使用电子健康记录访问和审计日志来识别非中断警报开放后的医生操作:描述性研究gydF4y2Ba

介绍gydF4y2Ba

电子健康档案内的审核及查阅纪录主要用于保安用途[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba3.gydF4y2Ba]，但最近的研究[gydF4y2Ba4gydF4y2Ba-gydF4y2Ba7gydF4y2Ba]表明使用这种相对未开发的数据源可以回答广泛的其他研究和临床问题。访问日志包含有时间戳的记录，记录了谁访问了电子病历以及访问了哪些部分[gydF4y2Ba5gydF4y2Ba］．审计日志按时间顺序记录电子病历中的活动，跟踪操作，如用户创建、审查或更改了哪些数据[gydF4y2Ba3.gydF4y2Ba］．虽然这些日志数据的检索和解释可能很复杂，但研究人员和护理团队可以使用这些数据来确定临床干预的目标，以及护理质量和安全改善工作[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba8gydF4y2Ba］．gydF4y2Ba

来自访问和审计日志的数据可以用来更好地理解各种形式的临床决策支持(CDS)如何影响医生的行为。这与非中断电子病历警报尤其相关，对这些警报有效性的评估发现了不同的结果[gydF4y2Ba9gydF4y2Ba-gydF4y2Ba12gydF4y2Ba］．与采取特定EHR操作时“弹出”并中断工作流的警报相反，非中断警报将信息传递到EHR InBasket，需要接收方打开并查看它们。此信息可能包括关于超出范围的测试结果的警告[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba]、诊断影像及筛检的异常结果[gydF4y2Ba10gydF4y2Ba，gydF4y2Ba15gydF4y2Ba-gydF4y2Ba17gydF4y2Ba]，病人健康的重要变化[gydF4y2Ba18gydF4y2Ba]，以及转院期间的安全问题[gydF4y2Ba19gydF4y2Ba］．然而，这些警报必须争取医生的注意力，他们在管理直接患者护理时，经常被接收、阅读和回复的电子通知数量所淹没[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba-gydF4y2Ba23gydF4y2Ba］．gydF4y2Ba

访问日志可以提供有关警报打开的精确时间的有价值的见解，即使警报是在交付后许多天打开的;日志还可以帮助确定打开后的操作，否则可能难以链接到特定的CDS干预。虽然电子病历行动的因果关系很难证明，但证明警报打开后电子病历行动在时间上接近是有价值的。这些知识可以阐明基于ehr的干预有效(或无效)的机制。gydF4y2Ba

我们的团队在之前的一项随机试验中测试了非中断警报系统的有效性(试验注册:ClinicalTrials.gov NCT00611091) [gydF4y2Ba19gydF4y2Ba］．本地制定的有关老年人出院的警报，会透过电子健康档案，送交他们的初级护理医生[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba25gydF4y2Ba］．这些警告强调了我们团队认为可采取行动的药物安全问题。该试验评估了这些警报是否增加了门诊次数并减少了再住院[gydF4y2Ba19gydF4y2Ba］．警报并没有改善这两项指标。为了更好地理解这一结果，我们使用审计和访问日志数据进行了这项描述性研究，以跟踪医生在警报传递后在EHR中所采取的行动。在这篇论文中，我们提出了从医生行动的分析结果。我们还描述了这些日志中信息的可用性和详细程度，并回顾了成功的挑战和策略。gydF4y2Ba

方法gydF4y2Ba

设计gydF4y2Ba

如上所述，本研究基于先前随机对照试验干预组的数据[gydF4y2Ba19gydF4y2Ba］．在该试验中，使用当地开发的非中断警报来实施基于ehr的干预，以突出老年患者出院后的药物安全问题。卫生保健系统接收患者的住院设施使用的电子病历与卫生保健系统使用的不同。接口引擎连接到医院的入院、出院和转院登记系统。医院传递的信息包括医疗保健系统患者的出院日期;这些数据被自动纳入医疗保健系统的电子病历。根据反映新处方的健康计划数据，然后为患者生成警报。这些警报旨在传达与高危药物(已知会导致更多药物不良事件)和新药有关的可操作的时间敏感问题。在实施之前的4个月里，来自卫生保健系统的两名医生每周开会审查产生的每个警报，并提出修改建议，以确保警报被视为必要、有用和简短。他们认为不可操作的警报被删除。 At the time of hospital discharge, patients were randomized to the intervention (EHR alerts sent to the patient’s PCP if medication concerns were identified) or usual follow-up care. The primary goal of the intervention was to decrease rehospitalization rates.

设置gydF4y2Ba

这项研究是在马萨诸塞州中部15个地点的一个大型多专科医疗小组进行的，有217名医生。所有站点都使用Epic系统公司的电子病历。gydF4y2Ba

研究样本gydF4y2Ba

2011年进行最初的试验时，大约有14万名成年人通过该医疗小组接受了初级保健，其中约2.4万名年龄≥65岁，是当地健康计划的成员。在2010年8月26日至2011年8月25日期间从该医疗集团使用的初级医院出院回家的当地医疗计划成员和该医疗集团的初级保健提供者的患者被纳入试验。总共有1282名患者被随机分配到干预组。在我们的分析中，我们只纳入了799例触发PCP药物警报的患者出院(对应713例患者)。这些警报被发送到75个警戒线。gydF4y2Ba

Reliant医疗集团和马萨诸塞大学医学院的机构审查委员会批准了这项研究，并获得了弃权同意。gydF4y2Ba

变量和数据来源gydF4y2Ba

从原始试验中获得的数据包括警报的时间和内容的详细信息，警报发送给的医生的标识符，以及其他PCP特征，包括年龄(<50岁vs≥50岁)、性别和专业(内科、家庭医学、没有医学博士学位的PCP，如执业护士，以及担任PCP的亚专科医生)。为了近似医生的全职与兼职状态，我们将警报发送前一年每个医生遇到的患者总数按四分位数(0-2326、2327-2783、2784-3173和>3173)在75个发送警报的pcp中进行了分类。我们收集了相关患者的以下信息:年龄(65- 74,75 -84，≥85岁)、性别、Charlson共病指数评分(分为0、1、2和≥3)、相关住院的日期和时间(≤2天，3天，≥4天)、过去一年的就诊次数(≤6,7 - 11,12 -18，>18)、患者的预后情况和患者标识符。我们的研究小组将干预期间发送的所有警报分为三类:出院时关于新型和高风险药物的信息(“仅限信息”)，取消或修改药物剂量的建议(“药物建议”)，以及订购测试的建议(实验室测试或在少数情况下，眼科检查)，以监测高风险药物的影响或滴定其剂量(“测试建议”)。gydF4y2Ba

在这项描述性研究中，我们从EHR访问和审计日志(如下所述)中寻找了一系列额外的数据元素，以提供关于打开警报的信息，并跟踪EHR中的特定医生操作。我们捕获了在办公时间内(周一至周五上午8点至下午5点)相对于办公时间外的警报打开时间(≤24小时、24-48小时和>48小时)。我们还确定了打开警报的用户(预期的PCP vs预期PCP以外的工作人员或提供商)。gydF4y2Ba

我们收集了与PCP InBasket负载相关的以下变量的数据，按四分位数分类:警报传递时InBasket中的通知总数(≤42、43-69、70-157和>157)，警报传递时InBasket中未打开的通知数(0、1-4、5-9和>9)，以及警报传递前7天内交付给InBasket的通知数(≤344、345-453、454-546和>546)。最后，我们将周六发送的警报与其他所有日子发送的警报进行了比较，因为周六到达的警报是唯一不包括任何工作日时间的24小时后的警报。gydF4y2Ba

我们的目标是确定与影响医生审查患者信息(例如，审查与处方药、实验室检测结果和实验室订单相关的EHR信息)或医生药物或实验室检测订单的警报相关的因素。gydF4y2Ba

通过使用访问和审计日志识别初级保健医生在电子健康记录中的操作gydF4y2Ba

我们分析了发送到75个pcp的inbasket的799个警报(仅593个信息，37个药物建议和169个测试建议)打开后2天内对应的EHR日志数据。这三种类型的警报强调了老年患者出院后的新药物问题;所有这些都是为了促使PCP在EHR中审查最近住院患者的图表。测试建议的预期操作包括查看测试结果或订购测试。药物建议的预期行动包括查看药物清单和停止或订购药物。对于只有信息的警报，适当的行动留给PCP的判断，但预期的行动类似于药物建议，包括执行药物调节，这将需要查看药物列表，并可能停止或订购药物。在所有情况下，可以期望对患者图表的其他部分进行审查，以支持信息收集和决策。gydF4y2Ba

为了检索警报开启后2天内的数据，数据管理员需要首先确定本地开发的警报系统生成的数据的位置和格式。这项工作是通过具有EHR访问权限的医生和数据管理员之间的精心协调完成的。创建模拟患者，并为这些模拟患者触发警报。在此之后，来自医疗小组的合作医生打开警报，然后打开并查看EHR中对应于模拟患者图表的各个部分。数据管理人员使用协作医生和模拟患者标识符以及触发活动的日期和时间，在EHR的日志和表中定位这些操作。这使她能够识别由当地开发的警报系统生成的代码，表明警报已经发送。从这个基础上，可以提取为每个交付的警报生成的惟一标识符。然后，使用审计日志表，我们获得了每个打开的警报的时间戳(小时、分钟和秒)和打开警报的人的标识符，以便跟踪操作。警报可以由发送警报的PCP或护理团队的其他成员打开。gydF4y2Ba

立即行动gydF4y2Ba

我们确定了已寻址PCP第一次打开警报的时间。在研究期间使用的EHR版本的InBasket视图仅显示警报消息和几个可点击的按钮，这些按钮可直接链接到相应患者图表的部分摘要;因此，需要导航到EHR的其他部分来获得任何额外的信息。在打开警报后，一些pcp导航到触发警报的患者的EHR部分，而另一些则移动到不同的警报或不同患者的电子记录。使用时间戳，我们捕获了PCP在警报本身上花费的时间，并捕获了在相关患者上花费的总时间。总时间包括在EHR中显示警报的持续时间，加上PCP在相应患者的EHR中导航所花费的时间。gydF4y2Ba

使用EHR访问日志表，我们确定了在警报打开后的5分钟内提供者所采取的每个操作。来自每个操作的数据元素提供了关于操作的确切时间(小时、分钟、秒)的信息，以及指示打开EHR的特定部分和与之相关的患者的代码。指示PCP访问的EHR组件的代码很复杂，需要额外的医生-数据管理人员协作进行分类。我们认为查看相关患者信息的操作包括打开电子病历的一部分(药物、实验室、订单、结果、遭遇、人口统计信息、其他临床信息、非临床信息和信息输入)，或在警报中选择几个选项之一，这些选项可直接链接到该患者记录组成部分的摘要。我们认为不查看相关患者信息的行为包括打开与不同患者相关的通知、打开不同患者医疗记录的一部分，或者在电子病历中5分钟不做任何其他事情。gydF4y2Ba

后续相关行动gydF4y2Ba

考虑到PCP可能会在患者访问之间短暂地打开警报，并可能在稍后返回患者记录以解决警报中提出的问题，我们试图扩大跟踪PCP行为的窗口。为了分析PCP随后采取的相关行动，我们研究的时间窗口包括警报开放的当天和第二天。提取的数据包括时间戳以及指示所访问的EHR组件的代码(按照与上述即时动作分析相同的方式进行分类)。除了从访问日志表中提取的信息外，我们还捕获了药物(新药物、更改或停药)订单和实验室测试的证据。我们只关注在EHR中为感兴趣的患者(例如，触发警报的患者)采取的操作。gydF4y2Ba

我们将PCP行动归类在一般行动的大标题下(包括查看任何患者数据、创建文档和下任何订单)。在这个广泛的组中，我们定义了子类别:药物特定操作(查看患者的药物列表或订购药物)和实验室特定操作(查看或订购实验室测试)。gydF4y2Ba

语境因素gydF4y2Ba

我们还检查了与警报打开和随后的EHR操作潜在相关的上下文因素。这些数据包括医生InBasket中邮件和未打开邮件的数量，以及前一周的消息流。捕获历史时间点上EHR状态的快照(例如，发送警报时InBasket消息的数量)是一个挑战。为了重新创建警报传递时刻的InBasket，我们首先将警报传递前1年期间传递到特定医生的InBasket的所有消息集合在一起。然后，我们删除了在警报发送日期之前记录表明消息已“完成”(例如，从InBasket中删除)的任何消息。这提供了InBasket中剩余消息数量的计数。为了计算在警报传递时仍未打开的消息数量，我们确定了那些在警报传递日期或之前没有日志条目指示打开的消息。我们还计算了警报发送前一周内到达InBasket的通知总数。gydF4y2Ba

数据分析gydF4y2Ba

立即行动gydF4y2Ba

为了评估警报打开后5分钟内的即时反应，我们只关注那些收到警报的医生是第一个打开警报的人的病例。我们将医生立即采取的下一步行动分类为与相关患者相关或无关的行动。我们使用双变量分析来评估立即采取相关行动与警报类型、警报打开时间相对于警报传递、提供者和患者特征以及上下文因素之间的关系。我们进行了多变量分析，以获得多个变量存在的优势比(OR)。由于一些pcp在一年内收到了多次警报，我们使用了具有logit链接和二项分布的广义估计方程来解释pcp内测量值的聚类。为了估计在打开警报后5分钟内警报的总时间，我们计算了PCP打开警报(即显示在EHR计算机屏幕上)所花费的时间长度，并将其与该患者(在警报打开后立即)查看EHR各部分所花费的总时间相结合。gydF4y2Ba

后续相关行动gydF4y2Ba

在评估与相关后续行动相关的因素时，我们包括了每个警报的所有第一次打开，而不考虑所述医生或覆盖医生或工作人员是否打开警报，但跟踪所述医生的行为。与即时行动的过程类似，我们使用广义估计方程模型进行了双变量和多变量分析，以评估执行后续相关行动与上述协变量之间的关系。我们还评估了被询问的医生打开警报对后续行动可能性的影响。gydF4y2Ba

结果gydF4y2Ba

概述gydF4y2Ba

在打开的799个警报中，627个(78.5%)是由已寻址的PCP打开的。在这个子组中，我们能够在PCP警报打开后立即跟踪616个警报(11个警报没有可用数据)的操作。然后，分析扩大到包括PCP以外的工作人员或提供商打开的其余172个(21.5%)警报，以跟踪警报打开当天和第二天的操作。在此时间范围内未显示行动证据的警报被归类为未及时采取PCP行动的警报(gydF4y2Ba图1gydF4y2Ba)．gydF4y2Ba

立即行动gydF4y2Ba

在616个追踪警报中，208个(33.8%)立即跟进查看相关患者的电子病历(gydF4y2Ba表1gydF4y2Ba)．在445个仅信息警报中，28.1%(125/445)紧随其后的是立即查看患者的电子病历，54.8%(17/31)的药物推荐警报和47.1%(66/140)的测试推荐警报。gydF4y2Ba

在预测即时查看患者电子信息的多变量分析中，唯一达到统计显著性的因素是警报类型。与仅信息警报(参考组)相比，药物推荐警报立即采取行动的比值比(OR)为4.03 (95% CI 1.67-9.72);测试推荐警报的OR为2.14 (95% CI为1.38-3.32)。在5分钟后，pcp花在感兴趣的患者身上的平均时间是106秒(中位数是64秒)——显示警报并浏览相关患者的ehr。未立即查看相关患者EHR的警报显示的平均时间为26秒(中位数为15秒;gydF4y2Ba表2gydF4y2Ba)．gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

后续相关行动gydF4y2Ba

在已开启的799个警报中，538个(67.3%)在开启当日或次日采取了与pccp有关的行动(gydF4y2Ba表3gydF4y2Ba)．在只提供资料的警告中，64.4%(382/593)在电子健康记录内采取一般行动;16.0%(95/593)由药物特异性作用导致;16.9%(100/593)由实验室特定行动造成。在药物建议警报中，78.4%(29/37)随后采取了一般性行动;48.6%(18/37)由药物特异性作用导致;54.1%(20/37)由实验室特异性行动导致。在检测建议警报中，75.1%(127/169)随后是一般行动，24.3%(41/169)随后是药物特异性行动，35.5%(60/169)随后是实验室特异性行动。gydF4y2Ba

多元分析(gydF4y2Ba表3gydF4y2Ba)，与仅包含信息的警报相比，包含PCP具体说明(药物建议或测试建议)的警报更有可能与PCP的后续行动相关联。与仅提供信息的警报相比，药物建议的药物特异性行动的OR显著更大(OR: 5.59;95% CI 2.42-12.94)和试验推荐值(OR: 1.71;95% ci 1.09-2.68)。同样，对于药物建议，实验室特异性作用的OR显著更大(OR: 7.37;95% CI 3.64-14.97)和试验推荐值(OR: 2.75;95% ci 1.73-4.38)。gydF4y2Ba

在打开警报的时间和反应性行动之间没有显著的关联。正如预期的那样，与工作人员或其他提供者打开的警报相比，PCP随后采取的相关行动更有可能是由被处理的PCP打开的警报，尽管只有与药物特异性行动的关联达到了统计显著性(一般行动，or: 1.41;95% ci 0.81-2.45;药物特异性作用，OR: 2.13;95% ci 1.35-3.37;实验室特异性作用，OR: 1.65;95% ci 0.99-2.73)。gydF4y2Ba

环境因素没有表现出一致的模式。有一些迹象表明，如果相关患者在过去一年就诊超过11次，则采取响应性措施的可能性更大。与患者接触较多的医生也更有可能采取响应性行动，而在警报传递时InBasket通知总数(>157个警报)的医生则不太可能采取响应性行动。gydF4y2Ba

电子健康记录访问和审计日志gydF4y2Ba

挑战gydF4y2Ba

我们能够在EHR访问和审计日志中识别跟踪提供者行为所需的所有数据;然而，需要大量的努力来识别和解释这些数据。我们在数据检索和解释方面遇到了两个主要挑战。如下所述，这些挑战涉及捕获历史快照(例如，过去给定时间InBasket消息的数量)以及在缺乏明确数据文档的情况下从访问和审计日志中解释数据元素。gydF4y2Ba

捕获电子健康记录状态的历史快照gydF4y2Ba

我们的访问日志不保存演进的EHR元素的连续记录(例如InBasket消息列表或药物列表，两者都有随时间添加和删除的元素)。因此，为了回顾性地获取提供商InBasket的状态，我们必须检索几个月前生成的数据，并将其与纵向跟踪数据结合起来，以确定相关时间的状态。具体来说，为了重新创建警报传递时出现的InBasket消息列表，我们获得了生成最早到达消息的估计日期(回溯到1年前)，然后捕获从那时起生成的所有消息。我们使用状态数据来优化这个大型列表，这些状态数据反映了在警报发送日期之前消息是否被打开，以及是否已经“完成”(例如，删除)。标记为已完成的消息(以及那些推迟到将来返回的消息)将被删除;其余的被推断为在警报传递时InBasket中存在的消息。gydF4y2Ba

数据元素的解释需要医生-数据管理器协作的迭代方法gydF4y2Ba

我们在破译从审计日志中提取的数据元素的变量名时遇到了挑战。这些数据以前没有用于研究目的，因此，我们缺乏对许多变量解释的明确文档。准确地解释数据元素需要医生/数据管理团队的反复工作。使用EHR中的模拟患者记录，我们的医生合作者通过医生用户界面执行操作，然后与数据管理人员合作，比较通过审计日志同时捕获的结果。医生的观点(提供医生在EHR中所采取的常规行动的洞察)和数据管理人员的信息学知识(以及对数据表的访问)对于这项工作都是必不可少的。gydF4y2Ba

讨论gydF4y2Ba

我们的描述性研究评估了使用EHR日志数据来跟踪提供者在打开非中断药物警报后的行为。超过四分之三的警报(78.5%;627/799)由PCP打开，允许我们立即评估PCP行动;其中208次警报后立即采取了行动。将我们的分析扩大到包括工作人员或覆盖医生打开的警报，我们发现另外330/799个警报在第二天结束时显示了行动的证据。其余261个警报未显示有PCP行动的证据。与仅包含信息的警报相比，包含具体说明(包括药物和测试建议)的警报更有可能采取电子病历行动;这些警报也更有可能提示特定于药物的操作，如药物订购、更改和停用或药物列表查看。gydF4y2Ba

并非所有警报之后都有提供者采取行动，这表明其他因素可能在提供者决定根据警报中提供的信息或建议采取行动方面发挥了作用。gydF4y2Ba

来自访问和审计日志的数据提供了一个罕见的“幕后”一瞥，了解卫生保健团队成员如何花费时间以及他们的注意力集中在哪里。这些日志数据已成功用于了解医疗保健团队的沟通问题[gydF4y2Ba26gydF4y2Ba]，学员技能[gydF4y2Ba27gydF4y2Ba]，以及临床工作流程[gydF4y2Ba6gydF4y2Ba，gydF4y2Ba7gydF4y2Ba］．正如我们在本文中所演示的，EHR日志还可以提供有价值的实施数据，可用于改进未来的CDS干预措施。日志数据可以帮助研究团队了解被指定的收件人是否打开了CDS消息，查看了多长时间，以及查看之后进行了什么样的操作。gydF4y2Ba

研究团队可以从这些知识中受益的方式有很多。我们的研究发现，医生、患者和背景因素对警报的打开和采取行动的影响很小，这是令人欣慰的。pcp或患者的亚群似乎不需要不同的方法进行基于警报的沟通。跟踪非中断消息的打开率可以确定对改进安全措施的需求(例如，未打开的时间敏感消息的升级)。了解是谁打开了这些信息有助于了解护理团队的分诊过程，这可能会改变干预的设计(例如，医生指导的cd发送给一个团队，其中所有的信息最初都是由护士打开的，这可能会促使团队修改信息内容或改变沟通方法)[gydF4y2Ba4gydF4y2Ba］．意识到提供商只花极短的时间打开警报可能会促使那些设计这些警报的人相应地调整消息(例如，包括更少的单词和优化关键文本的可见性)。对于本文中讨论的干预措施，我们在实施之前让两名执业初级保健医生在四个月的时间内审查系统生成的所有信息。在测试的警报类型中，审查人员选择了那些包含在最终干预中的警报类型，目标是所有警报都是必要的和可操作的。对于仅提供药物信息的警告(专门针对新的或高风险药物)，审稿人确信收件人会查看这些患者的完整药物清单。被分类为仅提供信息的警报可能被方案协调人认为不需要采取进一步行动，因为它们不包括具体的建议。在查看纯信息警报后，短时间的查看时间和较低的活动水平表明，在将此类警报纳入未来干预之前，应重新考虑此类警报。在警报打开后跟踪EHR行为模式可能会提供有用的快捷方式，使警报更加用户友好(例如，如果用户在打开警报后经常导航到药物列表，则直接提供到该目的地的链接可能会增强用户体验)。总之，为了理解为什么基于ehr的CDS干预有效(或无效)，研究人员应该询问干预是否按计划进行，以及干预交付后接受者采取了哪些后续步骤。gydF4y2Ba

在这个描述性研究中，我们主要关注访问日志和审计日志的使用，以理解非中断警报的影响。这种方法对于研究非中断警报尤其必要，这些警报通常在患者遇到的情况之外打开，因此对那些寻求查明下游操作时间的人提出了挑战。访问和审计日志数据还可以应用于与基于ehr的信息传输有关的各种问题。示例包括跟踪信息查看(例如，了解护理团队成员何时打开并阅读临床记录、实验室或测试报告或其他更新的EHR信息)以及跟踪文档和订购的时间。gydF4y2Ba

访问和审计日志也有助于减轻医生在InBasket上的负担。日志数据可以揭示医生根据哪种类型的警报和通知采取行动;那些通常没有打开或通常没有采取任何行动的信件可能会被删除或修改。这些数据还可以为InBasket结构的增强提供信息。未打开或未处理的消息可以移动到单独的文件夹中并在其中组织，提供者可以稍后返回这些文件夹。gydF4y2Ba

除了这里确定的两个挑战(从EHR捕获历史快照的困难以及在缺乏清晰文档的情况下解释数据元素的困难)之外，在使用访问和审计日志数据时还需要考虑其他问题。在使用某些变量时，站点与站点之间的可变性可能会导致不同站点对审计日志的解释。数据管理器可能没有授予检索访问或审计日志数据的特权。通过访问和审计日志生成的大量数据可能需要限制站点存储内容(以及存储多长时间)的策略。在研究规划的早期阶段了解当地的情况可能有助于使用(例如，计划在日志数据在仅存储有限时期的站点删除之前下载日志数据)。提前计划并设置日志数据，以便在实施干预时提供实时信息，可以使过程更加简单。gydF4y2Ba

这项研究也有局限性。我们可能没有捕捉到与出院患者相关的警报打开后的所有PCP操作，例如在EHR之外采取的操作。数据的年代(来自2011年进行的一项试验)可能无法准确反映当前EHR升级版本中关于打开警报和响应操作的提供商工作流程。直接因果关系(由于警报打开而采取的EHR行动)不能简单地通过证明时间上的密切接近来证明。我们的研究是描述性的，未来的定性工作可以支持，检查医生对警报打开后他们的EHR行动的看法。gydF4y2Ba

在高危人群中，仅靠基于电子病历的警报系统干预并不能改善临床患者的预后。尽管如此，电子病历中信息的可用性可以有利于类似的研究，试图了解电子病历中提供者行为与患者护理和结果之间的联系。尽管分析EHR日志存在许多挑战，但来自这些日志的数据可以为研究人员提供设计有效的基于EHR的CDS和警报干预措施的见解。gydF4y2Ba