Deciding on things is a knowledge-based activity. In the context of clinical decision support systems (DSS) this means that representation and management of the related knowledge about underlying concepts and processes is foundational for the decision-making process. A basic challenge to be mastered is the language problem. For expressing and sharing knowledge, we have to agree on terminologies specific for each of the considered domains. For guaranteeing semantic consistency, the concepts, their relation and underlying rules must be defined, deploying domain-specific as well as high-level ontologies. Ontology representation types range from glossaries and data dictionaries through thesauri and taxonomies, meta-data and data models up to formal ontologies, the latter represented by frames, formal languages and different types of logics. Based on the aforementioned principles, special knowledge representation and sharing languages relevant for health have been introduced. Examples are PROforma, Asbru, EON, Arden Syntax, GELLO, GLIF, Archetypes, HL7 Clinical Statements, and the recently developed FHIR approach. With increasing complexity and flexibility of decision challenges, DSS design has to follow a defined methodology, offered by the Generic Component Model Framework meanwhile internationally standardized. This paper deals in detail with the basics and instances for knowledge representation and management for DSS design and implementation, thereby referencing related work of the author.

• MeSH
• klinické rozhodování metody   MeSH
• management znalostí MeSH
• metody pro podporu rozhodování MeSH
• počítačové systémy * MeSH
• systémová teorie MeSH
• systémy pro podporu klinického rozhodování MeSH
• umělá inteligence MeSH
• znalostní báze * MeSH

Knowledge acquired in medicine is possible to represent by medical guidelines. The most important and nowadays mostly used for formalisation of guidelines is the GLIF (Guideline Interchange Format) model. Final model can be coded in XML (eXtensible Markup Language). Some situations can be modelled only very hard or no ways in a practice use. This paper describes a method of GLIF model construction and implementation in XML. The method specializes in risks of whole process and tries to find a solution to problematical model situations. The GLIF model universality is kept for any medical guidelines.

• MeSH
• jazyk (prostředek komunikace) * MeSH
• lidé MeSH
• směrnice pro lékařskou praxi jako téma * MeSH
• Check Tag
• lidé MeSH
• Publikační typ
• časopisecké články MeSH
• práce podpořená grantem MeSH

Model reprezentace znalostí obsažených v lékařských doporučeních GLIKREM (GuideLInes Knowledge REpresentation Model) vychází z GLIF modelu, který byl publikován ve specifikaci GLIF3.5. GLIKREM obsahuje některé změny a rozšíření definice a implementace původního GLIF modelu. Cílem tohoto příspěvku je popis znalostního modelu GLIKREM, jeho konstrukce, implementace v XML, realizace datového rozhraní a použití výsledného modelu.

The guideline knowledge representation system (GLIKREM) is based on a GLIF model which was published in a GLIF3.5 specification. GLIKREM contains some changes and extensions of the definition and implementation of the original GLIF model. The aim of this article is to give a description of GLIKREM, its construction, its implementation in XML, a realization of the data interface and use of the result model.

• Klíčová slova
• GLIF model,
• MeSH
• faktografické databáze MeSH
• financování organizované MeSH
• informační systémy normy   MeSH
• navrhování softwaru MeSH
• rozhodování pomocí počítače MeSH
• směrnice pro lékařskou praxi jako téma normy   MeSH
• systémová integrace MeSH
• systémy pro podporu klinického rozhodování MeSH
• teoretické modely MeSH
• ukládání a vyhledávání informací normy   MeSH
• znalostní báze MeSH
• zpracování přirozeného jazyka MeSH

The aim of this article is to present a design of a Medical Knowledge Representation System (MEKRES). The system automatically offers relevant formalized knowledge by extended GLIF (Guidelines Interchange Format) models to participants (patient, physician, operator, ..) on the basis of acquired data. This selection algorithm is based on key attributes and cooperation with knowledge ontologies.

• MeSH
• algoritmy MeSH
• expertní systémy MeSH
• financování organizované MeSH
• lidé MeSH
• počítačová simulace MeSH
• směrnice pro lékařskou praxi jako téma MeSH
• systémy pro podporu klinického rozhodování organizace a řízení   MeSH
• umělá inteligence MeSH
• znalostní báze MeSH
• zpracování přirozeného jazyka MeSH
• Check Tag
• lidé MeSH

Clinical practice guidelines are textual recommendations based on the consensus of medical experts with the aim to solve diagnostic and therapeutic problems. For more advanced use in real medical applications it is necessary to find out mathematical models of physicians' decision-making processes. The acquisition of a formal model from text-based guidelines is a crucial point for development of decision support systems. We introduce a system for formalization and presentation of medical knowledge contained in clinical practice guidelines where knowledge formalization is based on the GLIF model.

• MeSH
• algoritmy MeSH
• expertní systémy MeSH
• financování organizované MeSH
• hodnocení rizik MeSH
• internet MeSH
• kardiovaskulární nemoci etiologie   prevence a kontrola   MeSH
• lidé MeSH
• navrhování softwaru MeSH
• řízený slovník MeSH
• směrnice pro lékařskou praxi jako téma MeSH
• systémová integrace MeSH
• systémy pro podporu klinického rozhodování organizace a řízení   MeSH
• teoretické modely MeSH
• znalostní báze MeSH
• zpracování přirozeného jazyka MeSH
• Check Tag
• lidé MeSH

This article is on obstacles we faced when developing an executable representation of guidelines formalized the Guideline Interchange Format (GLIF). The GLIF does not fully specify the representation of guidelines at the implementation level as it is focused mainly on the description of guideline's logical structure. Our effort was to develop an executable representation of guidelines formalized in GLIF and to implement a pilot engine, which will be able to process such guidelines. The engine has been designed as a component of the MUltimedia Distributed Record system version 2 (MUDR(2)). When developing executable representation of guidelines we paid special attention to utilisation of existing technologies to achieve the highest reusability.Main implementation areas, which are not fully covered by GLIF, are a data model and an execution language. Concerning the data model we have decided to use MUDR(2)'s native data model for this moment and to keep watching the standardisation of a virtual medical record to implement it in execution engine in the near future. When developing the execution language, first of all we have specified necessities, which the execution language ought to meet. Then we have considered some of the most suitable candidates: Guideline Execution Language (GEL), GELLO, Java and Python. Finally we have chosen GELLO although it does not completely cover all required areas. The main GELLO's advantage is that it is a proposed HL7 standard. In this paper we show some of the most important disadvantages of GELLO as an executable language and how we have solved them.

• MeSH
• chorobopisy MeSH
• jazyk (prostředek komunikace) * MeSH
• lidé MeSH
• multimédia * MeSH
• rozhodování pomocí počítače MeSH
• směrnice pro lékařskou praxi jako téma MeSH
• systémy pro podporu klinického rozhodování MeSH
• technologie MeSH
• Check Tag
• lidé MeSH
• Publikační typ
• časopisecké články MeSH
• práce podpořená grantem MeSH

Zjednodušení diagnostického a léčebného postupu u hypertenze v rámci platných doporučení pro všeobecné praktické lékaře (LD) a na podkladě předatelných zkušeností specialisty na hypertenzi by mělo vést k úspoře času. Ten by měl praktický lékař věnovat zlepšení komunikace s pacientem, aby dosáhl jeho větší spoluúčasti při diagnostice a léčbě hypertenze, která by spočívala hlavně v domácím měření TK. Nejpozději do 3 měsíců by měl každý hypertonik (i s nízkým kardiovaskulárním rizikem) zahájit farmakoterapii především léky s největší organoprotektivitou a důkazy – inhibitory angiotenzin-konvertujícího enzymu (ACEI). Při jejich nesnášenlivosti je třeba je vyměnit za blokátory receptorů angiotenzinu II, typ AT1 (ARB) Jako druhý lék do kombinace jsou vhodné blokátory kalciových kanálů (BKK), které se s předešlými lékovými skupinami zároveň nejlépe tolerují. Třetím lékem do trojkombinace by mělo být thiazidové diuretikum v malé dávce, případně nahražené indapamidem nebo metipamidem. Vzhledem k deficitu v kontrole hypertenze je realističtější dosáhnout u většiny hypertoniků alespoň obvyklé cílové hodnoty TK a léčit současně i další asociované rizikové faktory dyslipidémii a diabetes. Ke zlepšení kontroly hypertenze by mohla přispět formalizace LD pomocí grafického GLIF modelu. Ten umožňuje kromě zobrazení logické struktury rozhodovacího algoritmu i snadný výpočet celkového kardiovaskulárního rizika dle SCORE, zhodnocení doporučených subklinických poškození a rychlé vyhledání vhodné monoterapie i kombinační léčby na základě vložených dat pacienta.

Simplification of diagnostic and treatment procedures in frame of the current hypertension guidelines for primary care (GL) and simultaneous using a transferable experience of a hypertension specialist should save time. A GP should use the saved time to improve communication with a patient to achieve his (her) more intensive cooperation in diagnostics and treatment for hypertension. This means mainly home blood pressure measurement. Within 3 months (at maximum) every hypertensive (those with low cardiovascular risk included) is to start pharmacotherapy using drugs with the highest protection against organ damage and evidence – ACE-inhibitors. If they are not tolerated, it is necessary to change them for angiotensin II receptor type 1 blockers (ARB). Calcium channel blockers (CCB) are suitable as the second drug into combination therapy. CCB and the previous two drug classes are also the best-tolerated ones. The third drug for a triple therapy should be a thiazide diuretic in a small dose, if need be substituted with indapamide or metipamide. Due to a deficit in hypertension control it is more realistic to achieve at least the usual goal BP values in most hypertensives and to treat them simultaneously for other associated risk factors dyslipidemia and diabetes. The formalization of GL by means of the graphic GLIF model could help to improve the control of hypertension. Besides depicting the logical structure of GL decision algorithm it enables an easy calculation of the total cardiovascular risk according to the SCORE project, evaluation of the recommended subclinical organ damages and quick finding of a suitable monotherapy and combination therapy based on entered data of a patient.

• MeSH
• algoritmy MeSH
• antihypertenziva terapeutické užití   MeSH
• blokátory kalciových kanálů terapeutické užití   MeSH
• farmakoterapie metody   MeSH
• financování organizované MeSH
• fixní kombinace léků MeSH
• hypertenze diagnóza   farmakoterapie   MeSH
• inhibitory ACE terapeutické užití   MeSH
• kardiovaskulární nemoci MeSH
• kombinovaná farmakoterapie MeSH
• lidé MeSH
• měření krevního tlaku metody   MeSH
• metabolický syndrom MeSH
• preventivní lékařství MeSH
• receptor angiotensinu typ 1 terapeutické užití   MeSH
• riziko MeSH
• směrnice pro lékařskou praxi jako téma MeSH
• Check Tag
• lidé MeSH

Formalizace lékařských doporučení pomocí obecného grafického GLIF modelu je prezentována na formalizovaných Evropských doporučeních pro prevenci kardiovaskulárních chorob v klinické praxi z roku 2003 a Evropských (ESH/ESC) hypertenzních doporučeních z roku 2003 (HLD). Model vede uživatele rozhodovacími algoritmy pro diagnostiku několika chorob, stanovení celkového kardiovaskulárního rizika a výběr příslušné léčby. Navíc může ukázat jak základní informaci, tak příslušnou část kompletního textu lékařských doporučení (LD), která se týká vybraného elementu GLIF modelu. Formalizace LD lze použít jako zpětné vazby pro autory k odstranění nejasností a informačních nekonzistencí LD. Stanovení celkového kardiovaskulárního rizika a výběr lékové třídy je snažší ve srovnání s časově náročnou manipulací s tabulkami papírových LD. Lékářům nabízí systém pro podporu rozhodování a kontroluje jejich rozhodovací algoritmy ve srovnání s algoritmy LD. V budoucnosti by mohl sloužit jako nástroj pro audit práce lékařů jejich odbornou společností především jako automatický systém s přímou extrakcí dat ze strukturovaného zdravotního záznamu. Počítačová prezentace LD má potenciál pro snažší implementaci znalostí LD než klasická papírová forma LD, a může tak zlepšit primární péči u kardiovaskulárních chorob.

Formalization of medical guidelines by means of a general GLIF graphic model is demonstrated in the formalized 2003 European Guidelines on Cardiovascular Disease Prevention and 2003 ESH/ESC Hypertension Guidelines. It leads a user through the decision algorithm in diagnostics of several diseases, total cardiovascular risk estimation and appropriate treatment. Moreover, it can show both the basic information and the appropriate part of guidelines (GL) complete text concerning the selected GLIF model element. The formalization of GL can function as a feedback for authors to remove uncertainties and information inconsistencies in GL. Estimation of the total cardiovascular risk and selection of a drug class is easier compared to a time consuming manipulation with tables of paper guidelines. It offers to physicians a system for a decision support and it checks their decision algorithms in comparison with those of GL. It could serve as a tool for an audit of physicians work by their professional society using the automatic system, preferably with a direct data access from a structured electronic health record in future. Computer GL presentation has the potential for an easier GL knowledge implementation than the classical paper GL form and thus to improve the primary care of cardiovascular diseases.

• Klíčová slova
• GLIF model, formalizace lékařských doporučení, prevence kardiovaskulárních chorob,
• MeSH
• algoritmy MeSH
• hodnocení rizik metody   normy   MeSH
• kardiovaskulární nemoci etiologie   farmakoterapie   prevence a kontrola   MeSH
• lidé MeSH
• navrhování softwaru MeSH
• rozhodování pomocí počítače MeSH
• směrnice pro lékařskou praxi jako téma MeSH
• systémová integrace MeSH
• systémy pro podporu klinického rozhodování normy   organizace a řízení   MeSH
• teoretické modely MeSH
• ukládání a vyhledávání informací normy   MeSH
• umělá inteligence MeSH
• Check Tag
• lidé MeSH

In the paper we present an algorithm for comparing the patient's data record with clinical guidelines formalized in the EGLIF model. EGLIF is a simple enhancement of the standard GLIF model. We use the EGLIF model to make the design of the comparison algorithm more clear and con- venient. If the patient's record completely describes the carried out treatment, then the comparing algorithm is able to recognize if the patient's treatment complies with the guidelines or not.

• MeSH
• algoritmy * MeSH
• automatizované zpracování dat metody   MeSH
• dodržování směrnic * MeSH
• elektronické zdravotní záznamy MeSH
• metody pro podporu rozhodování MeSH
• směrnice pro lékařskou praxi jako téma MeSH

Snaha o zlepšení lékarské péce a usnadnení její standardizace vedla ke vzniku celé rady klinických doporucení. Klinická doporucení jsou nejdríve napsána v bežném jazyce a teprve potom jsou prevedena do formálního modelu, který muže být implementován na pocítaci. Pokud jsou všechna relevantní data o lécení pacienta uložena v jeho Elektronickém Zdravotním Záznamu (EZZ), formální model doporucení, alespon v principu, muže být porovnán s daty pacienta a muže být zjišteno, zda byl pacient lécen ve shode s doporucenou klinickou praxí. V tomto clánku predkládáme algoritmus, který umožnuje porovnat pacientuv zdravotní záznam s modelem EGLIF (rozšíreným modelem GLIF). EGLIF vznikl rozšírením standardního GLIF modelu a byl navržen proto, aby toto porovnávání bylo pohodlnejší a transparentnejší.

Many clinical guidelines were elaborated to improve quality of medical care and to achieve standardization of patient's treatment. Originally clinical guidelines are written in everyday language and then they are converted into formal model that can be implemented and processed by computer. If all relevant patient's treatment data are stored in patient's Electronic Health Record, the guidelines formal model may be, in principle, compared with patient's data to determine, if the patient was treated according to the recommended clinical practice. In this article we present an algorithm that enables to compare patient's data record with EGLIF (Enhanced GLIF) model. EGLIF is a simple enhancement of the standard GLIF model and it was devised to render the comparison more transparent and more convenient. Comparing algorithm is proposed for GLIF models with unambiguous decision steps and for patient's data records containing all relevant patient's treatment information. Its modification for arbitrary decision steps can be easily done. However, comparing GLIF or EGLIF model with incomplete patient's data record is more difficult issue. Some suggestions how to tackle this problem are discussed in the conclusion.

• Klíčová slova
• GLIF model, elektronický zdravotní záznam, systém varování, algoritmus průchodu doporučeními,
• MeSH
• algoritmy MeSH
• chorobopisy - počítačové systémy MeSH
• faktografické databáze MeSH
• financování organizované MeSH
• informační systémy normy   MeSH
• metody pro podporu rozhodování MeSH
• směrnice pro lékařskou praxi jako téma MeSH
• systémová integrace MeSH
• systémy pro podporu klinického rozhodování normy   MeSH
• teoretické modely MeSH
• ukládání a vyhledávání informací normy   MeSH