsunterstützung, die Fehlerquellen im medizinischen Prozess, eine Taxonomie von CDSS-Eigenschaften und eine detaillierte Fallstudienanalyse der Systeme AiDKlinik®, GIDEON und SmartCare®.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Entscheidungsunterstützungssysteme, CDSS, evidenzbasierte Medizin, IT-Akzeptanz, Softwarequalität nach DIN ISO 9126 und die Analyse von systemischen Erfolgsfaktoren.
Warum wurden gerade die Systeme AiDKlinik®, GIDEON und SmartCare® gewählt?
Diese Systeme wurden ausgewählt, da sie kommerziell erfolgreich sind, im Fachschrifttum (z.B. bei Pupp08) besprochen werden und unterschiedliche Einsatzszenarien im Bereich der medizinischen Unterstützung abdecken.
Wie beeinflussen "Killer B's" die Umsetzung von Leitlinien?
Die sogenannten "Killer B's" (burden, beliefs, bargain, barrier) beschreiben die Hindernisse bei der Implementierung von Leitlinien, wie z.B. die wahrgenommene Belastung durch die Krankheit, Übereinstimmung der Werte, Opportunitätskosten der Arbeitskraft und organisationale Widerstände.
- Arbeit zitieren
- Eivo Rebecca Pauling (Autor:in), 2009, Erfolgsfaktoren bei der Kommerzialisierung medizinischer Entscheidungsunterstützungssysteme, München, GRIN Verlag, https://www.hausarbeiten.de/document/171793
