बायोमेडिकल इन्फोटॅटिक्स (बीएमआय) ची सैद्धांतिकदृष्टया-आधारित परिभाषा दीर्घ काळाची कमतरता आहे. या वैज्ञानिक क्षेत्रात काहीतरी लक्ष केंद्रित करण्यासाठी, चार्ल्स फ्रेडमन, पीएच.डी., जैववैद्यकीय माहितीचा मूलभूत प्रमेय प्रस्तावित. यामध्ये असे म्हटले आहे की "एखाद्या व्यक्तीची माहिती संसाधनासह भागीदारी करताना काम करणा-या व्यक्ती 'चांगले' आहे ज्याने त्या व्यक्तीकडे दुर्लक्ष केले आहे." फ्रेडमॅनचा प्रमेय प्रत्यक्षात एक औपचारिक गणितीय प्रमेय (जो कप्पेवर आधारित आहे आणि सत्य म्हणून स्वीकारण्यात आला आहे) नाही, बीएमआई तत्वाचे महत्व
प्रमेयाचा अर्थ असा होतो की बायोमेडिकल इन्टरटेक्टीशियन संबंधाने माहिती स्त्रोत कसे (किंवा करू शकत नाहीत) लोकांशी मदत करू शकतात. त्याच्या प्रमेयेतील एका व्यक्तीच्या संदर्भाने फ्रेडमॅनने असे सुचवले आहे की हे एकतर वैयक्तिक ( रुग्ण , एक चिकित्सक, शास्त्रज्ञ, प्रशासक ), लोक किंवा संघटनेचे एक गट असू शकते.
शिवाय, प्रस्तावित प्रमेय तंत्रज्ञानाच्या तीन निकषांवर आधारलेल्या माहितीचे अधिक चांगले वर्णन केले आहे:
- माहिती तंत्रज्ञानापेक्षा लोकांपेक्षा माहिती अधिक आहे याचा अर्थ लोकांच्या फायद्यासाठी स्त्रोत तयार करणे आवश्यक आहे.
- माहितीच्या स्रोतामध्ये एखाद्या व्यक्तीस आधीपासून माहिती नसलेली काही गोष्ट समाविष्ट करणे आवश्यक आहे. हे सुचविते की स्त्रोत योग्य आणि माहितीपूर्ण दोन्ही असणे आवश्यक आहे.
- प्रमेय साठवलेला असतो तर एखाद्या व्यक्तीस व संसाधनांमधील परस्पर संवाद निश्चित करतो. हे उत्पन्नाचे आकलन होते की केवळ व्यक्तीबद्दल किंवा व्यक्तीबद्दल आपल्याला काय माहिती आहे हे केवळ परिणामाचा अंदाज लावू शकत नाही.
फ्रेडमॅनचा वाटा बीएमआय म्हणून सोप्या आणि सोप्या पद्धतीने समजून घेतलेल्या पद्धतीने परिभाषित केला गेला आहे. तथापि, इतर लेखकांनी त्याच्या प्रमेयेला पर्यायी दृष्टीकोन आणि जोडण्यांचा सल्ला दिला आहे. उदाहरणार्थ, प्रिन्सटन विद्यापीठाचे प्राध्यापक स्टुअर्ट हंटर यांनी डेटाशी व्यवहार करताना वैज्ञानिक पद्धतीचे कार्य यावर भर दिला.
टेक्सास विद्यापीठातील शास्त्रज्ञांच्या एका गटानेही असे मत मांडले की बीएमआयच्या व्याख्येमध्ये माहितीचा समावेश असावा 'डेटा प्लस अर्थ' असा आहे. इतर शैक्षणिक संस्थांनी बीएएमची बहुआयामी स्वरुपाची ओळख करून देणारी विस्तृत व्याख्या मांडली आणि बायोमेडिसिनच्या संदर्भात डेटा, माहिती आणि ज्ञान यावर केंद्रित केले.
फ्रेडमॅनच्या मूलभूत प्रमेय च्या अभिव्यक्ती
माहिती संसाधनांचा वापर करणार्या लोक किंवा संघटनेच्या संदर्भात प्रमेयच्या स्वरूपाचा विचार करणे उपयुक्त आहे. प्रमेय एका परिस्थितीत खरे आहे का हे यादृच्छिक नियंत्रित चाचणी आणि इतर अभ्यासांसह प्रायोगिकरित्या परीक्षित केले जाऊ शकते.
फ्रेडमॅनच्या प्रमेयेचा उपयोग विविध उपयोजकांच्या दृष्टीकोनातून वर्तमान आरोग्य सेवेच्या संदर्भात केला जाऊ शकतो याची काही उदाहरणे खाली दिली आहेत.
पेशंट वापरकर्ते
- एक औषध स्मरण अनुप्रयोग वापरून रुग्णाने अनुप्रयोग वापर न करता त्याच रुग्णापेक्षा तिच्या औषध पदवी अधिक अनुयायी असेल.
- स्मार्टफोन अॅप्समधील आहार आणि व्यायाम करणारे वजन कमी करण्याचा प्रयत्न करणारे रुग्ण, अॅपशिवाय त्याच रुग्णांपेक्षा अधिक वजन कमी करेल.
- रुग्ण पोर्टल वापरत असलेल्या रुग्णाला त्याच्या डॉक्टरांबरोबर संवाद साधण्याबद्दल रुग्णाला पोर्टलशिवाय या रुग्णांपेक्षा अधिक काळजी घेण्यास मदत होईल.
- परीक्षेचा परिणाम पाहण्यासाठी रोगी पोर्टलचा वापर करणार्या रुग्णाला पोर्टलशिवाय, त्याच रुग्णापेक्षा त्याच्या काळजीने जास्त समाधान व्यक्त होईल.
- संधिवात संधिवात एक ऑनलाइन मंच मध्ये सहभागी रुग्ण मंच न करता त्याच रुग्णापेक्षा त्याच्या रोग अधिक प्रभावीपणे सोडवेल.
चिकित्सक वापरकर्ते
- लसीकरण स्मरणपत्रांसह इलेक्ट्रॉनिक आरोग्य रेकॉर्ड (ईएएचआर) वापरणारा बालरोगतज्ञ, स्मरणपत्राशिवाय एकट्या डॉक्टरपेक्षा वेळेवर टीका देण्याची शक्यता अधिक असेल.
- एखाद्या स्थानिक आरोग्य माहितीच्या एक्स्चेंजवर (एचआयई) ऍक्सेस असलेल्या आपत्कालीन औषध प्रदात्याने एचईईईशिवाय समान प्रदाता यांच्यापेक्षा कमी डुप्लिकेट चाचण्या करण्याचे आदेश दिले आहेत.
- व्हायरस सिस्टिम वापरत असलेल्या नर्स जो थेट महत्त्वाकांक्षी संकेतस्थळांना ईएचआरमध्ये थेट पाठवितात, वायरलेस प्रणालीशिवाय समान नर्स पेक्षा कमी कागदपत्रे कमी करेल.
- एक रुग्णाची रेजिस्ट्री वापरून केस मॅनेजर रजिस्ट्रीशिवाय, समान केस मॅनेजरपेक्षा अनियंत्रित हायपरटेन्शन असलेल्या अधिक रुग्णांना ओळखेल.
- सुरक्षा सूची सूचीत वापरल्या जाणार्या सर्जिकल टीमला कमी शस्त्रक्रिया करणार्या साइट्सची तपासणी न करता त्याच सर्जिकल टीमपेक्षा कमी सर्जरी होईल. ( लक्षात घ्या की चेकलिस्ट संगणकीकृत करणे आवश्यक नसलेल्या माहिती स्रोताचे एक उदाहरण आहे.)
- अँटिबायोटिक डायझिंगसाठी क्लिनिकल फॉरवर्ड सपोर्ट (सीडीएस) चा वापर करणारे फिजीशियन सीडीएस साधनविना तशीच वैद्यक पेक्षा योग्य एंटीबायोटिक डायजेस लिहून अधिक असते.
हेल्थ केअर ऑर्गनायझेशन युजर्स
- कॉम्प्युटरायझ्ड डायबिसीस थ्रोबोसिस (डीव्हीटी) च्या जोखीम मूल्यांकन कार्यक्रमासह हॉस्पिटल प्रोग्रॅमशिवाय समान रुग्णालयापेक्षा कमी DVT असण्याची शक्यता आहे.
- मोबाईल संगणकीकृत फिजिकल ऑर्डर एंट्री (सीपीओई) प्लॅटफॉर्मचा एक हॉस्पिटलमध्ये मोबाइल सीपीओईशिवाय त्याच रुग्णालयापेक्षा कमी टेलिफोन ऑर्डर असतील.
- प्राथमिक रुग्णांना डिस्चार्ज शोचे पाठवण्यासाठी हाय हिट वापरणाऱ्या हॉस्पिटलमध्ये एचईईशिवाय त्याच रुग्णालयापेक्षा कमी वाचण्या असतील.
- संवेदक तंत्रज्ञानाचा वापर करून नर्सिंग होममध्ये संवेदनाशिवाय नर्सिंग होमपेक्षा रुग्णांचे कमी प्रमाण असेल.
- मजकूर संदेश रिमाइंडर पाठविणारी एक स्टुडंटस् हेल्थ क्लिनिक मजकूर संदेशन प्रणालीशिवाय क्लिनिकपेक्षा मानवी पेपिलोमाव्हायरस (एचपीव्ही) साठी उच्च लसीकरण दर प्राप्त करेल.
- टेलिमेडिसिनचा उपयोग करून ग्रामीण आरोग्य क्लिनिकमध्ये तज्ञ डॉक्टरांशी तुलना करता येणार्या क्लिनिकच्या तुलनेत कमी रुग्णांना आणीबाणीच्या खोलीत आणण्यात येईल.
- दर्जेदार सुधारणा डॅशबोर्डसह वैद्यकिय पद्धती डॅशबोर्डशिवाय, त्याच पद्धतीने आरोग्य सेवेत अधिक वेगाने वेगाने ओळखेल.
बायोमेडिकल इन्फॉर्मेटिक्स वर नवीनतम
कधीकधी जैववैद्यकीय माहिती संकलित समस्यांवर अभ्यास करणे कठीण होऊ शकते. या फील्डमध्ये संशोधनाचे एक व्यापक व्यासपीठ समाविष्ट आहे, जी संस्थात्मक तपासणीपासून जीनोमिक डेटासेटचे विश्लेषण (उदा. कर्करोग संशोधन) पासूनचे आहे. हे क्लिनिकल पूर्वानुमान मॉडेल विकसित करण्यासाठी वापरले जाऊ शकते, ज्यांना इलेक्ट्रॉनिक आरोग्य रेकॉर्ड (एएचआर) द्वारे समर्थित केले जात आहे. पिट्सबर्ग विद्यापीठातील दोन विद्वान, ग्रेगरी कूपर आणि श्याम विश्वेश्वरन सध्या कृत्रिम बुद्धिमत्ता (एआय), मशीन शिकणे (एमएल) आणि बायिसियन मॉडेलिंग वापरून डेटामधून क्लिनिकल पूर्वानुमान मॉडेल डिझाइन करण्यावर काम करीत आहेत. त्यांचे कार्य रुग्ण-विशिष्ट मॉडेलच्या विकासात योगदान देऊ शकते. मॉडेल जे आता आधुनिक औषधांमध्ये महत्वाचे वाटतात.
> स्त्रोत:
> Bernstam ई, स्मिथ जॉन, जॉन्सन टी. जैववैद्यकीय माहिती काय आहे ?. जम्मू बायोमेड इंफॉर्म 2010; 43: 104-110.
> फ्रेडमन सीपी बायोमेडिकल इन्फॉरमॅटिक्सच्या "मूलभूत प्रमेय" जे एम मेड इंफोनेशन असोोक 2009; 16: 16 9 -170
> हंटर जे. फ्रेडमॅनचा "बायोमेडिकल इन्फॉर्मेटिक्सचा मूलभूत प्रमेय" वाढवणे जे एम मेड इंफोनेशन असोोक 2010; 17 (1): 112.
> विवेश्वरन एस, कूपर जी. लर्निंग इंस्टान्स-विशिष्ट पूर्वानुमानी मॉडेल . जम्मू मिक रिझ 2010; 11: 3333-336 9.