Définisi sacara teoritis babagan informatika biomedis (BMI) kurang suwe. Kanggo nyedhiyakake fokus ing lapangan ilmiah iki, Charles Friedman, Ph.D., ngajokaken teorema dhasar informatika biomedis. Iki nyatakaké yèn "wong sing kerja bareng karo sumber informasi luwih apik tinimbang wong sing padha ora dibantu." Téoré Friedman dudu téorem matématika formal (sing adhedhasar pengirangan lan ditampa minangka bener), nanging sawijining panyulingan saka es saka BMI.
Teorema iki nyebabake informatika biomedis ngendhakake carane sumber daya informasi bisa (utawa ora bisa) mbantu wong. Nalika ngrujuk marang 'wong' ing teorema, Friedman nyaranake menawa iki bisa dadi individu ( pasien , dokter, ilmuwan, administrator ), sekelompok wong utawa organisasi.
Salajengipun, teorema ingkang ngajengaken gadhah tigang corollaries ingkang mbiyantu netepaken informatika langkung sae:
- Informatika luwih akeh babagan wong tinimbang teknologi. Iki nyebabake sumber daya kudu dibangun kanggo entuk manfaat saka wong.
- Sumber informasi kudu kalebu barang sing ora dikepengini. Iki nuduhake yen sumber daya kudu bener lan informatif.
- Interaksi antarane wong lan sumber nemtokake yen teorema ditahan. Iki ngakoni yen apa sing kita mangerteni bab wong kasebut utawa mung sumber ora bisa prédhiksi asil kasebut.
Kontribusi Friedman wis diakui minangka definisi BMI kanthi cara sing sederhana lan gampang dipahami. Nanging, penulis liyane wis ngusulake sudut pandang alternatif lan tambahan marang teorema. Contone, Profesor Stuart Hunter saka Universitas Princeton nandheske peran metode ilmiah nalika nangani data .
Klompok ilmuwan saka Universitas Texas uga nganjurake supaya definisi BMI kudu kalebu gagasan sing informasi ing informatika minangka 'data plus makna'. Institusi akademik liyane nyedhiyakake definisi sing jelas sing ngerteni sifat multidisiplin ing BMI lan fokus ing data, informasi, lan pengetahuan ing konteks biomedicine.
Ekspresi Téoréma Dasar Friedman
Iku migunani kanggo nimbang ungkapan teorema ing istilah wong utawa organisasi sing nggunakake sumber informasi. Apa teorema sing bener ing skenario sing diwenehake bisa diuji sacara empiris kanthi uji coba acak lan studi liyane.
Ing ngisor iki sawetara conto carane teorema Friedman bisa diterapake ing konteks perawatan kesehatan saiki saka perspektif pangguna sing beda-beda.
Patient Users
- A pasien nggunakake app pangeling pengobatan bakal luwih manut marang rejeki pengobatan dheweke tinimbang sabar sing padha ora nggunakake app.
- A sabar nyoba ngilangi bobot sing nglacak diet lan ngleksanani ing app smartphone bakal ilang luwih abot tinimbang sabar sing padha tanpa app.
- A pasien sing nggunakake portal pasien kanggo komunikasi karo dokter bakal aran luwih melu ing care saka pasien sing padha tanpa portal.
- A pasien sing nggunakake portal pasien kanggo ndeleng asil tes bakal ngandhakake kepuasan sing luwih dhuwur karo perawatan dheweke tinimbang pasien sing padha tanpa portal.
- Pasien sing melu forum online kanggo arthritis rematik bakal nandhang luwih efektif karo penyakit kasebut tinimbang pasien sing padha tanpa forum.
Pangguna Clinician
- Seorang pediatrik nggunakake rekaman kesehatan elektronik (EHR) karo pangeling vaksinasi bakal luwih akeh ngurutake vaksinasi ing wektu sing tepat tinimbang dokter sing padha tanpa pangeling.
- Panyedhiya obat darurat kanthi akses menyang ijol-ijolan informasi kesehatan lokal (HIE) bakal ngirim tes duplikat luwih sithik tinimbang panyedhiya sing padha tanpa HIE.
- Perawat sing nggunakake sistem nirkabel kanggo ngirim tanda-tanda vital langsung menyang EHR bakal nggawe kasalahan dokumentasi luwih sithik tinimbang perawat sing padha tanpa sistem nirkabel.
- Manajer kasus nggunakake pendaptaran pasien bakal ngenali luwih akeh pasien karo hipertensi sing ora bisa dikendhaleni tinimbang manajer kasus sing padha tanpa registri.
- Tim bedhah nggunakake daftar priksa safety bakal duwe infèksi situs bedah luwih sithik tinimbang tim bedah sing padha tanpa daftar. ( Elinga yen daftar priksa minangka conto sumber informasi sing ora perlu dikomputerisasi.)
- Dokter sing nggunakake dhukungan kaputusan klinis (CDS) kanggo dosis antibiotik luwih cenderung nyatake dosis antibiotik sing cocok tinimbang dokter sing padha tanpa alat CDS.
Organisasi Kesehatan
- Rumah sakit karo program penilaian resiko venous trombosis (DVT) ing EHR bakal duwe DVT luwih sithik tinimbang rumah sakit sing padha tanpa program.
- Rumah sakit sing nganggo platform entry order komputerisasi seluler (CPOE) bakal duwe pesanan telpon luwih murah tinimbang rumah sakit sing padha tanpa CPOE seluler.
- Rumah sakit sing nggunakake HIE kanggo ngirim ringkesan discharge menyang panyedhiya care utama bakal duwe readmissions kurang saka rumah sakit padha tanpa HIE.
- A home nursing using technology sensor will have a lower rate of patient falls than the home nursing same without the sensors.
- Klinik kesehatan mahasiswa sing ngirim pangeling pesen teks bakal entuk tingkat vaksinasi sing luwih dhuwur kanggo manungsa papillomavirus (HPV) tinimbang klinik tanpa sistem olahpesen teks.
- A klinik kesehatan pedesaan nggunakake telemedicine kanggo konsultasi virtual karo spesialis bakal ngirim kurang patients menyang kamar darurat, dibandhingake karo klinik padha tanpa telemedicine.
- Praktek medik karo dasbor perbaikan kualitas bakal nemtokake kesenjangan ing panentu kesehatan luwih cepet tinimbang laku sing padha tanpa dasbor.
Paling Anyar ing Biomedis Informatika
Kadhangkala informatika biomedis nyinaoni masalah kompleks sing bisa angel ditangkep. Bidang iki kalebu spektrum panaliten sing luas, kayata saka evaluasi organisasi kanggo analisis data genomik (umpamane, panaliten kanker). Sampeyan uga bisa digunakake kanggo ngembangake model prediksi klinis, sing didhukung dening rekaman kesehatan elektronik (EHR). Loro sarjana saka Universitas Pittsburgh, Gregory Cooper lan Shyam Visweswaran, saiki lagi ngrancang ngrancang model ramalan klinis saka data kanthi nggunakake artificial intelligence (AI), machine learning (ML) lan model Bayesian. Karya kasebut bisa nyumbangake pangembangan model khusus pasien. Model sing saiki dadi wigati jroning pangobatan modern.
> Sumber:
> Bernstam E, Smith J, Johnson T. Apa informatika biomedikal ?. J Biomed Inform . 2010; 43: 104-110.
> Friedman CP. A "Teorema dhasar" Informatika Biomedis . J Am Med Inform Assoc. 2009; 16: 169-170.
> Hunter J. Meningkatkan "Teorema Dasar Informatika Biomedis" Friedman . J Am Med Inform Assoc . 2010; 17 (1): 112.
> Visweswaran S, Cooper G. Model Model Prediktif Khusus Belajar . J Mach Learn Res . 2010; 11: 3333-3369.