Healthcare CDSS Patterns

Sélectionné par Skill Harbor : motifs pour construire des systèmes d'aide à la décision clinique intégrés aux workflows DME, contribution du Dr Keyur Patel (Health1 Super Speciality Hospitals), listée ici avec crédit. Les modules CDSS sont critiques pour la sécurité des patients, avec zéro tolérance pour les faux négatifs, donc le moteur est conçu comme une bibliothèque de fonctions pures sans effets de bord : données cliniques en entrée, alertes en sortie, entièrement testable. Trois modules principaux : checkInteractions, qui vérifie un nouveau médicament contre les médicaments en cours et les allergies connues et retourne des alertes InteractionAlert triées par sévérité via un modèle DrugInteractionPair (sévérité critique, majeure ou mineure, avec mécanisme, effet clinique et recommandation) ; validateDose, qui valide une dose prescrite contre des règles ajustées au poids, à l'âge et à la fonction rénale ; et calculateNEWS2, qui calcule le score National Early Warning Score 2 depuis les constantes avec score total, niveau de risque et conduite d'escalade. Couvre les systèmes de scoring clinique (NEWS2, qSOFA, APACHE, GCS), la classification de sévérité des alertes, la saisie d'ordonnances avec contrôles de sécurité, et l'interprétation des résultats de laboratoire en contexte clinique. Tiré du dépôt affaan-m/ECC (MIT). Bémols honnêtes : motifs de conception seulement, ils ne remplacent ni la relecture clinique ni la conformité réglementaire ; ne collez jamais de vraies données patients (PHI) dans un chat. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage.