'N Teoreties gegronde definisie van biomediese informatika (BMI) het lankal ontbreek. Om die fokus op hierdie wetenskaplike veld te bring, het Charles Friedman, Ph.D., die fundamentele stelling van biomediese informatika voorgestel. Dit verklaar dat 'n persoon wat in vennootskap met 'n inligtingshulpbron werk, 'beter' as dieselfde persoon onaangeraak is. 'Friedman se stelling is eintlik nie 'n formele wiskundige stelling nie (wat gebaseer is op aftrekking en word aanvaar as waar), maar eerder 'n distillasie van die wese van die BWI.
Die stelling impliseer dat biomediese informatikusse bekommerd is oor hoe inligtinghulpbronne mense kan (of kan nie) help. Met verwysing na 'n 'persoon' in sy stelling, stel Friedman voor dat dit 'n individu ( pasiënt , klinikus, wetenskaplike, administrateur ), 'n groep mense of selfs 'n organisasie kan wees.
Verder het die voorgestelde stelling drie gevolge wat die inligting beter help definieer:
- Informatika gaan meer oor mense as tegnologie. Dit impliseer dat hulpbronne vir die voordeel van mense gebou moet word.
- Die inligtingshulpbron moet iets insluit wat die persoon nie reeds weet nie. Dit dui daarop dat die hulpbron korrek en insiggewend moet wees.
- Die interaksie tussen 'n persoon en 'n hulpbron bepaal of die stelling plaasvind. Hierdie gevolgtrekking erken dat dit wat ons van die persoon alleen of die hulpbron alleen ken, nie noodwendig die uitslag kan voorspel nie.
Friedman se bydrae is op 'n eenvoudige en maklike manier verstaan om BMI te definieer. Ander skrywers het egter alternatiewe standpunte en toevoegings tot sy stelling voorgestel. Professor Stuart Hunter van Princeton Universiteit het byvoorbeeld die rol van die wetenskaplike metode beklemtoon by die hantering van data .
'N Groep wetenskaplikes van die Universiteit van Texas het ook voorgestel dat die definisie van BWI die idee moet insluit dat inligting in informatika' data plus betekenis 'is. Ander akademiese instellings verskaf uitgebreide definisies wat die multidissiplinêre aard van BWI erken het en gefokus op data, inligting en kennis in die konteks van biomedisyne.
Uitdrukkings van Friedman se fundamentele stelling
Dit is handig om uitdrukkings van die stelling te oorweeg in terme van die mense of organisasies wat die inligtingsbronne sal gebruik. Of die stelling in 'n gegewe scenario waar is, kan empiries getoets word met gerandomiseerde beheerde proewe en ander studies.
Hier volg 'n paar voorbeelde van hoe Friedman se stelling in die konteks van huidige gesondheidsorg vanuit die perspektief van verskillende gebruikers toegepas kan word.
Pasiëntgebruikers
- 'N pasiënt met behulp van 'n medikasie herinnering app sal meer voldoen aan haar medikasie regime as dieselfde pasiënt wat nie die app gebruik.
- 'N pasiënt wat probeer om gewig te verloor wat dieet en oefening op 'n slimfoon app volg, sal meer gewig verloor as dieselfde pasiënt sonder die app.
- 'N Pasiënt wat 'n pasiëntportaal gebruik om met sy dokter te kommunikeer, sal meer besig wees met sy sorg as dieselfde pasiënt sonder die portaal.
- 'N Pasiënt wat 'n paspoortportaal gebruik om toetsuitslae te sien, sal hoër tevredenheid met haar sorg uitdruk as dieselfde pasiënt sonder die portaal.
- 'N pasiënt wat deelneem aan 'n aanlyn forum vir rumatoïede artritis sal meer effektief met haar siekte as dieselfde pasiënt sonder die forum hanteer.
Kliniekgebruikers
- 'N Pediater wat 'n elektroniese gesondheidsrekord (EHR) met inentingsaanwysings gebruik, sal meer geneig wees om betyds inenting as dieselfde dokter te bestel sonder die herinnerings.
- 'N Noodgeneeskundige verskaffer met toegang tot 'n plaaslike gesondheidsinligtinguitruiling (HIE) sal minder duplikaat toetse as dieselfde verskaffer sonder die HIE bestel.
- 'N Verpleegster wat 'n draadlose stelsel gebruik om lewenskragtige tekens direk in die EHR te stuur, sal minder dokumentasie foute maak as dieselfde verpleegster sonder die draadlose stelsel.
- 'N Gevallestudent wat 'n pasiëntregister gebruik, sal meer pasiënte met onbeheerde hipertensie identifiseer as dieselfde gevallebestuurder sonder die register.
- 'N Chirurgiese span wat 'n veiligheidskontrolelys gebruik, sal minder chirurgiese infeksies hê as dieselfde chirurgiese span sonder 'n kontrolelys. ( Let daarop dat die kontrolelys 'n voorbeeld is van 'n inligtingshulpbron wat nie gerekenariseer moet word nie.)
- 'N Geneesheer wat 'n kliniese besluitondersteuningsinstrument (CDS) gebruik vir die gebruik van antibiotika, sal meer geneig wees om die toepaslike antibiotiese dosis voor te skryf as dieselfde geneesheer sonder die CDS-instrument.
Gesondheidsorgorganisasie Gebruikers
- 'N Hospitaal met 'n gerekenariseerde diepveneuse trombose (DVT) risiko-assesseringsprogram in die EHR sal minder DVT's hê as dieselfde hospitaal sonder die program.
- 'N Hospitaal met 'n mobiele gerekenariseerde dokterbestelling (CPOE) -platform sal minder telefoonbestellings hê as dieselfde hospitaal sonder mobiele CPOE.
- 'N Hospitaal wat 'n HIE gebruik om ontslagopsommings aan primêre sorgverskaffers te stuur, sal minder reaksies hê as dieselfde hospitaal sonder die HIE.
- 'N verpleeginrigting met behulp van sensor tegnologie sal 'n laer koers van pasiënte val as dieselfde verpleeginrigting sonder die sensors.
- 'N Studentekliniek wat SMS-herinnerings stuur, sal hoër inentingsyfers vir menslike papillomavirus (HPV) bereik as 'n kliniek sonder die SMS-stelsel.
- 'N Landelike gesondheidskliniek wat telemedisyne gebruik vir virtuele konsultasies met spesialiste, sal minder pasiënte na die noodkamer stuur, in vergelyking met dieselfde kliniek sonder telemedisyne.
- 'N Mediese praktyk met 'n kwaliteitsverbeteringsdashboard sal gapings in gesondheidsorgvoorsiening vinniger identifiseer as dieselfde oefening sonder die dashboard.
Die nuutste op Biomediese Informatika
Soms studeer biomediese informatika komplekse probleme wat moeilik kan wees om vas te vang. Hierdie veld sluit 'n breë spektrum van navorsing in, wat wissel van evaluasies van organisasies tot genomiese datastelle ontledings (bv. Kankernavorsing). Dit kan ook gebruik word om kliniese voorspellingsmodelle te ontwikkel, wat deur elektroniese gesondheidsrekords (EHR) ondersteun word. Twee geleerdes van die Universiteit van Pittsburgh, Gregory Cooper en Shyam Visweswaran, werk tans aan die ontwerp van kliniese voorspellingsmodelle uit data wat kunsmatige intelligensie (AI), masjienleer (ML) en Bayesiaanse modellering gebruik. Hul werk kan bydra tot die ontwikkeling van pasiëntspesifieke modelle. Modelle wat nou in die moderne medisyne belangrik word.
> Bronne:
> Bernstam E, Smith J, Johnson T. Wat is biomediese informatika ?. J Biomed Inform . 2010; 43: 104-110.
> Friedman CP. 'N "Fundamentele Stelling" van Biomediese Informatika . J Am Med Inform Assoc. 2009; 16: 169-170.
> Hunter J. Verbetering Friedman se "Fundamentele Stelling van Biomediese Informatika" . J Am Med Inform Assoc . 2010; 17 (1): 112.
> Visweswaran S, Cooper G. Leer-instansiespesifieke voorspellingsmodelle . J Mach Learn Res . 2010; 11: 3333-3369.