Vyanzo vya Data Big katika Dawa

by Kevin Hwang, MD, MPH; Imepitiwa na Richard N. Fogoros, MD

Ufafanuzi rahisi wa data kubwa katika dawa ni "jumla ya data kuhusiana na huduma ya afya ya wagonjwa na ustawi" (Raghupathi 2014). Lakini hasa ni aina gani za data, na zinatoka wapi?

Yafuatayo ni mtazamo mpana wa aina na vyanzo vya data kubwa ya maslahi kwa watoa huduma za afya, watafiti, walipaji, sera na sekta.

Makundi haya hayajajumuisha, kwa sababu data sawa inaweza kuanzia vyanzo mbalimbali.

Hakuna orodha hii kamili, kwa sababu matumizi halisi ya uchambuzi mkubwa wa data itaendelea kupanua.

Mfumo wa Taarifa za Kliniki

Hizi ni vyanzo vya jadi za data za kliniki ambazo watoa huduma za afya wamezoea kuangalia.

Rekodi za afya za elektroniki (EHRs) kukusanya, kuhifadhi, na kuonyesha maelezo kama vile idadi ya watu, historia ya matibabu ya zamani, matatizo ya matibabu, vitumbuzi, dawa zote, dawa, ishara muhimu, matokeo ya majaribio ya maabara na radiology, ripoti za ugonjwa, maelezo ya maendeleo yanayoundwa na huduma za afya watoa huduma, na hati za utawala na fedha
Kumbukumbu za matibabu za umeme (EMRs) hazifanani na EHR na kwa kawaida zinahusiana na data zilizohifadhiwa na daktari fulani.
Uchanganuzi wa habari za afya hutumika kama hubs kati ya mifumo ya habari ya kliniki isiyo tofauti

Usajili wa wagonjwa, unaohifadhiwa na mashirika ya afya kwa wagonjwa wao wenyewe, mara nyingi huhusishwa na EHR. Usajili mwingine unafuatilia chanjo, saratani, majeraha, na masuala mengine ya afya ya umma kwa kiwango kikubwa cha kijiografia.

Portaler subira kuruhusu wagonjwa kupata habari za afya binafsi kuhifadhiwa katika EHR shirika la huduma ya afya. Viungo vingine vya wagonjwa pia huruhusu watumiaji kuomba refills dawa na kubadilishana kubadilishana barua pepe salama na timu ya huduma ya afya.

Maghala ya data ya kliniki ya jumla ya data ya kiwango cha mgonjwa kutoka mifumo ya habari za kliniki nyingi, kama vile EHR na vyanzo vingine vilivyoorodheshwa hapo juu

Takwimu za Madai Kutoka kwa Walipaji

Walipaji wa umma (kwa mfano Medicare) na walipaji binafsi wana orodha kubwa ya data ya madai kwa walengwa wao. Baadhi ya bima za afya sasa pia hutoa motisha kwa kugawana data yako ya afya.

Mafunzo ya Utafiti

Takwimu za utafiti zina habari kuhusu washiriki wa utafiti, matibabu ya majaribio, na matokeo ya kliniki. Masomo makubwa mara nyingi hufadhiliwa na makampuni ya dawa au mashirika ya serikali. Matumizi ya dawa ya kibinafsi ni mechi ya wagonjwa binafsi na matibabu ya ufanisi, kulingana na ruwaza katika data ya majaribio ya kliniki.

Njia hii inakwenda zaidi ya kutumia kanuni za dawa za ushahidi, ambazo mtoa huduma ya afya huamua kama mgonjwa anashiriki sifa nyingi (kwa mfano umri, jinsia, rangi, hali ya kliniki) na washiriki wa majaribio. Kwa uchambuzi mkubwa wa takwimu, inawezekana kuchagua matibabu kulingana na maelezo mengi zaidi ya punjepunje, kama vile maelezo ya maumbile ya saratani ya mgonjwa (angalia chini).

Mifumo ya msaada wa kliniki (CDSS) pia imekuwa ikiendelea haraka na sasa inawakilisha sehemu kubwa ya akili bandia (AI) katika dawa.

Wanatumia data ya mgonjwa ili kusaidia waganga na kufanya maamuzi na mara nyingi huunganishwa na EHRs.

Takwimu za Maumbile

Hifadhi ya habari za maumbile ya binadamu inaendelea kukusanya kwa kasi ya haraka. Kwa kuwa Mradi wa Binadamu wa Genome ulikamilishwa mwaka 2003, gharama ya ufuatiliaji wa DNA ya binadamu imekuwa kupunguzwa kwa mara milioni. Mradi wa Gome wa Kibinafsi (PGP), uliozinduliwa mwaka 2005 na Harvard Medical School, unatafuta mlolongo na kutangaza genomes kamili ya wajitolea 100,000 kutoka duniani kote. PGP yenyewe ni mfano mkuu wa mradi mkubwa wa data kutokana na kiasi kikubwa na data mbalimbali.

Genome ya kibinafsi ina takriban 100 gigabytes ya data. Mbali na ufuatiliaji wa genomes, PGP pia inakusanya data kutoka kwa EHRs, tafiti, na maelezo mafupi ya microbiome.

Makampuni kadhaa hutoa ufuatiliaji wa maumbile wa moja kwa moja kwa watumiaji kwa afya, tabia binafsi, na pharmacogenetics kwa msingi wa biashara.

Maelezo haya ya kibinafsi yanaweza kushambuliwa kwa uchambuzi mkubwa wa data. Kwa mfano, 23 naMe waliacha kutoa ripoti ya maumbile ya afya kwa wateja wapya mnamo Novemba 22, 2013, ili kufuata Utawala wa Chakula na Dawa za Marekani. Hata hivyo, mwaka wa 2015, kampuni hiyo ilianza kutoa vipengele vingine vya afya vya mtihani wa magonjwa ya maumbile tena, wakati huu na idhini ya FDA.

Kumbukumbu za Umma

Serikali inaendelea kumbukumbu kamili ya matukio kuhusiana na afya, kama uhamiaji, ndoa, kuzaliwa, na kifo. Sensa ya Marekani imekusanya taarifa nyingi kila baada ya miaka 10 tangu mwaka wa 1790. Tovuti ya takwimu za Sensa ilikuwa na seli za bilioni 370 za mwaka 2013, na zaidi ya bilioni 11 zinaongezwa kila mwaka.

Utafutaji wa Wavuti

Maelezo ya utafutaji wa Mtandao yaliyokusanyika na Google na watoa huduma wengine wa utafutaji wa mtandao wanaweza kutoa ufahamu halisi wa wakati unaohusiana na afya ya idadi ya watu. Hata hivyo, thamani ya data kubwa kutoka kwa mifumo ya utafutaji wa wavuti inaweza kuboreshwa kwa kuchanganya na vyanzo vya jadi vya data za afya.

Mtandao wa kijamii

Facebook, Twitter na majukwaa mengine ya vyombo vya habari vya kijamii yanazalisha data nyingi za saa kote, kutoa maoni katika maeneo, tabia za afya, hisia, na ushirikiano wa kijamii wa watumiaji. Matumizi ya vyombo vya habari vya kijamii vya habari kubwa kwa afya ya umma yamejulikana kama ugunduzi wa magonjwa ya digital au magonjwa ya digital. Twitter, kwa mfano, imekuwa kutumika kuchambua ugonjwa wa mafua ya homa kati ya idadi ya watu.

Mradi wa Ustawi wa Ulimwengu ulioanza Chuo Kikuu cha Pennsylvania ni mfano mwingine wa kujifunza vyombo vya habari vya kijamii kuelewa uzoefu wa watu na afya bora. Mradi huo unakusanya pamoja wanasaikolojia, wasanii wa hesabu na wanasayansi wa kompyuta ambao huchambua lugha inayotumiwa wakati wa kuingiliana mtandaoni, kwa mfano, wakati wa kuandika sasisho za hali ya Facebook na Twitter. Wanasayansi wanaangalia jinsi lugha ya watumiaji inahusiana na afya na furaha yao. Maendeleo katika usindikaji wa lugha ya asili na kujifunza mashine yanasaidia kwa juhudi zao. Kitabu cha hivi karibuni kutoka Chuo Kikuu cha Pennsylvania kiliangalia njia za kutabiri ugonjwa wa akili kwa kuchunguza vyombo vya habari vya kijamii. Inaonekana kwamba dalili za unyogovu na hali nyingine za afya ya akili zinaweza kuonekana kwa kujifunza matumizi yetu ya mtandao. Wanasayansi wanatazamia mbinu hizi zijazo zitatambua na kusaidia watu wenye hatari.

Internet ya Mambo (IoT)

Tatu kubwa za taarifa zinazohusiana na afya zinakusanywa pia na kuhifadhiwa kwenye vifaa vya mkononi na vya nyumbani .

Simu za mkononi : Maelfu ya programu za Mifugo hupata taarifa juu ya shughuli za kimwili za mtumiaji, ulaji wa lishe, usingizi wa mwelekeo, hisia, na vigezo vingine. Programu za simu za mkononi za kiini (kwa mfano GPS, barua pepe, maandishi) zinaweza pia kutoa dalili kuhusu hali ya afya ya mtu binafsi.
Wachunguzi wa vifaa na vifaa: Pedometers, accelerometers, glasi, watches, na vifuniko vilivyoingia chini ya ngozi pia hukusanya habari zinazohusiana na afya na pia huwapeleka katika wingu.
Vifaa vya Telemedicine vinaruhusu watoa huduma za afya kufuatilia vigezo vya wagonjwa kama vile shinikizo la damu, kiwango cha moyo, kiwango cha kupumua, oksijeni, joto, tracings ECG, na uzito.

Shughuli za Fedha

Matibabu ya kadi ya mkopo ni pamoja na mifano ya utabiri iliyotumiwa na Carolinas HealthCare System ili kutambua wagonjwa ambao wako katika hatari kubwa ya kuwasilishwa kwa hospitali. Mtoa huduma ya afya ya Charlotte anatumia data kubwa kugawanya wagonjwa katika makundi mbalimbali, kwa mfano, kulingana na ugonjwa na eneo la kijiografia.

Athari za Kimaadili na Faragha

Inahitaji kuzingatiwa kwamba, wakati mwingine, kunaweza kuwa na maana muhimu ya kimaadili na faragha wakati wa kukusanya na kupata data katika huduma za afya. Vyanzo vipya vya data kubwa vinaweza kuboresha ufahamu wetu wa kile kinachoathiri watu na afya ya idadi ya watu, hata hivyo, hatari tofauti zinahitajika kuchukuliwa kwa makini na kufuatiliwa. Imekuwa pia kutambuliwa kuwa data awali ilionekana kuwa haijulikani, inaweza kupatikana tena. Kwa mfano, Profesa Latanya Sweeney wa Labara ya faragha ya Data ya Harvard ilipitia wajitolea 1,130 wanaohusika katika Mradi wa Kibinafsi. Yeye na timu yake waliweza kwa usahihi jina la asilimia 42 ya washiriki kulingana na taarifa waliyoshiriki (ZIP, tarehe ya kuzaliwa, jinsia). Maarifa haya yanaweza kuongeza ufahamu wetu wa hatari na kutusaidia kufanya maamuzi bora ya kugawana data.

> Vyanzo:

> Conway M, O'Connor D. Vyombo vya habari vya kijamii, data kubwa, na afya ya akili: maendeleo ya sasa na athari za kimaadili. Maoni ya sasa katika Psychology 2016; 9: 77-82.

> Fernandes L, O'Connor M, Weaver V. Data kubwa, matokeo makubwa. Journal ya Chama cha Usimamizi wa Taarifa ya Afya ya Amerika 2012; 83 (10): 38-43

> Guntuku S, Yaden D, Kern M, Ungar L, Eichstaedt J. Kuchunguza unyogovu na ugonjwa wa akili kwenye vyombo vya habari vya kijamii: mapitio ya ushirikiano . Maoni ya sasa katika Sayansi za Maadili 2017; 18: 43-49.

> Lazer D, Kennedy R, Mfalme G, Vespignani A. Mfano wa Google Flu: Mitego katika Uchambuzi wa Data Kubwa . Sayansi 2014; 343 (6176): 1203-1205.

> Raghupathi W, Raghupathi V. Big analytics data katika huduma za afya: ahadi na uwezo al. Sayansi ya Habari za Afya na Systems 2014; 2: 3.

> Sweeney L, Abu A, Winn J. Kuwatambua Washiriki katika Mradi wa Kibinafsi na Jina . Chuo Kikuu cha Harvard. Lebo ya faragha ya data. Karatasi Nyeusi 1021-1. Aprili 24, 2013.