主题 4.7 — 临床决策支持与临床信息学

临床决策支持是把临床知识转化为在照护现场触发的软件,因此把它做对——在正确的时刻,向正确的人,给出正确的提示,不多不少——是一项临床安全、工作流程与公众信任学科,而不是一项事后的配置工作。

为什么这在医疗与照护领域很重要#

如今,一个现代卫生服务中的每一张处方、每一次转诊、每一项检验医嘱与每一个诊断,都要经过能够帮助或阻碍这项决策的软件。一个设计良好的警报,能在一次致命的药物相互作用抵达患者之前阻止它;一个设计糟糕的警报,触发得如此频繁,以至于临床医生学会不读就把它点掉,而到了它真正重要的那一天,他们也照样把它点掉。防止伤害的同一种机制,也能制造伤害。这就是为什么决策支持不是一个你打开的功能,而是一整套你要治理的临床知识,以对待一种药物或一件设备同等的严肃程度来对待。

这里的利害关系在三个方面与众不同。第一,决策支持在规模与速度上运作:一次规则变更会瞬间传播给数千名临床医生与数百万次就诊,因此一个微妙的错误就是一个系统性的错误。第二,它在构造上就是安全攸关的——一个抑制了一条真实警告的警报,或一个把儿科剂量四舍五入错误的计算器,是软件本身引入的危害(见主题 1.6——临床安全与风险管理)。第三,无论你是否有意,它都在塑造临床行为:系统让什么变得容易,什么就会变成默认选项;它打断什么,什么就会招人怨恨。因此,决策支持是一种施加影响的行为,而在医疗领域,影响从来都不是中立的。

在软件背后坐落着一个专业。临床信息学是连接临床实践、信息与技术的学科,正是因为有这个专业,决策支持才能由既理解医学又理解机器的人来编写。没有这个专业——没有首席临床信息官、临床安全官,以及受过信息学训练的临床医生在场——决策支持就会漂向供应商默认发布的任何东西,没有人调优,没有人拥有,却被所有人信任,直到它失效为止。把决策支持当作一项技术设置、而不是一项受治理的临床资产来对待,正是机构最终拥有数千条没有人记得是谁写的、也没有人敢关闭的规则的原因。

核心概念#

一个临床决策支持系统(CDSS,或简称 CDS)是一种健康信息技术,为临床医生、员工或患者提供知识与个人特定的信息,经过智能筛选,在恰当的时刻呈现,以改善一项决策。经典的分类法区分了几种形式。警报与提醒中断以警告或提示——一条药物-药物相互作用警告、一条逾期疫苗接种提醒。医嘱集把适合某种情况的检验、药物与指示捆绑在一起,让正确的东西一起被下达医嘱。照护路径把一条临床路径——一套标准化的、有证据支撑的照护顺序——编码进工作流程。文档模板结构化记录内容,确保没有遗漏任何本质要素。诊断支持建议或排序可能的诊断。计算器实现一个医学算法——一次剂量计算、一个风险评分、一个 eGFR——这样算术就能被一致地完成。

质量的组织理念是决策支持的"五项权利":把正确的信息,传递给正确的人,以正确的格式,通过正确的渠道,在工作流程中正确的时间。一条规则可能在临床上是正确的,却依然在这五项中每一项上都失败——准确的信息给了错误的角色、当一个被动展示就足够时却用了一次硬性拦截、埋没在一个没有人阅读的屏幕里、在决策已经做出后的几分钟才出现。大多数决策支持的失败不是医学知识的失败;它们是五项权利中一项或多项的失败。

主导的失败模式有它自己的名字。警报疲劳(也称为提醒疲劳)是当临床医生面对如此多的警告、以至于他们停止关注它们、把重要的与琐碎的一并覆盖时所产生的脱敏现象。因为一个典型系统中的大多数警报都被覆盖,覆盖率是决策支持健康状况的一项生命体征:一个高覆盖率意味着这个系统正在训练它的用户忽视它。解药不是更多的警报,而是更少、更犀利、目标更精准的警报。

有两个概念决定了决策支持落地的效果。决策支持存在于电子健康记录(EHR,在 NHS 中称为电子病历或 EPR)内部,常常也存在于计算机化医嘱录入(CPOE)内部,因此它作为一个更广泛的社会技术系统——人、任务、技术与组织相互作用的网络——的一部分而成功或失败。一条无视真实工作流程的规则,无论其逻辑多么合理,都会变成需要被绕开的摩擦。而内容本身是一项知识资产:这些规则编码了循证医学与医学指南,它们会随时间变化,因此决策支持必须像任何其他临床知识体系一样被编写、审查、版本管理与退役(见主题 10.3——知识管理与文档)。

健康信息学——以及它的临床子学科,临床信息学——是研究并应用信息与技术于医疗保健的领域。在英国,这通过临床信息学学院以及诸如首席临床信息官(CCIO)与首席护理信息官(CNIO)这样的角色实现了专业化。历史上,许多规则逻辑用 Arden 语法表达,这是一种把可共享医学知识表示为医学逻辑模块的标准;如今,诸如 HL7 CDS Hooks 与基于 FHIR 的临床推理这样的标准旨在让决策支持能够跨系统共享(见主题 4.3——互操作性与数据标准)。最后,要注意本主题的边界:它拥有基于规则与知识的支持以及信息学专业。统计与机器学习方法——包括计算机辅助诊断与作为医疗器械的软件——被当作人工智能来治理(见主题 8.4——人工智能与新兴技术治理)。

最佳实践#

1. 依据五项权利来设计,把警报当作最后的手段。 在构建任何规则之前,追问它服务于五项权利中的哪一项,以及一次中断是否真的是正确的工具。优先让安全的路径成为容易的路径——一个合理的默认剂量、一个预填充的医嘱集、一个能结构化良好文档记录的模板——而不是一个事后惩罚不安全路径的警告。一条中断性警报是决策支持中最昂贵的形式,因为它花费的是这栋楼里最稀缺的资源:临床注意力。把它保留给那些严重、可据以行动、且足够具体、值得让一位忙碌的临床医生停下来的危害。

2. 把决策支持内容当作一项拥有生命周期的临床知识资产来治理。 每一条规则、医嘱集与模板都需要一位具名的临床负责人、一个证据基础、一个审查日期、一份版本历史,以及一条明确的退役路径。建立一个临床内容治理小组——临床医生、药剂师、信息学专家与一位临床安全官——授权什么上线,按计划审查它,退役被证据超越的内容。没有这个,内容会累积:规则成倍增加,相互矛盾,比它们所依据的指导存活得更久,没有人有足够的信心去关掉其中任何一条。

3. 衡量覆盖率,并追查噪音。 决策支持健康状况最有用的单一信号,是临床医生覆盖每一条警报的频率,按规则、专科与角色细分。一条几乎每次触发都被覆盖的规则,保护不了任何人——它正在训练用户忽视整个系统,包括重要的警报。定期审查最糟糕的违规者并采取行动:退役它们、收窄它们的触发标准、把它们从中断性降级为被动性,或修复让它们虚假触发的底层数据问题。调低噪音与添加一条新规则同样是一项安全活动。

4. 按严重程度对你的警报分层,让中断与之相称。 不是每一条警告都值得让世界停下来。设计一个刻意的层级——为罕见的、灾难性的危害设置真正的硬性拦截;为严重风险设置可覆盖的中断性警告;为仅仅有用的信息设置被动、不阻塞的展示。让摩擦与临床利害相匹配,只对那些严重到值得多按一下键的警报要求提供覆盖理由。当一切都紧急时,什么都不紧急,真正危险的警告会淹没在琐碎之中。

5. 把决策支持构建进真实的工作流程,而不是叠加在它之上。 一条临床上完美无缺、却抵达错误步骤、错误屏幕、错误角色的规则,会被绕开或忽视(见主题 8.3——行为科学与采纳)。与将要使用它的临床医生一起设计——观察真实的任务,绘制决策真正在哪里被做出,并把支持放在那里。在上线之前在现实环境中测试它,观察人们的实际行为,因为设计出的工作流程与实际生活的工作流程之间的差距,正是决策支持悄悄失败的地方。

6. 让一个人牢牢处于决策回路之中,保留临床判断。 决策支持提供建议;临床医生做出决定,并依然承担责任。设计得让覆盖变得可能、快速,并在重要的地方被捕捉并记录理由——既是为了尊重专业判断,也是为了生成能够改进规则的数据。要警惕自动化偏见,即过度信任机器建议的倾向:一个把临床医生锚定在错误答案上的诊断提示,可能与完全没有提示一样有害。目标是增强专长,绝不是去技能化,或悄悄地承担该系统从未被构建来承担的责任。

7. 在临床安全管理与信息学专业之下运行决策支持。 把每一条新规则与每一次变更,当作 NHS 标准 DCB0129(制造商)与 DCB0160(部署方)下的一份临床安全论证来对待,由一位临床安全官签核危害分析(见主题 1.6——临床安全与风险管理)。给这项工作专业的所有权:一位对临床内容负责的 CCIO 或 CNIO、编写它的受过信息学训练的临床医生,以及一条让一线员工能够报告一条错误、缺失或有害警报的路径。没有具名临床负责人的决策支持,是一个即将失效的孤儿安全系统。

8. 依据结果评估有效性,并在它不起作用时保持诚实。 一条规则存在的目的,是把一项决策变得更好,因此要衡量它是否做到了这一点——处方变得更安全了、一项检验不再被过度申请了、一条患者真正完成的路径——而不仅仅是警报触发了(见主题 8.6——研究与真实世界评估)。留意意外的后果:把工作转移给另一个角色的警报、制造新危害的变通方案,或"正确"却不改变结果、只增加时间的提示。当证据表明一条规则增加摩擦却没有收益时,退役它。克制——关闭一些东西——是决策支持的一种成熟形式,而不是对它的一种退却。

与团队讨论的问题#

1. 我们哪些警报真正在保护患者,哪些只是在训练我们的临床医生点击"覆盖"? 这一点之所以重要,是因为一个决策支持系统的可信度,取决于它最糟糕的警报:少数几个吵闹的、几乎无用的警告,教会临床医生反射性地忽视一切,于是在一个真实危害触发的那一天,它也和其他警报一起被覆盖了。拉出按规则与角色分类的真实覆盖率,诚实地面对一个 95% 的覆盖率在告诉你什么——不是临床医生粗心大意,而是这条规则不适合这个工作流程。讨论更困难的取舍:你退役的每一条警报都移除了一张理论上的安全网,总会有人问"如果我们漏掉的那个病例,正是我们关掉的那条呢?"一个好的、诚实的答案会抵制这种框架,认识到一条被忽视的警报保护不了任何人,并承诺主动地调低整片资产——退役、收窄,或降级最吵闹的规则——而不是只添加新的。它还会说出谁有权关闭一条规则,因为如果答案是"没有人敢",这个系统就只会变得越来越吵。

2. 我们的决策支持内容作为临床知识,由谁拥有——我们能知道一条规则是否基于两年前就已改变的指导吗? 决策支持规则编码了会不断演进的临床证据与指南,然而在许多机构中,内容是在上线时由供应商配置一次,此后从未被系统性地审查过。讨论每一条规则、医嘱集与模板是否有一位具名的临床负责人、一个证据基础、一个审查日期与一份版本历史,还是资产的很大一部分实际上无人拥有、未经审计。揭示恰当内容治理的努力与指导变化速度之间的张力:没有人有时间审查数千条规则,因此风险是没有一条被审查。考虑那个具体的失败:一个反映过时指导的剂量限制或相互作用规则,悄悄地在它触及的每一次就诊中都是错误的。一个好的答案会建立一个拥有真正权力的常设临床内容治理小组、一个优先处理最高伤害内容的、基于风险的审查计划,以及一条清晰的退役路径,并坦率承认今天诚实的答案是"我们不知道这个上一次被检查是什么时候"的地方。

3. 我们如何构建与评估决策支持,让它适合临床医生实际的工作方式——我们如何知道它是否让情况变得更糟? 一条规则可能在医学上无懈可击,却依然因为它在错误的时刻抵达、打断了错误的角色,或把工作推给了从未要求过它的下游某人而失败。讨论你的决策支持是由观察真实工作流程的一线临床医生设计的,还是由从未观看过任务实际执行、只是阅读规格说明的人配置的。讨论"成功"意味着什么:触发次数与点击率容易收集,却几乎说明不了任何问题,而改变的结果与避免的伤害才是重要的、也是难以衡量得多的东西(见主题 8.6——研究与真实世界评估)。揭示你可能对之视而不见的意外后果——制造新危害的变通方案、把临床医生锚定在错误提示上的自动化偏见,或没有收益却增加时间的负担。一个好的答案会把每一条重大规则当作一次需要评估的变更、而不是一个可以拨动的开关,把定量信号与观察真实用户配对,并愿意得出结论说一条出于善意的规则应当被移除。

4. 当我们变更一条决策支持规则时,我们是把它当作一次带有危害分析的临床安全变更,还是一次常规的配置编辑? 一次单一的规则变更会瞬间传播给数千名临床医生与数百万次就诊,因此这两种框架之间的区别,就是一项受治理的临床资产与一项不受治理的临床资产之间的区别。诚实地讨论今天每一次有意义的变更是否都经过 DCB0129 与 DCB0160 下的一份临床安全论证、由一位临床安全官签核危害分析,还是变更是由从未把它们当作安全攸关来看待的人在一个配置屏幕中做出的(见主题 1.6——临床安全与风险管理)。揭示这种张力:恰当的安全评估增加摩擦、拖慢交付,在压力之下,它是"显而易见"的修复最先被跳过的东西。然而,那个危险的边缘情形——被这次微调悄悄揭开的相互作用、被这次"小"变更悄悄移除的剂量限制——正是危害分析存在的意义所在,用来捕捉它。一个好的答案会说出当一条规则造成伤害时谁负责,坚持即使看起来微小的编辑也要承担相称的安全评估,并能展示证明这一点的审计轨迹,而不是在一次事故之后才发现没有人记录变更的原因。

5. 我们的决策支持对每一个患者群体都同样有效吗——还是我们导入了我们看不见的偏见? 决策支持逻辑编码了常常来自特定人群的阈值、风险评分与路径假设,而一条"平均而言"合理的规则,对于在其所依据证据中代表性不足的群体而言,可能是系统性错误的。讨论你的规则在哪些地方嵌入了变量——族裔调整的计算、年龄或性别的临界值、关于谁以何种方式就诊的假设——以及是否有人检查过它们在你实际服务的人群中的表现如何。揭示更困难的张力:移除一项临床上有效的调整,可能与保留一项有偏见的调整同样有害,因此这不是要剥离每一个人口统计学变量,而是要知道哪些是基于证据的、哪些是继承的习惯。考虑一个国家机构或委托方会期望你满足的公平职责,以及如果被发布,这套逻辑及其溯源能否经受住审视这一透明度问题。一个好的答案会承诺对高影响规则进行差异化效果审计,把溯源与可解释性当作头等要求,并诚实地承认对资产的大部分而言,目前的答案是"我们从未看过"。

6. 我们在支持临床医生的判断与悄悄取代它之间的界线划在哪里——我们是否在滋生自动化偏见? 决策支持的意图是增强专长,但一个让机器建议成为阻力最小路径的系统,可能把临床医生锚定在一个错误的答案上,并随着时间的推移,侵蚀它假设他们依然拥有的那种判断力。讨论你的设计是否让覆盖真正变得容易且合法,还是摩擦、默认设置与措辞在诱导临床医生接受他们已经不再审视的提示。坦率地讨论去技能化风险:如果受训人员是通过一个总是建议下一步的系统来学习医学的,那么在这个系统出错或不可用的那一天会发生什么?把这与另一个极端——警报疲劳——同等的危险相权衡——目标是经过校准的信任,而不是全盘顺从或全盘抵抗。一个好的答案会通过设计保留有意义的人类问责,留意过度信任的蛛丝马迹,例如对一个诊断提示近乎普遍的接受,并明确表示系统提供建议,而临床医生做出决定并依然承担责任。

实践中:一个医疗与照护案例#

Kingsmere NHS 基金会信托机构,Riverdale and Vale 整合照护系统的一部分,两年前上线了一个新的电子病历。临床内容大部分来自供应商的默认库,在一次仓促的实施过程中被轻度本地化。到了今年,临床医生的抱怨越来越大声:这个系统"全是弹窗",初级医生描述自己在不阅读的情况下点掉警告,一位药剂师在一起严重相互作用警报在一批病例中被覆盖之后提出了一项安全关切——因为它看起来与每个班次都会触发的数十个琐碎警报一模一样。

该信托机构的 CCIO 委托了一次决策支持审查。信息学团队提取了覆盖数据,发现少数几条规则占了绝大多数的警报,有几条几乎在每一次处方时触发,覆盖率超过 90%。一条重复用药规则在合法的组合上被触发;一条肾脏剂量警报因为一个数据时序问题、而不是一个真实危害而在陈旧的肌酐结果上触发。与此同时,那条真正危险的相互作用警报被埋没了,在视觉上与噪音无异,也没有要求为覆盖它记录理由。

一个临床内容治理小组被组建起来,由 CCIO 主持,配有一位临床安全官、药剂师、高级护士与一位数据分析师。他们依据证据采取行动,而不是添加更多规则。肾脏剂量规则通过解决数据时序问题在源头被修复。重复用药规则被收窄,不再对合法组合触发。一个分层的严重程度方案被引入:严重的相互作用变成了一条独立的、更难以忽视的警报,要求记录一个理由,而一长串低价值的警告被降级为被动信息,或干脆被退役。每一次变更都经过一次 DCB0160 临床安全评估。

六个月后,总警报量急剧下降,而剩余高严重程度警报的覆盖率也下降了,因为临床医生现在相信一条让他们停下来的警告确实意味着什么。治理小组为每一条存活下来的规则设定了审查日期,为每一条指定了一位临床负责人,并开始评估这些医嘱集是否真正让处方变得更好。这项工作没有增加任何戏剧性的新能力——它主要是关闭与调低——但它把一堆无人拥有、不被信任的弹窗,转化为一个受治理、受信任的临床安全系统。

行业视角#

初创企业#

一家嵌入决策支持——一个分诊工具、一个风险计算器、一个处方支持模块——的数字医疗初创企业,通常站在监管界线的制造商一侧,必须从一开始就把自己的规则当作受监管的临床知识来对待。即使是一个建议行动的"简单"计算器,也可能是作为医疗器械的软件,把它拉入 MHRA 监管,并要求依据 DCB0129 制定一份临床安全论证(见主题 1.5——监管与合规格局)。诱惑是快速发布聪明的逻辑;纪律是在第一位临床医生依赖它之前,记录证据基础、对内容进行版本管理,并为优雅的覆盖与人类监督而设计。一家初创企业在一位 NHS 买家那里的信誉,与它如何治理与更新其临床内容同样重要,不亚于算法本身的聪明程度。

小型企业#

一家成熟的小型提供者——一家全科诊所、一家社区药房、一家养老院,或一家单一场所的诊所——大多消费的是内置于供应商临床系统中的决策支持,而不是自己编写它,但依然承担着安全使用它、并让临床判断处于决策回路之中的同等职责。在几乎没有专门信息学能力的情况下,现实的优先事项虽然范围狭窄,却是真实的:知道你的系统正在触发哪些警报,关闭或调优已经变成噪音的本地警报,保持用药与指导内容的更新、而不是冻结在安装时的状态,并确保有人——即使是一位兼职临床负责人——对任何本地定制的安全性负责。要抵制仅仅因为警告令人烦躁就全面禁用它们的诱惑,因为那是用一种麻烦换取一种危害。在供应商的默认规则明显不适合你的患者的地方,向供应商提出并记录这项关切,因为你依靠的是他们的治理来替代内部治理。公平与溯源问题依然适用,即使回答它们意味着向你的供应商提出更好的问题,而不是自己审计代码。

大型企业#

一家大型 NHS 信托机构或医院集团通常从一个电子病历供应商的默认库中继承数千条规则,它的核心挑战是规模化的治理,而不是从零开始编写。现实的目标是一个常设的临床内容治理职能、可靠的覆盖率分析、一个分层的警报方案,以及退役与调优、而不仅仅是累积的纪律——而不是为每一种情况都构建一条完美定制的规则。把决策支持变更嵌入临床变更控制与临床安全管理系统之中,由一位 CCIO 或 CNIO 负责,由受过信息学训练的临床医生完成这项工作(见主题 4.6——电子病历与临床系统)。在这个规模上,最大的安全收益来自削减噪音与拥有内容,而不是添加越来越多的警报。

政府机构#

一个国家机构——NHS England、MHRA、NICE——塑造着每一个提供者所处的决策支持环境。它可以策展并质量保证可共享的知识(NICE 指导、BNF 与 dm+d 药品数据),制定临床安全标准 DCB0129 与 DCB0160,并管理互操作性标准,让一条编写一次的规则能够被信任并复用,而不是在每一家信托机构中重建(见主题 9.1——与地方及中央政府合作)。它的杠杆,是通过标准、采购框架,以及诸如临床信息学学院这样的专业基础设施,让治理良好、与证据挂钩的决策支持成为市场默认。政府还承担着公平与透明度职责:确保决策支持逻辑不会对特定群体编码偏见,确保其溯源可被审计并公开。

常见失败模式#

• 警报过载。 为每一种可以想象的风险触发一条警告,使临床医生脱敏,直到他们覆盖一切,包括重要的警报。按严重程度分层,衡量覆盖率,并积极削减噪音。
• 无人拥有、未经审查的内容。 在上线时配置一次、此后从未被重新审视的规则,会与当前指导脱节,悄悄编码过时的证据。为每一条规则指定一位具名负责人、一个证据基础,与一个审查日期。
• 未经调优的供应商默认设置。 直接发布供应商开箱即用的规则库,不针对你的工作流程与处方集进行本地化,导入了别人的噪音与别人的假设。在上线之前审查并调优,而不是在投诉之后。
• 没有工作流程的逻辑。 一条临床上正确的规则被放在错误的步骤、屏幕或角色上,变成了临床医生会绕开的摩擦。与一线用户在真实任务中设计与测试。
• 把触发次数误认为有效性。 "这条警报触发了 10000 次"说明不了任何决策是否得到了改善。依据改变的结果与避免的伤害来评估,并留意意外后果。
• 没有安全论证。 把一次规则变更当作常规配置编辑、而不是临床安全变更来对待,跳过了能捕捉危险边缘情形的危害分析。让每一次变更都经过 DCB0160。
• 自动化偏见与去技能化。 过度信任机器的提示,可能把临床医生锚定在错误答案上,或侵蚀这个系统假设他们依然拥有的判断力。保持有意义的人类监督,让覆盖变得容易且合法。

成熟度模型#

检查清单#

• 每一条决策支持规则、医嘱集与模板都有一位具名临床负责人、一个证据基础、一份版本历史与一个审查日期。
• 一个常设的临床内容治理小组按基于风险的计划授权、审查并退役内容。
• 警报按严重程度分层,中断与临床利害相称,硬性拦截被保留给罕见的灾难性危害。
• 覆盖率按规则、专科与角色被监测,最吵闹的规则被主动退役、收窄,或降级。
• 决策支持在上线之前与一线临床医生在真实工作流程中共同设计并测试。
• 每一条新规则与变更都经过 DCB0129/DCB0160 下的一份临床安全论证,并由一位临床安全官签核。
• 一位 CCIO、CNIO,或等同角色对临床内容负责,由受过信息学训练的临床医生支撑。
• 临床医生能够有意义地轻松覆盖,并存在一条报告错误、缺失或有害警报的路径。
• 有效性依据改变的决策与结果、而不是触发次数来评估,并留意意外后果。
• 与基于 AI/ML 的支持之间的边界是明确的,任何统计或学习组件都在 AI 治理之下被管理(见主题 8.4)。

关键来源#

• NHS England / NHS Digital ——临床安全标准 DCB0129(健康 IT 系统制造)与 DCB0160(健康 IT 系统部署),以及临床安全官指导。
• 临床信息学学院 ——针对临床信息学从业者的专业标准与核心能力框架;CCIO 与 CNIO 角色定义。
• Osheroff 等 ——《用临床决策支持改善结果:一份实施资源手册》(HIMSS)——"五项权利"CDS 框架的起源。
• NICE ——证据、指导,以及数字健康技术证据标准框架;NICE 认证的知识被用作 CDS 内容。
• HL7 International ——CDS Hooks 与 FHIR 临床推理标准;用于可共享医学逻辑模块的 Arden 语法。
• Topol 评审(《为交付数字化未来准备医疗劳动力》)——临床信息学劳动力与能力。
• MHRA ——关于跨越监管门槛的软件与人工智能作为医疗器械的支持的指导。

参考文献#

1. Clinical decision support system — Wikipedia — https://en.wikipedia.org/wiki/Clinical_decision_support_system
2. Health informatics — Wikipedia — https://en.wikipedia.org/wiki/Health_informatics
3. Alarm fatigue — Wikipedia — https://en.wikipedia.org/wiki/Alarm_fatigue
4. Computerized physician order entry — Wikipedia — https://en.wikipedia.org/wiki/Computerized_physician_order_entry
5. Clinical pathway — Wikipedia — https://en.wikipedia.org/wiki/Clinical_pathway
6. Medical algorithm — Wikipedia — https://en.wikipedia.org/wiki/Medical_algorithm
7. Medical guideline — Wikipedia — https://en.wikipedia.org/wiki/Medical_guideline
8. Evidence-based medicine — Wikipedia — https://en.wikipedia.org/wiki/Evidence-based_medicine
9. Electronic health record — Wikipedia — https://en.wikipedia.org/wiki/Electronic_health_record
10. Sociotechnical system — Wikipedia — https://en.wikipedia.org/wiki/Sociotechnical_system
11. Arden syntax — Wikipedia — https://en.wikipedia.org/wiki/Arden_syntax
12. Machine learning — Wikipedia — https://en.wikipedia.org/wiki/Machine_learning
13. Computer-aided diagnosis — Wikipedia — https://en.wikipedia.org/wiki/Computer-aided_diagnosis
14. Knowledge management — Wikipedia — https://en.wikipedia.org/wiki/Knowledge_management
15. NHS England — Clinical Risk Management Standards DCB0129 and DCB0160 — NHS England — https://www.england.nhs.uk/long-read/clinical-risk-management-standards/
16. Faculty of Clinical Informatics — Core Competency Framework and professional standards — FCI — https://facultyofclinicalinformatics.org.uk/
17. National Institute for Health and Care Excellence — Evidence Standards Framework for Digital Health Technologies — NICE — https://www.nice.org.uk/about/what-we-do/our-programmes/evidence-standards-framework-for-digital-health-technologies
18. Health Level Seven International — CDS Hooks and FHIR Clinical Reasoning — HL7 — https://cds-hooks.hl7.org/
19. Health Education England — The Topol Review: Preparing the healthcare workforce to deliver the digital future — NHS — https://topol.hee.nhs.uk/
20. Medicines and Healthcare products Regulatory Agency — Software and AI as a Medical Device — GOV.UK — https://www.gov.uk/government/publications/software-and-artificial-intelligence-ai-as-a-medical-device