Biolääketieteen tietotekniikan teoria

Teoreettisesti perusteltu määritelmä biolääketieteen tietotekniikasta (BMI) puuttui pitkään. Charles Friedman, Ph.D., ehdotti biolääketieteen tietotekniikan perustekemistä, jotta tämä tieteenala saataisiin keskittyä.Siinä todetaan, että ”henkilö, joka työskentelee yhteistyössä tietoresurssin kanssa, on” parempi ”kuin sama henkilö, jota ei ole avustettu. BMI: n ydin.

Teoreemalla tarkoitetaan, että biolääketieteen informaatikot ovat huolissaan siitä, miten tietoresurssit voivat auttaa (tai eivät voi) auttaa ihmisiä. Kun viitataan "henkilöön" hänen lauseessaan, Friedman ehdottaa, että tämä voisi olla joko yksilö (potilas, lääkäri, tiedemies, ylläpitäjä), ryhmä ihmisiä tai jopa organisaatio.

Lisäksi ehdotetussa lauseessa on kolme seurausta, jotka auttavat määrittelemään informatiikkaa paremmin:

1. Tietotekniikka on enemmän ihmisistä kuin teknologiasta. Tämä tarkoittaa, että resurssit olisi rakennettava ihmisten hyväksi.
2. Tietolähteen on sisällettävä jotain, jota henkilö ei vielä tiedä. Tämä viittaa siihen, että resurssin on oltava sekä oikea että informatiivinen.
3. Henkilön ja resurssin välinen vuorovaikutus määrää, onko teoreema pidetty. Tämä johtuu siitä, että se, mitä tiedämme yksin henkilöstä tai resurssista yksin, ei välttämättä ennakoi tulosta.

Friedmanin panos on tunnustettu BMI: n määrittelemiseksi yksinkertaisella ja helposti ymmärrettävällä tavalla. Toiset kirjoittajat ovat kuitenkin ehdottaneet vaihtoehtoisia näkökulmia ja lisäyksiä hänen teoriaansa. Esimerkiksi Princetonin yliopiston professori Stuart Hunter korosti tieteellisen menetelmän merkitystä tietojen käsittelyssä. Texasin yliopiston tutkijoiden ryhmä kannatti myös sitä, että BMI: n määritelmään olisi sisällytettävä käsitys siitä, että tietotekniikan tiedot ovat ”data plus merkitys”. Muut akateemiset oppilaitokset esittivät yksityiskohtaisia ​​määritelmiä, joissa tunnustettiin BMI: n monialainen luonne ja keskityttiin tietoihin, tietoon ja tietoon biolääketieteessä.

Friedmanin perusperiaatteen ilmaisut

On hyödyllistä tarkastella lauseen ilmaisuja niiden henkilöiden tai organisaatioiden kannalta, jotka käyttävät tietoresursseja. Voidaanko empiirisesti testata, onko teoreema tietyssä skenaariossa satunnaistetuilla kontrolloiduilla tutkimuksilla ja muilla tutkimuksilla.

Alla on muutamia esimerkkejä siitä, miten Friedmanin teoriaa voitaisiin soveltaa nykyisen terveydenhuollon yhteydessä eri käyttäjien näkökulmasta.

Potilaiden käyttäjät

• Potilas, joka käyttää lääkitysmuistutusohjelmaa, noudattaa paremmin hänen lääkehoitoaan kuin sama potilas, joka ei käytä sovellusta.
• Potilas, joka yrittää laihtua, joka seuraa ruokavaliota ja liikuntaa älypuhelinsovelluksella, menettää enemmän painoa kuin sama potilas ilman sovellusta.
• Potilas, joka käyttää potilasportaalia kommunikoimaan lääkärinsä kanssa, kokee enemmän hoitoa kuin sama potilas ilman portaalia.
• Potilas, joka käyttää potilasportaalia testitulosten tarkastelemiseksi, ilmaisee enemmän tyytyväisyyttä hoitoon kuin sama potilas ilman portaalia.
• Potilas, joka osallistuu reumaattisen niveltulehduksen online-foorumiin, selviää tehokkaammin sairaudestaan ​​kuin sama potilas ilman foorumia.

Clinician-käyttäjät

• Lastenlääkäri, joka käyttää sähköistä terveysrekisteriä (EHR) rokotuksen muistutuksilla, määrää todennäköisemmin oikea-aikaiset rokotukset kuin sama lääkäri ilman muistutuksia.
• Hätälääketieteen tarjoaja, jolla on pääsy paikalliselle terveysinformaatiolle (HIE), määrää vähemmän kaksoiskokeita kuin sama palveluntarjoaja ilman HIE: tä.
• Sairaanhoitaja, joka käyttää langatonta järjestelmää siirtämään elintärkeitä merkkejä suoraan EHR: ään, tekee vähemmän dokumentointivirheitä kuin sama sairaanhoitaja ilman langatonta järjestelmää.
• Potilasrekisteriä käyttävä tapaushallinta tunnistaa useampia potilaita, joilla on hallitsematon verenpaine, kuin sama tapauksenhallinta ilman rekisteriä.
• Turvallisuustarkistuslistaa käyttävällä kirurgisella tiimillä on vähemmän kirurgisia infektioita kuin sama kirurginen ryhmä ilman tarkistuslistaa. (Huomaa, että tarkistuslista on esimerkki tietoresurssista, jota ei tarvitse tietokoneistaa.)
• Lääkäri, joka käyttää kliinistä päätöksentekoa tukevaa (CDS) työkalua antibioottien annosteluun, määrää todennäköisemmin sopivan antibioottiannoksen kuin sama lääkäri ilman CDS-työkalua.

Terveydenhuollon organisaation käyttäjät

• Sairaalassa, jossa on tietokoneistettu syvän laskimotromboosin (DVT) riskinarviointiohjelma, on vähemmän DVT: itä kuin sama sairaala ilman ohjelmaa.
• Sairaalassa, jossa on matkaviestinnän tietokoneavusteinen lääkäritilauslomake (CPOE), on vähemmän puhelumääräyksiä kuin samassa sairaalassa ilman mobiilia CPOE: tä.
• Sairaalalla, joka käyttää HIE: tä lähettämään vastuuvapausilmoituksia ensiapupalvelujen tarjoajille, on vähemmän takaisinottoa kuin sama sairaala ilman HIE: tä.
• Hoitokodissa, jossa käytetään anturiteknologiaa, potilaiden määrä laskee vähemmän kuin sama hoitokoti ilman antureita.
• Opiskelijaterveyskeskus, joka lähettää tekstiviestimuistutuksia, saavuttaa korkeammat rokotusmäärät ihmisen papilloomavirukselle (HPV) kuin klinikka ilman tekstiviestijärjestelmää.
• Maaseudun terveysklinikka, joka käyttää telelääketieteen asiantuntijoiden kanssa käytäviin virtuaalikonsulteihin, lähettää vähemmän potilaita hätätilaan verrattuna samaan klinikaan ilman telelääketieteen.
• Laadun parantamisen kojelaudalla varustettu lääketieteellinen käytäntö tunnistaa terveydenhuollon tarjonnan puutteet nopeammin kuin samaa käytäntöä ilman kojelautaa.

Viimeisin biolääketieteen informatiikka

Joskus biolääketieteen informatiikka tutkii monimutkaisia ​​ongelmia, joita voi olla vaikea ottaa talteen. Tähän kenttään kuuluu laaja valikoima tutkimuksia, jotka vaihtelevat organisaatioiden arvioinneista genomisten aineistojen analyyseihin (esim. Syöpätutkimus).Sitä voidaan käyttää myös kliinisten ennustemallien kehittämiseen, joita tuetaan sähköisillä terveystietueilla (EHR). Kaksi tutkijaa Pittsburghin yliopistosta, Gregory Cooper ja Shyam Visweswaran työskentelevät parhaillaan suunnittelemalla kliinisiä ennustemalleja tiedoista, jotka käyttävät tekoälyä (AI), koneen oppimista (ML) ja Bayes-mallinnusta. Heidän työnsä voisi edistää potilaskohtaisia ​​malleja. Mallit, jotka ovat nyt ratkaisevia nykyaikaisessa lääketieteessä.