जेव्हा हेल्थ टेक्नॉलॉजी आमच्यास अपयशी ठरते

व्हायर इनफॉर्म्ड आणि व्हायब्रिंग व्हायर इन सायबरचोन्रिएक

प्यू रिसर्च सेंटर नुसार, अमेरिकेत एक तृतीयांश लोक इंटरनेटचा वापर करतात तेव्हा त्यांना आरोग्य समस्या म्हणतात. त्यांचे शोध परिणाम, तथापि, नेहमी एक डॉक्टर भेट गेले आहेत. ऑनलाइन स्वयं-निदान हे इंटरनेट वापरकर्त्यांसाठी नियमानुसार होत आहे जे उपलब्ध असलेल्या ऑनलाइन आरोग्य संसाधनांची प्रचंड जाणीव आणि त्यांच्या शरीरावर नियंत्रण ठेवण्याची इच्छा बाळगतात.

नियोजित भेटीची प्रतीक्षा करण्याऐवजी, डॉक्टरांशी आपल्या लक्षणांवर चर्चा करणे आणि अधूनमधून अतिरिक्त निदानात्मक चाचण्यांबद्दल मनन करणे, संभाव्य रुग्ण आता वेबचे विस्तृत शोध घेतात आणि त्यांच्या लक्षणांशी वेगवेगळे निदान करतात जेणेकरुन त्यांना सर्वोत्तम दिसणे योग्य वाटत नाही.

इंटरनेट आरोग्यविषयक माहिती जवळजवळ सर्वत्र उपलब्ध आहे. हे लोकांना त्यांच्या आरोग्याबद्दल शिक्षित करण्यास मदत करते आणि त्यांच्या उपचार पर्यायांबद्दल माहितीपूर्ण निर्णय घेण्यास सक्षम करते. काही वर्षांनी चुकीच्या निदानानंतर स्वतःचे निदान करण्याच्या काही उदाहरणे आहेत. अलीकडील उदाहरणाने दुर्दैवी गोष्ट म्हणजे ब्रोन्त डोयने ब्रोन्तने डॉक्टरांना सांगितले की स्वत: ची निदान थांबवणे व अखेरीस त्या स्थितीची ओळख पटलेली आहे, परंतु अशी परिस्थिती जी डॉक्टरांनी वैद्यकीय उपचार घेत न राहिल्याने ती खूप उशीर होत नाही.

दुसरीकडे, आपल्या वैद्यकीय लक्षणे Googling अपरिहार्यपणे एक ठराव मध्ये समाप्त नाही आणि अनेक प्रकरणांमध्ये अनावश्यक चिंता बाहेर आणू शकता, सध्याच्या cyberchondriacs मध्ये माजी hypochondriacs transforming.

काहीजण सतत ऑनलाइन आरोग्य माहिती शोधत आहेत, स्वत: तपासणी आणि आश्रय शोधत आहेत तसेच परीक्षा आणि पडताळणींची मागणी करतात ज्या योग्य नसतील.

निरूपद्रवी लक्षणे वाढणे

सामान्य लक्षणोधनामुळे काही वापरकर्त्यांना त्यांच्या ऑनलाइन शोधांमध्ये दिसणारे दुर्मिळ आणि गंभीर स्थिती शोधणे प्रारंभ होऊ शकते.

2008 मध्ये पूर्ण करण्यात आलेल्या एका मोठ्या प्रमाणात सर्वेक्षणाने असे दर्शविले आहे की वेब सर्च इंजिन्समध्ये ज्यांच्याकडे कमी किंवा नाही वैद्यकीय प्रशिक्षण आहे अशा वैद्यकीय चिंता वाढवण्याची क्षमता आहे. अभ्यासात असे आढळून आले की, वापरकर्त्यांनी पाहिलेल्या वैद्यकीय सामग्रीची रक्कम आणि वितरण आणि गतीमान शब्दावली वापरणार्या साइट्सवर त्यांनी भेट दिलेल्या साइट्सवर आणि व्यक्तीची पूर्वकल्पना चिंता करण्यावर होते. त्याउलट, असे काही लोक आहेत जे स्वत: योग्यरित्या निदान करू शकतात, विशेषत: ते जे अनुभवत आहेत ते अतिशय विशिष्ट आणि विशिष्ट नसलेले आहेत. उदाहरणार्थ, ब्रोन्तेसारख्या प्रकरणांमध्ये, कधीकधी दुर्लक्ष केले जाऊ शकते किंवा वैद्यकीय पथकाने दुर्लक्ष केले जाऊ शकते आणि सामान्य वैद्यकीय अट म्हणून त्याचे उपचार केले जाऊ शकत नाही जेव्हा ते नसेल.

तथापि, ऑनलाइन आढळलेली आरोग्य माहिती अनेकदा चुकीची किंवा अपूर्ण आहे. त्यांच्या निदान आणि ट्राईएज अचूकतेसाठी 23 लक्षण तपासणीचे मूल्यांकन करताना, हार्वर्ड मेडिकल स्कूलच्या संशोधकांना काही चिंताजनक घट आढळल्या. केवळ एक तृतीयांश (34 टक्के) पहिल्यांदाच निदान मिळविण्यात यशस्वी झाले, आणि अर्ध्याहून अधिक (57 टक्के) योग्य ट्रिवेज सल्ला प्रदान करतात (उदा. शिफारस केलेले सद्य किंवा गैर-उद्भवणारी काळजी) तसेच, दक्षिण कॅरोलिना स्कूल ऑफ मेडिसिनच्या मॅथ्यू चुंग यांच्या मते, इंटरनेट ने अनेकदा शिफारसी पुरविल्या आहेत जे अपवादात्मक वैद्यकीय सल्लाानुसार आवश्यक नाहीत.

चुंग यांनी सुरक्षित शिशुच्या शूटीसाठी ऑनलाईन शिफारशींचा अभ्यास केला. त्यांनी हे शोधले की 1,300 वेबसाइट्सपैकी निम्म्यापेक्षा कमी (43.5 टक्के) या आरोग्य विषयावर अचूक माहिती प्रदान केली आहे.

ऑनलाइन लक्षण तपासणीमध्ये सुधारणा कशी करायची?

जेव्हा लाखो वापरकर्ते आरोग्यविषयक माहिती ऑनलाइन शोधतात, तेव्हा ह्यामुळे डेटाचा एक मोठा पूल तयार होतो. संशोधक आता अंदाजपत्रक अल्गोरिदम तपासण्यासाठी या डेटासेटमध्ये टॅप करीत आहेत जे ऑनलाइन लक्षण तपासनीस अधिक चांगले बनवू शकते. मशीन शिक्षणातील नवीनतम घडामोडी ऑनलाइन शोधांमध्ये नमुने शोधण्यासाठी आणि आधीच्या स्थितीचा निदान करण्याच्या प्रयत्नात मदत करत आहे. डॉक्टरांच्या विद्यार्थी जॉन पापरियोजस यांनी एरिक हॉर्वित्झ व रायेन व्हाईट यांच्या सहकार्याने 2008 साली cyberchondria वर झालेल्या अहवालाच्या लेखकांनी एक अल्गोरिदम तयार केले जे नुकत्याच आपल्या मागील ऑनलाइन शोधांकडे पाहून स्वादुपिंड कर्करोगाचे निदान करणारे लोक ओळखू शकतात.

त्यांच्या अभ्यासात असे आढळून आले की एखाद्या व्यक्तीच्या ऑनलाइन क्वेरींचे परीक्षण करून गंभीर निदान संभाव्यपणे अंदाज करता येऊ शकते. ऑनलाइन टूल्सची सुधारीत प्रणाली सह, रुग्णांना त्यांच्याशी वागण्याअगोदर फारच उशीर झालेला दिसतो.

निदान चुका टाळत

क्लिनिकल निर्णय समर्थन प्रणाली (CDSSs) परस्परसंवादी अनुप्रयोग आहेत जे आता आरोग्य-देखभाल कामगारांना पुरावा आधारित निर्णय घेण्यास मदत करू शकतात आणि उपचार निष्कर्षांचा अंदाज देखील देऊ शकत नाहीत. काही वैद्यकीय खासियत लक्षात घेण्याकरता चिकित्सक वारंवार चुकीचे निदान, किंवा त्याखाली उपचार करतात आणि / किंवा अन्य वैद्यकीय खासियत वापरण्यास असमर्थ असलेल्या समाधानास प्रतिसाद देतात, CDSSs हे औषधांमधे कृत्रिम बुद्धिमत्तेचे एक प्रमुख रूप मानले जाते आणि ते आणखी कार्यक्षम व व्यवहार्य होण्याची अपेक्षा आहे. आम्ही आरोग्य सेवेतील डिजिटल क्रांती पूर्णपणे प्रविष्ट करतो.

सीडीएसएस म्हणजे ट्रिएज, स्क्रीनिंग, जोखीम मूल्यांकन, निदान, उपचार मूल्यमापन आणि देखरेख यांमध्ये वाढत्या प्रमाणावर वापरले जाते. इलेक्ट्रॉनिक आरोग्य नोंदींमधील रुग्ण डेटाशी CDSSs जोडला जाऊ शकतो.

सीडीएसएस च्या पसंतीचे मॉडेल आनुवंशिक, नैदानिक ​​आणि सामाजिक-लोकसंख्याविषयक माहितीसारख्या माहितीच्या अनेक स्त्रोतांवर अवलंबून असतात. सीडीएसएस म्हणजे लोकमत आधारित 'वैयक्तिकृत औषध' चळवळीचा एक भाग आहे, परंतु त्याऐवजी एखाद्या फार्माकोलॉजी आणि एका व्यक्तीच्या अनुरूप हस्तक्षेपांवर लक्ष केंद्रित केले आहे. बायोमेडिकल इन्फॉरमेटिक्ससाठी माउंट सिनाई सेंटरला निर्देशित करणारा डॉ. पीटर इल्किन यांच्या नेतृत्वाखालील एका अभ्यासात असे सुचवले आहे की सीडीएसएस म्हणजे विभेदक निदानाची व्याप्ती वाढवू शकते, ज्यामुळे योग्य निदानाची शक्यता अधिक होईल, रुग्णालयीन राहणे, जीव वाचविणे आणि दोन्हीचे आर्थिक मूल्य प्रदान करणे रुग्ण आणि प्रदात्यास

सीडीएसएस च्या व्यापक प्रमाणावर अवलंबना अद्याप नियमित सराव मध्ये येत नाही, परंतु अनेक तज्ञांचा असा विश्वास आहे की अशा साधने आजच्या आरोग्य सेवेमध्ये अस्तित्त्वात असलेल्या अद्वितीय गोष्टींवर मात करण्यास मदत करू शकतात. तसेच, सीडीएसएसचे मूल्य इलेक्ट्रॉनिक आरोग्य नोंदी ( ईएचआर ) शी वाढत आहे. अशा प्रकारच्या आरोग्य तंत्रज्ञानाचा सिद्धांत व प्रथांचा अंतर कमी होऊ शकतो जे सहसा रोगनिदान प्रक्रियेवर परिणाम करतात आणि रोग्यांना असमाधानी असतात. रुग्ण आणि वैद्यकीय तज्ञांनाही संधी मिळाल्या पाहिजेत ज्यायोगे आरोग्य तंत्रज्ञानाद्वारे आम्हाला तांत्रिक व्यत्यय येणा-या नैसर्गिक आव्हानांची स्थळे गमावली जात नाही. ही साधने उत्क्रांत होत असल्याने, आशा आहे की वापरकर्ते त्यांच्या स्वत: च्या देखरेखीच्या आणि उपचार पर्यायांबद्दल स्वस्थ, सुविचारित निर्णय घेण्याकरिता सुसज्ज असतील.

> स्त्रोत

चुंग, एम., ओडेन, आरपी, जोयनर, बीएल, सिम्स, ए, आणि मून, आरवाय (2012). मूळ लेख: इंटरनेटवर सुरक्षित शिशु झोप शिफारस: चला Google ला द जर्नल ऑफ पॅडीट्रीक्स , 161 : 1080 -08484

एलकिन पी, लिबॉ एम, बार्नेट जी, एट अल डायग्नोस्टिक निर्णय समर्थन प्रणाली (डीएक्सपेन ™) चे शिक्षण हॉस्पिटल सेवेच्या कार्यप्रवाहात निदान करणे निदानविषयक आव्हानात्मक निदान संबंधित गट (डीआरजीज्) साठी सेवेची किंमत कमी करू शकते. इंटरनॅशनल जर्नल ऑफ मेडिकल इन्फॉरमॅटिक्स , 2010; 79 (11): 772-777

Paparrizos जॉन, व्हाईट आर, हॉर्वित्झ ई. वेब शोध नोंदीतून सिग्नल वापरुन स्वादुपिंडी एडेनोकार्किनोमासाठी स्क्रीनिंग: व्यवहार्यता अभ्यास आणि परिणाम. जर्नल ऑफ ऑन्कॉलॉजी प्रॅक्टिस , 2016; 12 (8): 737-744

व्हाईट आर, होर्व्हिट्झ ई. वेब सर्चमध्ये वैद्यकीय चिंता वाढवण्याकरता सायबरचंद्रिया अभ्यास. माहिती प्रणालींवर एसीएम व्यवहार , 200 9; (4): 23

सेग्गेरन एच, मेहरोत्रा ​​ए, लिन्डर जे, जिडेंगील सी. स्वत: निदान आणि ट्रायेजसाठी लक्षण तपासणीचे मूल्यांकन: ऑडिट अभ्यास, 2015; 351