JMIR医学信息学——计算机化供应商订单输入中的决策支持质量:系统文献综述

审查

¹日内瓦大学医院药学系，日内瓦，瑞士

²瑞士日内瓦洛桑大学日内瓦大学药学院

^3.日内瓦大学医院医学信息科学部，日内瓦，瑞士

⁴日内瓦大学医学院，瑞士日内瓦

通讯作者:

Delphine Carli，药学博士

药学部

日内瓦大学附属医院

加布里埃尔-佩雷-让蒂街

1211年,日内瓦

瑞士

电话:41 786532871

传真:41 223726255

电子邮件:delphine.carli@chuv.ch

背景:计算机化决策支持系统在订单输入领域提出了许多希望和期望。尽管有许多研究报告了积极的影响，但对这些系统的警报疲劳和有效影响的关注越来越高。疲劳警报报告的根本原因之一是这些警报的临床相关性较低。

摘要目的:本系统综述的目的是评估报告的阳性预测值(PPV)，作为计算机化提供者订单输入(CPOE)决策支持系统的临床相关性的代理。

方法:利用PubMed数据库系统检索2009年2月至2015年3月发表的关于CPOE、临床决策支持系统和警惕性疲劳相关预测值的科学文献。纳入标准如下:英文、全文可用(免费或付费获取)、评估的药物、直接或间接的预测价值水平、敏感性或特异性。在可能的情况下，根据所提供的信息，计算或评估PPV。

结果:对PubMed检索到的928篇候选论文进行附加查询。其中376人符合摘要要求。最后，26项研究符合全文审查的条件，17项研究为研究目标提供了足够的信息。从评审论文的参考文献中增加了4篇论文。结果表明，根据决策支持对象的不同，ppv的差异很大，从8%到83%不等，大多数结果在20%到40%之间。当考虑到患者的特征，如合并症或实验室检查结果时，观察到最好的结果。灵敏度也有很大的差异，从38%到91%不等。

结论:在CPOE决策支持中，有越来越多的警报覆盖报告。文献中讨论了几个原因，最重要的一个是预警的临床相关性。在本文中，我们试图正式评估警报的临床相关性，使用近强代理，即警报的PPV，或任何表达它的方式，如真阳性和假阳性警报的比率。在做这个文献综述时，得出了三个推论。首先，很少有论文报告支持PPV的使用或计算的直接或足够的间接因素，这是医学中所有诊断工具的黄金标准，应该系统地报告以提供决策支持。其次，PPV根据决策支持的类型变化很大，因此总体比率没有用处，但必须由警报类型报告。最后，一般来说，ppv低于或接近50%，这可以被认为是非常低的。

中华医学杂志，2018;6(1):3 - 6

doi: 10.2196 / medinform.7170

关键字

决策支持系统，临床；医嘱输入系统；系统，药物警报；灵敏度；特异性；试验的预测值

计算机化的病人记录和计算机化的提供者订单输入(CPOE)系统被认为是提高护理安全性和效率的主要工具。计算机化的患者记录是医护人员之间信息共享的基石，并且越来越多地与患者共享;它们有助于改善护理的连续性和患者安全。CPOE改进流程的方式基于三个支柱。第一个支柱是正式的结构化订单输入，它提高了完整性和可读性。第二种是将CPOE嵌入到完整的护理过程中，如药物循环或临床途径。第三个支柱是订购过程中的决策支持能力，例如提供关于所开药物的广泛信息，或在当前订单与患者记录的其他元素(如问题、实验室结果和其他药物或诊断)之间建立联系。许多研究报告了临床决策支持系统(CDSS)对患者预后的积极影响，例如减少重复医嘱、剂量错误、药物相互作用、使用提醒错过或延迟行动等[1-4］．CPOE的好处已经在提高护理的成本效益方面得到了证明，要么直接通过减少不良事件和重复订单，要么间接通过减少住院时间[5，6］．然而，提醒和提醒的负担不能太高或警惕疲劳可能导致临床医生无视重要和不重要的警报，从而危及CDSS本应带来的安全性改善[7］．换句话说，CDSS的特异性(Sp)必须很高。一些研究报道了CDSS对CPOE的意外影响[8-10以及它们偶尔对患者安全造成的严重影响。这与报告不良事件的延迟有关，从而导致治疗中的特定感染性或血栓性并发症[11]或在提出减少警报过载的措施后取消QT间期警报的产生[12］．这不是一个边缘问题。例如，Yeh在2013年发表的一项研究分析了台湾门诊开出的100多万张处方，报告称，在提出的大约1.1万份药物相互作用警报中，有91.5%的人被忽视[13］．了解临床医生在CPOE中无视CDSS的原因已经受到了很多关注[14，15］．近年来，关于CPOE预警改善的研究已经发表了许多。这些讨论了理论背景，如模型和框架[16]，数据表示[17]或行为理论[18]、可用性和界面[19，20.]，观念和期望[21]，模拟[22]、效能监测[23，24]和决策支持Sp [25]等问题。

本研究的重点是CPOE警报的预测价值。可以将CPOE中的CDSS视为类似于医学中的任何其他决策支持工具:具有阳性预测值(ppv)和阴性预测值(npv)的工具。如上所述，之前的一些研究侧重于评估CPOE中决策支持的预测价值，报道的ppv通常低于20%，低至5% [26，27］．van der Sijs等人的一项研究表明，49%至96%的警报被忽略了[28]并确定了一系列人为因素:

由于低PPV导致的低信噪比导致警觉性疲劳
可用性问题，如糟糕的人体工程学、误解或未被注意的警报
不同意指导方针
医生对自己知识的信念
缺少时间

问卷调查和焦点小组提供了进一步的了解，使医生能够评估最重要的因素，以获得有用的，易于使用的警报[29，30.］．这些结果表明，与药物相关的警报被认为比提醒临床医生患者健康或疾病状况的警报更有用。Shah等人建议，基于谨慎选择警报的方法，以提高临床证据的相关性、严重性、可能性和强度，将提高警报的接受度[31］．Bates等人提出了“有效临床决策支持的十诫”，如信息系统的速度，预测临床医生的需求并在他们需要的时候向临床医生提供信息，将建议与实践相结合，提供替代方案，改变方向而不是停止或管理，以及维护基于知识的系统[32］．

如前所述，大多数警报都会被覆盖。尽管许多作者都在谈论警报的数量，或者警报的相关性，但我们一直有兴趣尝试清楚地评估警报的PPV，从而评估真阳性和假阳性警报的比率。在进行这项审查时，得出了三个推论。首先，很少有论文报告支持PPV的使用或计算的直接或足够的间接因素，这是医学中所有诊断工具的黄金标准，这就是为什么它应该被系统地报告为决策支持。其次，PPV根据决策支持的类型变化很大，必须通过警报类型报告。第三，一般来说，ppv可以被认为是非常低的，低于50%或接近50%。

由于医疗保健专业人员对CPOE中的CDSS有很高的期望，以及相关的成本和潜在的意外后果，我们决定对CPOE、CDSS、预测值及其与警觉性疲劳的关系的文献进行系统回顾。我们假设低PPV可以解释为什么大多数警报被覆盖。我们构建了这一系统综述，以确定CPOE警报的真实PPV。

选择标准

我们的研究目标是评估在实施CPOE的计算机患者记录中临床相关警报的出版物。

搜索策略

使用PubMed检索2009年2月至2015年3月期间发表的文献，使用以下查询:(CPOE[所有字段]或“医疗订单输入系统”[所有字段]或“警报系统”[所有字段]或“订单输入”[所有字段]或“决策支持系统”[所有字段])和(敏感性[所有字段]或敏感性[所有字段]或预测性[所有字段])或(疲劳[所有字段]或过载[所有字段]或过度收费[所有字段]或负担[所有字段]或覆盖[所有字段]或过度警报[所有字段]或忽略[所有字段])。搜索了以下含义决策支持: CPOE、医疗命令输入系统、警报系统、命令输入和决策支持系统。搜索了以下含义相关性:敏感性、敏感性、预测性、疲劳、过载、过度充电、负担、覆盖、过度报警和忽略。

以下限制适用于所有查询:英语，只有全文可用的论文，评估药物，以及可用的数字数据。

我们排除了定性研究、用户满意度或意见调查、医生依从性研究和人为因素影响分析。

选择相关刊物

首先，三位审稿人(DC、GF和CL)根据文献标题和综述研究的纳入和排除标准独立选择文献。当结果不一致时，最后的选择是通过协商一致作出的。接下来，他们独立阅读和评估所有确定的论文的摘要。在没有摘要的情况下，检索并审查全文论文，以便只保留相关论文。同样，三位审稿人通过协商一致的方式解决了任何分歧。在没有达成协议的情况下，暂时将摘要列入审议，但须阅读全文。

保留与研究问题相关的摘要，检索所有全文论文。然后，检索每篇论文的参考文献部分，寻找可能包含的其他相关文献。

在审稿人中，2位(DC和GF)通过基于排除和纳入标准的标准化评估过程评估了所选论文的质量。对于入选最终评审的论文，其预测值、敏感性(Se;在可能的情况下，检索或计算了在潜在危险情况下生成警报的能力)或Sp(无法阻止无关警报)。Se定义为警报检测到的药物不良事件(ADE)患者在ADE阳性患者总数中的数量。Sp定义为未发生ADE且无警告警报的患者占未发生ADE患者总数的百分比。PPV定义为警报总数(真阳性和假阳性之和)中相关药物警报(真阳性)的数量。2位审稿人的评价分歧由第三位审稿人(CL)解决。

研究选择

数据库搜索检索了928个匹配引用。基于MEDLINE摘要的第一次评估允许识别402篇潜在的有趣论文。然后，基于摘要并应用纳入和排除标准的第二次更深入分析导致311篇文章被排除，从而将初始集减少到91篇报告。其中，26篇全文论文被检索、评审，并纳入下一阶段评审。通过所选研究的参考文献部分进行的额外搜索产生了另外20篇可能相关的论文。其中4个被纳入我们的分析。评审选择过程总结于图1。

研究描述

包括额外的检索参考文献，17项研究的最终样本符合我们的资格标准，如所列表1，发表于1998年至2015年之间。这些论文主要分析了中断警报(n=7/8被通知)。使用了各种警报目标，并在表2。主要是药物-实验室相互作用(n=11)、药物剂量相互作用(n=8)、药物-药物相互作用(n=6)、重复医嘱(n=3)和药物-过敏相互作用(n=3)。

这些论文报告了所研究的警报的硒和磷的预测值。如图所示表3，四篇论文没有报道任何PPV，尽管本研究的作者能够计算出其中两篇论文的PPV。论文中发现的PPV通常较低且异质性较大，大多在20%至40%之间。尽管本综述中纳入的论文的靶标警报、警报通知、研究设计和研究周期各不相同，但药物-实验室相互作用的ppv(2.3%-83%)似乎高于药物剂量相互作用(8%-13.8%)或药物-药物相互作用(1.6%-48%)。此外，先进的CDSS [49]的PPV高于较基础的(17%-97%)。

影响PPV的警报类型

一般来说，PPV随着风险的增加而增加。例如，药物剂量相互作用的PPV高于药物-实验室相互作用。这可能是因为经历ADE的风险更高[48］．此外，PPV在预防(预防ade的机会)方面低于在检测(评估或治疗可能存在的ade)方面:24%比97% [46］．事实上，PPV与患病率(Prev)有关，而Se和Sp只与定义如下的测试有关:PPV=(Se×Prev)÷(Se×Prev+(1−Sp)×(1−Prev))。因此，在预防方面，疾病的流行率可能很低，因此PPV也会很低。此外，研究表明，针对药物-实验室相互作用的警报的PPV随警报信号的选择而变化。事实上，对于低于最大定义值的实验室值，警报的PPV为36% (95% CI 29-43)。如果在最后两个实验室结果之间的值至少下降50%后激活警报，则PPV增加到83% (95% CI 62-104)。连续两次下降，第三次和最近一次血小板计数之间至少有25%的差异，PPV为40% (95% CI 32-48) [50］．

此外，研究表明，针对高危患者的安全警报的PPV (PPV=14%)高于开始使用药物(PPV=6%)、持续使用药物(PPV=6%)、建议(PPV=7%)和用于治疗ADE的药物(PPV=0%) [28］．总之，警报的PPV通常很低。然而，有几个因素似乎可以提高PPV。

上下文信息提高PPV

高级警报的PPV高于基本警报，因为它们更具体。先进的CDSS，如利用患者特点和实验室检查结果，其PPV高于基本的CDSS。例如，Eppenga等人表明，使用来自实验室的信息和少数其他特定信息将PPV从12.2%提高到23.3% (P< 0.05)，先进系统的PPV高于基础系统(17% vs 5.8%);P< . 05) (37］．许多因素可以影响PPV，主要是因为它们会对警报考虑的人群产生影响。例如，不指定给药途径有时会降低PPV，例如在一些局部治疗中。这是因为发生ADE的风险会因给药途径而异[50］．剂量警报系统的进一步发展应以提高警报的准确度为目标。在定制剂量范围系统中，系统识别剂量错误的Se从54.1% (95% CI 47.8-60.3)增加到60.3% (95% CI 54.0-66.3) (P= .02点)。未定制时，系统的掺量不足Se为49.6%，定制后增加到60.3% (P= . 01) (47］．此外，研究还强调，PPV根据患者的特征和合并症而有所不同:对于低血糖风险的预警，磺胺脲类药物患者的PPV更高(45.7% vs 28.4%);P=.04)和患有三种或三种以上慢性疾病的患者(35.7%对22.7%，P= .049)。血清肌酐>2.0 mg/dL的患者发生高钾血症危险预警的PPV更高(50.0% vs 16.0%;P= . 01) (38］．

PPV可以根据警报的类型而变化。PPV最高的5种预警类型(34.1% ~ 73.3%)中，3种为药物-实验室相互作用预警，属于高级预警。与此同时，在被描述为相关性最低的10个警报(PPV在0%至4.5%之间)中，8个是药物-药物相互作用[37］．

最后，PPV根据具体目标而变化。一项旨在识别4种ADE类型的警报研究显示，其中一些可能具有较低的PPV:低钾血症的PPV仅为4.0% (95% CI 1.3-9.1)，低血糖血症的PPV为31.2% (95% CI 18.2-46.6)，高钾血症的PPV为31.1% (95% CI 25.1-37.8)，血小板减少症的PPV为20.6% (95% CI 11.7-32.1)。此外，警报的效果可能因医学专业而异。在Riggio等人的一项研究中，当警报被激活时，外科比普通内科更早地安排了实验室检查，可能是因为外科医生更了解研究中观察到的血小板计数的重要性[33］．PPV也可以根据警报的药理学目标而变化。例如，抗感染药物被排除在药物剂量相互作用警报之外，以限制假阳性的数量，因为这些药物可能会给患者带来特定的剂量调整和多种适应症[44］．

表1。本文纳入研究的特点。

源	研究设计	研究期间	研究网站	专业	病人护理	有警报的病人数目
Riggio等，2008 [33］	控制与干预	3周	728个床位的医院	医学、外科、儿科	住院病人	对照组:47人; 干预组:53人
现金，2009年[34］	回顾性分析	N/A^一个	医院	儿科	住院病人	N/A
Van der Sijs等，2010 [35］	控制/干预	1个月	807个床位的医院	N/A	住院病人	N/A
FitzHenry等，2011 [36］	回顾性分析	7个月	807个床位的医院	N/A	住院病人	2404
Eppenga等，2014 [37］	横截面	5天	800个床位的医院	N/A	住院病人	619
Moore等人，2009 [38］	前瞻性观察性	5个月	684个床位的医院	N/A	N/A	456
Fritz等人，2012 [39］	前瞻性观察性	N/A	850个床位的医院	内科医学	住院病人	One hundred.
Harinstein et al .， 2012 [40］	前瞻性观察性	8周	医疗中心	医疗和心脏重症监护	住院病人	64
Zorina等，2012 [41］	横截面	1年	850个床位的医院	神经系统	住院病人	484
Beeler等人，2013 [42］	回顾性分析	90周	850个床位的医院	N/A	住院病人	922
Rommers等人，2013 [27］	前瞻性观察性	5个月	医院	内科、心脏科、肺科、胃肠科、血液科	住院病人	931
Stultz等人，2013 [43］	回顾性分析	1个月	350个床位的医院	儿科	住院病人	573
Stultz等人，2014 [44］	回顾性分析	1个月	350个床位的医院	儿科	住院病人	189
Dormann et al .， 2004 [45］	前瞻性研究/回顾性分析	6个月	医院	胃肠病	N/A	377
Raschke et al, 1998 [46］	未来的情况	6个月	650个床位的医院	Nonobstetrics	N/A	9306
Silverman等人，2004 [47］	回顾性分析	3个一年期期限	726个床位的教学机构	三级护理	N/A	N/A
Handler等人，2007 [48］	系统综述	12个研究	医院	N/A	N/A	N/A

^一个-不适用。

表2。论文中包含的警报特征。

源	提醒通知	警报的起源	预警目标
Riggio et al .， 2008	中断的警报	- - - - - -	药物-实验室相互作用:肝素诱导的血小板减少症 ‎
现金,2009	中断的警报	- - - - - -	药物之间相互作用 ‎ 毒品实验室交互 ‎ 重复的订单 ‎ 药物的剂量交互 ‎ 药物过敏的交互 ‎
Van der Sijs et al .， 2010	中断的警报	商业系统	药物剂量相互作用:过量 ‎ 药物之间相互作用 ‎ 药物的剂量交互 ‎ 药物过敏的交互 ‎ 药物-妊娠相互作用:禁忌症 ‎ 重复的订单 ‎ 药物-实验室相互作用:肾功能不良 ‎ 药物-药物遗传相互作用:代谢不良 ‎
FitzHenry et al .， 2011	中断的警报	- - - - - -	药物剂量相互作用:华法林 ‎
Eppenga et al, 2014	中断的警报	- - - - - -	基本药物之间相互作用 ‎ 重复的订单 ‎
			先进的药物之间相互作用 ‎ 药物的剂量交互 ‎ 毒品实验室交互 ‎ 药物-实验室相互作用:缺少实验室价值 ‎ 药的相互作用 ‎ Drug-age交互 ‎
Moore et al .， 2009	- - - - - -	- - - - - -	药物-实验室相互作用导致药物不良事件(ADE):低血糖、低钾血症、高钾血症和血小板减少症 ‎
Fritz et al .， 2012	- - - - - -	商业系统	药物之间相互作用 ‎
Harinstein et al .， 2012	- - - - - -	商业系统	药物-实验室相互作用:药物性血小板减少症 ‎
Zorina et al, 2012	- - - - - -	商业系统	药物之间相互作用 ‎
Beeler et al, 2013	示意警报	- - - - - -	药物之间相互作用 ‎
Rommers et al .， 2013	- - - - - -	- - - - - -	药物-实验室相互作用:ADE系统 ‎
Stultz et al, 2013	中断的警报	- - - - - -	药物的剂量交互 ‎
Stultz et al, 2014	中断的警报	- - - - - -	药物的剂量交互 ‎
Dormann et al .， 2003	- - - - - -	- - - - - -	药物-实验室相互作用:预测ADE ‎
Raschke et al, 1998	- - - - - -	- - - - - -	药物监测相互作用:预测ADE ‎ 药物-年龄相互作用:预测ADE ‎ 药物-实验室相互作用:预测ADE ‎
Silverman et al, 2004	- - - - - -	- - - - - -	ADE检测系统 ‎ 药物过敏的交互 ‎ 药物之间相互作用 ‎ 治疗重复 ‎ 药物的剂量交互 ‎ 毒品实验室交互 ‎
Handler等人，2007	- - - - - -	- - - - - -	解药 ‎ 毒品实验室交互 ‎ 药物剂量相互作用:亚治疗药物水平 ‎

表3。阳性预测值(PPV)、敏感性或特异性纳入本综述的研究。

源	警报数量	阳性预测值(%)	灵敏度(%)	特异性(%)	假阳性(%)
Riggio et al .， 2008	41922年	2．3	87	87	N/A^一个
现金,2009	- - - - - -	1.4	N/A	N/A	N/A
Van der Sijs et al .， 2010^一个	- - - - - -	- - - - - -	38 - 79 (n = 29)	11 - 89 (n = 19)	N/A
FitzHenry et al .， 2011^b	2308	- - - - - -	N/A	N/A	46 - 85
Eppenga et al, 2014	基本2607/高级2256	基础:5.8 (n=150/2607)/高级:17 (P< . 05)	N/A	N/A	N/A
Moore et al .， 2009	611	4.0 (n=125)-31.2 (n=218)	N/A	N/A	N/A
Fritz et al .， 2012	743	5.7 (n=3/53)-8 (n=29/362)	9.1(n=3/53) -87.9 (n=29/362)	N/A	N/A
Harinstein et al .， 2012	350 (204/12/134)	36 (n = 73/204) -83 (n = 10/12)	N/A	N/A	N/A
Zorina et al, 2012	1759/1082^c	24/48^c	70.6/72.4^c	N/A	N/A
Beeler et al, 2013^d	7902	1.6 (n=47/2866) (P= .002)	N/A	N/A	N/A
Rommers et al .， 2013	2650 (963/722/437)	8 (n = 204/2650)	N/A	N/A	N/A
Stultz et al, 2013^e	3774	13.8	N/A	N/A	N/A
Stultz et al, 2014	257	优势比(OR) 8 (95% CI 6.8-9.3)	或60.3 (95% ci 54.0-66.3)P= .02点	或96.2 (95% ci: 96.0-96.3)	N/A
Dormann et al .， 2003	2328 (1748/580)	前瞻性研究25(n=574/2328)(13-40)/回顾性分析32(18-67)	91/40	23/76	N/A
Raschke et al, 1998	1116 (803/313)	24 (n = 5/21) -97 (n = 190/196)	N/A	N/A	N/A
Silverman et al, 2004	3117/7390/6136	0-60	N/A	N/A	N/A
Handler等人，2007	- - - - - -	解毒剂:9 - 11	N/A	N/A	N/A
	- - - - - -	实验室检测结果:3-27	N/A	N/A	N/A
		超治疗药物水平:3-50	N/A	N/A	N/A

^一个-不适用。

^c没有可用的PPV。

^c临床决策支持系统的两种不同方案的价值。

^d为回顾计算的阳性预测值:PPV定义为预防可能的药物不良事件的建议/干预措施数量与产生的警报总数的商。

^e为审查计算的PPV: PPV定义为与Lexicomp相比正确警报的数量。

主要研究结果

论文中发现的PPV相当低，只有20%到40%。尽管论文存在异质性，但似乎有几个因素影响PPV。首先，PPV可以随着警报类型的不同而变化，比如患者试图预防的风险。此外，有几个因素似乎可以提高PPV，比如上下文信息。事实上，更具体的警报比指定给药路线或患者特征的基本警报具有更高的PPV。此外，PPV可根据警报的药理靶点或医学专长而有所不同。

即使是最基本的系统通常也显示出良好的Se。因此，医疗专业人员可以更全面地发现与药物有关的问题:在采用综合资料分析系统后，某药剂科的临床干预次数增加了15% [47］．然而，一个真正的积极警报的影响可能是矛盾的。例如，在警报组中，患者的ADE发生率、治疗干预时间或实验室检测时间均未减少，并且在警报组中，医生在停止导致ADE的治疗前等待的时间延长了1.6天(P= .049) (49］．这一结果可能是由于低PPV引起的警觉性疲劳。

这项研究有几个局限性。首先，我们只使用PubMed进行研究，没有使用EMBASE、Web of Science或会议记录进行查询。结果基于少数报告，因为只有少数研究报告了正确评估决策支持背景及其相关预测价值所需的所有特征。结果的报告方式、完整性和评估方法存在很大的异质性，因此限制了跨出版物汇总警报PPV的可靠性。由于PPV随患病率的变化而变化，患者环境，包括人口、医院环境等，都有影响，不能考虑。因此，这些结果在整体评估中引入了一些类型的偏差。

关于中断警报的研究在方法上有一些同质性，关于决策支持的研究主要是关于3种类型的相互作用:药物-实验室、药物-药物和药物剂量。这3种类型的交互是最容易实现的，并且每种类型都有几个大型数据库可用。一般来说，不考虑患者具体临床信息并仅使用外部数据库的系统显示出最低的PPV;具有特定知识来源并使用最多患者个体特征的系统具有最高的PPV。

结论

据文献报道，CPOE临床决策支持系统的PPV差异很大，从5.8%到83%不等，大多数结果在20%到40%之间。药物-药物相互作用警报的PPV最低，而药物实验室警报的PPV最高。

通过对文献的回顾，我们建议使用CPOE的最佳策略是调整并仔细优化数据库，以驱动激活警报的知识。此外，CDSS应考虑尽可能多的病人的特点。警报的效率，以及它们的PPV，比一个非常大的知识数据库更重要，因为数据库可能会产生大量的误报，这会降低PPV并产生警报疲劳。

先进的警报系统应旨在提高警报的PPV，同时保持良好的Se。为了减少假阳性警报的数量，应该将来自不同来源的上下文数据(如药房、人口统计数据或实验室测试)集成到系统中。

美国医学研究所建议，系统的设计应该使“人们很难做错事，容易做正确的事”[51］．然而，由于ppv与文献中所见的一样低，不幸的是，许多计算机化的患者记录往往使人们很难做正确的事情，而容易做错误的事情。

利益冲突

没有宣布。

李晓明，李晓明。计算机化医疗服务订单输入与患者安全。中华儿科杂志，2012,12(6):1247-1255。［CrossRef] [Medline］
Bates DW, Gawande AA。用信息化提高安全水平。中华医学杂志，2003,29(2):344 - 344。［CrossRef] [Medline］
Radley DC, Wasserman MR, Olsho LE, Shoemaker SJ, Spranca MD, Bradshaw B.由于采用计算机化供应商订单输入系统，医院中药物错误的减少。中华医学杂志，2013,01;20(3):470-476 [J]免费全文] [CrossRef] [Medline］
van Rosse F, Maat B, Rademaker CM, van vaught AJ, Egberts AC, Bollen CW。计算机化医嘱输入对儿科和重症监护药物处方错误和临床结果的影响:一项系统回顾。中华儿科杂志;2009(4):1184-1190。［CrossRef] [Medline］
李建军，张建军，张建军，张建军，张建军。计算机化供应商订单输入系统在改善药物安全门诊护理方面的成本效益。价值健康2014 Jun;17(4):340-349 [j]免费全文] [CrossRef] [Medline］
Vermeulen KM, van Doormaal JE, Zaal RJ, Mol PG, Lenderink AW, Haaijer-Ruskamp FM，等。住院患者使用电子药物订购系统(CPOE/CDSS)的成本效益分析。中华医学杂志，2014;33(8):572- 578。［CrossRef] [Medline］
slynp, Seger DL, Nanji KC, Cho I, Maniam N, Dykes PC，等。我们是否注意到了这些警告信号?检查提供者在初级保健中对电脑化药物-药物相互作用警报的无视。科学通报，2013;8(12):85071 [j]免费全文] [CrossRef] [Medline］
Magid S, Forrer C, Shaha S.重复医嘱:实施计算机化医嘱输入(CPOE)的意外后果:分析和缓解策略。应用临床学报;2012;3(4):377-391 [j]免费全文] [CrossRef] [Medline］
Ash JS, sitg DF, Campbell EM, Guappone KP, Dykstra RH。临床决策支持系统的一些意想不到的后果。AMIA年会进程2007 Oct 11:26-30 [免费全文] [Medline］
文献综述及计算机化医嘱输入意外后果的风险缓解策略。护理经济，2013;31(1):27- 31,11。［Medline］
李建军，李建军，李建军，等。一项随机对照试验:计算机化医嘱输入几乎硬停止警报以防止药物相互作用的意外效果。实习医学杂志2010年9月27日;17(17):1578-1583。［CrossRef] [Medline］
范德西杰H, Kowlesar R, Aarts J, Berg M, Vulto A, van Gelder T.计算机医嘱输入系统中减少qt警报过载的意外后果。中华临床药学杂志2009;65(9):919-925 [J]免费全文] [CrossRef] [Medline］
叶明玲，常玉娟，王玉萍，李玉春，徐春雨。门诊医生对计算机化药物-药物相互作用警报的反应。计算机工程学报，2013,31(1):17-25。［CrossRef] [Medline］
临床警报“狼来了”。由于临床警报给医生的工作流程带来了问题，医疗保健IT领导者正在寻找解决方案。健康通报2012年4月29日(4):18,20。［Medline］
Coleman JJ, van der Sijs H, Haefeli WE, slim SP, McDowell SE, Seidling HM，等。警报:从欧洲研讨会确定的计算机化医嘱输入临床决策支持警报的未来优先事项。中华医学杂志，2013;13:111 [j]免费全文] [CrossRef] [Medline］
李建平，李建平。临床信息系统中的预警:构建框架和原型。猪健康技术通报2010;155:163-169。［Medline］
Luna D, Otero V, Canosa D, Montenegro S, Otero P, de Quirós FG。药物-药物相互作用警报系统知识库的分析与重新设计。种马健康技术通知2007;129(Pt 2):885-889。［Medline］
schelbauer A, Prasad V, Mulvaney C, Phansalkar S, Stanton W, Bates DW，等。有什么证据支持使用计算机警报和提示来改善临床医生的处方行为?中华医学杂志，2009;16(4):531-538 [J]免费全文] [CrossRef] [Medline］
hajouei R, Jaspers MW。CPOE系统设计方面及其对可用性的定性影响。猪健康技术通报2008;136:309-314。［Medline］
Tsopra R, Jais JP, Venot A, Duclos C.基于引导导航或可用性原则的两种界面对改进计算机决策支持系统采用的比较:在抗生素处方中的应用。中国医学信息学报，2014;21(1):1107 - 1116 [J]免费全文] [CrossRef] [Medline］
Jung M, Hoerbst A, Hackl WO, Kirrane F, Borbolla D, Jaspers MW，等。医生对计算机化医嘱输入系统自动报警的态度。一项国际比较调查。方法中华医学杂志2013;52(2):99-108。［CrossRef] [Medline］
范德西杰，范嘉德，李建平，王晓明，等。药品安全预警处理方法的研究进展。国际医学杂志2010;79(5):361-369。［CrossRef] [Medline］
Reynolds G, Boyer D, Mackey K, Povondra L, Cummings a .计算机化医嘱输入中的报警策略:在儿童医院中仪表盘式分析工具的新使用。AMIA年会论文集2008年11月6日:1108。［Medline］
Zimmerman CR, Jackson A, Chaffee B, O'Reilly M.监控警报有效性和带宽的仪表板模型。中国科学院学报，2007年10月11日。［Medline］
李建军，李建军，李建军，李建军。药物-药物相互作用检测的临床决策支持评价。专家意见药品管理2011年11月10日(6):871-882。［CrossRef] [Medline］
McCoy AB, Thomas EJ, Krousel-Wood M, sitg DF。临床决策支持预警适宜性:综述及改进建议。中华医学杂志，2014;14(2):195-202 [J]免费全文] [Medline］
刘建军，刘建军，刘建军，等。荷兰临床决策支持系统临床规则在医院日常药学实践中的有效性评价及阳性预测值。中华医学杂志，2013;59(1):15-21。［CrossRef] [Medline］
范德思思，王晓明，王晓明，等。药品安全预警在计算机医嘱输入中的应用。中华医学杂志，2006;13(2):138-147 [J]免费全文] [CrossRef] [Medline］
Krall MA, sitting DF。在门诊设置报警和提醒的有用性和适当的呈现模式的主观评估。程序AMIA会议2001:334-338 [免费全文] [Medline］
Krall MA, sitting DF。临床医生对门诊电子病历提醒可用性和有用性要求的评估。程序AMIA会议2002:400-404 [免费全文] [Medline］
Shah NR, Seger AC, Seger DL, Fiskio JM, Kuperman GJ, Blumenfeld B，等。提高门诊护理对计算机化处方警报的接受程度。中华医学杂志，2006;13(1):5-11 [J]免费全文] [CrossRef] [Medline］
贝茨DW, Kuperman GJ, Wang S, Gandhi T, Kittler A, Volk L，等。有效临床决策支持的十诫:使循证医学实践成为现实。中华医学杂志，2003;10(6):523- 531 [J]免费全文] [CrossRef] [Medline］
Riggio JM, Cooper MK, Leiby BE, Walenga JM, Merli GJ, Gottlieb JE。临床决策支持系统识别肝素诱导的血小板减少症的有效性。[J] .中国血栓学杂志;2009;28(2):124-131。［CrossRef] [Medline］
现金JJ。警惕疲劳。[J] .中华卫生杂志，2009;66(23):2098-2101。［CrossRef] [Medline］
范德思思，陈建军，陈建军，陈建军。基于系统的药品安全预警系统的研究进展。中华医学杂志;2010;39(4):363 - 368。［CrossRef] [Medline］
[4]刘建军，刘建军，刘建军，刘建军，等。由条形码辅助药物管理系统检测华法林订单的用药错误警报。[J]中华卫生杂志，2011;18(5):434-441。［CrossRef] [Medline］
Eppenga WL, Derijks HJ, Conemans JM, Hermens WA, Wensing M, De Smet PA。荷兰医院护理环境中基本和先进药物治疗相关临床决策支持系统的比较中华医学杂志，2012;19(1):66-71 [J]免费全文] [CrossRef] [Medline］
李建军，李建军，张建军，等。药物不良反应预警机制在临床临床应用中的价值。中华医学杂志;2009;5(4):223-228。［CrossRef] [Medline］
李建军，李建军，李建军，等。三种临床决策支持系统的比较评价:100例住院患者用药错误的前瞻性筛查。中华临床医学杂志，2012;38(8):1299 - 1299。［CrossRef] [Medline］
Harinstein LM, Kane-Gill SL, Smithburger PL, Culley CM, Reddy VK, Seybert AL.使用异常实验室值-药物联合警报检测危重患者药物性血小板减少症。[J] .内科护理杂志;2012;27(3):242-249。［CrossRef] [Medline］
李建平，李建平，李建平，等。神经内科住院患者药物相互作用筛选方案MediQ和ID PHARMA CHECK的比较评价。药物流行病学杂志，2012;21(8):872-880。［CrossRef] [Medline］
Beeler PE, Eschmann E, Rosen C, Blaser J.处方医生和咨询医生按需使用药物相互作用检查器:瑞士一家教学医院的回顾性分析。中国医药科学，2013;36(6):427-434。［CrossRef] [Medline］
市售和部分定制药物剂量警告在儿科患者中的适当性。中国医学信息学报，2014;21(1):835 - 842 [J]免费全文] [CrossRef] [Medline］
李建军，李建军，李建军，等。儿科住院患者给药错误提示的敏感性和特异性。中华医学杂志，2014;21(2):889 - 889 [J]免费全文] [CrossRef] [Medline］
Dormann H, Criegee-Rieck M, Neubert A, Egger T, Levy M, Hahn EG，等。胃肠病学药物不良反应检测计算机辅助监测系统的实施。营养药物学报，2004年2月1日;19(3):303-309。［Medline］
Raschke RA, Gollihare B, Wunderlich TA, Guidry JR, Leibowitz AI, Peirce JC，等。预防药物不良事件伤害的计算机报警系统:在社区教学医院的开发与评价。中华医学杂志，1998;29(5):397 - 397。［Medline］
Silverman JB, Stapinski CD, Huber C, gandhi TK, Churchill WW。预防药物不良事件的计算机系统。[J] .中华卫生杂志，2004;31(5):1599-1603。［Medline］
Handler SM, Altman RL, Perera S, Hanlon JT, Studenski SA, Bost JE等。用于检测医院环境中药物不良事件的临床事件监测信号的性能特征的系统综述。中华医学杂志，2007;14(4):451-458 [J]免费全文] [CrossRef] [Medline］
Kuperman GJ, Bobb A, Payne TH, Avery AJ, Gandhi TK, Burns G，等。计算机化供应商订单输入系统中的药物相关临床决策支持:综述。中华医学杂志，2007;14(1):29-40 [J]免费全文] [CrossRef] [Medline］
Harinstein LM, Kane-Gill SL, Smithburger PL, Culley CM, Reddy VK, Seybert AL.使用异常实验室值-药物联合警报检测危重患者药物性血小板减少症。[J] .内科护理杂志;2012;27(3):242-249。［CrossRef] [Medline］
医学研究所(美国)美国卫生保健质量委员会。In: Kohn LT, Corrigan JM, Donaldson MS，编辑。人孰无过:建立一个更安全的卫生系统。华盛顿:美国国家科学院出版社;2000.

‎

正面:药物不良事件

信用违约互换:临床决策支持系统

CPOE:计算机化供应商订单输入

PPV:阳性预测值

Se:灵敏度

Sp:特异性

G·艾森巴赫编辑;提交04.04.17;A Elmessiry, K Singh的同行评议;对作者05.06.17的评论;收到修订版25.08.17;接受16.09.17;发表24.01.18

©Delphine Carli, Guillaume Fahrni, Pascal Bonnabry, Christian Lovis。原发表于JMIR医学信息学(http://medinform.www.mybigtv.com)， 2018年1月24日。

这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)条款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JMIR Medical Informatics上)被适当引用。必须包括完整的书目信息，到http://medinform.www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。

本文内容如下e-collection /主题问题:

计算机化供应商订单输入中的决策支持质量:系统文献综述