[ad_1]

سیستم بهداشتی Memorial Herman مستقر در هوستون مشکلی داشت: ارائه دهندگان آن اغلب تمام تشخیص های مدیریت شده در اورژانس را مستند نمی کردند.

رمزگذاران و متخصصان اسناد بالینی چندین ساعت در هفته را صرف آموزش پزشکان در مورد عواقب تشخیص از دست رفته یا غیر اختصاصی می کنند. طی چند سال گذشته ، بخش IT با متخصصان CDI در اورژانس برای ایجاد و اجرای سیگنالهای EHR متناوب که پزشکان را مجبور به تشخیص می کند ، در صورت تحقق معیارهای خاص ، همکاری کرده است.

سوالات برای بهبود اسناد بالینی

“روش غالب برای ثبت تشخیص های از دست رفته یا ناقص در سازمان ما درخواست های CDI است که اغلب چند روز پس از مدیریت بیماری انجام می شود ؛ روند درخواست CDI در گردش کار پزشکان نیست و تازه تشخیص داده شده به ندرت در پرونده های پزشکی آینده توزیع می شود دکتر ننیمکا اوکافور ، معاون رئیس جمهور و رئیس تحلیلگر و افسر اطلاعات در Memorial Hermann توضیح داد.

بنابراین تأمین کننده برای یافتن راه حل به تامین کننده EHR خود مراجعه کرد. نمودار Assist with Cerner.AI همزمان با مراجعه به بیمارستان داده های نمودار بیمار را چک می کند و گزینه هایی را برای اطمینان از اینکه اسناد به طور دقیق مراقبت های ارائه شده را منعکس می کند شناسایی می کند.

پیشنهاد سرنر این بود که نمودار Assist را با Cerner.AI پیاده سازی کنید ، زیرا درخواستهای EHR تا حد ممکن به زمان واقعی و در گردش کار فروشندگان MPage EHR نزدیک هستند. تشخیص های وارد شده نیز بخشی از یادداشت فعلی تأمین کننده و اسناد آینده تأمین کننده است.

“با استفاده از مکانیسم پردازش زبان طبیعی سرنر ، همراه با قوانین بالینی و الگوریتم ها ، ما اسناد را تجزیه و تحلیل می کنیم و داده های نمودار را به دنبال این امکانات جمع آوری می کنیم.”

دکتر ننیمکا اوکافور ، یادبود هرمان

اوکافور توضیح داد: “با استفاده از مکانیسم پردازش زبان طبیعی سرنر ، همراه با قوانین بالینی و الگوریتم ها ، ما اسناد و مدارک را تجزیه و تحلیل می کنیم و داده ها را از نمودار جمع آوری می کنیم و بدنبال این امکانات هستیم.” “این محتوا از هستی شناسی سرنر برای علامت گذاری و طبقه بندی داده های ساختار یافته از EHR و کتابخانه دانش سرنر برای گروه بندی مفاهیم پزشکی مرتبط و تشخیص ها با هم استفاده می کند ، بنابراین تعامل معنایی را حفظ می کند.”

بخشی طبیعی از بررسی نمودار

این قابلیت ها سپس به عنوان بخشی از گردش کار به فروشنده ارائه می شود ، و آن را به بخشی طبیعی از روند بررسی نمودار تبدیل می کند و از اقدامات پشتیبانی کننده ای که می توانند برای به روزرسانی مستندات خود به سرعت انجام دهند ، پشتیبانی می کند.

بخش هوش مصنوعی نمودار دستیار ، کارت سلامت را برای شناسایی شواهد بالینی تجزیه و تحلیل می کند که از تشخیص های از دست رفته و تشخیص هایی که هیچ ویژگی خاصی ندارند پشتیبانی می کند. همچنین می تواند تشخیص های مستندی را که شواهد بالینی کافی ندارند شناسایی کند.

Memorial Hermann این ابزار را به عنوان یک پایلوت با ارائه دهندگان خدمات بیمارستان خود به عنوان آنها از نمای EHR استفاده می کنند ، که شامل ماژول Chart Assist است. لازم نبود این ابزار در سیستم دیگری ادغام شود.

توصیه های پذیرفته شده با کمک نمودار

نتایج واضح بود.

اوكافور گفت: “نسبت بین پذیرش و رد توصیه های پشتیبانی شده در نمودار 6: 1 برای شش تشخیص موجود در پروژه آزمایشی است.” “این مورد توسط بسیاری از پزشکان بیمارستان بسیار خوب پذیرفته شده است. برخی از تشخیص ها نسبت به دیگران میزان دریافت بیشتری دارند.”

اوكافور به همكاران خود توصیه می كند كه از كاربران نهایی در طراحی ابزار استفاده كنند ، در اسرع وقت درخواست بازخورد كنند و اطمینان حاصل كنند كه كاركنان IT به بازخورد كاربر پاسخ می دهند.

توییتر: SiwickiHealthIT
به نویسنده ایمیل بزنید: bsiwicki@himss.org
Health IT News نشریه ای از رسانه HIMSS است.



[ad_2]

منبع: gharb-khabar.ir