Show simple item record

dc.contributor.authorWeda, M
dc.contributor.authorde Bruijn, A
dc.contributor.authorMeneses Leonardo Alves, T
dc.contributor.authorde Vries, C
dc.date.accessioned2020-04-04
dc.date.available2019-04-29T07:57:01Z
dc.date.issued2019-04-23
dc.identifier.doi10.21945/RIVM-2018-0150
dc.identifier.urihttp://hdl.handle.net/10029/623072
dc.description.abstractIn de zorg zijn grote veranderingen gaande doordat zorgdata worden gedigitaliseerd en computers een grotere rekenkracht hebben. Door deze ontwikkelingen wordt er steeds meer geïnvesteerd in digitale systemen die artsen kunnen ondersteunen bij hun beslissingen. Zo zijn er digitale beslisbomen, waarbij de computer op basis van patiëntkenmerken en een behandelrichtlijn aangeeft wat de beste behandeling is. Ook zijn er systemen die patronen ontdekken in grote datasets en daarop adviezen baseren, zogeheten zelflerende systemen. Artsen blijken vooral beslisbomen te gebruiken. Ze gebruiken zelflerende systemen in onderzoek, maar nog niet veel in de praktijk. Dat komt onder andere omdat eenduidig bewijs voor de effectiviteit nog ontbreekt. Dit blijkt uit een verkenning van het RIVM waarin is onderzocht welke ontwikkelingen in de medische praktijk plaatsvinden rond het gebruik van digitale beslissingsondersteunende systemen. Volgens experts is een belangrijke voorwaarde om ze te gebruiken dat de praktische voordelen voor gebruikers duidelijk merkbaar moeten zijn. Bijvoorbeeld dat een diagnose sneller en efficiënter kan worden gesteld. Behalve de voordelen zijn er namelijk ook risico's. Het is bijvoorbeeld ingewikkeld om er bij zelflerende systemen voor te zorgen dat de onderliggende wiskundige modellen een correct advies (blijven) geven. Ook kan gebrek aan kennis en vaardigheden van de gebruiker een risico zijn om de waarde van de uitslagen goed in te kunnen schatten. Verder kan incorrect datamanagement een bron van fouten zijn, bijvoorbeeld wanneer de kwaliteit van data te kort schiet. Veel van de genoemde kansen en risico's gelden voor alle ICT-systemen in de zorg. Normen en standaarden kunnen in algemene zin helpen om de kwaliteit en een veilig gebruik te waarborgen. Om dat voor digitale beslissingsondersteunende systemen te realiseren, kan gebruik worden gemaakt van bestaande normen, bijvoorbeeld voor het gebruik van eHealth in de zorg. Specifieke normen voor de ontwikkeling, validatie en het gebruik van beslissingsondersteunende systemen zijn nog in ontwikkeling.
dc.description.abstractHealthcare is undergoing major changes due to the digitization of health data, which is happening in parallel to increasing computer processing power. As a result, there is ongoing investment in developing and implementing digital systems that can support physicians in their decision-making. Such systems include, for instance, digital decision trees and self-learning systems that are able to detect patterns in large data sets and then provide specific advice. Doctors already frequently use decision trees, while self-learning systems are more common in research than in practice. Proof of effectiveness is currently lacking and this is one of the obstacles preventing the implementation of such systems. This scoping study explores current developments in medical practice with respect to the use of digital decision support systems. An important requirement for the use of these systems is that their advantages must be clear to users. An example of this is the ability to arrive at a diagnosis more quickly and efficiently. But in addition to the benefits, there are also risks. In self-learning systems, for instance, one challenge is to ensure that the underlying mathematical models provide (and continue to provide) accurate guidance. Lack of knowledge or skills on the part of the user when it comes to weighing up and interpreting results, also poses a risk. And finally, inappropriate data management can also lead to errors when the quality of the data is suboptimal. Many of the opportunities and risks outlined in this study are generally applicable to all IT systems in healthcare. Norms and standards can contribute to ensuring quality and safe implementation. Existing IT standards can serve as a guide, for instance, in the use of e-health in healthcare. Specific standards for the development, validation and use of decision support systems are under development.
dc.description.sponsorshipInspectie Gezondheidszorg en Jeugden_US
dc.language.isonlnl
dc.publisherRijksinstituut voor Volksgezondheid en Milieunl
dc.relation.ispartofseriesRIVM briefrapport 2018-0150nl
dc.relation.urlhttps://www.rivm.nl/bibliotheek/rapporten/2018-0150.pdf
dc.subjectklinische beslissingsondersteuningnl
dc.subjectontwikkelingennl
dc.subjectkansennl
dc.subjectrisico'snl
dc.subjecttoezichtnl
dc.subjectclinical decision supporten_US
dc.subjectdevelopmenten_US
dc.subjectopportunitiesen_US
dc.subjectrisksen_US
dc.subjectsupervisionen_US
dc.subjectRIVM briefrapport 2018-0150
dc.titleDigitale beslissingsondersteuning in de zorg : Een verkenningen_US
dc.title.alternativeDigital clinical decision support systems in care : An explorationen_US
dc.typeReport
refterms.dateFOA2019-04-29T07:57:01Z
html.description.abstractIn de zorg zijn grote veranderingen gaande doordat zorgdata worden gedigitaliseerd en computers een grotere rekenkracht hebben. Door deze ontwikkelingen wordt er steeds meer geïnvesteerd in digitale systemen die artsen kunnen ondersteunen bij hun beslissingen. Zo zijn er digitale beslisbomen, waarbij de computer op basis van patiëntkenmerken en een behandelrichtlijn aangeeft wat de beste behandeling is. Ook zijn er systemen die patronen ontdekken in grote datasets en daarop adviezen baseren, zogeheten zelflerende systemen. Artsen blijken vooral beslisbomen te gebruiken. Ze gebruiken zelflerende systemen in onderzoek, maar nog niet veel in de praktijk. Dat komt onder andere omdat eenduidig bewijs voor de effectiviteit nog ontbreekt. Dit blijkt uit een verkenning van het RIVM waarin is onderzocht welke ontwikkelingen in de medische praktijk plaatsvinden rond het gebruik van digitale beslissingsondersteunende systemen. Volgens experts is een belangrijke voorwaarde om ze te gebruiken dat de praktische voordelen voor gebruikers duidelijk merkbaar moeten zijn. Bijvoorbeeld dat een diagnose sneller en efficiënter kan worden gesteld. Behalve de voordelen zijn er namelijk ook risico's. Het is bijvoorbeeld ingewikkeld om er bij zelflerende systemen voor te zorgen dat de onderliggende wiskundige modellen een correct advies (blijven) geven. Ook kan gebrek aan kennis en vaardigheden van de gebruiker een risico zijn om de waarde van de uitslagen goed in te kunnen schatten. Verder kan incorrect datamanagement een bron van fouten zijn, bijvoorbeeld wanneer de kwaliteit van data te kort schiet. Veel van de genoemde kansen en risico's gelden voor alle ICT-systemen in de zorg. Normen en standaarden kunnen in algemene zin helpen om de kwaliteit en een veilig gebruik te waarborgen. Om dat voor digitale beslissingsondersteunende systemen te realiseren, kan gebruik worden gemaakt van bestaande normen, bijvoorbeeld voor het gebruik van eHealth in de zorg. Specifieke normen voor de ontwikkeling, validatie en het gebruik van beslissingsondersteunende systemen zijn nog in ontwikkeling.nl
html.description.abstractHealthcare is undergoing major changes due to the digitization of health data, which is happening in parallel to increasing computer processing power. As a result, there is ongoing investment in developing and implementing digital systems that can support physicians in their decision-making. Such systems include, for instance, digital decision trees and self-learning systems that are able to detect patterns in large data sets and then provide specific advice. Doctors already frequently use decision trees, while self-learning systems are more common in research than in practice. Proof of effectiveness is currently lacking and this is one of the obstacles preventing the implementation of such systems. This scoping study explores current developments in medical practice with respect to the use of digital decision support systems. An important requirement for the use of these systems is that their advantages must be clear to users. An example of this is the ability to arrive at a diagnosis more quickly and efficiently. But in addition to the benefits, there are also risks. In self-learning systems, for instance, one challenge is to ensure that the underlying mathematical models provide (and continue to provide) accurate guidance. Lack of knowledge or skills on the part of the user when it comes to weighing up and interpreting results, also poses a risk. And finally, inappropriate data management can also lead to errors when the quality of the data is suboptimal. Many of the opportunities and risks outlined in this study are generally applicable to all IT systems in healthcare. Norms and standards can contribute to ensuring quality and safe implementation. Existing IT standards can serve as a guide, for instance, in the use of e-health in healthcare. Specific standards for the development, validation and use of decision support systems are under development.en


Files in this item

Thumbnail
Name:
2018-0150.pdf
Size:
935.6Kb
Format:
PDF

This item appears in the following Collection(s)

Show simple item record