发表在第22卷,第10位(2020): 10月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/23314,首次出版
为电子病历整合选择移动医疗技术:案例研究

为电子病历整合选择移动医疗技术:案例研究

为电子病历整合选择移动医疗技术:案例研究

现场笔记

1移动应用网关,临床与转化科学研究所,杜克大学,达勒姆,北卡罗来纳州,美国

2美国北卡罗来纳州达勒姆市杜克大学护理学院

3.杜克健康技术解决方案,杜克大学健康系统,达勒姆,北卡罗来纳州,美国

通讯作者:

瑞安·肖,博士,注册护士

移动应用网关

临床与转化科学研究所

杜克大学

307特伦特博士。

杜克大学3322

达勒姆,北卡罗来纳州,27710

美国

电话:1 9196849434

电子邮件:ryan.shaw@duke.edu


移动医疗(mHealth)技术,如可穿戴设备和可放置在家中的传感器,允许从门诊就诊之间的患者获取生理、行为和环境数据。将这些数据包含在医疗记录中可能有利于患者和提供者。大多数卫生系统现在都有电子健康记录(EHRs),并且通过智能手机和其他方法在移动设备之间提取和发送数据的能力正在增强;然而,在评估和选择设备以满足不同患者的各种临床需求方面存在许多挑战。我们提出了一个案例报告,描述了我们的卫生系统使用的一种方法,在远程医疗模型的指导下评估电子病历集成设备的选择。

[J] .中国医学信息学报,2016;22(10):563 - 567

doi: 10.2196/23314

关键字



移动医疗(mHealth)技术,如可穿戴设备和可放置在家中的传感器,允许从门诊就诊之间的患者获取生理、行为和环境数据。这种由患者生成的健康数据(PGHD)可以填补信息中的空白,帮助揭示潜在的健康机制,提供对个人日常活动的见解,并允许更好的策略来预防和管理急性和慢性疾病。此外,随着智能手机的普及,美国人口的比例已超过81% [1]及超过73%的住户获得家中宽频上网服务[2],从不同社会经济和地理人群中收集这些数据的能力正在增强。根据埃森哲2018年进行的一项调查,75%的美国消费者认为科技是管理他们健康的重要组成部分[3.]。全球数字医疗市场快速增长,预计到2024年将超过4230亿美元[4,支持这种观点。由于移动医疗技术与智能手机和Wi-Fi相连,或者嵌入了蜂窝芯片,因此可以近乎实时地从患者的日常环境中收集健康数据。

在美国,超过96%的非联邦急症护理医院现在拥有经过认证的电子健康记录(EHR)系统[5],而超过九成的诊所已采用电子健康档案系统[6]。随着卫生保健机构超越电子健康档案的实施,来自连接设备(包括移动医疗技术)的数据整合正在加速。例如,像苹果公司这样的公司,已经使病人能够通过医疗系统病人门户网站(如Epic的MyChart)的认证,在iPhone上汇总来自多家医院的健康记录。7]。还可以通过Apple HealthKit将第三方数据(例如患者产生的血糖水平)集成到电子病历系统中[8]。许多主要的EHR供应商都可以实现此功能,包括Epic、Cerner和Athena Health等。此外,随着b谷歌Fit的使用,这项功能也扩展到了Android平台。

虽然这些技术带来了很大的希望,但卫生系统和其他方面在选择设备以整合和推荐公平的患者护理方面存在许多挑战。国家卫生信息技术协调员办公室于2018年发布了一份白皮书,强调了收集和使用PGHD的一些挑战[9]。这些挑战包括与测量的准确性、数据来源以及隐私和安全问题相关的技术挑战。他们还探讨了患者面临的挑战和机遇,其中包括缺乏互联网或智能手机接入,以及健康和技术素养的缺陷。2018年,雷丁和梅里尔的一篇综述调查了患者和提供者在医疗保健中使用PGHD的需求。他们的审查强调了对技术的共同需求,包括数据质量、电子集成、简单易懂的可操作见解和安全性。

PGHD面临的挑战和机遇是显而易见的,但前进的道路仍然不明确。一个很大的障碍是从市场上数量不断增加的消费者数字健康设备中选择合适的设备。技术选择取决于感兴趣的数据和技术,患者,临床医生和卫生保健系统已经准备好访问和可以用于临床决策或人口健康管理。在这个用例中,我们描述了杜克大学卫生系统用于评估和选择EHR集成设备的方法。


我们的研究人员、临床医生和信息技术专业人员会面,确定与电子病历系统集成的设备选择有关的因素。这些因素根据利益相关者的反馈和不断增长的数字医疗市场而演变。主要考虑因素包括设备的临床有效性、患者满意度以及与每个智能远程监测设备相关的连接设备和应用程序界面的可用性。

我们使用远程医疗应用评估模型(MAST) [10]作为设备选择的指南。决策者使用这个经过验证的模型来帮助选择最适当的远程保健技术。我们修改了模型,以反映在电子健康档案整合中选择移动健康技术所需的变量。例如,这包括美国食品和药物管理局(FDA)的医疗类别和技术方面的详细信息,例如蓝牙或Wi-Fi连接。该模型包括三个步骤:步骤1:预先考虑,步骤2:多学科评估,步骤3:可转移性评估图1) [10]。

步骤1包括确定连接设备的目的和相关替代方案。目的是了解主要结果,以及该设备是否涉及升级或新技术。接下来,将考虑几个条件,包括以下内容:立法(即法规、认证和责任)、报销(即保险与医院付费)、成熟度(即支持该工具所需的开发时间和资源,以及该工具的安全性),以及为经济分析提供信息所涉及的患者数量。然后,步骤2涉及跨八个领域的多学科评估。我们增加了关于技术方面的第八个领域,以反映连接设备的特定方面。这些领域包括:(1)健康问题和应用描述,(2)安全性,(3)临床有效性,(4)患者观点,(5)经济方面,(6)组织方面,(7)健康公平[11]、社会文化、伦理和法律方面,以及(8)技术方面。最后,在步骤3中,对连接设备的可转移性进行评估,包括互操作性(即快速医疗保健互操作性资源)和将使用该工具确定每位患者成本的患者数量。

图1所示。连接设备的评估过程。
查看此图

图1说明了基于MAST模型的修改版本评估和选择连接设备的三步过程。当我们评估设备时,我们的团队维护一个设备表的内部工作文档。当我们做出决定和接近设备集成时,这个文档会被改进和扩展。为了创造图1,我们首先通过选择血糖仪的过程来推荐其集成到我们基于epic的电子病历系统中(见图2)。这个练习使我们能够细化过程并向图1。例如,由于许多设备的证据有限,我们扩展到灰色文献,包括消费者报告和亚马逊评论,以获得对患者可用性和效用的看法。其他示例包括发现需要列出技术要求,例如Apple或Android功能、与Apple Health和b谷歌Fit的连接,以及如何收集和传输数据(即蓝牙、Wi-Fi和蜂窝)。值得注意的是,本病例报告侧重于评估设备选择。未来的工作将评估临床和机构的结果,因为这些工具被用作患者护理和研究工作的一部分。

图2。非连续血糖仪的示例评估:CONTOUR NEXT ONE。
查看此图

我们选择了非连续血糖仪作为我们的案例研究(见图2),因为临床医生小组要求从患者那里检索血糖仪数据,以及我们通过Apple HealthKit将血糖数据整合到我们的电子病历系统中的经验[8]。如图2结果表明,葡萄糖是临床护理的一个有价值的数据点。此外,血糖仪被认为是FDA II类医疗器械,必须证明与谓词设备具有实质性的等效性。Klonoff等人发表的一篇综述文章调查了18种市面上销售的血糖监测仪的准确性[12]。我们搜索了面向消费者的文献,比如《消费者报告》(Consumer Reports),以比较建议。评估过程的下一步包括记录每个血糖仪在iOS和/或Android设备上使用的能力,与Apple HealthKit和b谷歌Fit的集成,成本,额外的技术特性,当前与我们的EHR基础设施的集成以及如何检索数据,以及是否有技术支持。结果显示这些测量结果是一致的,CONTOUR NEXT ONE血糖仪是最佳的竞争者。


主要研究结果

无线和移动技术的普及为通过可穿戴传感器连接现实环境中的信息提供了机会,当与嵌入环境中的固定传感器相结合时,就可以产生关于个人生物、心理、行为和日常环境的连续数据流。这些收集到的数据有可能被实时分析和使用,以促使个人改变行为或其环境暴露,从而减少健康风险或优化健康结果。

选择集成设备需要评估许多因素。这些因素包括技术、临床、组织、经济和患者。Fitbit和Apple Watch等流行且知名的设备,由于其可访问性和广泛采用,更容易识别。与需要FDA批准的便携式心电图仪或血糖仪相比,此类活动追踪器进入消费者市场所需的证据也不那么严格。需要FDA许可的设备为安全性和实用性提供了额外的证据。这与不需要FDA批准的设备(如睡眠监测仪)形成对比。

与临床和业务领导的持续讨论表明,技术支持的概念可以是多么广泛。技术支持可以包括为患者配置设备、亲自或远程提供支持以及安排工作人员进行故障排除等步骤。其他级别的技术支持包括对管理在EHR系统中登陆的临床数据的患者支持,无论是否通知,以及具体处理与通知相关的支持。最后,技术支持应该隐式地包括向提供者表示数据,以便它们是可操作的和可访问的。可操作和可访问的数据对于提供者或护理经理能够进行干预至关重要,同时也不会加剧提供者的倦怠,这是自大规模实施电子健康档案以来更频繁报告的。虽然这些概念是基本的,但它们也经常被临床和运营领导者视为潜在的障碍。

应选择各种设备进行整合,以便在患者群体中更公平地获得和获取这些工具。患者同时拥有iOS和Android设备,选择一个平台专注于限制患者的可访问性。此外,对于通过门户网站连接或通过视频消费重要数据的设备,例如,患者可能有也可能没有家庭宽带互联网,并且仅限于通过手机访问互联网。根据患者的地理位置或社会经济地位,这可能是一个限制因素。这一点也很重要,因为文献表明,设备的设计并不总是针对不同的人群。据报道,由于所选择的光学传感器的颜色,一些可穿戴设备中的光传感器无法用于肤色较深的患者。虽然许多设备制造商已经解决了这个问题[13],这是确保设备在各种患者群体中可用的重要性的一个教训。

未来的评估还将扩展到包括软件平台,例如Livongo的软件平台,它包含各种设备,并为患有慢性疾病的患者和临床医生提供个性化指导。关于集成,第三种情况也是必须考虑的:有些应用程序和设备提供自己的门户来查看数据,但不提供与iOS或Android的兼容性,这些设备也不能固有地集成到聚合器中。在这种情况下,有必要通过应用程序编程接口(api)评估设备或平台的功能,以便有效地聚合数据并在临床环境中使用。

虽然移动医疗技术,特别是连接设备,有望使患者护理提供和患者自我管理受益,但将其整合到医疗保健中存在许多挑战。监管有限,对许多器械缺乏严格的科学评估。市场上有许多设备,每个设备都必须经过患者和临床医生的数据质量、互操作性和实用性测试。此外,联网设备市场的快速发展需要频繁的重新评估和系统软件更新。最后,在正式的医疗服务模式中使用这些工具是相对较新的,因此,了解如何支持患者,以及如何将来自设备的丰富数据整合并呈现为临床决策的可操作见解,将继续推进。

结论

我们给出了一个例子,说明我们如何推荐哪些移动医疗设备应该集成到医疗系统的EHR系统中以收集PGHD。涉及到许多因素,重要的是要进行彻底的评估,以评估临床需求、技术特征和可用性和成本等患者层面的因素。图12可以用作其他人扩展的模板。

致谢

支持部分由杜克临床和转化科学研究所提供,该研究所部分由美国国立卫生研究院临床和转化科学奖(资助号UL1TR002553)支持。

作者的贡献

RS带领团队,负责项目的各个方面。MS, CF和KM对方法,数据获取,结果和解释做出了重大贡献,并参与了撰写手稿的各个方面。

利益冲突

没有宣布。

  1. 移动简报。皮尤研究中心。华盛顿特区:皮尤互联网与美国生活项目;2019年6月12日。URL:https://www.pewresearch.org/internet/fact-sheet/mobile/[2020-10-13]访问
  2. 互联网/宽带实况介绍。皮尤研究中心。华盛顿特区:皮尤互联网与美国生活项目;2019年6月12日。URL:https://www.pewinternet.org/fact-sheet/internet-broadband/[2020-10-13]访问
  3. 陈晓明,陈晓明。2018年数字医疗消费者调查:美国结果。都柏林,爱尔兰:埃森哲;2018.URL:https://www.accenture.com/t20180306t103559z__w__/us-en/_acnmedia/pdf-71/accenture-health-2018-consumer-survey-digital-health.pdf[2020-10-13]访问
  4. 数字健康市场,按产品类型,成分和最终用户划分:全球行业前景,综合分析和预测,2017 - 2024。印度马哈拉施特拉邦:锡安市场研究;2018年7月12日。URL:https://www.zionmarketresearch.com/report/digital-health-market[2020-10-13]访问
  5. 拥有经过认证的医疗IT的医院比例(按类型划分):医疗IT快速统计#52。国家卫生信息技术协调办公室。2018年9月https://dashboard.healthit.gov/quickstats/pages/certified-electronic-health-record-technology-in-hospitals.php[2020-10-13]访问
  6. 基于办公室的医生电子健康记录采用:健康IT快速统计#50。国家卫生信息技术协调办公室。2019年1月https://dashboard.healthit.gov/quickstats/pages/physician-ehr-adoption-trends.php[2020-10-13]访问
  7. 让您的患者在iPhone上使用健康记录。2019年苹果。。URL:https://www.apple.com/healthcare/health-records/[2020-10-13]访问
  8. Lewinski AA, Drake C, Shaw RJ, Jackson GL, Bosworth HB, Oakes M等。弥合患者生成的血糖数据和电子健康记录之间的集成差距。中华医学杂志,2019;26(7):667-672。[CrossRef] [Medline
  9. 李建军,李建军,李建军,等。基于数据基础设施的医疗卫生信息采集、使用与共享研究。华盛顿特区:国家卫生信息技术协调员办公室;2018年1月https://www.healthit.gov/sites/default/files/onc_pghd_practical_guide.pdf[2020-10-13]访问
  10. 李建军,李建军,李建军,李建军,等。远程医疗应用评估模型:MAST。国际技术评估与卫生保健杂志2012,1月23日;28(1):44-51。[CrossRef
  11. 罗德里格斯JA,克拉克CR,贝茨DW。数字医疗公平是21世纪《治愈法案》时代的必需品。中国医学杂志2020年6月16日;323(23):2381-2382。[CrossRef] [Medline
  12. Klonoff DC, Parkes JL, Kovatchev BP, Kerr D, Bevier WC, Brazg RL,等。18种市售血糖监测仪的准确性调查。中华糖尿病杂志,2018;41(8):1681-1688。[CrossRef] [Medline
  13. 刘建军,刘建军,刘建军。研究可穿戴光学心率传感器不准确的来源。中华医学杂志2020;3:18 [j]免费全文] [CrossRef] [Medline


API:应用程序编程接口
电子健康档案:电子健康记录
食品药品监督管理局:美国食品和药物管理局
桅杆:远程医疗应用评估模型
健康:移动健康
PGHD:患者生成的健康数据


G·艾森巴赫编辑;提交07.08.20;由Z Ni, J Bolton同行评审;对作者的评论22.09.20;修订版收到25.09.20;接受30.09.20;发表28.10.20

版权

©Ryan Shaw, Marissa Stroo, Christopher Fiander, Katlyn McMillan。原载于医学互联网研究杂志(//www.mybigtv.com), 2020年10月28日。

这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。


Baidu
map