While evidence-based medicine has increasingly broad-based support in health care, it remains difficult to get physicians to actually practice it. Across most domains in medicine, practice has lagged behind knowledge by at least several years. The authors believe that the key tools for closing this gap will be information systems that provide decision support to users at the time they make decisions, which should result in improved quality of care. Furthermore, providers make many errors, and clinical decision support can be useful for finding and preventing such errors. Over the last eight years the authors have implemented and studied the impact of decision support across a broad array of domains and have found a number of common elements important to success. The goal of this report is to discuss these lessons learned in the interest of informing the efforts of others working to make the practice of evidence-based medicine a reality.

In this paper we assess the value of electronic health care information exchange and interoperability (HIEI) between providers (hospitals and medical group practices) and independent laboratories, radiology centers, pharmacies, payers, public health departments, and other providers. We have created an HIEI taxonomy and combined published evidence with expert opinion in a cost-benefit model. Fully standardized HIEI could yield a net value of $77.8 billion per year once fully implemented. Nonstandardized HIEI offers smaller positive financial returns. The clinical impact of HIEI for which quantitative estimates cannot yet be made would likely add further value. A compelling business case exists for national implementation of fully standardized HIEI.

PurposeElectronic medical record systems improve the quality of patient care and decrease medical errors, but their financial effects have not been as well documented. The purpose of this study was to estimate the net financial benefit or cost of implementing electronic medical record systems in primary care.MethodsWe performed a cost-benefit study to analyze the financial effects of electronic medical record systems in ambulatory primary care settings from the perspective of the health care organization. Data were obtained from studies at our institution and from the published literature. The reference strategy for comparisons was the traditional paper-based medical record. The primary outcome measure was the net financial benefit or cost per primary care physician for a 5-year period.ResultsThe estimated net benefit from using an electronic medical record for a 5-year period was $86,400 per provider. Benefits accrue primarily from savings in drug expenditures, improved utilization of radiology tests, better capture of charges, and decreased billing errors. In one-way sensitivity analyses, the model was most sensitive to the proportion of patients whose care was capitated; the net benefit varied from a low of $8400 to a high of $140,100. A five-way sensitivity analysis with the most pessimistic and optimistic assumptions showed results ranging from a $2300 net cost to a $330,900 net benefit.ConclusionImplementation of an electronic medical record system in primary care can result in a positive financial return on investment to the health care organization. The magnitude of the return is sensitive to several key factors.

This document comprises an AMIA Board of Directors approved White Paper that presents a roadmap for national action on clinical decision support. It is published in JAMIA for archival and dissemination purposes. The full text of this material has been previously published on the AMIA Web site (www.amia.org/inside/initiatives/cds). AMIA is the copyright holder.

In response to mounting evidence that use of electronic medical record systems may cause unintended consequences, and even patient harm, the AMIA Board of Directors convened a Task Force on Usability to examine evidence from the literature and make recommendations. This task force was composed of representatives from both academic settings and vendors of electronic health record (EHR) systems. After a careful review of the literature and of vendor experiences with EHR design and implementation, the task force developed 10 recommendations in four areas: (1) human factors health information technology (IT) research, (2) health IT policy, (3) industry recommendations, and (4) recommendations for the clinician end-user of EHR software. These AMIA recommendations are intended to stimulate informed debate, provide a plan to increase understanding of the impact of usability on the effective use of health IT, and lead to safer and higher quality care with the adoption of useful and usable EHR systems.

Background

 Electronic health records (EHRs) have been proposed as a sustainable solution for improving the quality of medical care. We assessed the association between EHR use, as implemented, and the quality of ambulatory care in a nationally representative survey. 

Methods

 We performed a retrospective, cross-sectional analysis of visits in the 2003 and 2004 National Ambulatory Medical Care Survey. We examined EHR use throughout the United States and the association of EHR use with 17 ambulatory quality indicators. Performance on quality indicators was defined as the percentage of applicable visits in which patients received recommended care. 

Results

 Electronic health records were used in 18% (95% confidence interval [CI], 15%-22%) of the estimated 1.8 billion ambulatory visits (95% CI, 1.7-2.0 billion) in the United States in 2003 and 2004. For 14 of the 17 quality indicators, there was no significant difference in performance between visits with vs without EHR use. Categories of these indicators included medical management of common diseases, recommended antibiotic prescribing, preventive counseling, screening tests, and avoiding potentially inappropriate medication prescribing in elderly patients. For 2 quality indicators, visits to medical practices using EHRs had significantly better performance: avoiding benzodiazepine use for patients with depression (91% vs 84%;P = .01) and avoiding routine urinalysis during general medical examinations (94% vs 91%;P = .003). For 1 quality indicator, visits to practices using EHRs had significantly worse quality: statin prescribing to patients with hypercholesterolemia (33% vs 47%;P = .01). 

Conclusion

 As implemented, EHRs were not associated with better quality ambulatory care.

Patients, policymakers, providers, payers, employers, and others have increasing interest in using personal health records (PHRs) to improve healthcare costs, quality, and efficiency. While organizations now invest millions of dollars in PHRs, the best PHR architectures, value propositions, and descriptions are not universally agreed upon. Despite widespread interest and activity, little PHR research has been done to date, and targeted research investment in PHRs appears inadequate. The authors reviewed the existing PHR specific literature (100 articles) and divided the articles into seven categories, of which four in particular—evaluation of PHR functions, adoption and attitudes of healthcare providers and patients towards PHRs, PHR related privacy and security, and PHR architecture—present important research opportunities. We also briefly discuss other research related to PHRs, PHR research funding sources, and PHR business models. We believe that additional PHR research can increase the likelihood that future PHR system deployments will beneficially impact healthcare costs, quality, and efficiency.

Context

Falls cause injury and death for persons of all ages, but risk of falls increases markedly with age. Hospitalization further increases risk, yet no evidence exists to support short-stay hospital-based fall prevention strategies to reduce patient falls.

Objective

To investigate whether a fall prevention tool kit (FPTK) using health information technology (HIT) decreases patient falls in hospitals.

Design, Setting, and Patients

Cluster randomized study conducted January 1, 2009, through June 30, 2009, comparing patient fall rates in 4 urban US hospitals in units that received usual care (4 units and 5104 patients) or the intervention (4 units and 5160 patients).

Intervention

The FPTK integrated existing communication and workflow patterns into the HIT application. Based on a valid fall risk assessment scale completed by a nurse, the FPTK software tailored fall prevention interventions to address patients' specific determinants of fall risk. The FPTK produced bed posters composed of brief text with an accompanying icon, patient education handouts, and plans of care, all communicating patient-specific alerts to key stakeholders.

Main Outcome Measures

The primary outcome was patient falls per 1000 patient-days adjusted for site and patient care unit. A secondary outcome was fall-related injuries.

Results

During the 6-month intervention period, the number of patients with falls differed between control (n = 87) and intervention (n = 67) units (P=.02). Site-adjusted fall rates were significantly higher in control units (4.18 [95% confidence interval {CI}, 3.45-5.06] per 1000 patient-days) than in intervention units (3.15 [95% CI, 2.54-3.90] per 1000 patient-days; P = .04). The FPTK was found to be particularly effective with patients aged 65 years or older (adjusted rate difference, 2.08 [95% CI, 0.61-3.56] per 1000 patient-days; P = .003). No significant effect was noted in fall-related injuries.

Conclusion

The use of a fall prevention tool kit in hospital units compared with usual care significantly reduced rate of falls.

Trial Registration

clinicaltrials.gov Identifier: NCT00675935

Comprehensive knowledge about the level of healthcare information technology (HIT) adoption in the United States remains limited. We therefore performed a baseline assessment to address this knowledge gap.We segmented HIT into eight major stakeholder groups and identified major functionalities that should ideally exist for each, focusing on applications most likely to improve patient safety, quality of care and organizational efficiency. We then conducted a multi-site qualitative study in Boston and Denver by interviewing key informants from each stakeholder group. Interview transcripts were analyzed to assess the level of adoption and to document the major barriers to further adoption. Findings for Boston and Denver were then presented to an expert panel, which was then asked to estimate the national level of adoption using the modified Delphi approach. We measured adoption level in Boston and Denver was graded on Rogers' technology adoption curve by co-investigators. National estimates from our expert panel were expressed as percentages.Adoption of functionalities with financial benefits far exceeds adoption of those with safety and quality benefits. Despite growing interest to adopt HIT to improve safety and quality, adoption remains limited, especially in the area of ambulatory electronic health records and physician-patient communication. Organizations, particularly physicians' practices, face enormous financial challenges in adopting HIT, and concerns remain about its impact on productivity.Adoption of HIT is limited and will likely remain slow unless significant financial resources are made available. Policy changes, such as financial incentivesto clinicians to use HIT or pay-for-performance reimbursement, may help health care providers defray upfront investment costs and initial productivity loss.

Objective Alert fatigue represents a common problem associated with the use of clinical decision support systems in electronic health records (EHR). This problem is particularly profound with drug–drug interaction (DDI) alerts for which studies have reported override rates of approximately 90%. The objective of this study is to report consensus-based recommendations of an expert panel on DDI that can be safely made non-interruptive to the provider's workflow, in EHR, in an attempt to reduce alert fatigue. Methods We utilized an expert panel process to rate the interactions. Panelists had expertise in medicine, pharmacy, pharmacology and clinical informatics, and represented both academic institutions and vendors of medication knowledge bases and EHR. In addition, representatives from the US Food and Drug Administration and the American Society of Health-System Pharmacy contributed to the discussions. Results Recommendations and considerations of the panel resulted in the creation of a list of 33 class-based low-priority DDI that do not warrant being interruptive alerts in EHR. In one institution, these accounted for 36% of the interactions displayed. Discussion Development and customization of the content of medication knowledge bases that drive DDI alerting represents a resource-intensive task. Creation of a standardized list of low-priority DDI may help reduce alert fatigue across EHR. Conclusions Future efforts might include the development of a consortium to maintain this list over time. Such a list could also be used in conjunction with financial incentives tied to its adoption in EHR.