OMAHA白皮书 第 5 期 2017 年 07 月
W H I T E P A P E R
临床决策支持（CDS）：全景扫描，提升效能
A Comprehensive Study on Advance Clinical Decision Support in China
敬请关注
OMAHA联盟
敬请关注
OMAHA基金会
第 5 期 2017 年 07月
“
”
You come in with a stroke, the admitting physician with one click of the computer now creates the
entire workflow from everything from the [real logic] to the laboratory to the diet to the physical
therapy and medication.
— Robert Pearl, MD
Executive Director and CEO of The Permanente Medical Group
全面梳理临床决策支持系统（CDSS）发展脉络，
解析CDSS的设计和实施框架，
带您俯瞰当前国内外CDSS的应用现状以及未来发展的生态全景。
OMAHA秘书处
胡红林
吴 垚
徐美兰
朱烨琳
查裕忠
孙舒宁
赵童童
目 录
一、CDSS的定义、发展历程和价值
三、CDSS的设计和实施框架
二、CDSS的分类模式
五、行业发展的经验和建议
六、结束语
四、行业发展的环境
(一) 市场现状
1. 全球市场
2. 国内市场
(二) 市场的独特机遇
1. 美国市场
2. 国内市场
(三) 市场的挑战和困难
3
3
3
3
内容摘要
研究简介
(一) CDSS设计的核心要素
1. 基于知识库的CDSS
2. 非基于知识库的CDSS
(二) CDSS 的实施框架
(三) 杰出供应商案例
(一) CDSS的定义
(二) CDSS的发展历程
(三) CDSS的价值
(一) 研究背景
(二) 研究目标
(三) 研究方法
(四) OMAHA基金会
(一) 过往的经验教训
(二) 建议
1
3
17
17
18
19
19
20
23
17
26
28
26
4
4
7
4
11
13
15
11
13
11
9
31
30
参考文献
OMAHA 白皮书
2017年 07月 第 5期
内容摘要
CDS的研究最早起源于20世纪50年代末，当
时的研究方向是医学专家系统的开发。到了
1976年，世界上第一个功能较全面的专家系
统MYCIN正式问世。从那时起，CDS正式成
为医学领域内重要研究方向，发展也进入高
潮时期，并且逐渐推向临床应用。至今，
CDS的研究已经呈现出一个“遍地开花”的
良好局面，且CDSS的类型也是多种多样。
虽然CDSS有着提高医疗护理质量的巨大潜力
这一点非常明确，但必须引起重视的是，
CDSS的设计和实施是最终决定其是否能够很
好地为临床提供服务的关键因素。CDSS的设
计和实施通常是相互关联的，国外的学者以
及政府组织对CDSS的设计和实现已经进行了
非常多的探索，产生出了一些非常有效的指
导建议，如著名的“5项正确模型”就在设
计和实施上给出明确的指导，这个模型也是
被业界普遍认可的。同时还有很多其他极具
实践意义的经验总结。CDSS杰出的案例有：
First Databank、Medispan、Allscripts等，在
随着医学的不断发展，医学专业的划分变得
越来越细，这就导致很多临床医生对自己专
业范围外的疾病领域知识掌握非常有限。而
在临床真实环境中，患者的情况往往是复杂
的，临床医生需要具备多学科多领域疾病知
识，才能做出更加科学的临床判断。临床决
策支持系统（Clinical Decision Support System，
CDSS）的出现无疑为这一问题的解决带来了
极大的帮助。CDSS储存大量的医学知识，并
且知识库内容不断更新、扩充，很大程度上
弥补了临床医生医学知识的局限性。临床医
生在诊疗过程中，将临床观察和CDSS的支持
相结合，提高诊疗决策的正确性和科学性。
CDSS不仅能够帮助临床医生做出恰当的诊断
决策，提高医疗效率，也可以帮助减少医疗
差错，改善临床结果，从而可以间接的控制
医疗费用的支出，降低医疗成本。
设计和实施方面均比较成功。
从当前形式分析来看，国内外CDSS的发展
将进入新一轮的发展阶段。在美国，当前
花在医疗上的总开支超过GDP的1/6，两大
公共医疗保险计划难以承受高额的医疗费
用，且医疗差错频发，因此医疗保险成为
了推动CDS广泛应用的最主要因素。同时，
美国政府也相继发布一系列相关政策明确
推进CDS应用与能力。 在中国，驱动CDSS
市场不断发展的因素有三：第一，当前国
家政策对基层医疗的大力支持，基层医务
人员需要能力的提升。针对基层医生能力
薄弱，缺少经验等不足，使用CDSS是一个
很好的解决办法；第二，私立医疗不断的
崛起，他们正积极的寻求方法提升自身医
疗服务质量，以此来形成在市场角逐的核
心竞争力，使用CDSS可以明显看到医疗质
量的提升；第三，卫生部发布的《电子病
历系统功能应用水平分级评价方法及标准
（试行）》，从第3级开始就要求具备初级
医疗决策支持，分级越高，对医疗决策支
持的要求越高。同时，HIMSS EMRAM评级
中也对CDS有相应的要求。
临床决策支持（CDS）：全景扫描，提升效能
1
CDSS的设计和实施框架
纵观全球市场，CDSS的市场规模良好，预
计在2018年将达亿美元，北美地区一直
是CDSS市场的全球领导者。绝大多数系统
能够与其他临床信息系统相集成，且基于
知识库类型的CDSS是主要类型，且发展迅
速。
而中国CDSS市场起步较晚，直到近两年，
CDSS才受到越来越多医疗机构和医疗IT公
司的重视。就目前国内CDSS市场而言，与
全球市场不同的是，目前的绝大部分系统
仍为独立的CDSS，尚无法与其他系统深度
集成。不过基于知识库的CDSS的发展倒是
与全球发展一致，是当前主流的设计模
式。
行业发展的环境
OMAHA 白皮书
2017年 07月 第 5期
然而，挑战和困难总是与发展机遇并存的，
目前主要包括有观念层面、相关证据的获
取、系统设计和实施、缺乏明确的监管等来
自于外部的共性的问题，导致行业发展缓
慢。
临床决策支持（CDS）：全景扫描，提升效能
国内CDSS建设的时间不长，要想在未来能够
更好更快的发展，除了学习既往经验外，还
应该从国外CDSS行业发展过程中存在的问题
着手，通过进一步分析来寻找防患于未然的
方法，从而在实际发展中很好的避免。我们
提出如下几点建议：政府部门应该承担起行
业引导者的角色，如采取一些激励和奖励措
施，以及健全法律的监管；相关标准化组织
深入行业，结合事实应用情况，研发高质量
的标准；CDSS供应商需要切实落地终端用户
需求，建设可持续发展的系统。医疗服务提
供方需要提高对CDSS应用的操作水平，确保
CDSS被有效利用。
2
总结国内外在CDSS设计、开发和实施过程中
的经验教训，对CDSS今后的发展有很重要的
意义，主要有以下几个方面经验是值得学习
的：在设计阶段需要临床指南等知识库的发
布者的尽早参与，已经转化过的CDS规则应
该公开共享，从而提高行业整体的效率；在
CDSS的开发和实施过程中，标准术语的采用
及映射也非常重要；供应商还可以通过对
CDSS的模块化，来简化开发和部署的流程；
临床医生作为最终使用用户，应该一开始就
参与到CDSS规则、设计和开发中，从而避免
CDSS模式与实际临床工作流程不符，同时系
统上线后还需要给予临床医生足够的培训。
行业发展的经验和建议
2017年 07月 第 5期
OMAHA 白皮书
研究简介
(一) 研究背景
临床决策支持系统（Clinical Decision Support
System，CDSS）是指运用相关的、系统的临
床知识和患者基本信息及病情信息，加强医
疗相关的决策和行动，提高医疗质量和医疗
服务水平的计算机应用系统。CDSS起源于美
国，在欧美国家已得到广泛应用，医疗服务
从业者在CDSS的帮助下做出准确的决策，减
少医疗差错，提升医疗质量。而中国CDSS起
步较晚，2014年之前，从事CDSS相关业务的
企业并不多，以单病种或单学科的诊断为主，
且大多停留在理论和实验室研究阶段。目前
中国大型三甲医院对EHR系统有所投入建
设，但系统科学合理的决策支持能力仍有待
提升，同时我国绝大部分基层医疗服务提供
方的EHR系统不健全，与欧美地区的普及程
度有较大差距。
(四) OMAHA基金会
中国的医疗质量亟需提高，医疗质量的提升
一直是政府致力于解决的难题。在此背景下，
建立健全CDSS显得尤为重要，将机器的一系
列特征与医生的专业性结合起来并相互补充，
提高医疗质量，改善临床结果，控制医疗费
用的支出。
浙江省讴本开放医疗与健康基金会（Open
Medical and Healthcare Foundation，简称
OMAHA基金会）是一家致力于个人健康医
疗数据的开放运动，解决健康医疗领域数
据分享难题，促进个人健康数据信息有意
义使用，为公共健康领域提供公益产品和
服务的基金会。基金会的使命是提升公众
意识和改善个人健康档案使用环境。
OMAHA基金会是由医疗领域意见领袖和行
业专家发起和运营的公益组织。2016年3
月，经浙江省民政厅批准注册成立。
白皮书主要通过文献等资料检索和行业深
度访谈的方式，对CDSS的发展、内涵、设
计和实施、市场现状等多方面进行了梳理
和归纳，形成最终的观点，剖析行业发展
的环境。
(二) 研究目标
白皮书对CDSS的定义、分类、发展历程、设
计和实施等内容进行全景扫描，并结合我国
目前CDSS的应用现状、行业发展的大环境，
以及面临的机遇和挑战进行研究和分析，最
终对我国CDSS产业的发展提供经验教训和可
行建议。我们希望通过这期白皮书，能够为
国内建立健全的CDSS生态环境提供可靠坚实
的证据支持和发展建议。
(三) 研究方法
3
临床决策支持（CDS）：全景扫描，提升效能
OMAHA 白皮书
一、 CDSS的定义、发展历程和价值
CDSS一般由四部分组成（如图1）：数据基
础（各类患者数据，以临床路径、临床指
南、分级标准较高的循证研究等为代表的
文献类证据，以病历报告、临床经验、统
计结果等为代表的实践类证据）、系统内
部机制（人机交互和逻辑推理）、系统用
户界面和系统用户（医师、护理人员、检
验人员和患者等） 。
CDS（Clinical Decision Support，CDS）的研
究始于20世纪50年代末，最早的研究方向
(一) CDSS的基本定义
(二) CDSS的发展历程
临床决策支持系统（Clinical Decision Support
System，CDSS）是指运用相关的、系统的临
床知识和患者基本信息及病情信息，加强医
疗相关的决策和行动，提高医疗质量和医疗
服务水平的计算机应用系统。CDSS包含5个
正确要素：在诊疗流程中，通过正确的渠道，
在正确的时间和正确的干预模式下，向正确
的人，提供正确的信息 。CDSS建议的根本
目的是为了评估和提高医疗质量，减少医疗
差错，从而控制费用的支出 。
与传统的将临床指南、药品使用说明等信息
录入知识库中供医生查询浏览的系统完全不
同，CDSS的核心是提供决策支持，而非简单
的信息支持。CDSS运用专家系统 的设计原
理与方法，模拟医学专家诊断、治疗疾病的
过程，基于临床知识库，对信息进行收集、
整理、分类、过滤、加工等并建立逻辑关联
知识点，并采用警告提醒、信息按钮、成组
医嘱、文档管理以及相关数据的表达形式，
对疾病进行诊断、治疗、护理、手术、合理
用药等方面的决策支持，可以为临床医生诊
断治疗提供建议、提醒、报警、计算、预测
方面的决策支持 。
4
临床决策支持（CDS）：全景扫描，提升效能
2017年 07月 第 5期
CDSS的核心是提供决策支持，而非简单的
信息支持。
[1]
[1]
[2]
[3]
来源：文献检索；OMAHA分析
图1：CDSS的主要组成部分
医生
药师用户界面
人机交互
逻辑推理
患者信息
文献类证据
实践类证据
数据基础 系统内部机制 系统用户界面 系统用户
护士
患者
…
在诊疗流程中，通过正确的渠道，在正确的时间和正确的干预模式下，向正确的人，
提供正确的信息。
a
a 专家系统（expert system, ES）是利用从人类专家或是从书籍、杂志、文献、案例中获取具有相当数量的权威性知识来解决特定
领域中实际问题的计算机程序系统。它根据用户提供的数据、信息或事实，运用其存储的的专家经验或知识，按人类专家的思维逻辑
进行推理判断，最后得出结论，同时给出结论的可信度以供用户辅助决策。
是医学专家系统的开发，通过应用产生式
规则 的推理引擎，将医学专家的专业知识
和临床经验经过整理后，存储于计算机的
知识库中，利用逻辑推理和模式匹配的方
式，帮助用户进行诊断推断 。1976 年美
国斯坦福大学开发了一个用于细菌感染病
诊断的专家咨询系统-MYCIN，它是世界上
第一个功能较全面的专家系统。MYCIN通过
与医生交流，获取病人的症状、病史以及各
种检查结果后，可以在检查结果不齐全的
情况下进行初步推断，给出诊断结果。从
此，CDSS正式成为医学领域内一个重要研
究方向。随后，CDSS 的发展进入一个高潮
时期，并且逐渐推向临床应用。CDSS的发
展主要经历了四个阶段，详见表1。
最具代表性的第一代CDSS便是MYCIN系统，
5
OMAHA 白皮书
2017年 07月 第 5期
它根据医生输入的检验信息，自动识别51
种病菌，帮助正确使用23种抗菌素。系统
可协助医生诊断及治疗细菌感染性疾病，
为患者提供最优的处方 。但MYCIN存在
一系列问题：例如，未与临床环境相结合
导致临床接受程度低，需要较大的时间成
本，医疗事故责任未明确等。同时，该系
统的设计远远早于台式机和网络的出现，
所以实际应用受到了很大的阻碍。尽管
MYCIN最终并未能实际应用于临床，但其
为19世纪80年代开展的大量CDSS相关研究
做了铺垫 。其他第一代CDSS还有：
临床决策支持（CDS）：全景扫描，提升效能
[5]
[4]
QMR（Quick Medical Reference）是一个
典型的辅助内科医生的CDSS系统，应用
了最全面的知识库INTERNlST-1/ CADU-
CEUS作为医学电子书，最新版本包含750
种疾病、5000种临床症状，以及50000多
种病症关系。QMR是早期利用人工智能
技术的CDSS之一，也是最早使用概率排
·
第一阶段：以独立系统的形式存在，不与临
床其他系统产生互操作。
[4]
表1：临床决策支持系统的发展历程
b
b 产生式规则是一个以“如果这个条件满足的话，就应当采取这个操作”形式表示的语句。
阶段 特征 代表性的 CDSS 系统
第一阶段
独立存在的 CDSS
（Stand-alone System）
1959 年 Ledley & Lusted
1961 年 Warner
1969 年 Bleich
1971 年 Leeds
1975 年 Mycin
1982 年 Internist QMR
1983 年 Atending
1986 年 Dxplain
2003 年 Isabel
第二阶段
集成到临床信息系统的 CDSS
（Integrated System）
1967 年 HELP
1973 年 RMRS
1993 年 EON
1994 年 WizOrder
1998 年 CPRS
第三阶段
基于标准的 CDSS
（Standards-based System）
1989 年 Arden
1998 年 GLIF
2003 年 GELLO
第四阶段
基于服务的 CDSS
（Service Models）
2005 年 SAGE SEBASTIAN
2007 年 SANDS
此阶段CDSS的缺点包括：未与临床环境整
合，只能被动地被操作者使用，无法主动进
行提示警示；使用效率低，诊断或治疗所需
的数据完全需要操作人员手动进行输入。但
正是这些问题催生了第二代CDSS。
第二代CDSS集成到临床信息系统后，带来的
缺点是系统的共享性变差，很难重复利用。
另外，将决策支持集成到临床信息系统也带
来知识管理问题，很难将知识和设计代码分
为避免第一代CDSS的缺点，研究人员开始研
究CDSS与计算机医嘱录入系统（Computer-
ized Physician Order Entry，CPOE）、电子病
历系统（Electronic Medical Record/ Electronic
Health Record，EMR/EHR）、临床信息系统
（Clinical Information System，CIS）等系统
集成的方法。集成的CDSS可以基于主动触发
机制，对医务人员或患者等进行主动警报、
提醒等功能。
名原理的系统之一。但后期QMR应用并不
顺利，限制QMR应用的主要因素是其知识
库需要不断更新，但QMR在2001年后便停
止了更新。随后，QMR发布了便携版本
MedWarior，至今仍在使用。QMR问世的
意义在于其强大的知识库后来被用作其他
系统内知识库的基础模型，对后续很多产
品的发展带来了深远的影响 。
6
OMAHA 白皮书
2017年 07月 第 5期
临床决策支持（CDS）：全景扫描，提升效能
[5]
DXplain系统已拓展至2400多种疾病、5000
多种临床症状及病症关系。DXplain系统有
两个功能：其一是引用案例分析工具，基
于输入的患者数据，输出附有优先级的可
能诊断清单，并附带有支持各个诊断的理
由或依据；其二是医学教科书为每个疾病
附带详细描述和10余个现有文献 。DXplain
在临床训练中的作用和其他CDSS系统类似，
它仍无法突破到实验室研究或临床训练以
外的场景，一部分原因是因为缺乏真实的
临床环境下的医生支持。这也导致了
DXplain不能提供明确的医疗咨询，不能辅
助帮助医师诊断决策。
犹他大学开发的HELP（Health Evaluation
Through Logical Processing）系统是第一个
为帮助临床医生进行临床决策而收集病人
数据的基于医学知识库和文献引擎的医院
信息系统。HELP系统1967年开始投入使
用，不仅用于临床情况下帮助医护人员分
析、解释、处理临床数据，以提高医疗护
理质量。同时也支持医院的行政管理、财
务管理、教学和研究工作。目前，HELP决
策支持程序包括呼吸系统疾病治疗方案的
合理性检查报警系统、临床实验室异常检
查判断处理系统、用药合理性检查报警系
统以及传染病监控系统等 。
·
1973年，印第安纳州的Regenstrief研究所
开发RMRS（Regenstrief Medical Record
System）系统使用了大量的规则用于提供
关于护理的建议。
·
1980年至1990年，除了HELP和RMRS，其
他CDSS，如WizOrder System、Brigham
Integrated Computing System（BICS）等系
统均被学术医疗中心用于临床决策支持。
BICS包括支持多种临床干预包括临床路
径，可以指导临床医生通过数据输入和根
据特定的临床用途，以及补充支持基于时
间的途径，如提醒临床医师未完成相关。
·
·
Isabel系统是目前最全面的诊断决策支持
工具，目前已经发布了3个版本：儿科版
本、成人版本及生物恐怖诊断提醒版
本。基于Web的Isabel系统，可以用于定
点照护与教学，Isabel PRO可与电子病历
相整合。Isabel 系统包括两部分：Isabel
诊断目录系统和 Isabel 知识动员系统。
Isabel 知识动员系统可以提供在线资源，
包括教科书、疾病专项、最新进展的治
疗措施。同时Isabel还可链接到其他免费
在线资源，如PubMed和MedlinePlus，或
者通过订阅可获得的资源，如MDConsult
和UpToDate 。
·
第二阶段：主要特征是能够与临床信息系统
进行集成。
[5]
[5]
[5]
离表示。临床决策支持与异构信息系统的集
成也存在诸多困难 。
7
临床决策支持（CDS）：全景扫描，提升效能OMAHA 白皮书
2017年 07月 第 5期
(三) CDSS的价值
科学的临床决策要求临床医生具备多学
科、多领域的医学知识，而随着医学专
业的细分，大多数医生都只对自己专业
范围的疾病非常了解，而对其他专科了
解较少，在诊断时，往往只从自己的专
业出发，很少考虑到其他专业，从而导
致误诊 。CDSS储存有大量的医学知
识，囊括医学各个专科，且知识库在不
断更新、扩充，可以弥补临床医生医学
知识的局限性。临床医生在诊疗时，将
自己的临床观察和CDSS的临床知识相结
合，进行有效、合理的临床决策。
临床医生在给病人诊治时，输入患者的
基本信息及病情信息，CDSS根据这些信
息，结合系统的临床知识库，生成该患
者的定制治疗方案，临床医生通过删除
方案中错误建议，留下有用信息，最终
得到最适合患者的诊疗方案。基层医生
经验不足，全面的临床辩证思维能力不
强，专业水平不高 ，如果在基层卫生
信息系统中引入决策支持功能，在一定
程度上可以弥补上述不足 ，可见CDSS
是提升医疗质量的重要手段。
最早出现的是Arden Syntax标准语法，它使用
标准语法来表示、编码、存储和共享知识，
克服了第二代CDSS的许多缺点。它提供了一
种共享决策支持内容的方法，并将描述这些
内容的代码与实现临床信息系统的代码区分
开来。然而，标准也有一些固有的局限和缺
点。首先，通常有太多的标准可供选择；第
二，任何编码标准固有地限制了用户在标准
中编码的内容，即标准只会包含标准制定者
打算包含在标准范围内的内容，如在开发
Arden Syntax时，目标是开发一个用于患者特
定的事件驱动决策支持的系统，因此，这是
可以在Arden语法中编码的唯一的决策支持类
型。同时，术语问题也大大限制了这些标准
的使用，除非临床系统和决策支持系统共用
一个常用术语标准，否则必须进行繁琐的映
射 。
这就导致在SAGE中实现的决策支持系统的
类型会有限制 。
第三阶段：为解决CDS知识共享的问题，致
力于临床知识表达的标准化。
第四代CDS的研究出现了新的进展，CDSS再
次从集成的临床信息系统中独立出来，成为
独立的组件，以服务的方式向临床信息系统
提供应用程序编程接口（Application Program-
ming Interface，API），供不同的临床信息系
统使用。这个问题的解决主要得益于SAGE
（Shareable Active Guideline Environment
project）的应用。设计正确的SAGE规则可
以与支持此SAGE兼容API的任何临床系统之
间进行交互。SAGE采用的方法是将标准化接
口置于临床系统之前，被称为虚拟医疗记录
（Virtusal Medical Record，VMR）方法。这
种方法的主要优点是它解决了词汇问题。
SAGE虚拟医疗记录指定了用于访问和处理病
历的词汇，并且在临床系统使用不同术语的
范围时，提供一个合适的映射。然而像Arden
语法一样，SAGE需要一个标准的指导格式，
第四阶段：再次从临床信息系统中独立出来，
演变成基于服务模式的系统。
CDSS能够帮助临床医生做出恰当的诊断
决策，提高医疗效率。
[6] [6]
以上四种决策支持系统构建方式都有其优
缺点。很多局限性是大家所共同面临的：
一，固定的知识表达系统限制了知识的表
达形式；二，存在很多术语相关的问题；
三，患者的信息可能分散在多个不同的信
息系统中，没有任何一个系统可以查看患
者完整的信息；四，也可能是最重要的一
点，系统最大的困难在于不同医疗机构之
间的干预措施难以畅通和成功地进行传
输 。[6]
[7]
[8]
[9]
[6]
OMAHA 白皮书
急诊科作为各大系统疾病急症处理的高发
地，工作环境复杂、多样，病人病情危
急，需要急诊科医护人员准确、快速地做
出决策。国外一项研究比较了在对急性肺
栓塞的评估中，CDSS对CT肺动脉成像的使
用率和阳性诊断率的影响，研究表明实施
CDS后，每季度CT肺动脉成像检查使用率下
降%，每季度进行CT肺动脉成像检查检
出急性肺栓塞的阳性率提高了%，从
%上升至%，可见基于循证的CDSS在
急诊科的实施应用能显著减少CT肺动脉成
像检查的使用率，并能提高其阳性检出
率 。
无论是常见病例还是疑难病例，医生在诊
治时，都会出现失误，常见病例如占呼吸
科门诊20-30%的慢性咳嗽，临床误诊误治
率高，约81%被误诊为支气管炎、慢性支
气管炎或慢性咽喉炎 ；疑难病例如Kaposi
水痘样疹，因其早期诊断较困难，容易造
成误诊 。另外，医学知识在急剧增长，
而临床医生的知识更新却无法跟上步伐，
也会导致在诊治时出现失误。
2017年 07月 第 5期
正确率高达97%，决策质量得到显著提高 。
CDSS减少了医疗差错，改善了合理用药情况，
使得患者的住院时间减少、临床结果改善。
盐湖城LDS医院研制了一个抗菌药物决策支
持系统，使用该系统后，ICU患者抗菌药物
应用量下降3倍，平均住院日减少天，住
院费减少50% 。CDSS规范了医疗行为，强
化了药物管理，改善了患者的临床结果。
[13]
[13]
8
据统计，美国每年因医疗差错致死者多达
万人，英国国家卫生服务系统经营的医
院每年发生医疗差错85万件，研究表明大
多数医疗差错事件是人为失误造成的，完
全可以被预防。
CDSS可以帮助减少医疗差错，改善临床
结果。
CDSS在辅助临床医生制定诊疗方案时，给
出最恰当的参考方案，减少不必要的医疗
费用支出，减少了误诊误治，改善用药情
况，患者住院时间减少，减轻患者本身的
负担，同时也节约了医疗资源，降低了医
疗成本。例如，美国糖尿病患者每年的治
疗费用为2450亿美元左右，在将CDSS用于
糖尿病的护理和管理后，治疗费用节省了
14% ，医疗成本大大降低。
从卫生经济角度来看，临床上存在大批量
的常规决策工作，可以交给机器进行自动
化决策，提高正确率和医疗效率，降低医
疗成本。
CDSS的使用有助于控制医疗费用的支出，
降低医疗成本。
[10]
[11]
[12]
在用药环节，同样会出现失误。研究发
现，在美国，医疗失误中用药错误所占的
比例是%，英国是%，荷兰是%。
用药错误不仅对患者产生损害，同时会增
加医疗机构的成本费用。常见的差错有剂
量不正确、选药错误和药物配伍禁忌等。
CDSS在医生开具处方时，会及时给出药物
配伍禁忌，对医生进行提醒，减少用药错
误。一项对31位重症监护室医师和传染科
医师所开出的抗菌药物处方的研究中发
现，依据《抗菌药物应用指导原则》的处方
[14]
临床决策支持（CDS）：全景扫描，提升效能
二、 CDSS的分类模式
OMAHA 白皮书
2017年 07 月 第 5期
CDSS可根据系统的不同特征进行不同维度的
划分，包括内部决策机制、系统功能、建议
方式、人机交互、交流方式、决策支持程
度、应用场景等维度 ，详见表2。
相应采取规则中规定的行动，或是对诊
断或是对治疗提供决策支持。
9
·
内部决策机制的不同主要取决于CDSS的内部
知识表示方式，针对不同的决策需求存在着
不同的知识表示方式，从而形成了不同的决
策机制。基于知识库形成方式，可以分为两
大类。
第一大类是基于知识库（Knowledge-
Based）的CDSS：如早期基于精确概率的
Leeds Abdominal Pain系统以及基于近似
概率的DXplain和QMR。对于医生应采取
行动的决策支持系统常见的有基于概率
的决策树分析法与基于规则的方法。就
基于规则的方法而言，最著名的医学专
家系统为Shortliffe的建议抗生素用法的
MYCIN系统，但由于各种原因这类专家
系统并没有在临床中取得实质性应用。
在国外临床中应用的事件监视器（Event
Monitor）也都是基于规则的决策支持系
统，例如比较早的HELP系统和哥伦比亚
大学医学院应用的事件监视器系统。这
些系统通过事先定义好的规则来实时地
监视病人的相关信息，一旦规则中的前
提条件得到满足，相关规则将被触发，
·另一大类是非基于知识库（Non-knowledge
Based）的CDSS：这类系统不依赖人来输
入知识，而依赖机器学习（Machine learning）
原理从大量的实例中自动获得知识。常
见的算法有Bayesian network、Support
Vector Machine、神经网络、基于相似性
的算法等。但此类缺点是系统难以对结
果进行人类容易理解的解释 。
内部决策机制：
CDSS也可以按其所能完成的系统功能来划
分。主要有两大类：一是帮助决策什么是对
的判断，例如早期的Leeds Abdominal Pain，
DXplain和QMR等临床诊断系统即属此类；二
是帮助医生决策下一步应该做什么事，例如
做什么检查，用什么药等，最典型的例子是
决策分析树 。
系统功能:
CDSS的建议方式分为主动和被动两种。主动
的方式为系统主动地给医生提出决策建议，
不管医生此时有没有决策帮助的需要。例如
各种事件监视器系统，这类建议方式的好处
在于可以强制性阻止一些严重的后果发生。
例如用药配伍禁忌和药物-疾病禁忌等。被
动的方式是指只有医生主动询问系统时系统
建议方式：
表2：CDSS的不同分类维度
[15]
[15]
[15]
分类维度 相关分类
内部决策机制
基于贝叶斯算法、决策树分析法、预定规则流程的方法、神经网
络、相似性算法等
系统功能 当前诊断的判断和后续策略
建议方式 自动提醒（主动）、主动查询（被动）
人机交互 独立系统（可独立存在）、整合系统（与其他系统整合）
交流方式 顾问式、批评式
决策支持程度 直接（给出决策结论）、间接（提供决策参考）
应用场景 诊前决策、诊中决策、诊后决策
临床决策支持（CDS）：全景扫描，提升效能
OMAHA 白皮书
2017年 07月 第 5 期
才给出决策建议的方式，例如早期的各种诊
断辅助系统，包括Leeds Abdominal Pain和
QMR等 。
诊中支持：CDSS为医生提示药品适应
症、不良反应、不合适处方等；
10
人机交互是划分CDSS的一个比较重要的维
度，主要区分一个系统是否与医生的工作流
程相融合，现代CDSS大多与医生的工作流程
相融合，可迅速地获得决策支持，例如各种
事件监视器系统，可以在用户完全不干预的
情况下发出各种预警。例如无缝整合于电子
病历的一键通技术（InfoButton）是在完全
不干扰医生工作流程的情况下给医生提供必
要的决策相关信息 。
人机交互：
CDSS在交流上分顾问式（Consulting model）和
批评式（Critiquing model）。顾问式在流程中
不断地与医生进行交互获得必要信息，最终生
成建议。而批评式的系统事先根据相关信息生
成一个决策建议，如果医生的决策与之不符，
则给出决策建议，适用于医生愿意自己决策而
需要系统再次确认的情况。事件监视器系统即
属于批评式 。
交流方式：
CDSS的决策支持程度上可以分为直接和间接
两类。前面提到的大部分属于直接给出决策
建议的系统。间接的决策支持系统主要包括
与临床信息系统相融合的多种在线式知识
库，例如UpToDate、FirstConsult等。InfoButton
可以方便地将各种知识库通过在线的方式提
供给医生，间接地为临床决策服务 。
决策支持程度：
CDSS系统不只是提醒和通知，还具备多项辅
助功能，如诊断支持、临床指南、医嘱策略、
文书模板和自动提醒医患等。按照使用场
景，CDSS可分为诊前决策、诊中决策和诊后
决策三大应用场景 ，分别如下：
应用场景：
医生诊断要求、需做的检查、鉴别要点以
及相关诊疗方案；
·诊前决策：CDSS根据临床医生对患者症状
的描述，在诊断、用药和手术之前，提示
·
·
诊后评价：CDSS结合患者情况和知识库
预测患者未来可能出现的健康问题，存
储并分析不在CDSS知识库的治疗方案，
为循证医学补充基于临床实践的证据。
[15]
[15]
[15]
[16]
临床决策支持（CDS）：全景扫描，提升效能
[15]
图2：基于知识库的CDSS设计的三大核心要素
是否拥有丰富的知识、参考文献和临床数
据等证据，且保持证据更新的时效性；
·
是否能够快速、智能地处理上述大量的临
床数据；
·
是否能够精确敏锐的捕捉到用户的关注，
并且不妨碍用户的工作流程。
·
OMAHA 白皮书
2017年 07 月 第 5期
知识库里面的内容可能是结构化的知
识，或者来自权威医疗信息研究院的结
构化或非结构化文本材料，例如英国医
学期刊（BMJ）、电子病历系统自己处
理后的结构化数据等。知识库的信息模
型必须要能够应对临床应用场景，提供
相关的辅助信息。
CDSS 知识库包含的是基于证据支持的知
识，主要包含两大类：分别为基于文献的
证据（Literature-based Evidence）和基于临
床实践的证据（ Practice-based Evidence），
两者的作用经常是相辅相成的。
1. 基于知识库的CDSS（Knowledge Based CDSS）
1 ) 知识库
11
三、 CDSS的设计和实施框架
(一) CDSS设计的核心要素
对于大多数CDSS来说，由三个重要部分组
成：数据库（Data Repository）、推理机
（Rules Engine）和人机交互接口（Inter-
face） 。相对应的，决定CDSS应用效果
和决策支持能力的三个关键成功因素分别
是 ：
此类CDSS的设计原理占到了目前CDSS中的大
部分，其核心是知识库的建立和知识对决策
支持的具体利用，系统的核心要素见图2。
·基于文献的证据：主要包含临床指南、
医学研究文献、国内外相关诊疗标准等
相当成熟且公认的证据；
·基于临床实践的证据：“ 循证医学 ”
（evidence-based practice）作为利用最
佳研究来指导临床实践的关键，却经常
被误解为“如果没有通过随机对照试验
来源：OMAHA分析
[17]
[18]
知识库 推理机 人机交互
• 知识库的内容必须是基于证
据支持的
• 基于文献的证据和基于临床
实践的证据相结合来使用
‒ 文献类：作为循证实践
的基础
‒ 实践类：真实世界临床
证据获取可变参数，作
为补充优化支持决策的
结果
• 知识库的证据必须保持敏捷
的更新和维护
‒ 紧跟医学最新发展
‒ 实时解决证据冲突
系
统
设
计
的
核
心
要
素
• 能够快速、智能地分析和
解释临床 知识和临床
数据
‒ 理解用户的临床决策
‒ 知识库内容过滤
‒ 反馈决策支持的相关
内容
• 建立起电子病历系统
和CDSS之间的交互
‒ 基于用户界面的
接口
‒ 基于服务的接口
• 交互的过程需要与实
际的临床业务流程相
协调
临床决策支持（CDS）：全景扫描，提升效能
（randomized controlled trial，RCT）证实，
那就永远不应该采纳”。而事实上，不是每
一样东西的价值都是可以计量的，也并不是
每一样可以计量的东西都是有价值的（Not
everything that can be counted counts and not
everything that counts can be counted） 。
临床实践指南为临床医生在面对患者时提供
了宝贵的起点，然而一些从业者将这些准则
视为临床实践的限制或视为“食谱”一样来
遵从，失去了临床推理和决策能力。实际上，
临床指南本身并不能完全解决真实世界患者
的问题，真实世界的患者往往不是研究对象，
因此不需要遵从RCT研究中严格的入组排除
标准。专业的临床医生需将指南与个体患者
的特异性相结合而做出决定，以创建更加丰
富的临床情景数据库，创建基于临床实践的
证据，以改进和丰富指南 。
知识库的内容需具备两大特性，才能满足辅
助临床医生决策的需求：一是知识库的内容
必须是基于证据支持的（基于文献和基于临
床实践的证据同等重要，可相互补充），二
是知识库随时保持证据的实时更新。
OMAHA 白皮书
2017年 07 月 第 5期
人机交互接口的作用是建立起电子病历系统
和CDSS之间的交互，且交互的过程需要与实
际的临床业务流程相协调，确保在对的时间
给出合适的决策支持。该接口的实现方式通
常有两种：基于用户界面的（UI-based）或
者是基于服务的（service-based）接口。
首先，基于文献的证据和基于临床实践的证
据必须二者同时存在互相补充，知识库才完
整。虽然研究文献作为循证实践的基础，但
是基于实践的临床证据可优化健康结果。
例如，RCT表明，有症状的颈动脉狭窄症
患者如果接受颈动脉内膜切除术（carotid
endarterectomy，CEA）则会发生较少的中
风，但如果手术并发症发生率大于6%时，
则获益无效。实际上，只有19%的医生知道
他们所在医院的CEA并发症发生率。因此，
对于局部可变参数的临床问题，CDSS的开发
者应该高度重视获得当地实践证据以补充基
于文献的证据 。而在证据的获取上，基于
文献的证据更容易获取，基于临床实践的证
据需要CDSS供应商去真实世界中不断去积
累。也因此对于CDSS供应商来说，两者是否
同时兼备，以及兼备的量级，是其重要的核
心竞争力。
相关证据必须保持实时更新，紧跟医学发展
的速度。医学知识在不断更新，CDSS知识库
的实时更新对于正确辅助临床医生的决策至
关重要。例如，对乙酰氨基酚虽然在大多数
国际临床指南中一直被推荐为治疗腰痛和髋、
膝骨关节炎的首选药物，但英国医学杂志发
表最新研究发现，对乙酰氨基酚对上述疾病
治疗无效，还可能会损害肝脏，所以临床医
生需要重新评估对乙酰氨基酚治疗骨关节炎
的临床指南建议 。
通过推理机演绎的丰富信息，形成向用户提
供决策支持的基础，用户基于该信息，做出
选择是否继续推进该“妊娠试验”或者选择
CDSS推荐的可替代检查。值得注意的是，在
任何情况下，CDSS只是作为支持系统，真正
做决定的是终端用户。
2 ) 推理机
3) 人机交互接口
推理机是CDSS的核心组成部分，对分析和解
释临床知识数据有着至关重要的作用。推理
机能够理解知识库里的内容，如一个临床医
生尝试为男患者下一个“妊娠试验”的医嘱，
推理机开始分析知识库如下：
12
·之前是否有任何支持男患者“妊娠试
验”的证据；
·是否有相应的“妊娠试验”参考文献；
·是否有有关男患者“妊娠试验”出版的
临床知识；
·是否存在可替代男患者“妊娠试验”的
检查，并且向用户提供大量的各方面信
息。
[19]
[21]
[19]
[20]
临床决策支持（CDS）：全景扫描，提升效能
临床决策支持（CDS）：全景扫描，提升效能
2.非基于知识库的CDSS（Non-knowledge
Based CDSS）
基于这样的模式，提炼出来的知识的可靠
性是关键问题，在疾病预测和人群健康管
理领域有比较大的应用空间；或是对训练
出来的结果进行进一步的临床证据论证，
配合基于知识库的CDS模型共同使用，才能
应用到个体的病例上。
GA类似于神经网络，没有任何领域的专家
知识，从患者数据中获取知识。遗传算法是
一种基于生物自然选择与遗传机理的随机搜
索与优化方法，评估临床问题的随机解决方
案，保留最好的解决方案，然后重组和突变
以形成下一组可能的解决方案，进行评估，
并持续发现到适当的解决方案为止。
如前文所述，CDSS对提高医疗护理质量有着
巨大的潜力，但必须注意的是，怎样让CDSS
更好地为临床服务，CDSS的设计和实施至关
重要，而CDSS的设计和实施往往是相互关联
的。为了推动CDSS更有效地用于临床，国外
的学者或政府组织对CDSS的设计和实现进行
了一些探索，提出了著名的“5项正确模
型”和影响CDSS实施的关键因素。
结果进行比较，并相应的对权重进行调
整，不正确的结果被给予更多的权重，会
不断的继续迭代运行这个过程，直到做出
了相当多的正确预测。
ANN也有一些缺点，由于其迭代性质，训
练过程非常耗时，且该过程产生的公式/权
重不容易阅读和解释，系统无法解释它为
什么要用特定的方法来使用某些特定的数
据，所以其可靠性是一个主要问题。不过
ANN已被证明在预测诸如口腔癌和心肌感
染此类疾病方面很成功，它们也被成功地
用于预测慢性疾病如乳腺癌复发，所以
ANN被广泛认为是一种可行的临床决策方
法。
2 ) 遗传算法
研究患者数据的规律，发现患者的体征/症
状与可能性诊断之间的相关性。为了正常工
作，ANN必须首先被“训练”，首先输入大
量的临床数据进入神经网络，进行分析，然
后假设输出正确，将这些训练过的猜测与实
1 ) 人工神经网络
不像基于知识库的CDSS提前已经预设好知
识库，非基于知识库的CDSS采用基于机器
学习的人工智能技术，让计算机学习过去
的经验或临床常规模式，然后将学到的这
些“经验”放进其知识库。因此，CDSS也
是人工智能在医学中的一项重要应用。比
较流行的非基于知识库的CDSS通常采用人
工神经网络（ ，
ANN）和遗传算法（ ，
GA）。非基于知识库的CDSS的原理比较
简单，只需要足够的语料去训练算法即
可。
1. 5项正确模型
为让大家了解如何开发系统的CDSS，杰罗
姆•奥舍罗夫博士于2007年首次提出CDSS
“5项正确模型”（CDSS Five Rights） ，
该模型建立了CDSS最佳实施框架，后被业
OMAHA 白皮书
2017年 07 月 第 5期
(二) CDSS 的实施框架
13
·基于用户界面的接口：向用户展现来自
知识库中经推理机筛选后的知识或数
据，这包括但不限于对用户行为的暗
示、推荐的做法或可替代做法、用户行
为可能产生的结果、已有的有关用户行
为的观点或证据、有关用户行为的参考
信息；
·基于服务的接口：CDSS向提出请求的电
子病历系统提供XML格式的数据集，让
其自动处理和反馈用户输入的数据，
HL7提供了关于数据交换和传输的全球
标准且仍然在不断改进。
[22]
[22]
OMAHA 白皮书
2017年 07月 第 5期
临床决策支持（CDS）：全景扫描，提升效能
是，CDS干预措施有时会改变护理团队的角
色。例如，如果患者抵抗其医生的建议，
则该警报形式的信息可以由能够获得患者
依从性的相关照护者来传达。重要的是仅
向可以采取行动的个人提供信息。一个常
见例子是护士接受到调整患者用药剂量的
命令，这种类型的信息是有问题的，因为
护士无法知道药物剂量是否已经被调整。
1 ) 正确的信息
2) 正确的人
界普遍采纳，如著名美国卫生与人类服务部
下属的医疗保健研究和质量部门（Agency
for Healthcare Research and Quality，AHRQ）
和美国医疗信息与管理系统学会（Health-
care Information and Management Systems
Society，HIMSS）在推动CDSS的有效实施时
均推崇该模型。
在这种情况下，警报干预应该只包含足够的
信息供终端用户采取行动。如果给与终端用
户的信息太多，可能会引起认知超载，导致
他们无视警报。在当前的例子中，医生被警
告：患者具有结肠癌的家族史，并且他们属
于应该筛选结肠癌的50-75岁阈值患者。在
这种情况下，医生更愿意阅读警报所基于的
相关国家规定文件或指南。在某些情况下，
一些专家意见可能有争议，因为它们可能不
被大家所认可，可能会负面影响最终用户。
向终端用户提供的信息应该是基于证据的，
源于公认的指南，或基于国家行为标准。如
结肠镜检查遇到75岁的患者，会产生警报，
通知医生患者需要筛查结肠癌。该警报基于
NQF-0034国家规定，这是国家质量保证委员
会制定的标准。此外，该项行为标准是基于
美国癌症协会制定的一套指南，其中规定了
一般人群应定期筛查结肠癌。
14
该信息是证据支持的、有指导作用的、基于
实际场景的。
3 ) 正确的 C D S干预模式
如前所述，CDS可以以各种格式实现：警
报、命令集、协议、病人监护系统和信息
按钮。因此，实施者要确定他们正在努力
解决的问题是什么，并选择最佳的模式来
解决手头的问题，这一点很重要。一个诊
所希望确定患有重大疾病风险的患者，并
采取预防措施。最简单的解决方案是以警
告的形式非侵入性地通知医生患者对患某
种疾病的倾向-如结肠癌。
如警示、指令、回答医生疑问的参考信息等
各种干预临床行为的模式。
4 ) 通过正确的渠道
CDS干预可以通过EHR或PHR，将医生的医
嘱输入后，在智能手机上运行的应用程序
以及必要时通过流程表，表格和标签以纸
张形式提供。在上面的例子中，如果医生
是正确的人，则EHR可能是提供警报的最佳
平台。然而，如果患者及其相关照护者是
正确的人，则正确的平台可能是智能手机
上运行的短信应用，警报将通知患者需要
进行结肠镜检查。
如电子病历系统（electronic medical record，
EMR），个人健康档案（personal health record，
PHR）或者更普遍常见的渠道如互联网或移
动设备。
5 ) 在医生工作流的正确时间
健康信息管理中的一个常见问题是想将新
技术覆盖到当前临床过程中。这种做法的
随着医疗保健变得更加团队合作，确保正确
的信息到达正确的人采取行动变得很重要。
正确的人可以是护士，医生，理疗师，或在
某些情况下，是重要的其他人。在上面的例
子中，正确的人是接受警报的医生，并建议
患者进行结肠镜检查。然而，值得注意的
正确的人包含医护团队的所有人员，包括临床
医生、患者和他们的相关照护者。
临床决策支持（CDS）：全景扫描，提升效能
基于计算机的决策支持比需要手工的决策
支持更有效；
·
自动呈现并融入临床医生工作流程的CDS
干预措施更容易被使用；
·
建议用户采取行动的CDS比仅提供评估的
CDS更有效；
·
·
(三) 杰出供应商案例
表3：住院与门诊两大领域前5名CDSS供应商
2. 其他相关研究
1. First Databank
[18]
OMAHA 白皮书
2017年 07月 第 5期
在正确的决策时间和地点提供信息的CDS
干预更有可能产生影响。
一个不利结果是信息可能在错误的时间传递
给临床医生，或者在需要时可能不可用。当
医生正在治疗正在服用阿司匹林的患者时，
医生暂时失去这一事实的追踪，开始为患者
处方香豆素，在输入处方的所有相关信息后，
医生准备将处方发送给药房，这时屏幕上才
出现警报，通知医生患者已经服用阿司匹
林，处方香豆素可能会产生不良后果。这是
在临床工作流过程中在错误的时间呈现信息
的示例。警告在医生开始处方输入香豆素时
出现会对医生更加有利，而不是提交处方之
后。这突出了CDS实施过程中的一个非常根
本的事实，为了成功创建干预措施，必须彻
底了解和记录所涉及的临床过程，以便在正
确的时间将正确的信息传递给合适的人员。
AHRQ的使命是负责提供证据让美国卫生保健
更安全，更高质量，更易于获得，公平和负
担得起。2009年，AHRQ发布了一篇关于影响
CDSS实施关键因素的综述报告 。该报告对
已有的大量有关CDSS成功实施案例的文献进
行了综述性分析，总结出影响CDSS成功实施
的 几 个 关 键 因 素 ， 包 括 工 作 流 程 一 体 化
（Workflow Integration）、数据输入和输出
（Data Entry and Output）、标准和可转移性
（Standards and Transferability）、知识维护
（Knowledge Maintenance）、临床医生使用
CDS的动机（Clinician Motivation To Use CDS）。
15
尽管CDSS市场竞争异常激烈，但是仍然有
一些供应商主导着CDSS市场。来自Defini-
tive Healthcare 的数据提供了美国在住院
和门诊领域比较杰出的CDSS供应商，分别
为：First Databank、Medispan、Allscripts、
Cerner、Elsevier、Truven Health Analytics、
Truven Health Analytics、Zynx Health，如表3
所示。虽然住院和门诊对CDSS的需求有差
异，但有些供应商仍然具备同时满足二者
需求的能力。
First Databank通过在已有的临床系统应用警
告形式向临床医生提供大量富含信息的消
息，作为KLAS最高评级的药物数据库，First
Databank被世界数千家门诊机构使用。该供
应商的CDS技术专长于电子处方、EHR、
EMAR和CPOE系统的安装和优先向医生提供
报告也借鉴了著名学者川本成功部署CDS的
观点，关键内容如下：
排名 住院 CDSS 门诊 CDSS
1 Cerner First databank
2 First databank Medispan
3 Medispan Allscripts
4 Truven Cerner
5 Zynx health Elsevier
[23]
[18]
临床决策支持（CDS）：全景扫描，提升效能
2. Medispan
6. Truven Health Analytics
OMAHA 白皮书
2017年 07月 第 5期
简明扼要的电子信息，提供最新的药物信息，
提供积极的临床决策支持。
Medispan通过在线实时的方式和移动应用在
医疗照护的时候提供CDS辅助医生确保患者
的安全和提高医疗效果。Medispan将药品参
考文献知识嵌入进医疗系统，支持用药安全
决策。其机读解决方案提供了超过行业规定
标准的详细药物分类，以减少药物处方错误
的可能性。
3. Allscripts
Allscripts的临床解决方案旨在帮助临床医师精
简对患者健康记录的检索，通过确保整个护
理连续体内的高效EHR传输。 Allscripts Core
Clinical为各种医生护理单位提供CDS工具，包
括急性、救护、紧急和外科护理。Allscripts适
应性解决方案针对任何环境量身定制，包括
小型诊所。Allscripts致力于为医师提供具有成
本效益的、可互操作的临床决策支持。
4. Cerner
Cerner的CDSS采用国家审查的循证标准，为
临床医生提供可靠的指导，以确保患者得到
适当的治疗。Cerner为一系列保健服务提供
CDS，从先进成像、放射学到移动性等。
Cerner为临床医生提供实时的信息，并整合
进现有的EHR和临床工作流程，以便进行准
确的医嘱和处方，从而实现最佳的患者护
理。
5. Elsevier
Elsevier是一家科学、技术和医疗信息产品和
服务的全球出版商，提供一套CDS工具，以
帮助临床医生进行医疗照护。Elsevier的循证
医学和处方信息为临床医生提供任何临床问
题的答案，以及药物决策支持，预测数据分
析和在线培训。Elsevier供应商提供了从药物
信息到学习和能力管理的工具，以改善药剂
师，医生和护士的医疗结果。
16
以上供应商之所以杰出，成为市场上的佼
佼者，离不开两个很重要的因素：1）含有
完整和权威信息的知识库，能够辅助医生
的临床决策；2）实现与医疗机构的信息系
统互操作能力，与临床医生的工作流程一
体化。
Truven Health Analytics通过Micromedex资源
为医院提供基于证据的CDS和患者教育，旨
在通过标准化的API无缝集成到现有医院EHR
系统中。Truven允许医疗照护者从任何医院
或机构获得关于药物、疾病和实验室信息的
临床决策支持。Truven Micromedex临床决策
支持解决方案目前在3500多家医院使用。
7. Zynx Health
Zynx Health的CDSS帮助医院改善患者结果，
资产运营，临床参与和技术指导。Zynx的询
证工具提供临床医生参考信息和工作流程建
议，鼓励医疗团队之间的合作以提高临床和
经济结果。Zynx还提供内容知识库，将最新
的理论集成到临床工作流程和临床服务中，
以满足医疗机构的特定需求。
OMAHA 白皮书
1. 全球市场
2012年CDSS全球市场规模约亿美元，预
计2018年会到达亿美元，复合增长率约
为10%。CDSS的起源最早是在美国，20世纪
50年代末美国已经开始研究CDSS。由于技术
的快速发展和用户使用意识的提升，北美地
区一直是CDSS市场的全球领导者。2012年，
北美CDSS市场份额占全球CDSS市场的70%，
欧洲为14%，亚洲为7%，详见图3。
2017年 07月 第 5期
四、 行业发展的环境
对集成型CDSS中占比最大的CDSS-EHR而言
（直接与EHR集成的CDSS约占到总体CDSS市
场的34%），北美仍占据全球最大市场份
额，应用已比较广泛。同时，CDSS-EHR在
北美和欧洲市场增速明显高于亚洲地区，
新兴市场的增长潜力尚未被激发和释放，
详见图5。亚洲普遍为发展中国家，就中国
而言，大型三甲医院对EHR系统已经有所投
入建设，但绝大部分基层医疗服务提供方
的EHR系统不健全，和欧美地区差距较大，
导致亚洲在CDSS-EHR建设上潜力和预期低
于欧美地区。
按照CDSS的存在形式来看细分市场，主要有
独立存在的CDSS与集成的CDSS两大类。实现
与其他信息系统集成的CDSS解决方案是全球
CDSS市场的主要类型。2012年，集成的CDSS
解决方案是全球CDSS市场的主要类型，约占
到70%，详见图4。其中，集成CDSS中最多的
即是与EHR系统集成，或通过EHR系统再与其
他临床信息系统整合，具体包含CDSS-EHR、
CDSS-CPOE、CDSS-EHR-COPE、CDSS-其他等。
除此，基于知识库的CDSS一直是中主流的设
计方式，绝大部分CDSS是基于知识库的模式
建立；但随着人工智能技术的发展，非基于
知识库的CDSS也逐步开始发展起来，详见图
6。然而，非基于知识库的CDSS需要被不断
“训练”，由于其迭代性，训练过程非常耗
时，目前基于知识库的CDSS通常比非基于知
识库的CDSS涵盖更广泛的疾病。
(一) 市场现状
17
北美
70%
欧洲
14%
亚洲
7%
其他地区
9%
图3：2012年全球CDSS市场分布
图4：2012年全球集成型CDSS与
独立型CDSS的市场格局
独立型CDSS
30%
CDSS-EHR
24%
其他
46%
集成型CDSS
70%
来源：MICROMARKET MONITOR；OMAHA分析
图5：全球三大地区CDSS-EHR的
市场规模和增速
来源：MICROMARKET MONITOR；OMAHA分析
来源：MICROMARKET MONITOR；OMAHA分析
图6：全球基于和非基于知识库的
CDSS的市场格局
来源：MICROMARKET MONITOR；OMAHA分析
（市场规模：万美元）
5100
900 500
8500
1350
705
北美 欧洲 亚洲
2012 年
年2018
复合增长率 +% +% +%
（市场规模：亿美元）
临床决策支持（CDS）：全景扫描，提升效能
+%
+%
94%91%
2012年 2018年（预测）
基于知识库的CDSS
非基于知识库的CDSS 9%
6%
基于知识库的CDSS：基于知识库的CDSS通
常被用于避免错误用药，并提高配药的质量
和效率。系统一般也都会与其他临床信息系
统结合，收集、存储和检索不同类型的历史
和当前数据，从而创建需要可以分析大量信
息的解决方案，通过整合数据可以为患者提
供个性化诊疗方案。作为核心市场，北美仍
是基于知识库型CDSS市场的全球领导者，详
见图7。
OMAHA 白皮书
2017年 07月 第 5期
近几年市场份额最高，且增速稳定。用
于解决药物相互作用的CDSS市场份额紧
随其后，但近些年用于临床提醒的细分
市场发展迅速，且具有逐步取代用于药
物相互作用的这一细分市场地位，未来
几年基于临床提醒的CDSS发展上市空间
巨大。另外，临床指南、药物剂量支持
等应用场景发展较慢逐渐有被市场边缘
化的趋势 。
中国CDSS市场起步较晚，2014年之前，
从事CDSS相关业务的企业并不多，已有
的CDSS主要以单病种或单学科的诊断为
主，且大多停留在理论研究和实验室研
究阶段，如上海大学的产科决策支持系
统、第四军医大学的骨肿瘤辅助诊断系
统、重庆大学的泌尿外科CDSS、哈尔滨
工业大学的急性心肌梗死诊断的智能决
策支持系统和复旦大学的神经外科CDSS
等 。
随着国家政策的支持，由人口老龄化，
慢性疾病发生率的上升引起的基层医疗
需求量的增大，促进了医疗IT领域，特
别是自动化和智能医疗细分领域的发
展。2014年以后，CDSS受到越来越多医
疗机构和IT公司的重视，近两年市面上
的CDSS产品陡然增长，详见图9。
非基于知识库的CDSS市场：亚洲市场占全
球非基于知识库CDSS市场相比欧美地区较
低，但与全球所有地区相比，已成为最快
增长的市场，其中在亚洲，日本非基于知
识库的CDSS市场占比35%，其次是中国占
30%，详见图8。
CDSS市场若按应用场景来分，可主要分
为：药物过敏警报、临床指南、药物相互
作用、药物剂量支持、临床提醒等几大主
要方面。CDSS用于药物过敏警报的应用在
2. 国内市场
18
图7：全球三大地区基于知识库的
CDSS的市场规模和增速
来源：MICROMARKET MONITOR；OMAHA分析
图9：国内研发CDSS产品
（不含影像类）的公司数量
备注：横坐标指企业成立时间，但不一定开展CDSS业务
来源：动脉网
图8：全球三大地区非基于知识库的
CDSS的市场规模和增速
来源：MICROMARKET MONITOR；OMAHA分析
北美 欧洲 亚洲
2012年
2018年
+% +% +%
（市场规模：亿美元）
（市场规模：亿美元）
复合增长率
1700
300
160
2000
340
185
北美 欧洲 亚洲
+% +% +%复合增长率
1700
300
160
2000
340
185
北美 欧洲 亚洲
2012年
2018年
[24]
[3]
1 1 1 1 1
2 2
5
7
2
1953 1996 2003 2004 2006 2011 2012 2014 2015 2016
（单位：家企业/每年新增）
临床决策支持（CDS）：全景扫描，提升效能
OMAHA 白皮书
2017年 07月 第 5期
然而纵观目前国内CDSS市场，绝大部分系统
仍为独立存在的CDSS，与其他临床信息系统
的集成能力较弱，这一点距离全球市场有较
大差距。基于知识库的CDSS比例与全球市场
情况类似，是市面上的主流设计模式。同
时，近两年，对于非基于知识库的CDSS，亚
洲已成为增长最快的市场，在国内各企业也
相继发声发热。展望未来，非基于知识库的
CDSS是一个能够弯道赶超欧美CDSS巨头的机
会，还是或多或少充斥着泡沫尚不清晰。
OMAHA对国内市场已经研发出的一些CDS产
品/供应商做了简单的整理和列举，包括独
立存在的和与其他系统集成的CDSS（信息来
自于公开信息或专家访谈）：
从系统的设计和功能来看，国内大多数CDSS
主要在满足用户查询的需求，正是因为与其
他系统的集成难度高，使得目前多数产品与
电子病历的交互较浅，能够实现主动提醒和
参与决策的能力还相当有限。
(二) 市场的独特机遇
美国每年花在医疗上的总开支超过GDP的
1/6，平均每人每年花费8000多美元，远
超其他发达国家 。两大公共医疗保险
计划医疗报销（Medicare）和医疗救助
（Medicaid）难以承受美国日益增长的医
疗费用，政府财政负担沉重。同时，医疗
差错频发，约翰霍普金斯患者安全专家从
1999年开始分析了八年期间的美国医疗死
亡率数据，发现美国%以上的死亡是由
于医疗错误造成的，是美国疾病中心控制
和预防（Centers for Disease Control and
Prevention，CDC）统计得出的第三大死因 。
除此，国内市场上还有一些基于外国相关
CDSS系统为基础研发或直接汉化运营的企
业也比较出彩。例如，美康汉化运营了UpToDate、
惠每科技的临床决策辅助系统引入了梅奥
完整医学诊疗知识，以及行心信息对与中
华医学会合作汉化了BML。
人卫临床助手（人民卫生出版社）分为
App端/PC端，辅助临床医生做出符合现实
场景的临床决策，提高医生的决策能力。
系统依照中国医生的实际工作场景，提供
了临床决策的思维的知识框架；
·
·
朗通医导通（智能临床辅助决策系统）是
以国内外权威的临床诊疗指南为基础，以
人工智能技术为支撑，对诊疗信息进行综
合分析、归纳和建模，在医生诊疗各个节
点提供智能支持，为医生提供规范、全面
的智能问诊策略、鉴别检查策略、参考诊
断策略以及治疗策略的临床路径，辅助医
生快速、准确、标准地完成诊疗业务；
·
得智能、简单，帮助患者疾病自查，辅助
医生临床决策，引导居民合理就医，实现
医疗健康大数据挖掘与决策支持；
·深圳循证医学提供医疗人工智能技术、医
学知识、临床决策支持，致力于应用循证
医学方法，研发数字化循证医学知识库，
提供人工智能辅助诊断以及临床决策支持
系统，通过AI 智能诊断，让复杂的医疗变
UpToDate基于循证医学原则的临床决策
支持系统，持续不断地将最新最好的医
学证据、世界顶尖专家的临床经验基于
循证医学原则相结合，向用户展现最高
水平的实用医学信息，帮助全世界的医
生在诊疗时做出正确的决策；
·惠每临床决策辅助系统针对全科医生提
供辅助诊疗帮助，从患者分诊、鉴别诊
断与规范化治疗、慢病管理等维度，帮
助全科医生提高临床能力，规范诊疗行
为。惠每系统最主要的特色是引入了世
界知名的梅奥医疗集团的完整医学诊疗
知识，并将其作为机器训练的基础内容。
1. 美国市场
19
[26]
[25]
临床决策支持（CDS）：全景扫描，提升效能
由此，美国医疗服务的质量亟需提升，医疗
保险支付方成为为CDSS买单的主要利益相关
方。美国对CDSS的应用已经积累了40多年经
验，是个相对成熟的市场。近年来，美国政
府通过相关政策激励，特别是2009年美国复苏
与再投资法案（American Recovery and Reinvest-
ment Act，ARRA）的颁布，经济与医疗卫生信
息技术法案（Health Information Technology for
Economic and Clinical Health，HITECH）推动了
EHR的有效应用 ，也给CDSS带来了空前的发
展时机，北美地区已经成为全球压倒性的市
场。
医疗保险对EHR的“有意义使用”进行评
估，从而推动了CDSS在临床的应用。
尽管对医疗服务质量的不满意催生出了美国市
场对CDSS应用的需求，但真正激活市场的前提
还是要有能够满足相关利益方的诉求，对于美
国，这一最有效的推手便是医疗保险。
美国相继发布一系列相关政策明确推进
CDS的应用，提高CDS的能力。
2005年，美国国家卫生信息技术协调员办公
室（The Office of the National Coordinator for
Health Information Technology，ONC）向美国
医学信息学协会（American Medical Informat-
ics Association，AMIA）要求制定一项战略计
划，提高美国医疗服务提供方对CDS的应
用。AHRQ和ONC来资助制定了国家CDS行动
路线图，线路图提出了一系列改善CDS能力
的建议，来支持行业内各个系统的开发和
实施。2008年，AHRQ资助了两个支持CDSS
设计、开发和实施的示范项目，项目旨
在：
2009年，美国政府出台了HITECH法案，由政府
财政投入270亿美元在全国推广EHR ，鼓励
医院和医生有效使用EHR，不断推进EHR的共享
和集成，并对那些满足EHR被“有意义使用”
（Meaningful Use，MU）的医疗机构或医生给
予财政补贴。ARRA法案授权美国医疗保险中心
（the Centers for Medicare & Medicaid Services，
CMS）管理MU评价标准。
MU最核心的要求就是EHR能计算和上报政府
所需的医疗质量指标，同时不同的EHR能够交
换数据，以便全程追踪病人，从而更准确地衡
量医疗质量。2011-2012年为第一阶段，旨在
加强数据采集与共享；2012-2014年为第二阶
段，目标是优化医疗服务流程；2014-2016年
为第三阶段，最终目标是提高医疗服务质
量 。其中，第二阶段MU对CDS有以下要求：
OMAHA 白皮书
2017年 07月 第 5期
符合条件的提供者必须实施四项或多项临·
·在整个EHR报告周期内启用了药物过敏检
查功能 ；
床质量措施相关的五项CDS措施 ；
·将CDS纳入健康信息技术认证委员会
（the Certification Commission for Health
IT，CCHIT）为EMR的认证指标；
·证明CDSS可以在多个信息系统上的运
行；
·建立HIT供应商开展关于CDS实施经验和
教训的交流社区；
·评估CDS的潜在利益和缺陷，包括患者
满意度、效率、成本和风险；
·MU第二阶段最终规则声明：CDS不仅只
是建立在EHR基础之上的健康信息技术
(health information technology，HIT)功
能，如一个警报、通知或明确的护理建
议，还应在适当的时候智能过滤和组织
信息，向参与护理过程的人员提供一般
和特定信息，以加强健康和保健 。
20
[27]
[30]
[28]
[29]
c CDS干预措施不需要与EP选择报告里相同临床质量措施相关。虽然对这种关系没有正式的定义，但总的来说，CDS干预的目的应该
是前瞻性地推进与临床质量措施相关的临床目标或指导方针。
d Meaningful Use的条例规定：由于这些类型的CDS是按照各自的客观指标计算的，它们不计入5个CDS干预要求。
c
d
临床决策支持（CDS）：全景扫描，提升效能
·
OMAHA 白皮书
2017年 07月 第 5期
[32]
评估CDS在多个临床和门诊点实践创建、
存储和复制的措施。
理论上来说，医疗机构积极应用CDSS的原
因是对医疗服务质量的重视，这应当是这
个行业有序发展的根本动力。然而，市场
在培育过程中，往往会有一些其他因素在
刺激着行业的萌发。对中国市场的研究发
现，目前早期阶段主要的驱动力来自于国
家对基层医疗发展的鼓励、大型医疗机构
的信息化评级效应、中高端私立医疗服务
产业的苏醒等。其中，前两方面无疑是中
国市场中比较特殊且有特色的驱动因素，
而社会办医需要高质量的服务来打造民众
的信任和口碑则是整个CDSS被市场逐步接
受的最“纯粹”的理由。
另外，美国医学研究院（Institute of Medicine，
IOM）也在大力鼓励使用健康信息技术，包
括CDSS，来提高患者的健康质量。
通过这些举措，EMR供应商及购买者数量增
加，更多的医院、诊所正在将EMR和CPOE
整合到健康信息的处理和存储过程中。同
时，一系列政策举措也推动了信息系统的结
构化和标准化程度及不同系统之间的互操作
能力。目前，CCHIT已经制定了门诊和住院
系统的要求，并开始制定CDS标准。标准制
定机构也正在制定CDS相关的技术和功能标
准。这些举措和趋势影响了CDS技术的基础
设施建设，改善和提高CDS在临床环境中的
应用能力 。
自2009年启动深化医改后，我国取得重大
进展和明显成效，分级诊疗制度正在有序
推进，在分级诊疗制度的建设中，提升基
层医疗卫生服务能力是重要的一环，主要
措施包括：通过强化乡镇卫生院、社区卫
生服务中心基本医疗服务能力建设，加强
县级公立医院综合能力建设和学科建设。
鼓励大医院医师下基层、退休医生开诊所
以及加强对口支援、实施远程医疗、推动
建立医疗联合体等，把大医院的技术传到
基层；进一步完善基层管理和运行机制 。
如何提升基层医疗服务能力一直是政府致
力于解决的问题，政府鼓励基层、地方因
地制宜进行探索。针对基层医生能力薄
弱，缺少经验等不足，使用CDSS不失为一
个解决办法，在CDSS的辅助作用下，弥补
基层医生存在的不足，提升基层医疗服务
能力。同时，CDSS还可作为教育方式在培
养医学生的过程中广泛应用起来。
为促进非公立医院的发展，2014年，国家
卫生和计划生育委员会、国家中医药管理
局联合发布《关于加快发展社会办医的若
干意见》要求：各级卫生计生、中医药行
政管理部门要转变政府职能，强化行业指
导，将社会办医纳入区域卫生规划统筹考
虑，持续提高社会办医的管理和质量水
平。通过国家政策支持，我国民营医院近
几年正飞速增长，截至2014年6月，全国民
营医院数量占全国医院数量的比例由2008
年的27%上升到2014年的47%。同时，其提
供的服务量也快速增长，2014年上半年诊
疗人次数和出院人数均有上涨 。
国家政策的放宽为非公立医疗机构的发展
减少了障碍。虽然非公立医院虽然规模在
不断扩大，但服务效率低，社会认同度
差，医疗服务质量无法让大众放心，所以
在规模扩张的同时，非公立医院需要积极
的寻求方法提升自身医疗服务质量。而利
2016年12月27日，国务院印发了《“十三
五”深化医药卫生体制改革规划》，规划
指出：当前人民生活水平不断提高，健康
需求日益增长，但我国卫生资源总量不足、
结构不合理、分布不均衡、供给主体相对
单一、基层服务能力薄弱等问题比较突出。
2. 国内市场
国家政策对基层医疗的大力支持，基层医务
人员需要能力的提升。
私立医疗服务的崛起，医疗服务的质量成
为角逐的核心竞争力。
21
[31]
临床决策支持（CDS）：全景扫描，提升效能
[33]
[34]
OMAHA 白皮书
2017年 07月 第 5期
用CDSS能够提升服务质量，改善患者的疗
效，解决非公立医疗机构医疗质量较低这
一核心问题，提升非公立医院的竞争力。
HIMSS Analytics全球副总裁John Daniels表
示，新版HIMSS EMRAM标准将于2018年1
月1日生效（详见表5） ，新标准对大部
分原有标准进行了修改，并增加新的要
求。其中，原第5、6级的评级标准全部被
改动或新增，且涉及CDSS要求的变动，具
体标准变更如下：
医疗机构评级是医院管理能力，建设程度
的体现，通过相应的医疗机构评级可以在
一定程度上提升医院的影响力、提高医院
门诊量，以及产生其他益处。与CDSS直接
相关的医疗机构信息系统的评级有美国
HIMSS评级，以及国内的《电子病历系统功
能应用水平分级评价方法及标准（试行）》。
HIMSS设立的信息系统评级是被全球认可的
医疗信息系统的评级，该评级对现代医疗
2005年版HIMSS EMRAM（EMR Adoption
Model）中，从第二级到第六级，对CDSS
的建设程度要求越来越高，由初级向高级
逐渐进阶，直到第六级形成完整的CDSS
（full CDSS），具体评级模型体系详见表4 。
信息技术在医院使用的广泛和深入程度进
行评价，围绕电子病历系统展开，共有8个
等级。
医疗机构参与信息系统相关评级成为又一
主要驱动力。
22
表4：HIMSS EMRAM的评级模型体系（2005年版）
表5：HIMSS EMRAM的评级模型体系（2018年版）
[35]
临床决策支持（CDS）：全景扫描，提升效能
级别 具体要求
7 级
全面实施电子病历，使用医疗连续性文书（CCD）交互进行数据分享；数据仓库；急诊、
日间医疗、门诊等数据连续性
6 级 医生文书（结构化模板）；完整的 CDSS（异常与依从性提示）；用药闭环管理
5 级 全面实施 PACS，彻底取代胶片
4 级 计算机医嘱录入；CDS（临床指南）
3 级 护理/医疗文书（流程表）；CDS（查错）；放射科以外的 PACS
2 级
临床数据中心（CDR），受控医学词汇；初级临床支持系统；可使用文档影像系统；医疗
信息交换（HIE）能力
1 级 三大辅助科室（检验、放射、药房）系统上线运行
0 级 三大辅助科室（检验、放射、药房）系统均未安装
级别 具体要求
7 级 Complete EMR；external HIE，data analytics，governance，disaster recovery，privacy and
security
6 级 Technology enabled medication，blood products，and human milk administration； risk
reporting
5 级 Physician documentation using structured templates；full CDS；intrusion/device protection
4 级
CPOE；CDS（clinical protocols）；Nursing and allied health documentation；basic business
continuity
3 级 Nursing and allied health documentation；eMAR；role-based security
2 级 CDR；Internal interoperability；basic security
1 级 Ancillaries-Lab，Rad，Pharmacy，PACS for DICOM & Non-DICOM - All Installed
0 级 All Three Ancillaries Not Installed
CDS的标准就需要达到系统能够参与决策，
而非简单的信息查询，最终建立起完整的电
子病历系统，实现区域医疗信息共享。
在过去的几十年中，CDSS已经在部分医疗机
构和研究中心进行了开发和部署。越来越多
的人认识到CDSS拥有巨大的潜力来提高医疗
保健质量，甚至可能提高效率和降低医疗成
本，但CDSS仍面临诸多挑战和困难，主要来
自于外部的共性问题，包括观念层面、相关
证据的获取、系统设计和实施、缺乏明确的
监管等，导致行业发展缓慢。
CDSS提供价值的前提是它必须显著改善临床
工作的流程或结果。评价CDSS是一个需要量
化并不断改进的系统工程，同时也是衡量效
率的过程。由于不同的CDSS为不同目的设
计，当前并没有一种可通用的评估标准，给
系统价值的评估带来困难。人们试图利用各
种间接手段来量化这些有形和无形的利益，
例如减少住院时间、门诊次数、不良反应结
果（死亡率、发病率、感染率和再入院率
等），药物不良反应事件、服务等待时间
等，但效果仍不佳 。
观念：CDSS评估体系不完善，用户对系统给
实际临床带来的价值存在疑虑。
OMAHA 白皮书
2017年 07 月 第 5期
我国与CDSS直接相关的评级政策是2011
年卫生部发布的《电子病历系统功能应
用水平分级评价方法及标准（试行）》
（以下简称《方法及标准》），该《方
法及标准》是在充分借鉴国际经验的基
础上，结合我国电子病历发展实际进行
编制的，将电子病历系统应用水平划分
为8个等级。每一等级的标准包括电子病
历系统局部的要求和整体信息系统的要
求，详情见表6 。从第3级开始，就要
求具备初级医疗决策支持，分级越高，
对医疗决策支持的要求越高，从5级开始
·原第6级形成full CDSS的要求在新版中降
为第五级所必须的要求，对CDSS的标准
所有提高；
·第5级新增：医生文书记录生成离散数据
或通过自然语言处理（Natural Language
Processing，NLP）生成离散数据，用于
支持提示、临床路径和数据分析功能，
或者后台进程实时监控多种变量，为医
生提供提醒功能，且以上功能全院实施
占比达到50%以上；
·第6级新增：采用信息技术手段开立药品
处方、审核药品处方、在床旁核对用药
（药品、用药剂量、给药途径、患者身
份、给药时间）、管理血液和血液制品
使用、实现母乳的母婴匹配。
(三) 市场的挑战和困难
23
表6：电子病历系统应用水平分级评价基本要求
[36]
[37]
临床决策支持（CDS）：全景扫描，提升效能
等级 内容 基本项目数 选择项目数 最低总评分
0 级 未形成电子病历系统 - - -
1 级 部门内初步数据采集 6 18/29 27
2 级 部门内数据交换 11 13/24 60
3 级 部门间数据交换，初级医疗决策支持 18 8/19 85
4 级 全院信息共享，中级医疗决策支持 19 8/18 120
5 级 统一数据管理，各部门系统数据集成 21 8/16 140
6 级
全流程医疗数据闭环管理，高级医疗决
策支持
24 6/13 170
7 级 完整电子病历系统，区域医疗信息共享 24 6/12 210
2012年，美国Tiffani J. Bright等通过对
PubMed、CINAHL、PsycINFO和Web of
Science数据库搜索了从1976年到2011年
期间在MEDLINE完成的研究，结果表明：
尽管越来越重视CDSS在改善护理和降低
成本方面的作用，但能证明CDSS对临床
和经济结果的积极影响的证据仍然异常
稀少，甚至加重了临床工作负担，降低
了工作效率 。
数据库的构建是CDSS的核心，其知识获
取一般来源于医学文献和临床积累，涉
及的知识面非常广泛，基础医学知识、
临床指南、循证医学证据、真实世界数
据、医学辞典、医学图谱、计算工具等
海量数据等缺一不可 。构建这样完
整、权威、整合多领域的知识库并非易
事。
OMAHA 白皮书
2017年 07月 第 5期
文献本身进行Meta分析，综合相关的研究结
果，消除各研究机构间的误差和抽样误差，
这通常需要较长的时间才能完成 。
首先，要有机地结合这些数据并转化一套
知识库，需要花费大量成本。其次，医学
知识不断增长，不断发现新药和诊断，循
证指导随着新证据的积累而改变。挑战之
一便是将频繁更新的知识整合到已经存在
的数据库中。据统计，每年约有50万篇医
学文献公开发表并被MEDLINE收录，每一
个研究结果都需要仔细研读，评价其科学
价值。若要将其以正确的方式整合入CDSS
之中，除了工作很难外，整合新资料有时
很难量化，尤其是当不同的研究结果存在
冲突时更不易实现。同时，随着诊疗活动
的逐步深入，CDSS需要通过对逐个指标进
行分析，以此作为关键词，在海量的文献
数据库中进行搜索、匹配和筛选，采集到
与该病患情况最相近的先验数据呈现给使
用者。如何解决这些矛盾通常要依靠临床
另外，医学的复杂性决定了在真实世界中，
完全依照指南对患者进行诊治往往达不到预
想的效果。因为指南或循证医学的知识是来
源于对部分患者的疾病总结，而现实情况下
诊治的患者又是另一部分的患者。换句话说，
采集样本的共性不一定能代表一般人群的特
点。这不仅是由于组成医学知识体系的无数
症状、测试、疾病和治疗方案，而且还是由
于人体生理学的复杂性以及由此导致的药物
绝对不足的原因。因此，CDSS的开发还需要
大量临床医学数据的支持，如通过抓取电子
病历中的数据，但由于医疗诊疗的知识产权
不明晰、电子病历归属权不明确、病历信息
的共享机制缺失等原因，医疗机构内部数据
封闭、禁锢，宝贵的资源通常是分散存在
的，无法将有价值的数据开放给企业、厂
商，从而CDSS的开发便很难得到临床真实世
界优秀病历数据的支撑。
CDSS应用的核心之一是临床医生与CDSS之间
的互动。临床工作流程的复杂性和对工作人
员时间的高度关注，供应商必须采取有效的
措施来部署支持系统，以确保系统能够成为
临床工作流程中的一个流动的组成部分。而
目前大多数CDSS只关注其决策功能，系统供
应商本身缺乏对临床情况的了解，导致系统
提供决策支持的方式不符合临床医生的行为
习惯，系统不够“智慧”，降低了用户使用
的积极性。主要体现在：
系统设计：与其他系统及工作流的集成难度
高，CDSS多半与临床业务流程不相匹配。
由此可见，在难以证实CDSS改善临床工
作流程或结果的情况下，用户花费大量
成本来建设CDSS的意愿较低。
知识库：CDSS有赖于高质量的知识库，
文献和经验类证据互相补充，构建和维
护难度大 。
·大多数系统仍独立于临床工作流程，导致
了医生需要独立打开CDSS，再次输入患者
信息，额外的步骤打破了临床医生的观点，
降低了工作效率；
·CDSS经常产生大量的警告信息，很容易
24
[38]
[39]
[21]
临床决策支持（CDS）：全景扫描，提升效能
OMAHA 白皮书
2017年 07月 第 5 期
阶段，产业应用较少，CDSS监管相关法律
法规还不完善，所以如何更好地规范CDSS，
更好地发挥其临床辅助作用是一个长久的
命题。
1989年，美国FDA起草了一份政策法案，建
议监管豁免“对以前未分类的信息管理产
品，例如专家或知识系统、人工智能，以
及其他类型的决策支持系统，目的是在对
人类健康产生任何影响之前，需要进行有
能力的人为干预” 。尽管FDA认为软件
是一种设备，但有很多原因可以解释为什
么医疗决策支持软件没有受到彻底的联邦
监管。反对监管的最常见的理由包括以下
几点 ：
然而，医疗和法律从业者一致认为，精心设
计的监管措施是必要的，因为存在部分自愿
将其产品注册为设备并报告不良事件的HIT供
应商出现风险的证据：FDA收到了260份与患
者有关的不良功能报告（包括44人受伤和6
人死亡） 。根据联合政府的说法，FDA自
2011年以来一直在讨论CDS，但尚未提出任
何明确的指导。受限于法律对的判决的不确
定性，决策支持产品和服务的供应商通常是
通过免责申明“适当”限制产品使用。典型的
例子是：“软件按原样提供，不对质量、任
何目的、完整性、准确性作任何保证”或“在
提供此专家系统时，本公司不作任何保证，
或对其准确性、完整性或有用性承担任何法
律责任或责任，也不表示其使用不会侵犯私
人权利”。2016年一项对软件供应商受访者
调查显示，因为这种不确定性，三分之一表
示会抛弃计划开发CDS产品 。
成功的CDSS应该是与现有的临床工作流程、
现有患者信息系统等无缝集成 ，以便在
应当作出决策的时间和地点自动提供咨询。
在这一过程中，对不同系统语义层面的理解
是必要条件，而缺乏医学语义互操作标准成
为CDSS与其他信息系统集成困难的主要原
因 。
CDSS采用了不同的术语系统代码数据，导致
EMR中缺乏调用或激活CDSS所需的标准化数
据，阻碍了不同系统中的数据共享和推理的
可能性，在作出决策的时间点自动提供建议。
例如，在分析诊断决策支持系统的基础逻辑
时，发现不同系统将心率加快标记为“心动
过速”、“异常快速心率”，或者出现CDS认
为95次/分以上为心率异常，其他的却以120
次/分作为正常的截止值。由于这种词汇差
异、不同标准的正常实验室值带来了决策支
持的失败 。
在使用决策支持软件方面的法律责任问题也
是长期的：如果决策支持系统给出不好的建
议，谁负责？软件设计师，系统所使用的医
学知识的提供者，还是负责最终临床决策的
医疗服务提供方？目前责任划分并不清晰，
且没有判例法来界定有关的先例。FDA和欧洲
的同行都没有公布有关责任的政策或标准，
他们似乎正在等待法律案件的出现，以便法
院能够澄清他们的立场。同样地，我国CDSS
起步较晚，已有的主要以单病种或单学科诊
断为主，且大多停留在理论和实验室研究
导致医护人员麻痹从而忽视这些警告；
实施：在数据交互过程中，由于缺乏标准
化，CDSS与其他系统的集成较困难。
监管：国内外政府均对CDSS的法律责任和
监管模式不明确。
·历史表明CDSS不友好的界面设计是CDSS失
败或低采用率的主要原因之一。成功的
CDSS应为临床医生提供一个用户友好的界
面，以获得最合适的咨询结果 。
·软件最准确地被认为是一种心理构建或抽
象实体，一般不在FDA的监管范围内；
·软件从业人员传统上一直受到许可要求的
约束；
·软件发展迅速、落地，任何形式的国家软
件监控都可能是无效或不可能的；
·软件是不完美的，因此改进和完善其不足
之处必须成为共识。
25
[40]
[50]
[51]
[52]
[53]
[49]
[41, 42]
[43-48]
临床决策支持（CDS）：全景扫描，提升效能
OMAHA 白皮书
2017年 07 月 第 5期
(一) 过往的经验教训
由于国内CDSS发展比较晚，而美国已经经历
了40多年的发展历程，所以CDSS设计、开发
和实施过程遇到的经验和教训主要来源于国
外。
在设计阶段鼓励临床指南等知识库的发布者
尽早参与；已经转化过的CDS规则如何能够
实现公开共享，从而减少行业的重复工作、
提高行业整体效率；在CDSS的开发和实施过
程中，标准术语的采用及映射也非常重要
……落地过程中，供应商还可以通过对CDSS
的模块化，来简化开发和部署的流程；临床
医生作为最终使用用户，应该一开始就参与
到CDSS规则的设计和开发中，从而避免CDSS
模式与实际临床工作流程不符，同时系统上
线后还需要给予临床医生足够的培训……国
外走过的近半百年遇到的种种问题为我们带
来了不少启发。
标准使用：采用标准术语以及建立术语之间
的映射对于CDSS的实施非常重要。
知识库共享：鼓励行业共同创建互联网上可
公开访问的CDS知识平台。
指南计算机化：临床指南编写人员应该成为
CDSS开发的重要合作方。
缺乏术语标准和映射会影响到院各内系统之
间的互操作性，也会间接的妨碍CDSS的实
施。在国外，尽管疾病相关术语有SNOMED
CT、实验室相关术语有LOINC、药品相关术
语有RxNorm等，但即使使用同一套标准或
术语，各个机构具体使用时也存在着差异，
无法完全匹配可能导致系统对应出现问题。
同时，临床上实际使用的术语远不止这些，
还需要更多的术语或标准，比如服务状况、
用药途径、性别等。这可能就需要在CDSS实
施时手动完成映射，这会是一个非常庞大的
工作量。因此，实施方应当尽早进行术语的
比对和映射工作，越早开展则越容易。如果
大家一开始都使用统一标准，也自然会减少
一些非必要的映射工作 。
系统模块化：供应商可以探索更轻便的模
式，创建可共享的CDSS组件或服务模块。
供应商可以探索对CDSS进行模块化，简化
开发和部署的流程，创建一套可以进行外
部维护CDS的标准接口服务，可以被加载到
其他任何临床信息系统中；或者被设计为
将临床指南知识转化成CDS规则，需要非常
大的工作量才能整理成计算机化的规则。若
在指南编写时就与编写方合作，制定更容易
编译成机器规则的指南，会更加有利于CDS
的实现。美国AHRQ的临床决策支持示范项
目特别提到与专业协会、临床指南编写机构
合作的作用，当为编写人员提供工具，或与
编写人员一起设计和改进临床实践指南中的
编写流程，会使得最后发布的临床指南更加
清晰、更加具有转换成CDS规则的操作性。
比如，应用BRIDGE-Wiz（Building Recommen-
dations In a Developer's Guideline Editor）或类
似工具帮助他们在撰写指南的时候采用受控
语言来规范化编写流程，把计算机语言中的
“可判定性”“可执行性”等各种特征来纳
入到编写过程 。
五、 行业发展的经验和建议
虽然互联网上已经存在很多公共的临床指
南知识库，但这些内容中已经转换成CDS规
则也非常有限，同时也没有一个组织能够
持续进行转换，并且及时保持更新。因此，
行业中亟需一种新的方式或途径，来持续
引导和推动CDS规则编制，构建互联网上公
开的、高质量、基于循证的CDS知识平台，
可以轻松下载、维护和使用。同时，也需
要探索合适的商业模式，来维持这些知识
平台的可持续性发展，做到内容能够不断
维护和更新 。
[54]
[54]
[55]
26
临床决策支持（CDS）：全景扫描，提升效能
优化设计：CDS的模式设计必须符合实际临
床工作流程。
CDS模式是否符合临床医生工作流程是非常
重要的。虽然越来越多的医院开始使用CDS，
但如何能更好的帮助医生和运用到临床工作
流程中，是CDS能被广泛、有效使用的最大
问题。比如：
医生参与：对于CDSS的设计和实施，临床医
生的参与和培训至关重要。
此外，将CDSS与医嘱系统集成的一部分原因
是已经假定医生可以对CDSS给出的建议进行
理解并做出是否采纳的反馈，因此，对于系
统的使用用户的界定极其重要。例如，辅助
诊断类型的CDSS可能给出用户并不认可的诊
断建议，因此，供应商需要非常明确哪类用
户才能使用这套系统，这类用户必须具有的
专业知识有哪些，同时系统的实施方必须确
保只有符合要求的用户才可以对CDSS的建议
给出响应。
随着系统越来越成熟、整合到临床医疗环境
的能力越来越强，那么，还将会出现另外一
些担忧：医生会不会逐渐失去合理推翻CDSS
帮助总结归纳患者的所有信息：患者层面的
信息越完整，越有助于CDSS对疾病形成整体
的认识。没有一个临床医生可以记住和处理
一个患者的全部数据内容，临床医生需要了
解与当下情况有关的最重要信息。关键是如
何能智能、自动地总结患者的所有临床数
据，并给出患者的摘要信息，包括既往病
史、目前的状况、生理指标、目前的治疗方
案等 。
告知用户信息的优先级并过滤无关信息：临
床医生的时间和注意力是有限的，患者对于
准确地管理大量药物的能力是有限的，患者
在一个时间点进行多方面的生活方式改变是
有限的 。因此，一个稳定、可靠、基于
循证的CDS价值模型极其关键，特别是出现
干扰性的CDS干预措施时，系统可以结合患
者和家人提供的数据，通过多因素效应模型
自动优先考虑并给出建议。例如，结合患者
的偏好和生活方式、个人或医疗机构的医疗
成本、治疗方案、患者可接受的干预措施、
保险范围、遗传基因、临床医生的以往建议
等其他因素，来综合考虑这些因素的影响和
价值，从而给出临床决策支持。同时，系统
能够实现按优先顺序排列，将临床医生或患
者必须处理的的建议数量减少到基于显式价
值模型的可管理数量，从而减少“警报疲劳”。
OMAHA 白皮书
2017年 07 月 第 5期
服务，医疗机构可以使用接口的方式进行在
线调用。其中关键部分是确定和标准化各种
CDS模块所要求的数据的定义和接口。同时，
医疗机构和医生也可以使用很少的成本，来
实时更新获取最新的临床决策知识。这种
“即插即用”的模式将有助于克服目前限制
CDS广泛使用的实施障碍，也会极大地加快
了从CDS研究到使用的过渡时间 。
改善人机交互的界面和体验：一些CDSS人
机互动界面设计不合理，导致医生使用体验
很差。比如，需要进行大量的手动输入，或
给出大量的警告信息，很容易导致医护人员
疲劳应付等。因此，需要设计更好的方式来
展示临床决策支持建议，包括但不限于：增
加临床场景的需求敏感性、提供清晰的信息
显示、展示信息的重要程度等，让医务人员
能够更加方便的执行和操作。
临床医生应该参与CDS的预先规划、实施、
测试、部署和持续评估的过程。作为系统的
最终使用用户，他们需要感觉到正在实施的
系统的所有权。同时还要确保医务人员能够
得到足够的专业培训，让临床医师熟悉使用
系统和了解系统的建议，或者是否还需要一
些特殊的专业技能才能使用。比如，告知临
床医生，当直接输入或从电子病历中获取的
内容不完整时，CDSS可能会给出错误的判
断或提出不适当、不准确的建议 。因此，
需要临床医生深刻理解怎么才能使得CDS
“正确”。此外，获得的CDS“错误”将不
但不会提供任何帮助。相反，还会存在降低
效率的风险（例如工作流程的中断导致临床
医生忘记使用CDS前在想什么）或增加患者
的伤害（例如接受不恰当的CDS建议） 。
[56]
[51]
[54]
[56]
[56]
27
临床决策支持（CDS）：全景扫描，提升效能
28
建议的能力，即医生的“专业能力退化”。
这就好比计算器在中小学教育中变得越来越
普及，但是计算器使用的过程中也会出现错
误，孩子们能否来判断计算器给出的答案是
否正确还是错误。解决这个问题的关键不是
不使用CDS技术，而是医生必须要保持对临
床决策的结果保持警惕性，时刻能够意识到
这个建议会带来的任何积极或消极的潜在影
响 。
另外，医疗领域的各项临床诊疗指南的制定
和更新是开发CDSS所需的高质量知识库的基
础条件，政府相关部门应积极高效地推动各
项指南的更新和维护，顺应医学的快速发
展。同时，政府还应健全CDSS的法律监管，
为CDSS行业的有序发展提供基础的法律保
障。
健康信息领域的各项标准的落地能够促进医
疗机构实现跨系统信息共享和互操作，建议
标准化组织在研制标准的过程中，积极与行
业的应用、医疗机构的临床实践结合起来，
本着“标准是最低要求”的原则来研制标
准、指导行业采纳标准、持续维护优化标
准，从而提高行业的规范性和标准化程度。
同时，标准的易用性和不同标准之间的冲突
是行业发展到一定程度时将面临的一个瓶颈，
如何简化标准但必须能够支持系统的高质量
集成，包括数据传输、接口和标准映射等问
题是标准化组织需要考量的关键之一，目的
是让企业在研发的过程中能够享受到相关的
底层共性基础服务，尽量减少复杂的接口和
过度的映射等高成本的实施问题。
与全球市场不同的是，中国市场未来对于CDSS
的逐步采纳具有典型的中国特色：基层热潮、
评级热潮、互联网热潮等正在刺激这一“时
髦产物”映入大众眼帘。然而，从实践和未
来长远发展的角度来看，挑战和机遇并存，
如何真正打造出经得起时间考验的CDSS产品
仍需要我们的冷静思考。
国内CDSS建设的时间不长，市场处于萌芽阶
段，但国外CDSS行业已经经历了长久的发展
和考验，我们发现行业发展过程中主要存在
的问题包括了：系统的功能及稳定性、软件
的友好性及匹配性、持续的培训与教育等人
为因素等内容 。我们希望最大化汲取国际
经验，争取做为后来者居上，积极推动我国
CDSS产业的发展，从生态建设的角度来帮助
提升整体的医疗质量。具体的建议主要为以
下几个方面：
政府的激励和奖励措施可以促进医疗机构对
于EMR的使用。实现EMR的进一步普及，特
别是基层医疗，才能通过诸如CDSS干预等措
施来提高卫生保健质量。因此，政策制定者
需要不断地审视促进医疗服务质量的实践方
法，包括基于价值的支付方式、有意义使用
电子病历等各种激励措施。
政府部门：卫生、人社、CFDA等政府部门应
承担起行业引导者的角色。
标准化组织：深入行业，结合事实应用情
况，研发高质量的标准。
建议供应商积极尽早参与临床指南的编写工
作，由系统研发人员和健康信息学家共同来
支持临床专家对诊疗指南的撰写。在撰写过
程中推动临床实践指南的计算机化，有利于
CDS在信息技术中的实现。临床指南应定期
审查更新，供应商可以为发布人员提供工具
并指导推荐指南的编写工作模式以及流程，
该工具可以使指南的编写和更新具有可直接
转换成CDS规则的优势，提升工作效率。除
了临床指南这类常用、可靠的证据以外，供
应商的研发团队和医学团队还应当积极扩充
其他分级的医学证据加入到知识库，包括文
献类的证据和实践类的证据，研发者和应用
者需要尽量提供和使用当前最可靠、证据分
CDSS供应商：切实落地终端用户需求，建设
可持续发展的系统。
OMAHA 白皮书
2017年 07 月 第 5期
(二) 建议
[51]
[6]
临床决策支持（CDS）：全景扫描，提升效能
29
OMAHA 白皮书
2017年 07月 第 5期
级标准最高的证据。供应商需要从战略和实
施层面同时去攻克文献类证据不断维护、实
践类证据不断积累的难题。
在系统的设计层面，建议CDSS供应商密切结
合医院现用的EMR或其他信息系统对CDSS进
行设计，尽可能全面地集成患者层面的所有
医疗信息，从而发挥全面的作用，避免CDSS
成为“无源之水”的尴尬局面。同时，供应
商一定要根据自身的商业模式和核心优势，
来选择直接面向终端用户（医疗服务提供方）
还是向EMR厂商提供基于CDSS的服务模块嵌
入电子病历的相应操作和执行环节，使得产
品的灵活性和适用性更强。系统研发和实施
的项目团队应与医疗工作者等终端用户一同
设计、规划、实施、测试CDSS以及进行持续
评估，发挥自身优势帮助医疗工作者梳理和
优化业务流程。
另外，各CDSS厂商应尽量采用健康信息领域
的相关标准，特别是信息交换以及语义标准。
一方面，建议基于市面上现有的EMR系统支
持建立统一接入的标准接口。另一方面，在
国内医学术语尚未完全构建体系性的标准，
但各供应商可以尽早做好样本数据的交换、
比对和建立映射等工作。可进一步探索的
是，各供应商可以尝试采用互联网开放协同
的方式来完成元数据之间的映射工作，建立
行业级别的协商和开放机制，从两两映射的
模式转换至与中间体建立映射，减少不必要
的重复劳动，促进行业的高效发展。
CDSS研发和实施项目的优先级应当与医疗服
务提供方的迫切需求保持一致，才能真正提
高医疗机构管理层和医务人员参与的积极性。
因此，医疗服务提供方必须清晰地确定各自
特定的需求，CDSS供应商应当努力向用户传
达系统的价值和用途。同时，聘请资深的临
床医生进行CDSS的教育和培训，相关工作的
积极开展才能促进临床医生未来更好地接受
系统，并对系统产生持续的反馈和优化。这也
医疗服务提供方：提高对CDSS应用的操作水
平，确保CDSS被有效利用。
是行业发展初期阶段中对每家供应商的责任
和义务，是培养用户对CDSS认可和接受的重
要基础。
临床决策支持（CDS）：全景扫描，提升效能
30
对CDSS的行业发展情况做更深入的调查
和分析，提供相关的研究成果，协同机构
和企业构建良好的CDSS生态；
在全行业范围内探索开放和协作的机制，
对基于语义的互操作能力来探索医学术语
集的构建和术语之间的映射，提供底层的
基础共性服务，提高行业的整体效率和规
范性。
OMAHA 白皮书
2017年 07月 第 5期
六、 结束语
OMAHA基金会致力于提升公众意识和改善个
人健康档案使用环境。我们呼吁行业内相关
方参与可信互联网健康医疗信息的构建，保
证健康医疗信息的“安全性”和“有效性”，
这将极大的促进整体健康环境的改善，向全
民健康这一愿景迈进。
为此，作为健康医疗领域的公益基金会，我
们可向有意愿参与营造可信互联网健康医疗
信息环境的医疗机构和商业机构提供以下支
持，共同完成这一美好愿景：
1.
2.
临床决策支持（CDS）：全景扫描，提升效能
31
OMAHA 白皮书
2017年 07月 第 5期
参考文献
[1] 董军, 王欣, 李军, 等. 临床决策支持系统的构建与应用 [J]. 中国卫生质量管理, 2016, 23(3): 16-19.
[2] 张怡, 李柯. 临床决策支持系统在医院的应用 [J]. 医学信息学杂志, 2015, 36(6): 27-30.
[3] 张秀梅, 徐建武, 程煜华, 等. 基于知识库的临床决策支持系统构建 [J]. 中华医院管理杂志, 2014, 30(6): 472-473.
[4] 彭亦良, 杨渝勇, 曹兴, 等. 临床决策支持系统发展的制约因素和应用前景分析 [J]. 医学与哲学, 2015, 36(18): 5-7.
[5] 盛赟, 张越. 美国临床决策支持系统发展与启示 [J]. 中国卫生信息管理杂志, 2016, 13(3): 257-261.
[6] nal Journal of Medical Informatics, 2008, 77(10): 641-649.
[7] 论整体观在小儿外科临床思维中的应用 [EB/OL].
[8] 基层社区卫生服务中青光眼误诊误治分析 [EB/OL][2017-07-23].
[9] 基层卫生决策支持系统的需求分析 [EB/OL][2017-07-24].
[10] 计算机临床决策支持系统对急诊CT肺动脉成像使用率和阳性检出率的影响 [EB/OL][2017-07-24].
[11] 67例慢性咳嗽误诊误治分析 [EB/OL][2017-07-23].
[12] Kaposi水痘样疹23例误诊分析 [EB/OL][2017-07-23].
[13] 信息及决策支持系统在合理用药中的应用进展 [EB/OL][2017-07-23].
[14] Evaluating Diabetes Outcomes and Costs Within an Ambulatory Setting: A Strategic Approach Utilizing a Clinical Decision Support System [EB/OL][2017-07-23].
[15] 雷健波. 电子病历的核心价值与临床决策支持 [J]. 中国数字医学, 2008, 3(3): 26-30.
[16] 关于加快发展社会办医的若干意见 [EB/OL][2017-07-25].
[17] BERNER E S. Clinical decision support systems [M]. Springer, 2007.
[18] BERNER E S. Clinical decision support systems: state of the art [J]. AHRQ publication, 2009, 90069.
[19] SWISHER A K. Practice-based evidence [J]. Cardiopulmonary physical therapy journal, 2010, 21(2): 4-4.
[20] SIM I, GORMAN P, GREENES R A, et al. Clinical decision support systems for the practice of evidence-based medicine [J]. Journal of the American Medical Informatics
zzzzzzAssociation, 2001, 8(6): 527-534.
[21] 临床决策支持系统发展的制约因素和应用前景分析 [EB/OL][2017-07-23].
[22] CAMPBELL R J. The five rights of clinical decision support: CDS tools helpful for meeting meaningful use [J]. Journal of AHIMA, 2013, 84(10): 42-47 (web version updated
zzzzzzFebruary 2016).
[23] Top Clinical Decision Support System (CDSS) Companies by Ambulatory, Inpatient Settings [EB/OL]. (2017-04-07).
[24] Global Clinical Decision Support System (CDSS) Market Size, Share, Development, Growth and Demand Forecast t
[25] FOLLAND S, GOODMAN A C, STANO M. The Economics of Health and Health Care: Pearson International Edition [EB/OL].
[26] MAKARY M A, DANIEL M. Medical error-the third leading cause of death in the US [EB/OL].
[27] The “Meaningful Use” Regulation for Electronic Health Records [EB/OL][2017-07-23].
[28] BLUMENTHAL D, TAVENNER M. The “meaningful use” regulation for electronic health records [J]. N Engl J Med, 2010, 2010(363): 501-504.
[29] EHR Incentives & Certification [EB/OL][2017-07-23].
[30] MEDICARE C F, SERVICES M. Clinical decision support: more than just ‘alerts’ tipsheet [EB/OL].
[31] EICHNER J S, DAS M. Challenges and barriers to clinical decision support (CDS) design and implementation experienced in the Agency for Healthcare Research and Quality
zzzzzzCDS demonstrations [M]. Agency for Healthcare Research and Quality Rockville, 2010.
[32] 解读：“十三五”深化医药卫生体制改革规划 [EB/OL][2017-07-25].
[33] 中国医疗机构发展报告 [EB/OL][2017-07-27].
[34] HIMSS大中华区EMRAM评级模型与评级流程 [EB/OL][2017-07-26].
[35] HIMSS 17中国论坛快讯 [EB/OL][2017-07-27].
[36] 卫生部办公厅关于印发《电子病历系统功能应用水平分级评价方法及标准（试行）》的通知 [EB/OL][2017-07-26].
[37] KUMAR A. Stakeholder’s Perspective of Clinical Decision Support System [J]. Open Journal of Business and Managezz ment, 2015, 4(01): 45.
[38] BRIGHT T J, WONG A, DHURJATI R, et al. Effect of clinical decision-support systemsa systematic review [J]. Annals of internal medicine, 2012, 157(1): 29-43.
[39] 王雪. 临床决策支持系统 [EB/OL]. (2014-04-19).
[40] YING-JUI C, CHIRH-YUN T, MIN-LI Y, et al. Assessing the impact of user interfaces to the usability of a clinical decision support system [C]// Assessing the impact of user
zzzzzzinterfaces to the usability of a clinical decision support system. z AMIA Annual Symposium Proceedings. American Medical Informatics Association,2003: 808.
[41] MOXEY A, ROBERTSON J, NEWBY D, et al. Computerized clinical decision support for prescribing: provision does not guarantee uptake [J]. Journal of the American Medical
zzzzzzInformatics Association, 2010, 17(1): 25-33.
[42] HUFF S, MCCLUREC R, PARKERC C, et al. Modeling guidelines for integration into clinical workflow [J]. Medinfo, 2004: 174.
[43] ECCLES M, MCCOLL E, STEEN N, et al. Effect of computerised evidence based guidelines on management of asthma and angina in adults in primary care: cluster
zzzzzzrandomised controlled trial [J]. Bmj, 2002, 325(7370): 941.
[44] BERNSTEIN K, ANDERSEN U. Managing care pathways combining SNOMED CT, archetypes and an electronic guideline system [J]. Studies in health technology and
zzzzzzinformatics, 2008, 136: 353.
[45] MANTENA S, SCHADOW G. Evaluation of the VA/KP problem list subset of SNOMED as a clinical terminology for electronic prescription clinical decision support [C]//
zzzzzzEvaluation of the VA/KP problem list subset of SNOMED as a clinical terminology for electronic prescription clinical decision support. AMIA Annual Symposium Proceedings.
zzzzzzAmerican Medical Informatics Association,2007: 498.
[46] MOLLON B, CHONG J J, HOLBROOK A M, et al. Features predicting the success of computerized decision support for prescribing: a systematic review of randomized
zzzzzzcontrolled trials [J]. BMC medical informatics and decision making, 2009, 9(1): 11.
[47] DELANEY B C, FITZMAURICE D A, RIAZ A, et al. Can computerised decision support systems deliver improved quality in primary care? [J]. BMJ: British Medical Journal, 1999,
zzzzzz319(7220): 1281
[48] HOLBROOK A, XU S, BANTING J. What factors determine the success of clinical decision support systems? [C]// What factors determine the success of clinical decision
zzzzzzsupport systems? AMIA Annual Symposium Proceedings. American Medical Informatics Association,2003: 862.
[49] BERNER E S, WEBSTER G D, SHUGERMAN A A, et al. Performance of four computer-based diagnostic systems [J]. New England Journal of Medicine, 1994, 330(25): 1792-1796.
[50] Food and Drug Administration Center for Devices and Radiological Health [EB/OL][2017-07-23].
[51] Clinical Decision Support Systems: Theory and Practice [EB/OL][2017-07-23].
[52] KARNIK K. FDA regulation of clinical decision support software [J]. Journal of Law and the Biosciences, 2014, 1(2): 202-208.
[53] WICKLUND E. FDA Urged to Clarify Clinical Decision Support Regulations [EB/OL]. (February 26, 2016).
[54] Findings and Lessons From AHRQ’s Clinical Decision Support Demonstration Projects [EB/OL][2017-07-26].
[55] Delivering clinical decision support services: There is nothing as practical as a good theory [EB/OL][2017-07-26].
[56] Grand challenges in clinical decision support [EB/OL][2017-07-26].
临床决策支持（CDS）：全景扫描，提升效能
您可以根据自身专业及工作经验选择成为我们的志愿者，参与我们的公益活动，分享您在领域内的先进经验：
• 为我们线上、线下活动开展提供支持；
• 帮助我们传播开放医疗的理念；
• 如果您有亲朋好友在医疗机构 / 医疗健康企业工作， 请告诉他们 OMAHA 的故事，尝试让他们成为推动开放的力量。
加入我们，成为志愿者，
共同推动健康医疗领域的数据开放与共享：
感谢您对OMAHA一直以来的支持与关注，我们将一如既往地期待您的意见和建议，让我们共同为建设
一个真正对推动民众获得个人健康医疗档案而努力。
关注我们
了解我们的最新动向
扫描二维码
成为志愿者
我承诺 向患者开放个人病历
Personal Health Record could be Accessed by All Patients, I Promise.
关于 OMAHA基金会
浙江省讴本开放医疗与健康基金会（简称OMAHA基金会）的愿景是让每一个人拥有一份完整的健康档案，OMAHA基金会是一家致力于个人
健康医疗数据的开放运动，解决健康医疗领域数据分享难题，促进个人健康数据信息有意义使用，为公共健康领域提供公益产品和服务的
基金会。
OMAHA基金会的使命是提升公众意识和改善个人健康档案使用环境。
OMAHA基金会的公益产品和服务是：我们倡导开放健康数据，发起和号召公众参与健康医疗领域内的“开放与共享”运动。
OMAHA基金会是由医疗领域意见领袖和行业专家发起和运营的公益组织。2016年3月，经浙江省民政厅批注注册成立的非公
募公益基金会。
网 站：
微信公众号：OMAHA_foundation
联 系 电 话 ：0571-88937994
联 系 我 们 ：foundation@
地 址：杭州市文三路90号东部软件园1号楼1120-1122室
第五期白皮书封面
第五期白皮书目录
3第五期白皮书内页1
3第五期白皮书内页2
第五期白皮书内页3
第五期白皮书外页4
