Biomedizinische Informatik Theorem

Eine theoretisch fundierte Definition der biomedizinischen Informatik (BMI) fehlte lange. Charles Friedman, Ph.D., schlug den grundlegenden Satz der biomedizinischen Informatik vor. Es besagt, dass "eine Person, die in Partnerschaft mit einer Informationsquelle arbeitet," besser "ist als die gleiche Person ohne Unterstützung." Friedmans Theorem ist nicht wirklich ein formales mathematisches Theorem (das auf Deduktion basiert und als wahr akzeptiert wird), sondern eine Destillation von der Essenz des BMI.

Der Satz besagt, dass biomedizinische Informatiker sich damit befassen, wie Informationsressourcen Menschen helfen können (oder nicht). Wenn Friedman in seinem Theorem auf eine "Person" Bezug nimmt, legt er nahe, dass dies entweder ein Individuum (ein Patient , ein Kliniker, ein Wissenschaftler, ein Administrator ), eine Gruppe von Menschen oder sogar eine Organisation sein könnte.

Darüber hinaus hat das vorgeschlagene Theorem drei Folgerungen, die helfen, die Informatik besser zu definieren:

1. In der Informatik geht es mehr um Menschen als um Technologie. Dies bedeutet, dass Ressourcen zum Wohle der Menschen gebaut werden sollten.
2. Die Informationsquelle muss etwas enthalten, das die Person noch nicht kennt. Dies legt nahe, dass die Ressource sowohl korrekt als auch informativ sein muss.
3. Die Interaktion zwischen einer Person und einer Ressource bestimmt, ob der Satz gilt. Diese logische Folge erkennt, dass das, was wir über die Person allein oder die Ressource allein wissen, das Ergebnis nicht unbedingt vorhersagen kann.

Friedmans Beitrag wurde als einfach und verständlich für die Definition des BMI anerkannt. Andere Autoren haben jedoch alternative Standpunkte und Ergänzungen zu seinem Theorem vorgeschlagen. Zum Beispiel betonte Professor Stuart Hunter von der Princeton University die Rolle der wissenschaftlichen Methode im Umgang mit Daten .

Eine Gruppe von Wissenschaftlern der Universität von Texas vertrat auch die Ansicht, dass die Definition von BMI die Vorstellung beinhalten sollte, dass Information in der Informatik "Daten plus Bedeutung" ist. Andere akademische Institutionen lieferten ausführliche Definitionen, die den multidisziplinären Charakter des BMI anerkennen und sich auf Daten, Informationen und Wissen im Kontext der Biomedizin konzentrieren.

Ausdrücke des Friedmanschen Fundamentalsatzes

Es ist nützlich, Ausdrücke des Theorems in Bezug auf die Personen oder Organisationen zu betrachten, die die Informationsressourcen verwenden würden. Ob der Satz in einem gegebenen Szenario zutrifft, kann empirisch mit randomisierten kontrollierten Studien und anderen Studien getestet werden.

Im Folgenden finden Sie einige Beispiele, wie das Friedmans Theorem im Kontext der aktuellen Gesundheitsversorgung aus der Sicht verschiedener Nutzer angewendet werden könnte.

Patientenbenutzer

• Eine Patientin, die eine Medikamentenerinnerungs-App verwendet, ist stärker an ihre Medikation gebunden als derselbe Patient, der die App nicht verwendet.
• Ein Patient, der versucht, Gewicht zu verlieren, der Diät und Übung auf einer Smartphone-App verfolgt, verliert mehr Gewicht als der gleiche Patient ohne die App.
• Ein Patient, der ein Patientenportal verwendet, um mit seinem Arzt zu kommunizieren, wird sich stärker an seiner Versorgung beteiligt fühlen als derselbe Patient ohne das Portal.

• Eine Patientin, die ein Patientenportal verwendet, um die Testergebnisse einzusehen, wird eine höhere Zufriedenheit mit ihrer Behandlung erfahren als derselbe Patient ohne das Portal.
• Eine Patientin, die an einem Online-Forum für rheumatoide Arthritis teilnimmt, wird mit ihrer Krankheit besser zurechtkommen als derselbe Patient ohne das Forum.

Kliniker Benutzer

• Ein Kinderarzt, der eine elektronische Gesundheitsakte (EHR) mit Impfserinnerungen verwendet, wird eher rechtzeitige Impfungen bestellen als derselbe Arzt ohne die Mahnungen.
• Ein Notfallmediziner mit Zugang zu einer lokalen Gesundheitsinformationsstelle (HIE) wird weniger Duplikattests bestellen als derselbe Anbieter ohne HIE.

• Eine Krankenschwester, die ein drahtloses System verwendet, um Vitalzeichen direkt in das EHR zu übertragen, macht weniger Dokumentationsfehler als dieselbe Krankenschwester ohne das drahtlose System.
• Ein Fallmanager, der ein Patientenregister verwendet, wird mehr Patienten mit unkontrolliertem Bluthochdruck identifizieren als derselbe Fallmanager ohne das Register.
• Ein chirurgisches Team, das eine Sicherheitscheckliste verwendet, wird weniger Infektionen an der Operationsstelle haben als das gleiche Operationsteam ohne eine Checkliste. ( Beachten Sie, dass die Prüfliste ein Beispiel für eine Informationsressource darstellt, die nicht computerisiert werden muss.)
• Ein Arzt, der ein CDS-Tool (Clinical Decision Support) für die Antibiotikatherapie verwendet, verschreibt eher die entsprechende Antibiotikadosis als derselbe Arzt ohne das CDS-Tool.

Benutzer der Gesundheitsorganisation

• Ein Krankenhaus mit einem Computer-Tiefenvenenthrombose (DVT) Risikobewertungsprogramm in der EHR wird weniger DVTs haben als das gleiche Krankenhaus ohne das Programm.
• Ein Krankenhaus mit einer mobilen computergestützten Arztbestellplattform (CPOE) wird weniger telefonische Bestellungen haben als das gleiche Krankenhaus ohne mobile CPOE.
• Ein Krankenhaus, das ein HIE verwendet, um Entlassungszusammenfassungen an Erstversorgungsanbieter zu senden, wird weniger Rückmeldungen haben als dasselbe Krankenhaus ohne HIE.
• Ein Pflegeheim, das Sensortechnologien verwendet, wird eine niedrigere Rate von Patientenstürzen aufweisen als das gleiche Pflegeheim ohne die Sensoren.
• Eine Kurklinik, die SMS-Erinnerungen sendet, wird höhere Impfraten für das humane Papillomavirus (HPV) erreichen als eine Klinik ohne SMS-System.
• Eine ländliche Gesundheitsklinik, die Telemedizin für virtuelle Konsultationen mit Spezialisten verwendet, wird im Vergleich zur gleichen Klinik ohne Telemedizin weniger Patienten in die Notaufnahme schicken.
• Eine medizinische Praxis mit einem Qualitätsverbesserungs-Dashboard wird Lücken in der Gesundheitsversorgung schneller erkennen als die gleiche Praxis ohne das Dashboard.

Das Neueste über Biomedizinische Informatik

Manchmal untersucht die biomedizinische Informatik komplexe Probleme, die schwierig zu erfassen sind. Dieser Bereich umfasst ein breites Spektrum von Forschungsarbeiten, die von Evaluationen von Organisationen bis hin zu genomischen Datenanalysen reichen (z. B. Krebsforschung). Es kann auch verwendet werden, um klinische Vorhersagemodelle zu entwickeln, die durch elektronische Gesundheitsakten (Electronic Health Records - EHR) unterstützt werden. Zwei Wissenschaftler der Universität von Pittsburgh, Gregory Cooper und Shyam Visweswaran, arbeiten derzeit an der Entwicklung klinischer Vorhersagemodelle aus Daten mithilfe von künstlicher Intelligenz (AI), maschinellem Lernen (ML) und Bayes-Modellierung. Ihre Arbeit könnte zur Entwicklung patientenspezifischer Modelle beitragen. Modelle, die heute in der modernen Medizin von entscheidender Bedeutung sind.

> Quellen:

> Bernstam E, Smith J, Johnson T. Was ist biomedizinische Informatik ?. J Biomed informieren . 2010; 43: 104-110.

> Friedman CP. Ein "Fundamental Theorem" der Biomedizinischen Informatik . J Am Med Inform Assoc. 2009; 16: 169-170.

> Hunter J. Verbesserung von Friedmans "Fundamental Theorem of Biomedical Informatics" . J Am Med Inform Assoc . 2010; 17 (1): 112.

> Visweswaran S, Cooper G. Lerninstanzenspezifische Prädiktive Modelle . J Mach Learn Res . 2010; 11: 3333-3369.