Optimierung der Arztbriefschreibung mit Spracherkennung
Transcrição
Optimierung der Arztbriefschreibung mit Spracherkennung
Optimierung der Arztbriefschreibung mit Spracherkennung Jörg Napp IT-Leiter, Oberschwabenklinik [email protected] Landkreis Ravensburg 39 Städte/ Gemeinden 1.632 km² Fläche 169 Einwohner/km² Baden-Württemberg: 301 Einwohner/km² Die Häuser der Oberschwabenklinik 4 Häuser, 3 Standorte: St. Elisabeth, Ravensburg Krankenhaus Bad Waldsee Krankenhaus Wangen Heilig-Geist-Spital, Ravensburg Fälle pro Jahr 41.000 stationär 130.000 ambulant Knapp 900 Planbetten 2.700 Mitarbeiter Der stationäre Arztbrief als… Erlösfaktor Kostenfaktor Service-/ Qualitätsfaktor Status vor Projektstart Erzeugung des Arztbriefs heterogen Starke Variation von einer Fachabteilung zur anderen Unterschiedliche Anforderungen bezüglich Erzeugung und der Formatierung Ziele Verringerung der Komplexität Vereinheitlichung Risikominimierung Ziele Erhöhung der Geschwindigkeit Kostenersparnis AB_OSK Nur noch eine Vorlage für alle Automatisierte Übernahme der Adressdaten Festlegung der zu übernehmenden Teile des Befunds Vereinheitlichung von Schriftarten und -größen bei Arztbriefen und Befunden AB_OSK Entwicklung Muster mit Pilotabteilung (GTC) Integration Notaufnahmebefund Anwendung in allen chirurgischen Abteilungen Überarbeitung mit allen konservativen Abteilungen Hausweiter Einsatz Notaufnahmebefund AB_OSK AB_OSK AB_OSK AB_OSK Schnittstellen 1. 2. 3. 4. 5. 6. 7. 8. 9. CT EKG MRT Echo Röntgen Gastroskopie Sonographie EEG Endoskopie i.s.h.med Weitere Systeme Schnittstellen 1. 2. 3. 4. 5. 6. 7. 8. 9. CT EKG MRT Echo Röntgen Gastroskopie Sonographie EEG Endoskopie i.s.h.med Weitere Systeme Schnittstellen 1. 2. 3. 4. 5. 6. 7. 8. 9. CT EKG MRT Echo Röntgen Gastroskopie Sonographie EEG Endoskopie RIS Endo/Sono EKG EEG Spracherkennung Reines Diktatmanagement Reine Spracherkennung Kombination Spracherkennung Auswirkungen Kosten System • • • • • Investition • Wartung Schreibdienst Ärztlicher Dienst Transportaufwand Systemadministration Entscheidung für reine Spracherkennung Spracherkennung Fachabteilung Mai 14 Pilot 3 FA Arbeitsaufwand gesamt Anteil Schreib./D Gesamt in min Wertung in % Wertung Wertung Fachabteilung 1 10038 17 100% 17 34 Fachabteilung 2 4335 9 90% 15 24 Fachabteilung 3 5049 11 80% 12 23 Fachabteilung 4 3905 8 90% 15 23 Fachabteilung 5 3260 6 90% 15 21 Fachabteilung 6 5456 13 60% 7 20 Fachabteilung 7 8191 15 50% 4 19 Fachabteilung 8 5104 12 60% 7 19 Fachabteilung 9 3878 7 70% 11 18 Fachabteilung 10 6416 14 30% 3 17 Fachabteilung 11 8478 16 0% 1 17 Fachabteilung 12 3249 5 70% 11 16 Fachabteilung 13 1506 1 90% 15 16 Fachabteilung 14 2759 4 70% 11 15 Fachabteilung 15 4864 10 5% 2 12 Fachabteilung 16 2332 3 60% 7 10 Fachabteilung 17 2286 2 65% 8 10 Juli 14 Oktober 14 Februar 15 April 15 Etappe Pilot 1 2 3 4 5 6 Juli 15 Oktober 15 1. Etappe 2. Etappe 3. Etappe 4. Etappe 5. Etappe 6. Etappe 2 FA 3 FA 2 FA 3 FA 2 FA 2 FA Big Picture Lessons Learned Festhalten an alten Prozessen Einführungskonzept PC-Tausch Spracherkennung: strukturiert ↔ am Cursor Nutzungsgrad Fazit „Der Prozess ist wesentlich schneller und einfacher geworden. Im Idealfall ist der Arztbrief mit ein paar Mausklicks erledigt.” Dr. François-Praseth Seréy Oberarzt Chirurgie