研究人员发现了标记住院患者的药物干预订单的新方法

医嘱错误是一个重大的、可预防的公共卫生问题。电子健康记录和计算机化的医嘱输入系统的广泛部署大大减少了住院病人的医嘱错误和效率低下。然而，新出现的研究表明，它们也引入了与提供者和平台之间的交互有关的新的错误来源。

同时,为药物治疗医嘱错误，手动审查进入药房的医嘱是改善药物使用和减少处方错误的“金标准”，以医院为基础的医嘱手动审查临床药师此外，医生在电脑上进行的药物配药可能会受到警觉疲劳等因素的影响，从而可能导致医疗失误。

为了着手解决这些错误和效率低下的问题，由纽约大学坦顿工程学院城市科学与进步中心(CUSP)的前博士后兼兼职教授Martina Balestra领导的一个团队，包括纽约大学坦顿工程学院技术管理与创新教授Oded Nov，以及纽约大学格鲁斯曼学院和朗格尼学院的陈吉、Eduardo Iturrate和Yindalon Aphinyanaphongs，开发了一套机器学习模型仅利用提供者行为和其他可能反映这些新的低效来源的上下文特征，而不是患者的医疗记录，来确定需要药房干预的药物订单。

他们的工作，“利用提供者行动数据预测住院患者的药品订单干预”，最近发表在JAMIA Open上，使用了一个主要的大都市医院系统作为案例研究。该团队收集了有关供应商在电子病历系统中的行动和药品订单的数据。利用这个数据集，研究人员构建了一个基于机器学习的分类模型以确定更可能需要药剂师干预的订单。

以前预测用药顺序错误的模型是从患者的医疗记录中摄取数据，而该团队开发的分类模型则专注于临床医生的数据。因此，降低了患者数据的隐私和安全风险。通过适当的调整，该模型和类似的模型可以显著减轻药剂师的工作量，增加患者的安全。

---

---