یک تعریف تئوری شناختی از علوم رایانه ای (BMI) برای مدت طولانی فاقد بود. Charles Friedman، Ph.D.، برای تمرکز بیشتر بر روی این زمینه علمی، قضیه اساسی متخصصین پزشکی را پیشنهاد داد. این بیان می کند که "فردی که در مشارکت با یک منبع اطلاعاتی کار می کند" بهتر "است، نه از آن شخصی که به طور غیرمستقیم پشتیبانی می شود." قضیه فریدمن در واقع یک قضیه رسمی ریاضی نیست (که بر اساس کسر است و پذیرفته شده است)، بلکه یک تقطیر از ماهیت BMI.
قضیه نشان می دهد که متخصصین پزشکی زیست پزشکی نگران نحوه استفاده از منابع اطلاعاتی (یا نمی توانند) به مردم کمک کنند. فریدمن با اشاره به "شخص" در قضیه خود، پیشنهاد می کند که این می تواند یک فرد (یک بیمار ، یک پزشک، یک دانشمند، یک مدیر )، یک گروه از افراد و یا حتی یک سازمان باشد.
علاوه بر این، قضیه پیشنهادی دارای سه نتیجه است که به کمک بهتر تعریف فناوری اطلاعات کمک می کند:
- انفورماتیک درباره افراد بیشتر از فن آوری است. این بدان معنی است که منابع باید برای نفع مردم ساخته شود.
- منابع اطلاعاتی باید شامل چیزی باشد که فرد قبلا نمی داند. این نشان می دهد که منابع باید هر دو صحیح و آموزنده باشد.
- تعامل بین یک فرد و یک منبع تعیین می کند که آیا قضیه برگزار می شود. این نتیجه حاصل می شود که آنچه که ما در مورد شخص به تنهایی و یا تنها منبع می دانیم نمی تواند ضرورتا نتیجه را پیش بینی کند.
سهم فریدمن به عنوان تعریف شاخص توده بدنی در یک روش ساده و آسان قابل فهم شناخته شده است. با این حال، نویسندگان دیگر نظرات و دیدگاه های جایگزین را به قضیه خود پیشنهاد کرده اند. به عنوان مثال، پروفسور استوارت هانتر از دانشگاه پرینستون بر نقش روش علمی در هنگام برخورد با داده تاکید کرد .
گروهی از دانشمندان دانشگاه تگزاس نیز از تعریف شاخص توده بدن (BMI) حمايت می كردند كه شامل اطلاعاتی است كه اطلاعات در "اطلاعات" به معنای "اطلاعات" است. سایر مؤسسات دانشگاهی تعاریف دقیق را ارائه دادند که ماهیت چند رشتهی BMI را به رسمیت شناخت و بر اطلاعات، اطلاعات و دانش در زمینه زیست پزشکی متمرکز بود.
بیانات قضیه اساسی فریدمن
مفاهیم قضیه مفیدی است از لحاظ افراد یا سازمان هایی که از منابع اطلاعاتی استفاده می کنند، مفید است. این که آیا قضیه در یک سناریوی مشخص درست است یا خیر، می تواند با تجربیات کنترل شده تصادفی و سایر مطالعات مورد آزمایش قرار گیرد.
در زیر برخی از نمونه هایی از قضیه فریدمن را می توان در زمینه مراقبت های بهداشتی در حال حاضر از دیدگاه کاربران مختلف مورد استفاده قرار داد.
کاربران بیمار
- یک بیمار که از برنامه یادآوری دارو استفاده می کند بیشتر به رژیم دارو خود پایبند تر از همان بیمار است که از برنامه استفاده نمی کند.
- بیمار در تلاش برای از دست دادن وزن که رژیم غذایی و تمرین را در یک برنامه گوشی هوشمند انجام می دهد وزن بیشتری نسبت به همان بیمار بدون برنامه را از دست می دهد.
- یک بیمار که از یک پورتال بیمار برای برقراری ارتباط با پزشک خود استفاده می کند بیشتر در معرض مراقبت از خود قرار می گیرد تا بیمار بدون پورتال.
- یک بیمار که از یک پورتال بیمار برای مشاهده نتایج آزمایش ها استفاده می کند، رضایت بیشتری از مراقبت های او نسبت به یک بیمار بدون پورتال را نشان می دهد.
- یک بیمار که در یک انجمن آنلاین برای آرتریت روماتوئید شرکت می کند با بیماری او موثرتر از بیمار مشابه در این انجمن برخورد خواهد کرد.
کاربران بالینی
- پزشک متخصص اطفال با استفاده از یک پرونده سلامت الکترونیکی (EHR) با یادآوری واکسیناسیون احتمال بیشتری دارد که واکسیناسیون به موقع را از همان پزشک بدون یادآوری ها انجام دهد.
- یک ارائه کننده پزشکی اضطراری با دسترسی به یک تبادل اطلاعات سلامت محلی (HIE) تست های تکراری کمتر از همان ارائه دهنده بدون HIE را سفارش می دهد.
- پرستارانی که از یک سیستم بی سیم برای انتقال علائم حیاتی به طور مستقیم به EHR استفاده می کنند، خطاهای مستند سازی کمتر را نسبت به همان پرستار بدون سیستم بی سیم ایجاد می کنند.
- مدیر پرونده با استفاده از یک رجیستر بیمار، بیماران بیشتری را با فشار خون کنترل نشده نسبت به مدیر پرونده مشابه بدون رجیستر مشخص می کند.
- یک تیم جراحی با استفاده از چک لیست ایمنی، عفونت های جراحی کمتر از یک تیم جراحی بدون چک لیست دارد. ( توجه داشته باشید که چک لیست، نمونه ای از یک منبع اطلاعاتی است که نیازی به کامپیوتر کردن ندارد.)
- یک پزشک با استفاده از ابزار پشتیبان تصمیم گیری بالینی (CDS) برای تزریق آنتی بیوتیک احتمالا دوز مناسب آنتی بیوتیکی را نسبت به همان پزشک بدون ابزار CDS تجویز می کند.
کاربران سازمان بهداشت و درمان
- یک بیمارستان با برنامه ارزیابی خطر ترومبوز دیفن (DVT) کامپیوتری (DVT) در EHR، DVT های کمتری نسبت به بیمارستان مشابه بدون برنامه دارد.
- یک بیمارستان با یک پلت فرم پزشکی کامپیوتری همراه (CPOE)، سفارشات تلفن کمتر از بیمارستان مشابه بدون CPOE تلفن همراه دارد.
- یک بیمارستان که از HIE برای ارسال خلاصه های تخلیه به ارائه دهندگان مراقبت های اولیه استفاده می کند، مجددا کمتر از همان بیمارستان بدون HIE را دریافت می کند.
- یک خانه پرستاری با استفاده از تکنولوژی های حسگر، میزان پایین افتادن بیمار از همان خانه پرستاری بدون سنسور را پایین می آورد.
- یک کلینیک بهداشتی دانشجویی که یادآور پیام های متنی را ارسال می کند، میزان واکسیناسیون ویروس پاپیلومای انسانی (HPV) بیشتر از یک کلینیک بدون سیستم پیام رسانی متناسب را به دست می دهد.
- یک کلینیک بهداشت روستایی از طریق پزشکی تله مدیسین برای مشاوره مجازی با متخصصان، بیماران کمتری را به اتاق اورژانس در مقایسه با همان درمانگاه بدون تله مدیسین ارسال خواهد کرد.
- تمرین پزشکی با داشبورد بهبود کیفیت، شکاف های مراقبت های بهداشتی را سریعتر از عمل مشابه بدون داشبورد مشخص می کند.
جدیدترین در علوم رایانه پزشکی
گاهی اوقات متخصصین پزشکی زیست پزشکی مطالعات پیچیده ای را بررسی می کنند که می تواند مشکل ساز باشد. این زمینه شامل طیف گسترده ای از تحقیقات است، که شامل ارزیابی سازمان ها به تجزیه و تحلیل داده های ژنومی (به عنوان مثال تحقیقات سرطان) است. همچنین می تواند برای توسعه مدل پیش بینی بالینی استفاده شود که توسط پرونده های سلامت الکترونیکی (EHR) پشتیبانی می شود. دو دانشمند از دانشگاه پیتسبورگ، گرگوری کوپر و شیام ویسووراران، در حال حاضر در طراحی مدل پیش بینی بالینی از داده ها با استفاده از هوش مصنوعی (AI)، یادگیری ماشین (ML) و مدل سازی بیزی مشغول به کار هستند. کار آنها می تواند به توسعه مدل های بیمار خاص کمک کند. مدل هایی که در حال حاضر در پزشکی مدرن بسیار مهم هستند.
> منابع:
> Bernstam E، اسمیت ج، جانسون T. متخصصین پزشکی biomedical چیست؟ J Biomed Inform . 2010؛ 43: 104-110.
> فریدمن CP. یک "قاعده اساسی" از علوم انسانی پزشکی . J Am Med Inform Assoc. 2009؛ 16: 169-170.
> شکارچی J. بهبود قضیه اساسی فریدمن از علوم انسانی پزشکی . J Am Med Inform Assoc . 2010؛ 17 (1): 112.
> Visweswaran S، کوپر G. مدل های پیش بینی خاص نمونه . J ماچ یادگیری Res . 2010؛ 11: 3333-3369.