Хранение медицинских записей в памяти компьютера не исключает всю ручную работу, необходимую для проведения эпидемиологических исследований; все равно могут понадобиться составление эпикризов по содержанию историй болезни и проведение опросов пациентов. Если из этих записей можно извлечь больше информации, то указанные трудоемкие операции могут проводиться менее часто и менее интенсивно. Фрагменты истории болезни, обычно хранящиеся в памяти компьютеров, чаще всего включают в себя сведения о лекарственных назначениях, результатах лабораторных тестов и диагностических исследований, а также диагнозах, поставленных при приеме пациентов. Это особенно характерно в тех случаях, когда первые два типа данных передаются в машиночитаемом виде из автоматизированных систем аптек и лабораторий. Поэтому хранящиеся в памяти компьютера медицинские сведения чаще всего оказываются полезными при исследованиях особенностей обслуживаемой популяции, эффективности выполнения лабораторных тестов и проведения лекарственного лечения, а также токсических эффектов лекарств.

Управленческие задачи: Появление системы фиксированного возмещения затрат на лечение специфических заболеваний (клинико-статистические группы, или подушная плата) и связанная с ней конкурентная борьба больниц за заключение контрактов с органами здравоохранения привели к тому, что администраторам медицинских учреждений пришлось начать рассматривать и клиническую информацию при решении вопросов, какие медицинские услуги должно предлагать учреждение, кому и по какой цене. Кроме того, администраторы должны иметь возможность контролировать ресурсы, используемые врачами для лечения тех или иных классов пациентов, и предоставлять обратную связь тем врачам, чье поведение значительно отклоняется от нормы. Медицинские системы выполнения запросов могут предоставить информацию о взаимосвязях между диагнозами, индексами тяжести заболевания и потреблением ресурсов. Тем самым системы выполнения запросов являются важным инструментом для тех администраторов, кто пытается принять информационно обоснованные решения о действиях во все более чувствительной к экономическим вопросам сфере здравоохранения.

5.1 Языки запросов и контроля

Медицинские языки запросов и контроля во многих отношениях напоминают языки запросов систем управления базами данных общего назначения (СУБД ). Как и в большинстве формальных языков программирования, в них предусмотрены средства присваивания значений переменным, управления порядком выполнения операторов языка, а также стандартные логические операции AND, OR (И, ИЛИ) и операции сравнения (<, >, =). Кроме того, они позволяют делать выборки из ряда повторяющихся измерений и выполнять такие операции, как найти первый элемент, последний, максимальный, минимальный; найти направление изменения; определить число элементов в выборке, величину изменения, интервал между измерениями и т.д. Врач может использовать подобные операции для того, чтобы определить среднее значение содержания сахара в сыворотке крови по измерениям, проведенным в первый год после начала лечения инсулином, или найти максимальное значение содержания калия в сыворотке крови после начала калий-дополняющей терапии. Наконец, в этих языках предусмотрены средства указать, какое сообщение надо послать и кому в ситуация, когда сведения о пациенте удовлетворяют определенным критериям отбора.

К числу наиболее известных систем запросов и контроля относятся: подсистема MQL, входящая в состав системы COSTAR; подсистема CARE, работающая в составе системы RMRS. Подсистемы MQL и CARE похожи тем, что в обеих задания и запросов, и контроля имеют общий синтаксис команд; кроме того, обе этих подсистемы были первоначально разработаны для использования в пакетном режиме в целях анализа амбулаторного лечения пациентов.

5.2 Возможности и ловушки

Имея успешный опыт проведения эпидемиологического исследования по выборке из нескольких сотен историй болезни, можно было бы надеяться, что автоматизированный доступ к тысячам историй болезни приведен к новым вершинам клинических знаний. Однако само по себе хранение медицинских сведений в памяти компьютера не приведет к тому, что в результате одного нажатия на клавишу будет выдана целая научная статья; существуют серьезные практические и методологические проблемы, мешающие осуществиться этой утопии.

Во-первых, исследователь не может получить точную информацию из автоматизированной системы ведения истории болезни, не будучи тесно знакомым с содержанием хранящихся в ней сведений, а также использованных в ней способов получения информации, ее кодирования и хранения. Если, к примеру, требуется выбрать всех пациентов, принимающих фенитоин (лекарство, используемое для лечения некоторых форм эпилепсии), то при этом надо знать, что для данного лекарства в системе используются три кода: один для фенитоина в форме таблеток, другой для фенитоиновой мази, а третьим обозначается раствор фенитоина для инъекций. Если целью исследования является изучение распространенности рутинного анализа мочи при лечении взрослых пациентов, то необходимо знать, каким именно образом получаются результаты анализа мочи и как они регистрируются. Компьютер может выдать отчет по всем анализам, выполненным в лаборатории, но при этом пропустит те, что выполнялись самими врачами вне лаборатории, поскольку могло оказаться, что врачи записывают результаты этих анализов только в своих дневниках.

При получении данных могут возникать значительные задержки. В системе обработки выписных эпикризов может существовать 2-х или 3-х месячная задержка между фактом выписки пациента и вводом его выписного эпикриза. Неполнота хранящихся в компьютере медицинских сведений о пациенте является общим правилом. Если сбор данных опирается на технологию заполнения медицинскими специалистами формализованных бланков, то почти наверняка эти бланки будут содержать неполную информацию. Поэтому пользователи системы выполнения запросов должны понимать ограничения на достоверность и полноту информации, накладываемые процедурами сбора данных, и составлять свои запросы к системе с учетом этих ограничений.

6. Примеры автоматизированных систем ведения амбулаторной истории болезни

Автоматизированная история болезни является ключевым атрибутом как больничной информационной системы, так и автоматизированной системы ведения амбулаторной истории болезни (АСВАИБ). Оба вида систем обеспечивают как административные функции, так и процесс лечения пациента. Однако для амбулаторных систем многие функции автоматизированной больничной информационной системы, например планирование питания и мониторинг состояния пациента в блоке интенсивной терапии, являются ненужными.

Большинство АСВАИБ содержит модули для ведения медицинских записей, выполнения административно-финансовых функций, а также для формирования отчетов. Хотя многие общие принципы создания систем ведения истории болезни равным образом приложимы как к стационарному, так и к амбулаторному лечению, основные свойства этих систем будут описаны на примере четырех систем ведения амбулаторной истории болезни: COSTAR, RMRS (Regenstrief Medical Record System), TMR (the Medical Record) и STOR (Summary Time Oriented Record). Эти системы имеют долгую историю развития и их особенности широко освещались в литературе.