Clinical Decision Support System

2. Clinical Decision Support System
(CDSS) atau sering kita kenal sebagai
sistem pengambil keputusan klinis
 merupakan suatu sistem elektronik yang
didesain untuk membantu klinisi atau
tenaga medis dalam mengambil keputusan
klinik.
 Pada penggunaan CDSS yang berbasis
elektronik memiliki beberapa keunggulan
dan kemudahan, jika dibandingkan dengan
non-elektronik, apalagi jika sudah
terintegrasi dengan rekam kesehatan
elektronik (Services Human & Investigator
2012).

3. beberapa keunggulan computer
based CDSS
 kapasitas penyimpanan knowledge based dan
kecepatan menganalisa sebuah kasus, serta dalam
memberikan rekomendasi kepada klinisi dalam
bentuk alert atau peringatan (Lee et al. 2014).
 Pada Umumnya CDSS elektronik
mengkombinasikan karakteristik klinis dan kondisi
pasien, dengan basis pengetahuan elektronik
(computerized knowledge base), yang kemudian
secara otomatis menghasilkan rekomendasi-
rekomendasi untuk bahan pertimbangan klinisi, baik
dokter, perawat, bidan dan tenaga kesehatan lain,
yang kemudian dapat membantu dalam menentukan
diagnosis dan pemberian tindakan medis lainnya
(Parshutin & Kirshners 2013).

4. CDSS
 media elektronik yang digunakan untuk
menentukan diagnosis, interpretasi klinis,
pemberitahuan (alerting), pengingat
(reminder), analisis prediktif dengan sebuah
aplikasi, yang terhubung dengan data (Aynes
& Aplan 2001).
 menyediakan informasi bagi tenaga medis,
pasien atau individu atau populasi tertentu,
untuk menghasilkan proses kesehatan yang
lebih cepat, lebih efisien, lebih baik baik bagi
layanan kesehatan individual maupun bagi
kesehatan suatu populasi (Sheikhtaheri et al.
2012).

5. Kesimpulan
 CDSS memiliki tujuan utama untuk
mendukung berbagai macam fungsi
klinis, seperti: dokumentasi dan
pengkodean klinis, mengatur
kompleksitas klinis, menyimpan dan
memelihara database pasien,
melakukan tracking order pasien,
monitoring dan tindak lanjut kesehatan,
maupun tindakan pencegahan suatu
penyakit (Main et al. 2010).

6. Komponen Clinical Decision
Suporrt System (CDSS)
 Data base (Basis Pengetahuan dan
Akuisisi Pengetahuan Medis)
“Kumpulan data yang tersusun secara
terstruktur dan dalam format elektronik
yang mudah diolah oleh program
komputer (Aynes & Aplan 2001). Database
ini menghimpun berbagai jenis data baik
yang berasal dari pasien, obat (jenis, dosis,
indikasi, kontraindikasi dll), dokter/perawat
dll.”

7.  Knowledge base (Memori kerja )
“Kumpulan pengetahuan kedokteran
yang merupakan sintesis dari berbagai
literatur, protokol klinik (clinical
guidelines), pendapat pakar maupun
hasil penelitian lainnya yang sudah
diterjemahkan dalam bahasa yang
dapat dipahami oleh komputer (Sié et al.
2014).”

8.  Instrument
“Alat yang dapat mengumpulkan data
klinis seperti: alat pemeriksaan
laboratorium, EKG, radiologis dan lain-
lain (Bradburn & Fox 2004).”

9.  Mesin inferensial (inference engine)
“Merupakan program utama dalam
suatu CDSS yang mengendalikan
keseluruhan sistem, mulai dari
menangkap informasi yang berasal dari
pasien, mengkonsultasikannya
dengan knowledge base dan
memberikan hasil interpretasinya
kepada pengguna (Wit et al. 2015).”

10.  Antar muka (user interface)
“Tampilan program komputer yang
memungkinkan pengguna berkonsultasi
untuk memasukkan data, memilih menu
hingga mendapatkan hasil baik berupa
teks, grafis, sinyal, simbol dan bentuk
interaktivitas lainnya. Interaktivitas dapat
bersifat aktif-otomatis maupun pasif
(Main et al. 2010).”

11. Fungsi Aplikasi CDSS
 Alerting
 Reminding
 Critiquing
 Interpreting
 Predicting
 Diagnosing
 Assisting
 Suggesting

12. Tantangan Dalam
Implementasi CDSS
 Dunia medis merupakan bidang yang dinamis.
 Perubahan yang terjadi bisa sangat cepat sehingga
berdampak pada penggunaan standar pelayanan
medis yang menjadi tulang punggung dari
pengembangan CDSS (Jao & Hier 2010).
 Alur kerja bidang kesehatan juga sangat kompleks
dan subjektif berdasarkan kasus-per-kasus.
 Hal ini menyebabkan pengembangan CDSS terbatas
pada kasus-kasus tertentu yang memiliki prosedur
medis yang relatif lebih konstan, seperti CDSS pada
sistem peresepan dan CDSS pada interpretasi
hasil echocardiograph (Sanchez et al. 2013).

13.  Untuk itu perlu dikembangkan lebih lanjut
terhadap kasus-kasus lain
atau guideline lain yang signifikan mampu
mengurangi medical error.
 Secara teknis, menggabungkan informasi
kesehatan berikut temuan-temuan baru
yang selalu berubah menjadikan CDSS
harus terus dilakukan agar sistem tetap
terupdate. Diperlukan kerjasama yang baik
antara pengguna dan pengembang sistem
(Jensen et al. 2015).

14. Referensi
 Aynes, R.B.R.H. & Aplan, B.O.K., 2001. Clinical Decision Support Systems for the Practice of Evidence-based
Medicine. Journal of the American Medical Informatics Association, 8(6), pp.527–534.
 Bradburn, M. & Fox, J., 2004. A quantitative and qualitative evaluation of LISA , a decision support system for
chemotherapy dosing in childhood Acute Lymphoblastic Leukaemia . STUDIES IN HEALTH TECHNOLOGY AND
INFORMATICS, (November 2015).
 Jao, C.S. & Hier, D.B., 2010. Clinical Decision Support Systems : An Effective Pathway to Reduce Medical Errors and
Improve Patient Safety. In INTECH. INTECH.
 Jensen, S., Kushniruk, A.W. & Nøhr, C., 2015. Clinical simulation : A method for development and evaluation of clinical
information systems. JOURNAL OF BIOMEDICAL INFORMATICS, 54, pp.65–76. Available at:
http://dx.doi.org/10.1016/j.jbi.2015.02.002.
 Lee, J. et al., 2014. Impact of a clinical decision support system for high-alert medications on the prevention
of. International Journal of Medical Informatics, 83(12), pp.929–940. Available at:
http://dx.doi.org/10.1016/j.ijmedinf.2014.08.006.
 Main, C. et al., 2010. CDSS in order communication for diagnostic , screening or monitoring test ordering Computerised
decision support systems in order communication for diagnostic , screening or monitoring test ordering : systematic
reviews of the effects and cost-effectivene, Southampton. Available at: http://www.publicationethics.org/.
 Parshutin, S. & Kirshners, A., 2013. Expert Systems with Applications Research on clinical decision support systems
development for atrophic gastritis screening. Expert Systems With Applications, 40(15), pp.6041–6046. Available at:
http://dx.doi.org/10.1016/j.eswa.2013.05.011.
 Sanchez, E. et al., 2013. Bridging challenges of clinical decision support systems with a semantic approach . A case study
on breast cancer. Pattern Recognition Letters, 34(14), pp.1758–1768. Available at:
http://dx.doi.org/10.1016/j.patrec.2013.04.003.
 Sié, A., Nasiell, J. & Bastholm-rahmner, P., 2014. Guidelines for maternal and neonatal “ point of care ”: Needs of and
attitudes towards a computerized clinical decision support system in rural Burkina Faso. International Journal of Medical
Informatics, 83(6), pp.459–469. Available at: http://dx.doi.org/10.1016/j.ijmedinf.2014.01.013.
 Wit, H.A.J.M. De et al., 2015. Evaluation of clinical rules in a standalone pharmacy based clinical decision support system
for hospitalized and nursing home patients. International Journal of Medical Informatics, 84(6), pp.396–405. Available at:
http://dx.doi.org/10.1016/j.ijmedinf.2015.02.004.