Teorio-tera difino de biomedika informado (BMI) malhavis de longa tempo. Por alporti iom da fokuso al ĉi tiu scienca kampo, Charles Friedman, Ph.D., proponis la fundamentan teoremon de biomedika informado. Ĝi deklaras, ke "persono laboranta en kunlaboro kun informa rimedo estas 'pli bona' ol tiu sama persono senkulpigita." La teoremo de Friedman ne estas fakte formala matematika teoremo (kiu estas bazita sur deduzo kaj estas akceptita kiel vera), sed pli ĝuste distilado de la esenco de BMI.
La teoremo implicas, ke biomedikaj informistoj maltrankviliĝas pri kiel informoj povas (aŭ ne povas) helpi homojn. Referencinte al 'persono' en sia teoremo, Friedman sugestas, ke tio povus esti individuo ( paciento , kuracisto, scienculo, administranto ), grupo de homoj aŭ eĉ organizo.
Krome, la teoremo proponita havas tri kolegojn kiuj helpas difini informojn pli bone:
- Informatiko estas pli pri homoj ol teknologio. Ĉi tio implicas, ke la rimedoj devas esti konstruitaj por profito de homoj.
- La informa rimedo devas inkluzivi ion, kiun la persono ne konas. Ĉi tio sugestas, ke la rimedo bezonas esti ambaŭ ĝentila kaj informa.
- La interago inter persono kaj rimedo determinas se la teoremo tenas. Ĉi tiu korolario rekonas, ke kion ni scias pri la sola persono aŭ la rimedo sole ne povas nepre antaŭdiri la rezulton.
La kontribuo de Friedman estis rekonita kiel difinanta BMI en simpla kaj facile komprena maniero. Tamen, aliaj aŭtoroj sugestis alternativajn vidpunktojn kaj aldonojn al sia teoremo. Ekzemple, profesoro Stuart Hunter de Princeton University emfazis la rolon de la scienca metodo traktante datumojn .
Grupo de scienculoj de la Universitato de Teksaso ankaŭ proklamis, ke la difino de BMI devus inkludi la nocion, ke informoj pri informaĵoj estas 'pli da datumoj'. Aliaj akademiaj institucioj havigis ellaboritajn difinojn, kiuj rekonis la multidisciplinan naturon de BMI kaj koncentris pri datumoj, informoj kaj scio en la kunteksto de biomediko.
Esprimoj de la Fundamenta Teoremo de Friedman
Estas utile konsideri esprimojn de la teoremo laŭ la homoj aŭ organizoj, kiuj uzus la informajn rimedojn. Ĉu la teoremo tenas vera en donita scenejo povas esti empirike provita per hazardaj kontrolitaj provoj kaj aliaj studoj.
Malsupre estas kelkaj ekzemploj pri kiel la teoremo de Friedman povus esti aplikita en la kunteksto de nuna sanita prizorgo de la perspektivo de malsamaj uzantoj.
Pacientaj Uzantoj
- Pacienca uzado de kuracilo rememorigilo estos pli adherente al ŝia kuracila reĝimo ol la sama paciento, kiu ne uzas la programon.
- Pacienca provo perdi pezon, kiu spuras dieton kaj ekzercon en inteligenta telefono, perdos pli da pezo ol la sama paciento sen la programo.
- Pacienca, kiu uzas paciencan portalon por komuniki kun sia kuracisto, sentos pli zorgeme pri sia prizorgado ol la sama paciento sen la portalo.
- Pacienculo, kiu uzas paciencan portalon por vidi testojn, esprimos pli altan kontentigon kun sia zorgo ol la sama paciento sen la portalo.
- Pacienca, kiu partoprenas enretan forumon por reŭmatisma artrito , efikas pli efike kun sia malsano ol la sama paciento sen la forumo.
Klinikaj Uzantoj
- Pediatria uzanta elektronikan sanan rekordon (EHR) kun vakcinaj rememorigiloj estos pli verŝajne ordigi ĝustatempa vakcinado ol la sama kuracisto sen la memorigiloj.
- Provizanto pri kriz-okazo kun aliro al loka sanitara interŝanĝo (INI) ordigos malpli da duplikatajn provojn ol la saman provizanton sen la INI.
- Flegistino, kiu uzas senkablan sistemon transdoni esencajn signojn rekte en la EHR, faros malpli da dokumentaj eraroj ol la sama flegistino sen la sendrata sistemo.
- Kaza administranto per pacienca registro identigos pli da pacientoj kun nekontrolita hipertensio ol la sama kazo-administranto sen la registro.
- Kirurgia teamo uzante sekurec-kontrolon havos malpli kirurgiajn lokajn infektojn ol la saman kirurgian teamon sen kontrolo. ( Notu, ke la listo estas ekzemplo de informa rimedo, kiu ne bezonas esti komputilata).
- Kuracisto uzanta klinikan decidan subtenon (CDS) ilo por antibióticoso estas pli verŝajne preskribi la taŭgan antibiótico dozo ol la sama kuracisto sen la CDS-ilo.
Uzantoj pri Organizo pri Sano-Atento
- Hospitalo kun komputiligita profunda venosa trombozo (DVT) riska programo de taksado en la EHR havos malpli da DVTs ol la sama hospitalo sen la programo.
- Hospitalo kun platformo pri komputila komputila komputila komputilo (CPOE) havas malpli da telefonaj ordoj ol la sama hospitalo sen moveblaj CPOE.
- Hospitalo, kiu uzas KI por sendi altajn resumojn al primaraj prizorgantoj, havos malpli da legemoj ol la sama hospitalo sen la INI.
- Hejma flegado uzante sensor-teknologiojn havos pli malgrandan kvanton de pacienca falo, ol la sama hejma hejmo sen la sensiloj.
- Studenta sano-kliniko, kiu sendas mesaĝajn mesaĝajn memorigojn, atingos pli altajn vakcinajn taksojn por homa papilomiro (VPH) ol kliniko sen la teksto-mesaĝ-sistemo.
- Kampara sano-kliniko uzante telemedikinon por virtualaj konsultoj kun specialistoj sendos malpli da pacientoj al la krizĉambro, kompare kun la sama kliniko sen telemedicino.
- Medicina praktiko kun kvalito pri plibonigado-panelo identigos malplenojn en sankta provizo pli rapide ol la saman praktikon sen la panelo.
La plej lastaj pri Biomedika Informaĵoj
Kelkfoje biomedikaj informoj studas kompleksajn problemojn, kiuj malfacile povas kapti. Ĉi tiu kampo inkluzivas ampleksan spektron de esplorado, kiu iras de taksadoj de organizoj al analizaj datumbazoj (ekz. Kancero-esploro). Ĝi ankaŭ povas esti uzata por disvolvi klinikajn antaŭdirajn modelojn, kiuj estas subtenataj de elektronikaj sanaj registroj (EHR). Du erudiciuloj de la Universitato de Pittsburgh, Gregory Cooper kaj Shyam Visweswaran, nuntempe laboras pri desegnado de klinikaj prognozaj modeloj de datumoj per artefarita inteligenteco (AI), maŝinlernado (ML) kaj Bayesia modeligo. Ilia laboro povus kontribui al la evoluado de paciencaj modeloj. Modeloj, kiuj nun fariĝas fundamentaj en moderna medicino.
> Fontoj:
> Bernstam E, Smith J, Johnson T. Kio estas biomedika informado ?. J Biomed Informo . 2010; 43: 104-110.
> Friedman CP. "Fundamenta Teoremo" de Biomedical Informatics . J Am Med Inform-Asocio. 2009; 16: 169-170.
> Ĉasisto J. Plibonigante la "Fundamentan Teoremon de Biomedika Informaĵoj" de Friedman . J Am Med Inform-Asocio . 2010; 17 (1): 112.
> Visweswaran S, Cooper G. Lernanta Instance-Specifaj Antaŭdira Modeloj . J Mach Lernu Reson . 2010; 11: 3333-3369.