طراحي و اعتبارسنجي دستورالعمل كامپيوتري تفسيرپذير بيماري آسم در مراقبت اوليه

Developing and Validating a Computerized Interpretable Guideline for Asthma Management in Primary Care

مقدمه: يكي از اثربخش‌ترين راه‌ها براي بهبود مديريت بيماري آسم در مراقبت اوليه، استفاده از دستورالعمل‌ها در فرايند مراقبت بيمار مي‌باشد، اما استفاده از آن‌ها به دليل وقت‌گير بودن، بسيار محدود است. يك راه‌حل براي اين مشكل، مكانيزه كردن دستورالعمل در قالب سامانه تصميم‌يار مي‌باشد كه به ايجاد دستورالعمل كامپيوتري تفسيرپذير CIG (Computer Interpretable Guideline) نياز دارد. هدف از انجام پژوهش حاضر، طراحي CIG بيماري آسم در مراقبت اوليه بود. روش بررسي: اين مطالعه به صورت كيفي با روش پنل خبرگان انجام گرفت. CIG به روش مبتني بر گردش كار و با استفاده از نرم‌افزار Enterprise Architecture ايجاد و با روش پنل ‌خبرگان توسط 10 متخصص آسم و آلرژي اعتبارسنجي گرديد. اين متخصصان به روش نمونه‌گيري در دسترس انتخاب شدند. داده‌ها به صورت اجماع نظر خبرگان و اعمال هم‌زمان آن بر گردش‌كارها مورد تجزيه و تحليل قرار گرفت. يافته‌ها: CIG ايجاد شده در تحقيق حاضر شامل سه گردش كار اصلي، چهار گردش كار فرعي و 21 عنصر داده بود. گردش كارهاي اصلي شامل «گردش كار درمان آسم، تداخلات دارويي و زمان مراجعه پيگيرانه» بود. گردش كارهاي فرعي مربوط به گردش كار اصلي درمان‌ آسم مي‌باشد كه بر اساس سن و نوبت مراجعه طراحي گرديد. نتيجه‌گيري: با توجه به تأييد CIG توسط متخصصان آسم و آلرژي، مي‌توان انتظار داشت كه پژوهش حاضر منجر به توسعه نرم‌افزارهايي كارا و اثربخش و تشخيص بهتر تداخلات دارويي در حيطه مديريت بيماري آسم شود.

Introduction: One of the most effective ways to improve the management of asthma in primary care is using guidelines in the patient management process, but due to lack of time, their use is very limited. One way to solve this problem is mechanized guideline in a form of decision-support system that requires computer-interpreted guideline. In this study, a CIG for Asthma management in primary care was developed. Methods: This qualitative study was performed via mini-Delphi method and uses a workflow-based approach to develop a CIG. In this study, the workflows and data components were extracted through (BPMN) language and (EA) software. Afterwards, they were confirmed through an expert panel of five asthma specialists. Results: The result of this study included three major workflows, four sub-workflows and 21 data components. Main workflows included treatment, drug interaction, and follow-up time Sub-workflows were related to treatment workflow that were developed based on the patient visit number and age. Conclusion: Because the accuracy of this workflow was confirmed by asthma specialists, it is expected that the design of this CIG will lead to development of cost-effective software for the management of asthma and better detection of drug interactions.