Usability Engineering für medizinische Unterstützungssysteme im Bereich Smart-ApplicationsUsability Engineering for Medical Decision Support Systems (Smart-Applications)

Zusammenfassung Die Arbeit auf Intensivstationen und in Operationssälen ist geprägt durch eine wachsende Zahl von (teilweise vernetzten) Geräten, die Vitalparameter des Patienten messen und anzeigen oder zur Therapie dienen. Für die Ärzte und Pflegekräfte wird es immer schwerer, diese alle im Auge zu behalten und angemessen zu interpretieren. Der Trend geht dazu, Unterstützungssysteme zu schaffen, die selbst klinische Expertise enthalten, und dem Anwender helfen, Entscheidungen hinsichtlich Diagnose und Therapie zu treffen. Die Schwierigkeit besteht darin, einheitliche Systeme für heterogene Anwendergruppen in einer komplexen und dynamischen Arbeitsumgebung zu gestalten. Anhand zweier Beispiele soll im Folgenden veranschaulicht werden, welche allgemeinen Richtlinien dabei Beachtung finden sollten, und auf Grundlage welcher Prozesse und Methoden gebrauchstaugliche Medizingeräte effizient entwickelt werden können. Bei den Beispielen handelt es sich um ein Anästhesiedisplay, das bei der Dosierung der Medikamente helfen soll, sowie ein Diagnosedisplay, das bei der Interpretation der gemessenen Vitalparameter für eine klinische Diagnose unterstützen soll.

[1]  H. Mcdonald,et al.  Effects of computerized clinical decision support systems on practitioner performance and patient outcomes: a systematic review. , 2005, JAMA.

[2]  Christopher A. Miller,et al.  Trust and etiquette in high-criticality automated systems , 2004, CACM.

[3]  W. Friesdorf,et al.  Überwachung am Intensivbett - Informationspräsentation , 1988 .

[4]  R. Matthew Sailors,et al.  Clinical informatics: 2000 and beyond , 1999, AMIA.

[5]  Eta S. Berner,et al.  Viewpoint Paper: Informatics Challenges for the Impending Patient Information Explosion , 2005, J. Am. Medical Informatics Assoc..

[6]  J. Stockman,et al.  Effects of computerized clinical decision support systems on practitioner performance and patient outcomes: a systematic review. , 2005, JAMA.

[7]  Hans-Ulrich Prokosch,et al.  Workflow analysis and evidence-based medicine: towards integration of knowledge-based functions in hospital information systems , 1999, AMIA.

[8]  N. Charness,et al.  Expert Performance Its Structure and Acquisition , 2002 .

[9]  Robert L. Wears,et al.  Automation, interaction, complexity, and failure: A case study , 2006, Reliab. Eng. Syst. Saf..

[10]  T. H. Clutton-Brock,et al.  Attentional overload as a fundamental cause of human error in monitoring , 2001 .

[11]  D A Norman,et al.  The 'problem' with automation: inappropriate feedback and interaction, not 'over-automation'. , 1990, Philosophical transactions of the Royal Society of London. Series B, Biological sciences.

[12]  E. Balas,et al.  Improving clinical practice using clinical decision support systems: a systematic review of trials to identify features critical to success , 2005, BMJ : British Medical Journal.

[13]  David Woods,et al.  Users as Designers: How People Cope with Poor HCI Design in Computer-Based Medical Devices , 1994 .