Web-based dashboard for physiotherapy recommendations

Abstract

Saksbasert resonnement er en prosess for å løse nye problemer med kunnskap hentet fra tidligere lignende erfaringer. Det kombinerer kunstig intelligens og kognitiv psykologi for å gjenskape menneskets tankegang. Denne prosessen er svært nyttig for å behandle pasienter med uspesifikke muskel- og skjelettskader. Å anvende saksbasert resonnement til kliniske beslutningsstøttesystemer vil hjelpe klinikeres beslutningstaking ved å foreslå forbedrede behandlingsanbefalinger i primærhelsetjenesten. Likevel er det fortsatt uklart hvordan man skal visualisere et saksbasert resonnementsverktøy for å forbedre beslutningsstøtte for klinikere under en førstekonsultasjon. Et klinikerdashbord er utviklet her for å visualisere den nødvendige informasjonen som trengs for å løse pasientsaker og tilby nyttige behandlingsanbefalinger. Prototypen utforsker systemets evne til å gi beslutningsstøtte og hvordan man finner de riktige datarepresentasjonene. Det lar klinikere filtrere på attributtverdi hvilke lignende saker som skal danne grunnlaget for behandlingsanbefalingene. Det siste designforslaget ser oversiktlig og forståelig ut, men det er behov for mer infografikk som representerer viktige saksattributter med tilstrekkelig kontekst på et øyeblikk.

Case-based reasoning is a process for solving new problems with knowledge retrieved from previous similar experiences. It combines artificial intelligence and cognitive psychology to recreate the human's thought process. This process is very useful for treating patients with non-specific musculoskeletal disorders. Applying case-based reasoning to clinical decision support systems will support clinicians' decision-making by proposing improved treatment recommendations in primary care. Nevertheless, it is still unclear how to properly visualize a case-based reasoning tool to improve decision support for clinicians during a first consultation. A clinician dashboard is developed here to visualize the necessary information needed for solving patient cases and provide helpful treatment recommendations. It lets clinicians filter by attribute value which similar cases shall form the basis for the treatment. The final design proposition looks clear and comprehensible, but it needs more infographics to represent important case attributes with sufficient context at-a-glance.