Scholarlink

Klinische Entscheidungsunterstützungssysteme (Clinical Decision Support Systems, CDSS) werden typischerweise in elektronische Verordnungssysteme integriert und können unter Berücksichtigung von strukturierten verordnungs- und patientenspezifischen Merkmalen kritische Konstellationen in jedem Schritt des Medikationsprozesses identifizieren und vor auftretenden Risikosituationen (wie z. B. Arzneimittelwechselwirkungen oder Überdosierungen) mit Meldungen (sog. Hinweisen oder Alerts) warnen. Die Einbindung eines CDSS kann die AMTS verbessern, vorausgesetzt, die Alerts eines CDSS sind korrekt, patientenindividuell angemessen und werden von den Anwendenden akzeptiert, indem ihre Empfehlungen im Rahmen von Therapieanpassungen umgesetzt werden. Weiteres Potenzial zur Optimierung der AMTS mithilfe von CDSS selbst wird in der zukünftigen Einbindung von künstlicher Intelligenz und Machine-Learning-Ansätzen im Rahmen der Alertgenerierung, -anzeige und -integration gesehen.

错误：搜索内容不能为空，请输入英文关键词
错误：关键词超出字数限制，请精简
高级检索

Klinische Entscheidungsunterstützung: Wie digitale Technologien die Medikationsentscheidungen unterstützen

  • 章节

  • 发表日期：

    2026年

查看全文
  • Janina A. Bittmann,
  • Marion Stützle

摘要

Klinische Entscheidungsunterstützungssysteme (Clinical Decision Support Systems, CDSS) werden typischerweise in elektronische Verordnungssysteme integriert und können unter Berücksichtigung von strukturierten verordnungs- und patientenspezifischen Merkmalen kritische Konstellationen in jedem Schritt des Medikationsprozesses identifizieren und vor auftretenden Risikosituationen (wie z. B. Arzneimittelwechselwirkungen oder Überdosierungen) mit Meldungen (sog. Hinweisen oder Alerts) warnen. Die Einbindung eines CDSS kann die AMTS verbessern, vorausgesetzt, die Alerts eines CDSS sind korrekt, patientenindividuell angemessen und werden von den Anwendenden akzeptiert, indem ihre Empfehlungen im Rahmen von Therapieanpassungen umgesetzt werden. Weiteres Potenzial zur Optimierung der AMTS mithilfe von CDSS selbst wird in der zukünftigen Einbindung von künstlicher Intelligenz und Machine-Learning-Ansätzen im Rahmen der Alertgenerierung, -anzeige und -integration gesehen.