在数字世界中的整体决策

在数字世界中的整体决策
分享分享

沿着患者途径的智能数据集成和决策支持

在当今的数字化医疗保健环境中,知情的医疗决策越来越多地取决于数据的智能整合。然而,患者途径有许多障碍和挑战。复杂的决策可能会失败,因为数据无法访问或过于广泛,无法评估,忽略了信息,或者忽略指南。这一切都可以导致低效和昂贵的工作流程和妥协的临床结果。本文介绍了一种基于平台的方法,符合这些挑战,并提供沿着关注的连续性的整体决策支持,从各种IT系统中汇集了各种医疗数据,其中包含供应商 - 中性设计并在用户中准备它们 -友好而有意义的方式。这种统一方法包括由AI提供的数字应用,可以支持优化护理过程的操作决策,以及用于优化结果的诊断和治疗决策。此外,今天的数字解决方案使护理团队和患者能够更轻松地连接,为患者中心护理和共享医疗决策提供依据。

简介:医疗决策,数字重新加载

决策是日常生活的一部分。这是解决面对各种行动选项的问题的认知能力。在医学中,决策具有明确的目标:患者的利益。这些决定是由专业标准,专家知识,患者的愿望和治疗可能性的塑造。

在当今的数字化医疗保健环境中,实现这一目标越来越多地取决于智能使用医疗数据。当然,医学不是数据科学。愈合的艺术与社会互动的最不重要。尽管如此,来自电子医疗记录,图像数据库和其他多层的多维健康数据的不断增长,通常分散的IT系统对于制定最新,患者为导向的决策和设计护理过程越来越重要。

当然,并非所有医学决策都必须困难。存在简单的医疗情况,其中良好的基本医学知识足以找到权宜解的解决方案。决定直截了当。然而,随着诊断数量和管理期权的增加以及相关患者数据的数量和并发症的风险增长,决策变得更加复杂,并增长[1]。这里的挑战是将各种资料集成到各种资源,例如临床,放射或实验室信息,遗传和病理调查结果,以及进入行为和社会条件的见解 - 以这样的决定符合最高质量标准,并考虑了患者的个人情况和偏好(图1)。

医学决策沿着关注的连续性发生,从初始临床接触跟随。对于医疗保健提供者,问题是三倍:

•需要诊断和治疗方法需要做些什么?

•如何有效地使用我的资源?

•我应该与谁共享信息和协调,以达到患者的最佳结果?

本文认为,数字技术可以确实可以改善所有这些尺寸的决策,并提供沿着患者途径的有价值的决策支持。复杂的决策通常失败,因为例如,患者数据根本无法访问或过于广泛,非结构化,或者因为信息被忽视,或者不充分观察到指南。

一个数字平台,以用户友好的方式准备各种数据,并且简单且灵活足以将患者信息从不同的IT系统中汇集在一起​​,并且机构可以帮助解决这种情况。最终目标是智能数据集成,为患者提供更全面的照片,并允许在医学中进行整体决策。





沿着患者途径的挑战

毫无疑问,复杂的医疗决策所带来的挑战是多方面的,可能会影响护理过程中的各个步骤(图2)。一个常见的问题是,相关的患者数据可能根本无法获得,或者在各个护理点检索过于费力。例如,根据美国梅奥诊所的深入研究,重症监护病房的医生可能需要筛选电子病历中的数千个个人数据点,以提取与患者病例[4]相关的关键信息。事实上,很大一部分电子存储的数据从未在住院或门诊中使用过[5,6]。当然,医疗数据本身是没有意义的,除非它转化为可行动的见解。斯坦福大学医学院(Stanford University School of Medicine)在一份关于数据对医疗保健越来越重要的趋势报告中表示:“除非你能将数据转化为信息,否则数据没有任何用处。”



为什么相当数量的医疗数据仍未使用的原因可能是缺乏分析专业知识。更重要的是,医生必须处理的数据量的数据量可以有助于分散,不满和倦怠[8]。在20世纪50年代的着名文章中,美国心理学家乔治A.米勒辐条的“魔术”数量的七个信息单位,人类可以同时保留和处理短期记忆[9]。因此,医疗保健中越来越多的数据量可以轻松导致作为整体数字化的被描述为“信息超载”。



然而,一些数字转换的评论者认为,问题并不在于大量的数据本身,而是“过滤失败”——即缺乏合适的选择和处理机制[10]。就医疗保健而言,这意味着迫切需要先进的数字解决方案来自动分析患者数据,并以用户友好和临床有意义的方式将其呈现出来。使用智能数字技术来降低工作流程的效率低下和改善病人护理的潜力确实应该是巨大的。例如,大约30%的放射学诊断可能容易出错,主要是由于认知因素[11]。这种诊断错误可能贯穿决策过程,并影响治疗的成功。

“除非你能将数据转化为信息,否则数据不会给你带来任何好处。”斯坦福医学2017年健康趋势报告

此外,治疗决定可能不符合临床指南。反过来,这不仅会增加并发症和再入院的风险,而且还会增加成本和住院时间。换句话说,不考虑现有最佳知识和信息的决策同样会影响操作效率和临床结果。

基于平台的智能数据集成和决策支持方法

很明显,没有强大的数字决策支持,这些困难很难解决。临床决策支持的现代概念不仅包括自动警报,以避免错误,还包括临床指南,患者数据摘要,条件特定的订单集,诊断支持和上下文相关参考信息。总体目标是在适当的时间以数字方式提供“一般和人格的信息,智能地过滤和组织,以增强健康和保健”[18]。

越来越多的研究支持了先进决策支持系统的价值。例如,一种机器学习算法可以帮助避免在只有轻微头部损伤的儿童[19]中进行不必要的CT扫描。基于人工智能的方法也可以促进手术决策。此外,更高的肿瘤护理支持系统有可能增加对指南的遵守,降低治疗成本,并减轻医生在善后护理[21]的工作量。

西门子发电机最近开发了一个全面的解决方案,“团队扮演数字健康平台”,可以结合许多这些优势。连接到IT的平台和应用支持有效的工作流程以及最佳结果的诊断和治疗决策。此外,“Teamplay”使医生,护士和患者能够更容易地连接,为患者为中心的护理和共享决策提供基础(图3)。

实际上,“Teamplay数字健康平台”可以代表医疗保健提供商的数字骨干,因为它通过各种互操作性标准操作系统和vendorneutral。这意味着可以集成组织内现有IT系统的数据,并且还可以跨机构边界分享 - 例如,与其他医院,门诊做法或药房。



平台的基本哲学是支持沿着整个患者途径的决策,具有均匀但灵活的IT解决方案。Through a wide variety of individual applications and extensions, which are available via an integrated digital marketplace, the platform can address multiple problems in various clinical fields (e.g., radiology, oncology, cardiology) and at different points in the care process (Figure 4).

可以突出一些具体的成功,以便在运营和临床决策中突出显示。For example, MedStar Health, a large health network in Maryland and Washington, D.C., in the U.S., has succeeded in significantly improving the coordination of image reading Figure 4: Improving data integration and decision-making along the patient pathway (examples of Siemens Healthineers applications in brackets) by subspecialized radiologists using the “Medicalis Workflow Orchestrator” application. In the network’s fragmented IT landscape, this represented a major advance [22]. “We had a jury-rigged IT system, and had no way to load-balance the workload across the system,” recalls Steven Brick, Physician Executive Director for MedStar Medical Group Radiology. At that time, 110 radiologists and nuclear medicine specialists were working with nine different picture archiving and communication systems (PACS) and five different radiological information systems for the 10 hospitals in the network. The availability of subspecialty expertise varied greatly depending on the time of day and location, as images could not be easily exchanged for reading.



通过将“Medicalis Workflow Orchestrator”与一个统一的查看平台结合起来,可以建立一个合并的工作列表,使所有MedStar放射科医生可以作为一个团队一起工作,而不管他们在哪里。这不仅消除了人员配备问题,而且使整个网络中不断有放射亚专科专业知识——这是快速和精确的临床决策的先决条件。1

类似地,通过各种其他“Teamplay”应用程序进行了良好的经验(图5)。“使用Teamplay数字健康平台使我们能够获得我们可以信任的数字解决方案,”Zwanger-Pesiri放射学的Robert Days说,纽约的多站点放射学实践,美国,每天表现超过3,500次扫描。



1 Siemens Healthineers客户的陈述是基于在客户独特的环境下取得的结果。因为没有“典型的”医院或实验室,并且存在许多变量(例如,医院大小,样品混合,案例混合,IT和/或自动化采用的水平)不能保证其他客户将达到同样的结果。
2信息来自于Siemens Healthineers客户Ernest Barrientos Manrique医生的一份声明,他来自西班牙Health Time Medica。



3 BarmherzigeBrüder和Vinzenz Gruppe,奥地利|4 Weill Cornell Medicine,U.S. |5个伊科利洛斯,希腊|6 Zwanger-Pesiri放射学,U.S. |7 Massachusetts综合医院,U. |8法国,法国|9个Medstar Health,U.S. |10Htmédica,西班牙|11大学医院巴塞尔,瑞士|12心脏和糖尿病中心北莱茵 - 威斯特法伦,德国

通过绩效管理应用程序“Teamplay使用,”Zwanger-Pesiri能够将MRI吞吐量从每小时两个患者增加到三个,而“Teamplay协议”,它保存了90%的时间在CT中编辑和分发扫描协议所花费的时间和MRI舰队。1

“使用teamplay数字健康平台让我们能够获得我们可以信任的数字解决方案。”
Robert Day Coo,Zwanger-Pesiri放射学,纽约,美国

该网络还使用“AI-RAD伴侣”,它是一种用于不同模式和身体区域的AI支持的基于云的图像解释工具。该工具是西门子临床AI投资组合的核心应用之一,例如,支持CT扫描的分析。例如,西班牙语放射服务提供商HTMédica发现,在七个胸部CT研究中,通过“AI-RAD伴侣”重新分析,软件在初始阅读期间提供了尚未注意到的额外有价值的信息。1,2

一般而言,基于AI的诊断支持越来越多地发现其进入临床用途,具有越来越多的临床问题的批准应用[3]。然而,AI也具有更好的治疗计划的潜力。

恰好这是西门子发电机的“AI-POANWAY伴侣”的目标,最近开发了用于数据驱动决策支持的综合软件系统。“Ai-Pathway伴侣概述了患者的概述,并有助于加强治疗决策,”HeinzLäubli说13.,瑞士巴塞尔大学医院(USB)的高级肿瘤科学家和癌症免疫学实验室。14.

在USB,“AI-PATWAY伴侣”已经用于临床惯例,以改善前列腺癌患者的多学科管理。数字工具从多个源汇总患者数据15.,如电子医疗记录、影像档案,或通过自然语言16.处理 - 甚至书面文本。信息将自动处理并以结构形式显示。这使得多学科团队更容易和更快地准备并讨论个人患者的案例并决定定制的治疗计划。14.

“像这样的软件会导致更好的护理质量,”Helge Seifert17.,USB的泌尿外科部门负责人。Radboud大学医疗中心在荷兰的第二次临床实施项目正在进行中。此外,“Ai-Pathway伴侣”正在开发乳腺癌和肺癌以及冠状动脉疾病。14.

申请的主要优势是它集成了临床指南,个人风险分层18.以及患者的偏好,从而有助于为各种治疗方案提出基于证据的、透明的建议。通过标出患者在治疗路径中的位置,它还有助于医生和患者之间讨论如何进行治疗。

这里介绍了“Teamplay Digital Health Plathert”的重要焦点,而不是数据而且是人们。例如,“eHealth解决方案”一方面允许各种软件包的家庭允许患者特定于患者的数据交换,并在另一方面,在另一体的护理团队和患者之间进行更近距离和扩展的沟通。

这符合一个总体趋势:患者正在形成一种新的、更负责任的自我形象——因此希望参与医疗决策。

13HeinzLäubli被一项机构受雇,该机构从西门子发电师那里获得合作的财政支持。14 Siemens Healthineers客户的陈述本文描述的基于客户在客户独特的环境中实现的结果。因为没有“典型的”医院或实验室,并且存在许多变量(例如,医院大小,样品混合,案例混合,IT和/或自动化采用的水平)不能保证其他客户将达到同样的结果。15 AI-Pathway Companion Connector支持此功能。16个NLP支持语言:英语,德语,荷兰语。17 Helge Seifert由一个机构受雇,该机构从西门子发电师那里获得财政支持进行合作。18 AI-POADWAY伴前列腺癌支持该功能。先决条件:所有数据都可以根据指南要求提供;功能依赖于输入数据的质量。Ai-Pathway伴侣前列腺癌VA10B支持NCCN和EAU指南。

改变医疗保健的角色:涉及患者通过数字健康

数字化伴随着医生和病人角色的变化而来。例如,病人对健康信息的在线搜索现在很普遍,这是对看医生的补充。与此同时,慢性病的重要性日益增加,移动设备的无处不在的传播,以及联网可穿戴传感器的发展是移动健康的关键驱动因素。特别是在影响整个社会生活的复杂慢性疾病,如糖尿病或炎症性肠病的情况下,数字健康应用程序可以有助于改善自我管理和减少恐惧,更强的患者赋权和共享决策[24-26]。最后,从消费者的角度来看,日常生活的数字化自然提高了人们对能够向供应商提问或在线预约的期望。

虽然并不是所有社会和年龄群体都在以相同的程度或相同的速度采用数字健康技术,但数字化可以理想地促进从传统保健向协作保健的文化转变,将共同决策作为一种新规范[28]。

实际上,研究证据表明,数字健康,例如在慢性心脏病中,不仅可以赋予患者,并加强与护理人员的沟通,但也可能支持健康促进行为,提高药物遵守,并减少医院住院的数量[29-31]。



示例性项目是心力衰竭患者(“Herzconnect”)在德国的心脏病和糖尿病中心北莱茵 - 威斯特法伦州的遥测程序。患者配备了移动ECG监视器和血压传感器。收集的数据与患者的体重和主观福祉一起通过智能手机传输到诊所的护理团队,其跟踪用户友好的仪表板上的参数。为他们,医生可以直接通过短信直接到达患者。通过西门子女性的“Teamplay”应用程序“MyCare Companion”,网络成为可能。



该项目的一个主要目标是通过早期干预和治疗调整防止心脏失代偿和住院,从而提高患者的生活质量。在第二步中,可以使用人工智能驱动的中央工作列表来对那些需要特殊支持的患者进行优先排序。

西门子的Healthineers在Covid-19流行病中还开发了一个相关的应用程序。该应用程序使检疫中的患者远程传递它们的体温和氧气饱和度,从而使传染性人员远离医院(参见Covid-19大流行,超越的远程医疗)。

Siemens Healthineers的“电子健康解决方案”系列中还有其他推进与患者远程沟通的应用程序,包括用于上传和下载医疗数据的患者门户和实现视频会诊的“虚拟访问”。

然而,无论特定应用程序如何,患者的数字累及都有一般效果:它在护理团队和他们关心的人之间创造了恒定的反馈循环。患者途径成为护理循环(图6)。

2019冠状病毒病大流行期间的远程保健,以及其他情况

Covid-19正在改变医疗保健。鉴于传染病患者可以将冠状病毒引入医院的担忧,特别是视频磋商会在许多医院经历过意外的热潮。

“各种设置中的大量门诊比例可以有效地从一段距离临床管理,”近期编辑在当前改变中学到的经验教训[32]。

例如,为了快速应对新冠肺炎危机,纽约市大型学术医疗保健系统纽约大学朗格尼健康中心(NYU Langone Health)从2020年3月初至中旬期间将基于视频的紧急咨询次数从每天约80次增加到超过1300次[33]。

根据案件报告,非紧急护理的增加甚至更大,虚拟访问在4月初代表了超过70%的动态遭遇。所有年龄段的患者都迅速地用于通过患者门户分享他们的生物数据,紧密地集成到网络的电子健康记录中。尽管快速采用了远程医生,但随着远程医生的快速采用,患者对视频访问的患者满意度仍然很高。



Langone Health已经介绍了其虚拟护理基础设施,包括专用患者应用程序,2018年,案例似乎似乎尤为成功,但它也不例外。根据最近关于欧洲的远程医疗采用的研究,西班牙巴斯克地区的癌症中心onkologikoa,在大流行开始后不久的每个工作站都部署了Zoom的视频磋商[34]。同样,西班牙南部瓦伦西亚地区的Dénia医院还推出了Zoom来管理家中的患者,其中80%的人同意虚拟访问并找到它们轻松抵达。意大利和丹麦的医院都有类似的经历。

将来会留下什么?

一方面,基于视频的护理几乎不会在初始Covid-19流行病的特殊情况下使用程度。传统障碍也不是远程审理,如报销,互操作性和数据隐私问题,在后Covid-19世界中只是消失。另一方面,观察者认为大流行导致了新的文化和患者和医生中的远程护理,随着远程医疗的主要用途转向日常护理情况和首次访问患者的慢性病。

这些积极的体验很可能会提高患者对医疗保健服务的舒适度和数字可及性的未来期望。就医疗服务提供者而言,他们可以更多地利用远程医疗作为一种分类工具,以避免不必要的治疗,并更有效地引导患者。

“可以从距离有效地管理各种设置中的大量门诊访问。”
Bashshur等人。2020.

并非最不重要的是,远程护理中的数字和不那么传统的沟通形式可以进一步减少医生和患者之间的等级,并导致他们增加医学决策的参与。

在转换期间保持灵活

数字化是一个持续的转变。很明显,当今的It体系结构必须能够随着需求的变化而发展,并集成新特性。事实上,根据一项国际调查,四分之三的医疗保健高管认为,数字平台——整合以前不同的功能、连接事物和人并促进创新的基本IT解决方案——使他们的组织的业务战略成为可能,甚至是其核心[35]。

西门子的Healthineers设计了其数字健康平台,作为一种灵活的工具,符合医疗保健数据的越来越重要。其集成市场提供了一次性地访问越来越多的专有和策划和预审查的合作伙伴应用。西门子自单独提供40多个应用程序,其中三分之一是AI动力,六种不同的临床专业。这使得可以为各种医疗保健提供商和护理地点提供高级和定制的数字化。

数字化不仅是一个技术问题,而且是一个概念问题。如果医学想要利用日益丰富和复杂的健康数据——这正是正在出现的——那么这意味着三个范式的改变:

•首先,如上所述,医疗保健提供商需要一个尽可能简单、灵活、适应性强的数字基础设施,理想的形式是一个全系统的网络数据平台。

•第二,需要稳定越来越多的智能应用,可以有意义地准备用于特定操作和临床问题的网络数据。这里已经说明了许多相关例子。

然而,第三,数字化也在改变医学决策本身的本​​质。医学决策将继续是医生和患者的责任。尽管如此,护理过程中的个人行为者将越来越多地利用先进的数字决策支持,以使大量数据融入他们的审议并以盈利方式使用它。

医学不是数据科学。但我们相信,未来的医学离不开数据科学的视角。一个能够集成越来越多数据的灵活平台在这里至关重要。在数字世界中,灵活性是最大的资产。

当然,转化过程不会过夜发生。西门子的“团队扮演数字健康平台”将此考虑在内。它允许快速启动,不需要重大投资和重组。通过可互操作,系统和供应商 - 中性设计,该平台集成了现有和非常不同的IT组件,并启用逐步的方法。数据孤岛不需要立即消失(这是不现实的),但可以删除,并且可以按比特提取数据库。

因此,在医学中迈向智能数据集成是一种稍微更长的前进。为患者的利益的整体决策是有益的目标。

参考

  1. CMS - Medicare和医疗补助服务中心(2020年)评估和管理服务指南(MLN小册子)https://www.cms.gov/outrach-anducation/medicarearning-network-mln/mlnproducts/downloads/eval-mgmt-ServGuide-ICN006764.pdf(访问2020年9月4日)
  2. Lynn La(2019)急性护理医学复杂决策的人工智能系统:综述。患者SAF SURG 13:6 3
  3. Topol EJ(2019)高性能药:人工智能的融合。Nat Med 25:44-56
  4. Herasevich V,Pickering B,Gajic O(2018)Caro Clinic如何将信息超载在关键护理单位中。哈佛商业评论。https://hbr.org/2018/03/how-mayo-clinic-is-combating-information-overload-in-critical-care-units(2020年9月4日访问)
  5. Pickering BW, Gajic O, Ahmed A(2013)患者入住ICU时医疗决策的数据利用。急救中心41:1502-10
  6. Hribar Mr,Biermann D,Goldstein Ih,Chiang Mf(2018)电子健康记录系统的临床文献:门诊眼科考察中患者记录审查分析。Amia Annu Symp Proc 2018:584-591。Ecollection 2018.
  7. 斯坦福医学2017年健康趋势报告:利用健康数据的力量。http://med.stanford.edu/content/dam/ sm / sm-news / documents / stanfordmedicinehealthtrendswhitepaper2017.pdf(访问于2020年9月4日)。
  8. Ruppel H,Bhardwaj A,Manickam RN等。(2020)在大型综合保健系统中评估电子健康记录从业者的搜索模式和实践。Jama Netw开放3:E200512。
  9. Miller Ga(1956)The Magical Docume Seven,Plus或减去二:关于我们处理信息的能力的一些限制。心理评论63:81-97
  10. Shirky C(2008)“它不是信息过载。它是过滤失败“。在纽约的网站2.0世博会上讲座。https://www.youtube.com/watch?v=labqejeoqyi(2020年9月4日访问)
  11. Lee CS, Nagy PG, Weaver SJ, Newman-Toker DE(2013)认知和系统因素导致放射学诊断错误。AJR Am J伦琴诺201:611-7
  12. heekin am,kontor j,sax hc等。(2018)选择明智的临床决策支持遵守和相关的住院成果。AM J Manag Care 24:361-366
  13. 医学院(2013年)较低成本的最佳护理:在美国不断学习医疗保健的道路
  14. Nolan Me,Siwani R,Helmi H等。(2017)健康IT可用性焦点部分:电子图表审查期间医疗ICU临床医生中的数据使用和导航模式。Appl Clin Inflick 8:1117-1126
  15. Kahn K,Hussey P,Nyweide D等人。(2014)向国会报告的Medicare成像演示评估报告。https://innovation.cms.gov/files/reports/ medicareimagingdemoevalrtc.pdf.
  16. forastiere aa,flood wa,yedwab e等人。(2013)患者偏离基于证据的肿瘤科学标准的患者的成本。临床肿瘤学杂志31(15):6515
  17. 普华永道卫生研究所(2019年)2019年最高卫生行业问题:新的卫生经济成为年龄。https:// www。pwc.com/mx/es/publicaciones/archivo/2018/12/20181214-pwcmx-healthcare-top-health-industry-issues-2019.pdf.
  18. 医疗保险和医疗补助服务中心(CMS)(2014)临床决策支持:不仅仅是“提醒”提示单。https://www.cms.gov/Regulations-and-Guidance/Legislation/ EHRIncentivePrograms/Downloads/ClinicalDecisionSupport_ Tipsheet-.pdf(访问2020年9月4日)。
  19. Bertsimas D,Dunn J,Steele DW等。(2019年)机器学习最优分类树与儿科紧急护理应用研究网络头创伤决策规则。Jama Pediad 173:648-656
  20. Loftus TJ, Filiberto AC, Li Y等(2020)手术决策中的决策分析和强化学习。手术168:253 - 266
  21. Klarenbeek Se,Weepentroo Hha,Michiel Sedelaar JPM等。(2020)高级计算机化临床决策支持系统对肿瘤科学的影响:系统审查。癌症12:1032
  22. Daher n,Ruppar D(2018)在不断发展的医疗保健景观中优化医学成像服务线。弗罗斯特和沙利文案例研究(由西门子的Healthineers委托)
  23. Bhavnani SP,Narula J,Sengupta PP(2016)移动技术和医疗保健的数字化。欧洲心脏杂志37:1428-1438
  24. 《MyDiabetesMyWay:一个发展中的国家数据驱动的糖尿病自我管理平台》。糖尿病科学技术杂志10:1050-1058
  25. Atreja A,Otobo E,Ramireddy K,Deorocki A(2018)IBD中的远程患者监测:当前状态和未来方向。目前的胃肠学报告20:6
  26. Khan S, Dasrath F, Farghaly S等人(2016)IBD患者未满足的通信和信息需求:对移动医疗技术的影响。Br J Med Med Res 12:12119
  27. Chaitord J,Chaitoff B,Chaitoff B,Chaitoural B,患者兴趣的表征在于基于提供者的消费者健康信息技术:调查研究。J MED Internet Res 20:E128
  28. Meskób,drobni z,évabényeie等。(2017)数字健康是传统医疗保健的文化转型。mhealth 3:38
  29. Kambhampati S, Ashvetiya T, Stone NJ等人(2016)在预防心脏病学中共享决策和患者赋权。心率18:49
  30. Steinmetz M,Rammos C,Rassaf T,Lortz J(2020)在治疗心血管危险因素和动脉粥样硬化血管疾病中的数字干预。IJC心脏和脉管系统26:100470
  31. Singhal A,Cowie Mr(2020)可穿戴物在心力衰竭中的作用。CURR心脏失败REP 17:125-132
  32. Bashshur R,Doarn Cr,Frenk JM等。(2020)远程医疗和Covid-19大流行,对未来的课程。远程信息化J e Health 26:571-573
  33. Mann DV,Chen J,Chunara R等人。(2020)Covid-19通过远程医疗改变医疗保健:来自该领域的证据。美国医学信息协会杂志27:1132-1135
  34. HIMMS Insights(2020)电子健康潮流计:远程医疗在欧洲领养(由西门子的Healthineers支持)
  35. Elliott J,Nguyen C,Tanguturi P(2018)数字平台将在新经济中定义赢家和输家。埃森哲数字平台调查。https://www.accenture.com/_acnmedia/ pdf-85 / joventure-digital-platforms-pov.pdf#zoom = 50(访问9月4日4月4日)


德国政府批准Covid-19 Lay人员的抗原自检»»

发表于:Thu,5月27日2021年5月



西门子,临床决策支持系统,医疗误差,基于计算机的临床决策支持系统,数字世界中的数据集成整体决策

没有意见


登录留下评论......