Sumber Data Big ing Kedokteran
Dhéfinisi sederhana babagan data sing gedhé ing kedokteran yaiku "sakabèhé data sing ana hubungané karo perawatan kesehatan lan kesejahteraan pasien" (Raghupathi 2014). Nanging apa jenis data kasebut, lan asal saka ngendi?
Ing ngisor iki ringkesan umum babagan jinis lan sumber data sing gedhe kanggo panyedhiya kesehatan, peneliti, pembayar, pembuat kebijakan, lan industri.
Kategori iki ora eksklusif, amarga data sing padha bisa asal saka macem-macem sumber.
Nor dhaptar iki lengkap, amarga aplikasi praktis saka analytics data gedhe mesthi bakal terus berkembang.
Sistem Informasi Klinik
Iki minangka sumber tradisional saka data klinis sing panyedhiya kesehatan sing wis biasa kanggo ndeleng.
- Rekaman kesehatan elektronik (EHRs) ngumpulake, nyimpen, lan nampilake informasi kayata demografi, sejarah medis kepungkur, masalah kesehatan aktif, imunisasi, alergi, obat, pratandha vital, asil saka tes laboratorium lan radiologi, laporan patologi, cathetan progres sing digawe dening perawatan kesehatan panyedhiya, lan dokumen administratif lan financial
- Cathetan medis elektronik (EMRs) ora identik karo EHRs lan biasane ngubungake data sing disimpen karo dokter tartamtu.
- Exchange informasi kesehatan minangka hub antar sistem informasi klinis sing beda
- Registri pasien, sing dikelola dening organisasi perawatan kesehatan ing pasien dhewe, asring disambung menyang EHR. Registries liya nglacak kekebalan, kanker, trauma, lan masalah kesehatan umum ing skala geografis luwih akeh.
- Pasien portal ngidini pasien bisa ngakses informasi kesehatan pribadi sing disimpen ing EHR organisasi perawatan kesehatan. Sawetara portal sabar uga ngidini kedhaftar kanggo njaluk isi ulang resep lan ngganti pesen elektronik aman karo tim care kesehatan.
- Gudang data klinis kasil data tingkat pasien saka macem-macem sistem informasi klinis, kayata EHRs lan sumber liyane sing kadhaptar ing ndhuwur
Claims Data From Payers
Pembayar umum (kayata Medicare) lan pambayar pribadi duwe repositori sing gedhe babagan data klaim ing para panarima. Sawetara asuransi kesehatan saiki uga menehi insentif kanggo nuduhake data kesehatan.
Studi Penelitian
Database riset ngemot informasi babagan peserta sinau, pangobatan eksperimental, lan hasil klinis. Panaliten gedhe biasane disponsori dening perusahaan farmasi utawa lembaga pemerintah. Aplikasi saka medicine khusus kanggo cocog karo pasien individu kanthi pangobatan sing efektif, adhedhasar pola ing data uji klinis.
Pendekatan iki nerusake nglibatake ngenani prinsip obat-obatan sing adhedhasar bukti, sing nyedhiyakake panyedhiya kesehatan manawa pasien nuduhake ciri-ciri sing wiyar (kayata umur, jenis kelamin, balapan, status klinis) karo peserta uji coba. Kanthi analytics data gedhe, bisa milih perawatan sing adhedhasar informasi luwih akeh, kayata profil genetik kanker pasien (ndeleng ngisor).
Sistem pendukung kaputusan klinis (CDSS) uga wis berkembang kanthi cepet lan saiki makili bagean gedhe saka artificial intelligence (AI) ing obat.
Wong nggunakake data sabar kanggo ngewangi dokter karo nggawe keputusan lan asring digabungake karo EHRs.
Database genetik
Repository informasi genetika manungsa tetep nglumpukake kanthi cepet. Wiwit Proyèk Genom Manungsa rampung ing 2003, biaya sekuens DNA manungsa wis ngurangi yuta yuta. Proyèk Genome Pribadi (PGP), sing diluncurake ing taun 2005 dening Harvard Medical School, nggolek urutan lan nyatakake genom lengkap 100.000 sukarelawan saka sak ndonya. PGP dhewe minangka conto utama proyek gedhe amarga volume lan macem-macem data.
Genom pribadi ngandhut babagan 100 gigabyte data. Saliyane ngurut genom, PGP uga ngoleksi data saka EHR, survey, lan profil mikro.
Sejumlah perusahaan nawakake urutan genetik langsung marang konsumen kanggo kesehatan, sipat pribadhi, lan pharmacogenetics kanthi basis komersial.
Informasi pribadi iki bisa subjugasi kanggo analytics data amba. Contone, 23andMe mandhegani laporan genetis sing gegandhengan karo kesehatan marang pelanggan anyar tanggal 22 Nopember 2013, kanggo tundhuk Administrasi Pangan lan Obat AS. Nanging, ing taun 2015, perusahaan mulai nyiyapake komponen kasehatan genetika sing ana maneh, wektu iki kanthi persetujuan FDA.
Public Records
Pemerintah nyimpen cathetan rinci babagan kesehatan, kayata imigrasi, perkawinan, lair, lan pati. Sensus AS wis ngumpulake jumlah informasi saben 10 taun wiwit taun 1790. Situs web statistik 'Sensus' wis 370 milyar sel minangka 2013, kanthi kira-kira 11 milyar luwih ditambah saben taun.
Web Searches
Informasi telusuran sing dikumpulake dening Google lan panyedhiya panelusuran web liyane bisa nyedhiyani wawasan nyata babagan kesehatan populasi. Nanging, nilai data amba saka pola nggoleki web bisa ditambahake kanthi nggabungake karo sumber data kesehatan tradisional.
Media sosial
Facebook, Twitter lan platform media sosial liyane generate macem-macem data sing sugih watara jam, menehi tampilan menyang lokasi, tindak tanduk kesehatan, emosi, lan interaksi sosial pangguna. Aplikasi data media sosial kanggo kesehatan masyarakat wis disebut minangka deteksi penyakit digital utawa epidemiologi digital. Twitter, contone, wis digunakake kanggo nganalisis epidemic influenza ing kalangan populasi umum.
Proyek Kesejahteraan Dunia sing diwiwiti ing Universitas Pennsylvania minangka conto kanggo sinau media sosial kanggo mangerteni pengalaman lan kesehatan sing luwih apik. Proyek kasebut ndadekke psikolog, ahli statistik lan ilmuwan komputer sing nganalisis basa sing digunakake nalika ngobrol online, kayata nalika nulis status update ing Facebook lan Twitter. Para ilmuwan ngisi carane basa kedhaftar 'hubungane karo kesehatan lan rasa seneng. Perkembangan ing pamrosesing basa alam lan mesin learning mbantu kanthi upaya. Sawijining publikasi anyar saka Universitas Pennsylvania nampilake cara ngramut penyakit mental kanthi nganalisis media sosial. Katon yen gejala depresi lan kondisi kesehatan mental liyane bisa dideteksi dening sinau nggunakake Internet kita. Para ilmuwan ngarep-arep supaya metode kasebut bisa luwih apik ngenali lan mbantu individu sing resik.
Internet saka Perkara (IoT)
Informasi penting sing gegandhengan karo kesehatan uga dikumpulake lan disimpen ing piranti seluler lan ngarep .
- Ponsel : Ewonan aplikasi mHealth njupuk informasi fisik aktivitas fisik, intake nutrisi, pola ngaso, emosi, lan parameter liyane. Aplikasi ponsel native (eg GPS, email, texting) uga menehi pitunjuk babagan status kesehatan individu.
- Monitor lan piranti sing bisa dianggo: Pedometer, akselerometer, kacamata, jam tangan, lan chip sing ditandhani ing kulit uga nglumpukake informasi sing gegandhengan karo kesehatan lan bisa uga dikirim menyang awan.
- Alat telemedicine ngidini panyedhiya perawatan kesehatan kanggo ngawasi paramèter pasien kayata tekanan getih, denyut jantung, tingkat respirasi, oksigenasi, suhu, ECG tracings, lan bobot.
Transaksi Keuangan
Urip kertu kredit pasien kalebu ing model prediksi sing digunakake dening Carolinas HealthCare System kanggo ngenali pasien sing beresiko tinggi kanggo ditindakake ing rumah sakit. Penyedhiya perawatan kesehatan berbasis Charlotte nggunakake data gedhe kanggo dibagi patients menyang macem-macem kelompok, contone, adhedhasar penyakit lan geografi lokasi.
Implikasi Etika lan Privasi
Perlu disorot sing, ing sawetara kasus, bisa uga ana implikasi etika lan privasi penting nalika ngumpul lan ngakses data ing perawatan kesehatan. Sumber data sing gedhé anyar bisa nambah pangerten kita bab pangaruh individu lan kesehatan populasi, ananging risiko sing beda kudu ditrapake kanthi teliti lan dipantau. Saiki wis dingerteni yen data sing dianggep anonim, bisa diidentifikasi maneh. Contone, Professor Latanya Sweeney saka Laboratorium Data Data Harvard nyritakake 1.130 sukarelawan sing melu Proyek Genome Pribadi. Dheweke lan tim dheweke bisa jeneng bener 42 persen saka peserta adhedhasar informasi sing dienggo bareng (kode pos, tanggal lair, jender). Kawruh iki bisa nambah kesadaran kita marang risiko potensial lan mbantu kita nggawe keputusan pamriksan data sing luwih apik.
> Sumber:
> Conway M, O'Connor D. Media sosial, data amba, lan kesehatan mental: kamajuan saiki lan implikasi etika. Pendapat saiki ing Psikologi 2016; 9: 77-82.
> Fernandes L, O'Connor M, Weaver V. Data gedhe, kasile luwih gedhe. Journal of The American Health Information Management Association 2012; 83 (10): 38-43
> Guntuku S, Yaden D, Kern M, Ungar L, Eichstaedt J. Deteksi depresi lan penyakit mental ing media sosial: review integratif . Saiki Pamikiran ing Behavioral Sciences 2017; 18: 43-49.
> Lazer D, Kennedy R, King G, Vespignani A. Perumpamaan Flu Google: Traps ing Big Data Analysis . Science 2014; 343 (6176): 1203-1205.
> Raghupathi W, Raghupathi V. Anita analytics data ing jaga kesehatan: janji lan potenti al. Ilmu Informasi lan Sistem Informasi 2014; 2: 3.
> Sweeney L, Abu A, Winn J. Ngenali Peserta ing Proyek Genome Pribadi kanthi Jeneng . Universitas Harvard. Lab Data Data. White Paper 1021-1. 24 April 2013.