发表在第22卷第11期(2020):11月

本文的预印本(早期版本)可在以下网站获得https://preprints.www.mybigtv.com/preprint/23315,第一次出版
数据分析对医疗保健提供者的经济价值:解释学系统文献综述

数据分析对医疗保健提供者的经济价值:解释学系统文献综述

数据分析对医疗保健提供者的经济价值:解释学系统文献综述

审查

德国瓦伦达尔,世界卫生大学奥托·贝森管理学院经济和社会政策主席

通讯作者:

菲利普·冯·韦德尔,理学硕士

经济和社会政策主席

奥托贝森管理学院

Burgplatz 2

投保人,56179

德国

电话:49 02616509 ext 255

电子邮件:philip.wedel@whu.edu


背景:在数字卫生文献中,数据和分析对卫生保健系统和单个提供者的好处是一个越来越多的研究领域。例如,电子健康记录(EHR)可以提高护理质量。基于人工智能的新兴分析工具显示了在日常工作流程中帮助医生的潜力。然而,单个卫生保健提供者在决定是否可能采用这些工具时,也需要获得有关经济影响的信息。

摘要目的:本文探讨了数据和分析是否为卫生保健提供者提供经济优势或劣势的问题。目标是提供一个全面的概述,包括各种技术,超越基于计算机的病人记录。最终,调查结果还旨在确定是否存在供应商采用的经济障碍。

方法:在PubMed和谷歌Scholar在线数据库中进行了系统的文献搜索,遵循解释学方法,鼓励迭代搜索和解释循环。在对165项初步确定的研究应用纳入和排除标准后,50项研究被纳入定性综合和基于主题的聚类。

结果:该综述确定了5个主要技术类别,即EHRs (n=30)、计算机化临床决策支持(n=8)、高级分析(n=5)、商业分析(n=5)和远程医疗(n=2)。总体而言,62%(31/50)的审查研究表明,通过直接成本或收入影响,或通过间接效率或生产率提高,对供应商产生了积极的经济影响。然而,当区分类别时,EHR出现了一个模糊的图像,而分析技术,如计算机临床决策支持和高级分析主要显示了经济效益。

结论:数据和分析是否为卫生保健提供者创造经济效益的研究问题无法统一回答。结果表明对电子病历(这里表示数据)的影响是模糊的,而对研究较少的分析领域的影响主要是积极的。关于电子病历的好坏参半的结果可能为供应商的采用造成经济障碍。这一障碍可以转化为依赖电子病历数据的分析技术产生积极经济效应的瓶颈。最终,需要对电子病历以外的技术的经济影响进行更多的研究,以产生更可靠的证据基础。

J medical Internet Res 2020;22(11):e23315

doi: 10.2196/23315

关键字



数据和分析应用程序越来越多地进入我们的医疗保健系统。一些数据的表现形式,如电子健康记录(EHR),在经济合作与发展组织的许多成员国中已经建立起来。基于大数据和人工智能(AI)的计算机临床决策支持(CCDS)或高级分析(AA)等分析技术似乎仍是该领域的新来者。人们对数据和分析显著改善卫生保健提供的质量、效率和患者体验寄予厚望[1].从医疗保健系统的角度来看,最新的研究确实表明,采用电子病历导致更少的用药错误、更少的药物不良反应和更高的指南依从性[23.].使用临床决策支持(CDS)工具与较低的发病率相关,并可能改善死亡率[45].基于电子病历数据,机管局已能够预测糖尿病、精神分裂症或癌症等几种疾病的发病情况,并提供与住院死亡率、非计划再入院、住院时间或感染风险等护理相关的预测[6-9].最近的一个话题是通过将人工智能应用于胸部计算机断层扫描来诊断新型冠状病毒疾病(COVID-19)的可能性[1011].很明显,这些技术的引入可以明显地为整个医疗保健系统创造积极的溢出效应。然而,从单个提供者的微观角度来看,目前对数据和分析的采用似乎在许多国家描绘了不同的图景。在美国或丹麦,几乎所有医院都使用精密的电子病历系统,而许多欧洲国家的使用率要低得多。例如,报告显示,2017年有38.3%至47.4%的德国医院或27.8%至46.4%的奥地利医院完全缺乏系统[1213].尽管依赖于人工智能或大数据的分析应用显示出强大的潜力,但在供应商日常运营中的应用仍相对较低[14].造成这种情况的原因是多方面的,包括社会、伦理、法律或技术障碍[15].然而,最有力的障碍仍然是经济性质的。卫生保健提供者将初始和持续的维护成本视为采用这些解决方案的主要障碍,并常常质疑这些解决方案的总体成本效益[15-17].具有讽刺意味的是,在一个尚未明显转向基于质量的报销的世界中,通过数据和分析提高质量并不一定与单个卫生保健提供者的经济利益直接相关。在美国,电子病历的使用率要高得多,这在很大程度上可归因于政策制定者提供的强有力的财政补贴[1819].从单一提供者的角度来看,问题涉及到医院、诊所和实践能否从数据和分析的使用中获得经济效益。该领域的大多数现有评论严重关注电子病历,但没有考虑到其他分析工具[20.-23].其他最近的评论关注的是AI等数据和分析的单一领域的经济影响,而不是专门针对提供商[24].我们的工作试图填补这一空白,提供了一个全面的文献综述,涵盖了几个应用的数据和分析专门对供应商的经济影响。最后,只有通过单一提供者的广泛采用,才能最大限度地利用许多已建立和快速发展的技术的潜力来提高我们医疗保健系统中的护理质量。


解释学系统综述

在理想情况下,共同系统审查代表了一种高度结构化的方法,用于搜索、筛选、包括和总结研究,以回答一个定义相当狭窄的问题[2526].然而,它可能并不完全适合所有的研究问题。正如Greenhalgh等人[27]总结起来,它通常“可以被视为一套方法论,其特点是紧聚焦、穷尽搜索、高拒纳比和强调技术而不是解释性综合方法。”Boell和Cecez-Kecmanovic介绍的解释学回顾方法[28显示出了与这项研究的研究问题的更广泛的性质特别吻合。文献综述的这一过程遵循两个相互关联的循环:(1)搜索和获取;(2)分析和解释多媒体附录1).解释学过程允许并鼓励通过循环(2)深入参与已确定文献的内容,不断精炼和扩展循环(1)的搜索领域。这使研究人员能够利用“阅读和文献与研究人员之间的对话互动的重要性,[…]寻求原创性而不是可复制性”[28].尽管如此,为了确保该评审的系统执行,Arksey和O 'Malley [29随访。解释学方法因此得到了既定的研究识别和图表工具的补充,确保了系统地执行审查。这些工具形成了一个清晰的、可重复的、结构化的研究如何被确定的概述,以及研究被排除的原因。最后,结合系统学和解释学综述的特点,本研究试图生成一个结构化的、可复制的、全面的、以内容为重点的文献综述。

搜索策略

本综述中的文献是通过在线数据库PubMed和谷歌Scholar中的迭代结构化关键词搜索,以及补充的反向和手动搜索来确定的。以下对文章标题的关键词搜索应用于两个数据库:(x)和(成本或收入或效益或回报或ROI或价值或效率或生产力)和(医院或实践或提供者)。在这个搜索,x为按照解释学方法迭代添加的术语提供了一个占位符,以下部分确保只包含了对保健提供者的经济影响的研究,并且在所有搜索中保持不变。在最初的搜索中,x由“电子健康记录”、“电子医疗记录”、“电子病人记录”、“分析”和“临床决策支持”(包括所有替代和复数类型的措辞和缩写)组成。遵循解释学方法,两位作者独立筛选结果研究,并共同决定额外的搜索词,扩大x还包括“算法”、“人工智能”、“大数据”、“机器学习”、“深度学习”、“自然语言处理”和“远程医疗”等术语。有趣的是,包括健康应用程序在内的移动健康(mHealth)领域的搜索没有产生任何合适的结果。搜索仅限于2009年1月至2019年12月期间发表的英文期刊文章。可以在其中找到两个数据库的确切搜索查询多媒体附录2


研究选择

PubMed和谷歌Scholar搜索分别产生79和165个结果图1).在重复数据删除之后,共有165项研究有待更详细的审查。只考虑发表在期刊上的文章。因此,对重复数据删除的搜索结果再次进行清理,得到113篇文章。为了确定是否适合研究问题,两位作者分别对这些文章的标题、摘要以及(如果需要的话)内容进行了分析,将结果缩小到43个结果。经常被排除在外的原因是,有关数据和分析对除提供者以外的利益攸关方或对总体国家卫生保健支出的影响的文章。其他例子是关于模拟工具和过程的文章,如基于纸张的决策支持或诊断测试决策算法。所有113项筛选研究的概述和各自的排除原因可以在多媒体附录3.两位作者独立进行的反向和手动搜索的补充结果是额外的7篇文章纳入。最后的50篇文章经过了彻底的审查,第一作者以结构化的方式总结了关键属性,以促进模式识别和最终的合成生成(参见多媒体附录4).

图1。文献检索和研究选择过程。
把这个图

研究分类

在深入审查了50份最后的研究报告之后,出现了两个分类角度。首先,根据所研究的技术对研究进行了分类,得出了5个关键类别,即EHRs、CCDS、AA、商业分析(BA)和远程医疗。其次,根据已确定的经济影响的类型对研究进行了分类。这种影响分类由两个组合的组成部分组成,即模式(直接vs间接)和方向(积极vs消极vs中性vs混合)。考虑到影响模式,研究被分类为有间接当没有影响直接对成本或收入的影响,但对效率或生产力的影响(见图2查看摘要和详细信息)。

图2。按技术和经济影响分类的研究综述。
把这个图

电子健康记录

在已确定的文章中,电子病历占60%(30/50),是迄今为止最全面的文献。就经济影响而言,总的来说,可以观察到一个相当模糊的模式,12项研究显示积极,8项研究显示消极,4项研究显示中性,6项研究显示对提供者的经济影响是混合的。大多数研究在美国(20/ 50,40%),亚洲(3/ 60,5%),世界其他地区(2/ 60,3%)和欧洲(0/60)研究活动较少。其余5篇为国际文献综述。

样本中的5篇文献综述主要表明了电子病历的混合经济影响。所有的评论都包括了主要通过提高效率来证明积极影响的研究;然而,几乎在每一篇评论中,都有另一篇文章指出了相反的情况[21-2330.].只有Highfill [20.]揭示了总体积极的经济效应,在他们的荟萃分析中确定了引入电子病历后成本下降1.1%-13.8% (95% CI)。

5篇文章给出了成本效益分析(CBA),也描绘了一幅略显模糊的画面,EHR安装的盈亏平衡时间线存在显著差异。大多数研究表明,医院实施电子病历的平均盈亏平衡时间为3至8年[31-33].张等人[34]表明初级保健诊所6.2-17.4个月(95% CI)的盈亏平衡点时间要短得多。只有一项研究揭示了明显的负面影响,显示5年投资回报率为负[35].总的来说,cba为EHR的实现提供了一些有趣的面向实践的见解。Choi等人的结果[31和阿德勒-米尔斯坦等[35都强调了完全消除纸质记录和相关听写服务等遗留成本的重要性。并行的数字和模拟结构导致更少的效率增益,因此,更长的盈亏平衡时间线。除了降低成本外,电子病历的成功引入还注重通过改善收费捕获和减少账单错误来增加收入[313235].最后,Jang等[34的研究表明,最近的EHR系统和那些使用流程图的系统也有更短的盈亏平衡时间线,这意味着供应商多年来潜在的重要技术进步。

除了完整的cba, 6项研究检查了EHR引入对各种单一成本或收入项目的影响。Encinosa和Bae [36]展示了先进的电子病历如何将所有病例的不良反应从3.6%降低到1.4%,每避免一例平均节省4790美元。约瑟夫(37]揭示了如何减少以前纸质记录保存所需的人员,从而在5年内节省600多万美元。兹拉贝克等人[38]显示了转录成本如何显著降低,在引入电子病历1年后节省了667,896美元的成本。节省费用的另一个来源是避免多余的实验室测试和成像检查。电子病历内的电脑化医生医嘱输入系统,使化验医嘱减少18%,放射检查减少6.3% [3839].然而,Schnaus等[40]揭示了适当执行CPOE实现的重要性。当医生在CPOE工具中搜索全血细胞计数(CBC)时,作者检查了关于预选实验室检测类型的临时变化。在23天的时间里,系统预选了一种稍微贵一点的全血细胞计数。可能是由于时间限制,许多医生没有再次检查这种预选的检测类型,这导致CBC检测的平均每日成本增加293.10美元。除了通过成本产生的直接经济影响外,一些研究还证明了通过收入产生的积极影响。特里(41]强调了基于电子病历数据的基于价值的报销的潜力。作者认为缺乏电子病历系统是“一种可以量化的‘机会成本’,可以与安装系统的成本进行权衡”[41].

最后,相当一部分论文(14/30)通过效率或生产率的变化考察了电子病历的间接经济影响。在这里,一个相当消极的图像出现了,只有4个研究显示积极的影响,其余的显示消极(6/30)或中性(4/30)的影响。由于显著的异质性,很难从这个文献样本中得出一般化的见解。这也是系统评估所揭示的结论。5项研究检查了EHR引入后的生产率变化,其中生产率主要定义为平均患者量。在这些研究中,有3项研究没有发现统计上的显著变化,因此对经济的影响是中性的[42-44].Kaneko等人[45在日本市立医院引入电子病历后,对多因素生产率产生了负面影响。只有一项研究显示对生产力有积极的长期影响[46].在9项研究中,对效率的影响进行了审查,其中效率的定义相当不同,包括治疗时间、等待时间、住院时间或人员数量。而一项研究显示没有影响[47],五项研究显示对经济有负面影响[48-52].特别是,在相对较短的时间内实施全面的电子病历,即所谓的"大爆炸"引入,似乎不利于医院的效率[51].只有3项研究显示,实施电子病历对提供者效率的积极影响有限[53-55].

计算机化临床决策支持

审查CCDS对供应商经济影响的研究占已确定文章的第二大份额,为16%(8/50)。出现了关于影响的强有力的图景,所有8项研究都显示对提供者产生了积极的经济影响,主要是直接的影响。同样,大多数文章来自美国(5/8,63%),其他文章来自世界其他地区(2/8,30%)。其余文章代表了一篇国际文献综述。

布莱特等人[5]提出了对信用违约互换工具的唯一一份系统综述,并评估了它们对成本的影响。在总共148篇确定的论文中,22篇研究分析了成本,其中13篇暗示了成本的降低。作者认为这是“来自学术和社区住院和门诊环境的适度证据”[5].然而,并不是所有的研究都检查了完全电脑化的CDS工具。

在三篇文章中,展示了CCDS系统如何减少成像研究、实验室测试或药物使用量。弗莱德曼等人[56]评估了自动警报的引入,以避免不必要的超声心动图研究的排序。在研究期间,有关的研究取消了20%,从而节省了相关的费用。奥村等人[57]研究了与实施优化手术预防中抗生素使用的工具相关的成本节约。通过提醒医生共同的护理标准,该系统显著降低了每100个床位日1.26个定义日剂量,至每100个床位日-0.2个定义日剂量(95%可信区间),从而每100个床位日节省约5万美元。最后,莱维克等人[58]评估了b型利钠肽检测的警报。警报再次导致测试减少21%,每年节省约9.2万美元。

除了在测试或研究中通过减少数量产生的效果外,其他3篇文章揭示了通过支持护理流程和工作流程的决策来节省成本。Quadros等[59]研究了支持快速追踪脑肿瘤手术后某些患者出院情况的CDS。该工具使住院时间平均减少了2天,每次住院节省了630美元。柯林斯等人[60的研究显示,对于由CDS支持的吞咽困难中风后患者,决定插入鼻食道管的时间如何减少了鼻食道管替换和重复x光的次数以及相关的费用。然而,这里必须指出的是,这两篇论文并没有揭示cd工具是否完全电脑化。最后,Wagholikar等[61]介绍了CCDS工具在门诊设置中的影响。在这里,该工具支持医生通过电脑化的检查表进行图表审查,以决定对慢性疾病的预防服务和管理。该工具通过将每个患者的检查时间减少65%,显示了间接的积极经济影响。

Elkin等人在CCDS类别中的第八篇文章[62]是唯一一项研究基于辅助诊断直接节省成本的研究。作者将鉴别诊断支持工具应用于诊断具有挑战性的诊断相关组的病例,发现对于这些患者,每个病例的提供者成本降低了3.7%,至19.5% (95% CI)。

先进的分析

最近日益突出的AA领域,包括AI、机器学习和深度学习,仅占已确定文献的10%(5/50)。所有5项研究都表明对提供者产生间接的积极经济影响;3篇文章来自美国,其他文章来自欧洲(1/5)和亚洲(1/5)。

确定的文章显示了AA的2个主要用例。首先,两篇文章展示了AA如何支持成像领域的决策。李(63]应用卷积神经网络来确定肌肉骨骼磁共振成像扫描协议。作者假设,这种在协议生成方面的帮助可能节省人员的时间,从而提高提供者的效率。第二篇文章介绍了IBM Watson自然语言处理模型的部署,以自动决定磁共振成像协议中静脉造影剂的使用[64].作者再次假设,这种决策支持有可能提高提供者的效率。

第二个用例代表了对患者疾病进展和相关护理过程的预测。王等人[65展示了一个基于卷积神经网络的工具如何使用医院电子病历数据来预测再入院。再入院预测可能是有价值的信息,因为大多数再入院都与对提供者的惩罚有关。然而,作者只是假设了这种潜在的好处。阿尔梅达(66]介绍了葡萄牙一家医院中心应用大数据分析平台的案例研究。基于EHR和生命体征数据,该系统能够正确预测30%的重症监护病房入院和50%的非重症监护病房住院患者死亡。作者再次假设了潜在的效率改进。最后,派克等人[67]是AA类中唯一一篇证明了实际效率提高而不仅仅是假设的文章。作者提出了一个通过离散事件模拟预测从急诊科到住院单位的病人流量的工具的影响。通过与医生和护士共享拥挤程度和预期所需床位总数的信息,从急诊科到住院部的寄宿时间减少了11.69%到18.38%,具体取决于医院类型。

业务分析

审查BA对供应商经济影响的研究占已确定文章的10%(5/50)。所有5项研究都显示了对提供者的积极经济影响,大多是直接的影响。大多数文章代表了美国(4/5)或欧洲(1/5)的案例研究。

BA工具分析设备利用在两篇文章中。斯特克尔等[68]研究了一个使用探头使用数据来支持购买决策的超声实践的例子。通过对程序数据的分析,决定不更换损坏的探头,从而节省了1万美元。Swedberg [69]展示了在一家拥有1100个床位的医院的所有设备上贴上射频识别标签如何将设备利用率从5%提高到40%。该系统能够减少租用或购买额外设备的需要,每年节省约20万美元。

有关广管局的应用程序如何透过减少收入流失或避免罚款而改善收费的例子,载于三篇文章[70-72].例如,杜拉克等[70]在一个案例研究中展示了一家美国医院如何使用数据分析来发现可预防的并发症和再入院率增加的根本原因,这意味着支付总额减少了总收入的3.5%。该工具帮助医院最终将罚款减少到零。

远程医疗

审查远程医疗对提供者的经济影响的研究在已确定的文章中所占比例最小(2/50)。这两篇文章都来自欧洲,其中一篇研究揭示了间接的积极影响,另一篇研究揭示了中性影响。

炉具等[73]审查了将全科医生与慢性肾脏护理领域的肾病学家联系起来的电子医疗会议的优点。该项目被认为提高了医生和肾脏学家的效率,如访谈和问卷所示;然而,没有报告数量上的效率提高。海德布切尔等[74另一方面,专门分析了远程随访和在办公室随访植入式心脏除颤器的成本和财务影响的差异。平均而言,对提供者的总成本和净财务影响是中性的,没有显示远程随访和在办公室随访之间的差异。然而,重要的是,可以观察到区域异质性,在德国等地实行远程后续报销的国家,医疗服务提供者保持或改善了经济状况。


主要研究结果

乍一看,所提出的结果似乎对数据和分析对保健提供者的经济影响这一首要研究问题产生了总体积极的答案。在审查的50篇文章中,31篇通过直接成本或收入影响或通过提高效率或生产力表明了积极影响。例如,研究表明,电子病历可以直接节省与纸质记录相关的存储和人员成本,或者通过在需要的时间和地点提供信息来提高医生的工作效率。其他研究证明,通过避免重复的实验室测试和成像研究,CCDS可以节省材料和人工成本。然而,对结果的更细致的观察表明,区分这5个确定的技术类别是非常重要的。与其他文献综述一致的是,EHRs或“数据”对提供者的经济影响充其量是一个混合的总体情况。从供应商的角度来看,12项研究显示积极的结果,18项研究显示消极、中性或好坏参半的结果,并不一定会促进对EHR投资的快速决定,至少从经济角度来看是这样。另一方面,像CCDS、AA和BA这样的“分析”应用程序似乎主要产生积极的经济效应。然而,从经济角度来看,涉及这些技术的论文数量很少,这再次指出了阻碍提供者快速采用的风险。最终,这篇综述揭示了供应商的一个相当令人不安的决策情况,因为“数据”的经济影响,以电子病历为代表,被详尽地研究,但揭示出模糊的结果,“分析”表明积极的结果,但只被很少调查。

考虑到电子病历对卫生保健结果的积极影响,已确定的关于提供者的经济影响的模糊结果也意味着可能错过相关的人口福利收益。一些国家的政策制定者已经认识到这一点,并鼓励采用EHR。2009年《美国卫生信息技术促进经济和临床卫生法案》向系统注入数十亿美元,用于补贴电子病历装置[19].这种方法似乎达到了预期的效果,使美国医院的EHR使用率接近100% [18].当然,各国的卫生系统差异很大,但这一结果至少应该促进讨论电子病历补贴是否也可以作为其他国家的解决方案,这些国家目前的电子病历采用率相对较低。例如,德国宣布了一项"医院未来法" (Krankenhauszukunftsgesetz),作为2020年2019冠状病毒病刺激计划的一部分,该计划设想设立至多43亿欧元的基金,用于投资数字基础设施和应急能力[75].在这里,有必要再次指出数据和分析对整个医疗保健系统的积极溢出效应。尽管这种审查主要从单个提供者的微观角度出发,但最终,在微观级别上的采用是在系统级别上进行更改或改进的关键先决条件。数据和分析可能会对护理质量产生已被证明的积极影响,但在世界显著转向基于质量的护理和报销之前,应该考虑其他促进技术采用的方法。

另一个与电子病历有关的影响也需要考虑。纳入的几项研究表明,电子病历装置可以作为其他技术的敲门剂,而这些技术实际上似乎主要对提供者具有积极的经济影响。特别是,本综述中确定的另外两个技术类别,即CCDS和AA,强烈依赖于EHRs中包含的数据。更准确地说,在已确定的研究中,75%(6/8)的CCDS工具和60%(3/5)的AA工具需要某种EHR输入。尽管数量有限,但目前在这两个领域的研究只显示了对提供者的积极经济影响。因此,采用EHR可能会成为CCDS和AA等技术在未来产生积极经济效应的瓶颈。采用EHR后,供应商可能能够从本审查中确定的附加技术中获得经济效益。为了获得更有针对性的证据基础,还需要进行更多的研究,研究使用诸如CCDS和AA等附加技术补充电子病历的这些经济影响。

抛开政策影响不谈,我们的工作也为提供者提供了见解。对于考虑安装EHR的供应商来说,这一审查显示了经济上可行的引入的重要因素。消除所有遗留成本,如纸质记录和相关的听写服务,将纸质记录空间重新用于临床空间,或以逐步的方式安装新技术(避免大爆炸),这些都是本综述的重要内容。对于已经使用电子病历的医院或诊所,邻近的技术,如CCDS或AA,可以提供经济效益,甚至可能缩短电子病历安装的盈亏平衡时间。此外,不应完全忽视利用电子病历数据或商业智能参与基于价值的护理计划的新机会。然而,从数据中获得经济价值的其他一些潜在来源目前似乎没有被研究覆盖。例如,没有一项研究涉及匿名患者数据直接货币化的潜力,或通过营销先进数字工具的应用来提高患者数量的能力。

最后,重要的是要注意到,在除美国以外的其他地区和除EHR以外的技术中,关于数据和分析对提供者的经济影响的研究仍然相当有限。总的来说,这篇综述没有将地理位置确定为经济影响类型的预测因素。然而,由于近65%(32/50)纳入的文章来自美国,需要在其他地区进行更多的研究,以得出一个明确的结论,即地理位置和相关的卫生保健系统是否是重要的驱动因素。从技术角度看,少数涉及电子病历以外技术的研究揭示了经济优势的证据;然而,没有对这些技术进行全面的成本效益分析和很少的系统审查。在AA领域,80%(4/5)的已确认研究仅假设了经济效益。然而,在不久的将来,AA工具的供应商还需要为其解决方案的经济优势提供高质量的证明。

限制

这项工作暴露在通常的文献综述所固有的局限性中。只搜索了PubMed和谷歌Scholar在线数据库;因此,完全由其他数据库捕获的相关研究可能被排除在外。被识别的文章样本可能缺乏结构化关键字搜索无法捕捉到的某些研究途径,因此遗漏了其他技术。然而,应用解释学系统搜索方法通过显式地允许迭代搜索来克服这些限制。此外,人工搜索技术补充了系统搜索。另一方面,大多数确定的研究都是在美国进行的;因此,结论可能并不完全适用于其他地区。最后,需要注意的是,研究主题“数据”几乎完全由专注于电子病历的研究所代表,因此没有触及数据的其他潜在相关来源和应用。尽管如此,电子病历可以被视为卫生保健环境中的一个关键数据容器。 The research subject “analytics,” on the other hand, faces a very limited body of evidence, which strongly impacts the generalizability of this study’s findings. More research covering these other technologies is needed to generate a more holistic and reliable evidence base. Lastly, the intended broad spectrum of reviewed studies prevents a clear and uniform definition and quantification of “economic value.” Studies and respective results can, hence, not be compared on the same scale, also since the methodological quality of the original studies was not analyzed.

结论

这篇综述综合了研究数据和分析对医疗保健提供者的经济价值的文献。确定了五个关键技术,即EHRs、CCDS、AA、BA和远程医疗。总的来说,经审查的50篇文章中有31篇指出了积极的经济影响,或通过直接成本或收入影响,或通过提高效率或生产力。更细致的观点表明,对于CCDS、AA(包括AI和大数据分析)和BA等研究较少的技术,情况尤其如此。对于最广泛研究的电子病历技术,出现了一个更模糊的观点,其经济影响各不相同。由于诸如CCDS和AA等技术严重依赖电子病历数据,这些模糊的研究结果有可能将电子病历的采用变成相邻技术的瓶颈,而这些技术大多具有积极的经济效应。这篇综述还鼓励讨论如何对电子病历进行补贴,就像在美国实施的和计划在德国实施的那样,可能会释放二级附属技术已证实的经济潜力。可以得出的结论是,更多的研究覆盖了电子病历以外的技术的经济影响,将显著改善目前的证据基础,并可能推动医疗保健提供者的采用。

的利益冲突

没有宣布。

多媒体附录1

解释学过程中相互联系的循环。

PNG文件,284kb

多媒体附录2

用于PubMed和谷歌Scholar数据库搜索的详细搜索查询。

PDF档案(adobepdf档案),113kb

多媒体附录3

按标题、摘要和文本筛选的所有已发表文章的概述(包括排除的原因)。

PDF档案(adobepdf档案),286kb

多媒体附录4

本综述中包括最后50项研究的详细综合。

PDF档案(adobepdf档案),332kb

  1. Blumenthal D, Glaser JP。信息技术进入医学领域。中华医学杂志2007年6月14日;356(24):2527-2534。[CrossRef
  2. Campanella P, Lovato E, Marone C, Fallacara L, Mancuso A, Ricciardi W,等。电子医疗记录对医疗质量的影响:系统回顾和荟萃分析。欧洲公共卫生杂志2016年2月30日;26(1):60-64。[CrossRef] [Medline
  3. Chaudhry B, Wang J, Wu S, Maglione M, Mojica W, Roth E,等。系统回顾:卫生信息技术对医疗保健质量、效率和成本的影响。Ann Intern Med 2006年5月16日;144(10):742-752 [免费的全文] [CrossRef] [Medline
  4. Moja L, Kwag KH, Lytras T, Bertizzolo L, Brandt L, Pecoraro V等。与电子健康记录相关的计算机化决策支持系统的有效性:系统回顾和元分析。《公共卫生杂志》2014年12月;104(12):e12-e22。[CrossRef
  5. Bright TJ, Wong A, Dhurjati R, Bristow E, Bastian L, Coeytaux RR,等。临床决策支持系统的效果:一项系统综述。Ann Intern Med 2012 july 03;157(1):29-43 [免费的全文] [CrossRef] [Medline
  6. 德索特尔斯,卡尔弗特J,霍夫曼J,杰伊M,凯瑞姆Y,谢赫L,等。用最少的电子健康记录数据预测重症监护病房的败血症:一种机器学习方法。JMIR Med Inform 2016年9月30日;4(3):e28 [免费的全文] [CrossRef] [Medline
  7. Miotto R, Li L, Kidd BA, Dudley JT。深度患者:从电子健康记录中预测患者未来的无监督表示。科学报告2016年5月17日;6:26094 [免费的全文] [CrossRef] [Medline
  8. Oh J, Makar M, Fusco C, McCaffrey R, Rao K, Ryan EE,等。一种可推广的、数据驱动的方法来预测两大学术卫生中心艰难梭菌感染的每日风险。2018年4月26日;39(4):425-433 [免费的全文] [CrossRef] [Medline
  9. Rajkomar A, Oren E, Chen K, Dai AM, Hajaj N, Hardt M,等。可扩展和精确的深度学习与电子健康记录。NPJ Digit Med 2018年5月8日;1(1):18 [免费的全文] [CrossRef] [Medline
  10. 李磊,秦磊,徐铮,尹勇,王旭,孔波,等。基于肺部CT的人工智能诊断新冠肺炎和社区获得性肺炎:诊断准确性评价放射学2020 Aug 19;296(2):E65-E71 [免费的全文] [CrossRef] [Medline
  11. McCall B. COVID-19与人工智能:保护医护人员和遏制传播。《柳叶刀数字健康2020》4月2日(4):e166-e167。[CrossRef
  12. Stephani V, Busse R, Geissler A. Benchmarking der Krankenhaus-IT: Deutschland im internationalen Vergleich。2019年:Krankenhaus-Report。柏林:施普林格出版公司;2019:17-32。
  13. Hübner U,李晓明,李晓明,李晓明,等。公布了Gesundheitswesen。Osnabrück应用科学大学,2019年12月31日。URL:https://www.hs-osnabrueck.de/fileadmin/HSOS/Homepages/IT-Report_Gesundheitswesen/IT-Report_Gesundheitswesen_2020_final.pdf[2020-11-12]访问
  14. 蒋峰,蒋勇,支辉,董勇,李辉,马松,等。人工智能在医疗保健中的应用:过去、现在和未来。Stroke Vasc Neurol 2017 Dec;2(4):230-243 [免费的全文] [CrossRef] [Medline
  15. 孙tq, Medaglia R.绘制公共部门人工智能的挑战:来自公共医疗保健的证据。政府信息季刊2019年4月36日(2):368-383。[CrossRef
  16. Jamoom EW, Patel V, Furukawa MF, King J. EHR采用者与非采用者:EHR采用者的影响、障碍和联邦倡议。卫生(Amst) 2014年3月2日(1):33-39 [免费的全文] [CrossRef] [Medline
  17. 李晓燕,李晓燕。电子健康记录应用的障碍:一项系统文献综述。J Med Syst 2016 Dec;40(12):252 [免费的全文] [CrossRef] [Medline
  18. 阿德勒-米尔斯坦J, Jha AK。HITECH法案推动了医院电子健康记录的采用。卫生Aff (Millwood) 2017 Aug 01;36(8):1416-1422 [免费的全文] [CrossRef] [Medline
  19. Blumenthal D.推出HITECH。中华医学杂志2010 02 04;362(5):382-385。[CrossRef] [Medline
  20. 使用电子健康记录的医院成本更低吗?系统回顾和荟萃分析。国际医疗保健管理杂志2019年5月21日;13(1):65-71。[CrossRef
  21. 我们能从医院实施电子病历中获益吗?结构化证据与叙事回顾。arkesmas 2019 3月16日;3(2):56-71。[CrossRef
  22. Reis ZSN, Maia TA, Marcolino MS, Becerra-Posada F, Novillo-Ortiz D, Ribeiro ALP。是否有证据表明医院信息系统中电子病历、标准或互操作性的成本效益?系统评审概述。JMIR Med Inform 2017 Aug 29;5(3):e26 [免费的全文] [CrossRef] [Medline
  23. 电子病历在医院护理中的价值:文献综述。医疗保健工程杂志2011年9月2(3):271-284。[CrossRef
  24. 王晓燕,王晓燕,王晓燕。人工智能在医疗保健中的经济影响:系统综述。J Med Internet Res 2020 Feb 20;22(2):e16866 [免费的全文] [CrossRef] [Medline
  25. Higgins J, Green S. Cochrane干预系统综述手册。新泽西州霍博肯:John Wiley & Sons;2008.
  26. 医学研究所。在:伊登J, Levit L,伯格A,莫顿S,编辑。找到在医疗保健中起作用的方法:系统审查的标准。华盛顿特区:国家学术出版社;2011.
  27. Greenhalgh T, Thorne S, Malterud K.是时候挑战系统性评论高于叙事评论的虚假等级了?Eur J clinin Invest 2018年6月16日;48(6):e12931 [免费的全文] [CrossRef] [Medline
  28. 引用本文:王晓明。文献综述与文献检索的解释学方法。中美国际学校2014;34:12。[CrossRef
  29. 阿克西,欧马利。范围研究:迈向方法论框架。国际社会研究方法论杂志2005年2月,8(1):19-32。[CrossRef
  30. Thompson G, O'Horo JC, Pickering BW, Herasevich V.电子病历对医院和ICU死亡率、住院时间和成本的影响:一项系统回顾和meta分析。Crit Care Med 2015 Jun;43(6):1276-1282。[CrossRef] [Medline
  31. 崔宗杰,李文彬,李鹏。三级医院电子病历系统的成本效益分析。Healthc Inform Res 2013年9月19日(3):205-214 [免费的全文] [CrossRef] [Medline
  32. 李凯,长川顺,王凯,李鹏,加藤康,李旭,等。综合医院电子病历系统的成本效益分析研究。中华医学杂志2012年10月3日;36(5):3283-3291。[CrossRef] [Medline
  33. Zimlichman E, Keohane C, Franz C, Everett WL, Seger DL, Yoon C,等。四家社区医院供应商计算机医嘱输入的投资回报:决策支持的重要性。质量与患者安全联合委员会杂志2013年7月;39(7):312-318。[CrossRef
  34. Jang Y, Lortie MA, Sanche S.初级保健实践中电子健康记录的投资回报:一项混合方法研究。JMIR Med Inform 2014年9月29日;2(2):e25 [免费的全文] [CrossRef] [Medline
  35. 阿德勒-米尔斯坦J,格林CE,贝茨DW。一项调查分析表明,电子健康记录将为一些做法带来收入的增加,而为许多做法带来损失。卫生会议(米尔伍德)2013年3月32(3):562-570。[CrossRef] [Medline
  36. 有意义地使用电子病历能降低医院成本吗?Am J Manag Care 2013年11月19日(10规格号):eSP19-eSP25 [免费的全文] [Medline
  37. Joseph M.有意义的精简。混合实践管理/EMR系统提高质量,降低成本。Mod Healthc 2010 july 05;40(27):C8。[Medline
  38. Zlabek JA, Wickus JW, Mathiason MA。住院病人电子健康记录的早期成本和安全效益。J Am Med Inform Assoc 2011 Mar 01;18(2):169-172 [免费的全文] [CrossRef] [Medline
  39. 使用电子健康记录提高质量和效率:领先医院的经验。发行简介(共同基金)2012年7月;17:1-40。[Medline
  40. Schnaus MJ, Michalik M, Skarda P.电子病历显示对提供者订购行为的影响:利用EMR提高质量和成本。Am J Med 2017 Dec;130(12):1366-1371。[CrossRef] [Medline
  41. 基于价值的激励可以帮助实践抵消EHR成本。医学经济杂志2014年5月10日;91(9):41-43。[Medline
  42. dan u N, Zmistowski B, Chen AF, Chapman T, Howley M.电子健康记录如何与骨科外科的提供者生产力和计费相关联?临床骨科及相关研究2019;477(11):2443-2451。[CrossRef
  43. 瑞德TK,瑞德-布朗S,蔡D,雅克尔TR,涂DC,蒋敏明。电子健康记录对儿科眼科学术实践生产力和效率的影响。J AAPOS 2014 12月;18(6):584-589 [免费的全文] [CrossRef] [Medline
  44. Voleti VB, Braunstein AL, Mahabir C, Schrier A, Chiang MF。某学术眼科诊所向电子健康档案系统过渡初期的执业效率评价。调查眼科学与视觉科学2011;52(14):5549-5549。
  45. 金玲,王晓燕。电子病历(EMRs)对日本医院生产效率的影响。Int J Med Inform 2018 10月118:36-43。[CrossRef] [Medline
  46. De Leon S, Connelly-Flores A, Mostashari F, Shih SC.健康信息技术的业务端。在大型社区实践中,完全集成的电子健康记录能否提高提供者的生产力?中华医学实践杂志2010;25(6):342-349。[Medline
  47. 卡迪什SS,梅尔EL,杰克曼DM, Pomerantz M,布雷迪L, Dimitriadis A,等。实施到优化:一种定制的、数据驱动的方法,以提高提供者使用电子病历的效率和信心。JOP 2018年7月,14 (7):e421-e428。[CrossRef
  48. Chuang T, Yii N, Nyandowe M, Iyer R.研究澳大利亚教学医院实施电子病历系统对手术室效率的影响。Int Surg J 2019年4月29日;6(5):1453。[CrossRef
  49. 古川MF,拉古TS,邵BBM。医院外科医疗单元的电子病历与成本效益。查询2010年6月;47(2):110-123 [免费的全文] [CrossRef] [Medline
  50. Hollenbeck SM, Bomar JD, Wenger DR, Yaszay B.采用电子病历。儿科骨科杂志2017;37(6):424-428。[CrossRef
  51. 韦尔塔TR,汤普森MA,福特EW,福特WF。电子病历的实施与医院全要素生产率。决策支持系统2013年5月;55(2):450-458。[CrossRef
  52. McDowell J, Wu A, Ehrenfeld JM, Urman RD.实施一种新的电子健康记录系统对手术病例周转时间的影响。J Med Syst 2017 3月27日;41(3):42。[CrossRef] [Medline
  53. 古河道MF。电子病历与医院急诊科的效率。2011年2月16日;68(1):75-95。[CrossRef] [Medline
  54. Kazley AS, Ozcan YA。电子病历的使用与效率:医院的DEA与窗口分析。社会经济规划科学2009年9月43(3):209-216。[CrossRef
  55. Pyron L, Carter-Templeton H.实施电子健康记录后改善患者流量和提供者效率。计算机,信息学,护理2019;37(10):513-521。[CrossRef
  56. 弗莱德曼A,琼斯S,詹姆斯S,肯尼迪KF,梅因ML,奥斯汀BA。在电子病历中实施最佳做法警报以限制低值住院患者超声心动图。Am J Cardiol 2018年11月01;122(9):1574-1577。[CrossRef] [Medline
  57. Okumura LM, Veroneze I, Burgardt CI, Fragoso MF。计算机供方订单输入和临床决策支持系统改善头孢唑林在手术预防中的使用效果:一项节约成本的分析。2016年9月30日(格拉纳达);14(3):717。[CrossRef
  58. 列维克DL,斯特恩G,梅尔霍弗CD,列维克A,帕克拉瓦奇D。“通过实施有针对性的CDS干预措施,减少CPOE系统中不必要的测试”。BMC Med Inform Decis Mak 2013 Apr 08;13(1):43 [免费的全文] [CrossRef] [Medline
  59. Quadros DG, Neville IS, Urena FM, Solla DFJ, Paiva WS, Teixeira M.脑瘤术后早期出院快速通道算法的安全性和成本分析。神经外科2019;66 (Supplement_1): nyz310_432。[CrossRef
  60. 摘要WP492:吞咽困难的严重程度和决策算法对中风患者住院时间、约束使用和费用的影响。中风2019 2月;50 (Suppl_1): AWP492。[CrossRef
  61. Wagholikar KB, Hankey RA, Decker LK, Cha SS, Greenes RA, Liu H,等。评价决策支持对门诊基层医疗服务提供者效率的影响。J Prim Care Community Health 2015年1月6日(1):54-60 [免费的全文] [CrossRef] [Medline
  62. Elkin PL, Liebow M, Bauer BA, Chaliki S, Wahner-Roedler D, Bundrick J,等。在教学医院服务的工作流程中引入诊断决策支持系统(DXplain™)可以降低具有诊断挑战性的诊断相关组(DRGs)的服务成本。Int J Med Inform 2010 11月;79(11):772-777 [免费的全文] [CrossRef] [Medline
  63. 李YH。在繁忙的放射学实践中提高效率:使用深度学习卷积神经网络确定肌肉骨骼磁共振成像协议。J Digit Imaging 2018 Oct 4;31(5):604-610 [免费的全文] [CrossRef] [Medline
  64. 崔维迪H, Mesterhazy J, Laguna B, Vu T, Sohn JH。使用IBM Watson的自然语言处理算法自动确定肌肉骨骼MRI检查中静脉造影剂的需要。J Digit Imaging 2018 Apr;31(2):245-251 [免费的全文] [CrossRef] [Medline
  65. 王辉,崔铮,陈勇,Avidan M, Abdallah AB, Kronzer A.基于成本敏感深度学习的再入院率预测。IEEE / ACM反式。第一版。医学杂志。Bioinf 2018年11月1日;15(6):1968-1978。[CrossRef
  66. 阿尔梅达JP。一种颠覆性的大数据方法,利用医院管理和临床决策支持的效率。Porto Biomed J 2016;1(1):40-42 [免费的全文] [CrossRef] [Medline
  67. Peck JS, Benneyan JC, Nightingale DJ, Gaehde SA。描述预测分析在促进医院病人流动方面的价值。医疗系统工程学报2014年8月18日;4(3):135-143。[CrossRef
  68. 斯特克尔,龙Z,特拉普DJ,汉吉安德鲁NJ。基于图像的分析在超声实践管理和效率改进中的应用。J Digit Imaging 2019 Apr 8;32(2):251-259 [免费的全文] [CrossRef] [Medline
  69. RFID促进英国医院医疗设备的使用。RFID杂志2013年8月15日。URL:https://www.rfidjournal.com/rfid-boosts-medical-equipment-usage-at-u-k-hospital#sthash.j8t6MAio.dpuf[2020-11-12]访问
  70. Dulac J, Pryor R, Morrissey W.一个数据驱动的方法来改善临床护理和降低成本,一个学术健康中心和一个医院系统在应用数据分析方面的经验为其他刚刚开始这方面工作的组织提供了宝贵的经验,这对基于价值的支付的成功至关重要。医疗保健财务管理2017;71(8):52-58。
  71. Rivera J, Delaney S.使用业务分析改善结果:奥兰多健康利用定制解决方案,使其医院和医生执业收入循环系统同步,并在运营和财务上加强其组织。医疗保健财务管理2015;69(2):64-68。
  72. Schouten P.大数据在医疗保健服务提供商的收入泄漏与高级分析。医疗保健财务管理2013;67(2):40-43。
  73. 火炉J,康诺利J,张CK, Grange A, Rhodes P, O'Donoghue D,等。电子会诊作为慢性肾病患者医院转诊的替代方案:网络电子健康记录的一种新应用,可提高医疗保健的可及性和效率。2010年10月16日;19(5):e54-e54。[CrossRef] [Medline
  74. Heidbuchel H, hindicks G, Broadhurst P, Van Erven L, Fernandez-Lozano I, Rivero-Ayerza M,等。EuroEco(关于ICD患者家庭监测的欧洲卫生经济试验):五个欧洲国家的提供者对有或没有远程监测的后续行动的成本和净财务影响的观点。Eur Heart J 2015年1月14日;36(3):158-169 [免费的全文] [CrossRef] [Medline
  75. Bundesministerium毛皮一厢情愿。Krankenhauszukunftsgesetz für die Digitalisierung von Krankenhäusern。2020.URL:https://www.bundesgesundheitsministerium.de/krankenhauszukunftsgesetz.html[2020-09-18]访问


AA:先进的分析
人工智能:人工智能
芭:业务分析
CBA:成本效益分析
加拿大广播公司:完整的血细胞计数
ccd:计算机化临床决策支持
cd:临床决策支持
CPOE:计算机化的医生/提供者订单输入
电子健康档案:电子健康记录


G·埃森巴赫编辑;提交14.08.20;S Fetzer、Z Reis、KL Ong等同行评议;对作者17.09.20的评论;修订版收到12.10.20;接受24.10.20;发表18.11.20

版权

©菲利普·冯·韦德尔,克里斯蒂安·哈吉斯特。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2020年11月18日。

这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布,该协议允许在任何媒体上不受限制地使用、分发和复制,前提是要正确引用最初发表在《医学互联网研究杂志》上的原始作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物链接,以及版权和许可信息。


Baidu
map