बायोमेडिकल सूचना विज्ञान (बीएमआई) की सैद्धांतिक रूप से आधारभूत परिभाषा में काफी समय लग रहा था। इस वैज्ञानिक क्षेत्र में कुछ ध्यान देने के लिए, चार्ल्स फ्राइडमैन, पीएचडी ने बायोमेडिकल सूचना विज्ञान के मौलिक प्रमेय का प्रस्ताव दिया। यह बताता है कि "एक सूचना संसाधन के साथ साझेदारी में काम करने वाला व्यक्ति उस व्यक्ति से बेहतर 'बेहतर' होता है।" फ्राइडमैन का प्रमेय वास्तव में एक औपचारिक गणितीय प्रमेय नहीं है (जो कटौती पर आधारित है और इसे सत्य के रूप में स्वीकार किया जाता है), बल्कि एक आसवन बीएमआई के सार का।
प्रमेय का तात्पर्य है कि जैव चिकित्सा सूचनाकार इस बात से चिंतित हैं कि कैसे सूचना संसाधन लोगों की मदद कर सकते हैं (या नहीं कर सकते)। अपने प्रमेय में 'व्यक्ति' का जिक्र करते समय, फ्राइडमैन सुझाव देते हैं कि यह या तो एक व्यक्ति (एक रोगी , चिकित्सक, एक वैज्ञानिक, एक प्रशासक ), लोगों का समूह या यहां तक कि एक संगठन भी हो सकता है।
इसके अलावा, प्रस्तावित प्रमेय में तीन सिद्धांत हैं जो सूचना विज्ञान को बेहतर तरीके से परिभाषित करने में मदद करते हैं:
- सूचना प्रौद्योगिकी से लोगों के बारे में अधिक जानकारी है। इसका तात्पर्य है कि संसाधनों को लोगों के लाभ के लिए बनाया जाना चाहिए।
- सूचना संसाधन में कुछ ऐसा शामिल होना चाहिए जिसे व्यक्ति पहले से ही नहीं जानता है। इससे पता चलता है कि संसाधन को सही और सूचनात्मक दोनों होना चाहिए।
- किसी व्यक्ति और संसाधन के बीच बातचीत यह निर्धारित करती है कि प्रमेय धारण करता है या नहीं। यह अनुशासनिक मान्यता देता है कि हम अकेले व्यक्ति या संसाधन के बारे में जो जानते हैं, वह परिणाम की भविष्यवाणी नहीं कर सकता है।
फ्राइडमैन का योगदान बीएमआई को सरल और आसानी से समझने के तरीके के रूप में परिभाषित करने के रूप में पहचाना गया है। हालांकि, अन्य लेखकों ने अपने प्रमेय में वैकल्पिक दृष्टिकोण और जोड़ों का सुझाव दिया है। उदाहरण के लिए, प्रिंसटन विश्वविद्यालय के प्रोफेसर स्टुअर्ट हंटर ने डेटा से निपटने के दौरान वैज्ञानिक विधि की भूमिका पर जोर दिया।
टेक्सास विश्वविद्यालय के वैज्ञानिकों के एक समूह ने भी वकालत की कि बीएमआई की परिभाषा में इस धारणा को शामिल करना चाहिए कि सूचना विज्ञान में जानकारी 'डेटा प्लस अर्थ' है। अन्य शैक्षणिक संस्थानों ने व्यापक परिभाषाएं प्रदान कीं जो बीएमआई की बहुआयामी प्रकृति को मान्यता दी और बायोमेडिसिन के संदर्भ में डेटा, सूचना और ज्ञान पर केंद्रित थीं।
फ्राइडमैन के मौलिक प्रमेय के अभिव्यक्तियां
संसाधन संसाधनों का उपयोग करने वाले लोगों या संगठनों के संदर्भ में प्रमेय के अभिव्यक्तियों पर विचार करना उपयोगी होता है। क्या किसी दिए गए परिदृश्य में प्रमेय सत्य है या नहीं, यादृच्छिक नियंत्रित परीक्षणों और अन्य अध्ययनों के साथ अनुभवी परीक्षण किया जा सकता है।
विभिन्न उपयोगकर्ताओं के परिप्रेक्ष्य से वर्तमान स्वास्थ्य देखभाल के संदर्भ में फ्राइडमैन के प्रमेय को कैसे लागू किया जा सकता है इसके कुछ उदाहरण नीचे दिए गए हैं।
रोगी उपयोगकर्ता
- एक दवा अनुस्मारक ऐप का उपयोग करने वाला एक मरीज ऐप का उपयोग न करने वाले रोगी की तुलना में उसके दवा के लिए अधिक अनुपालन करेगा।
- एक रोगी वजन कम करने की कोशिश कर रहा है जो स्मार्टफोन ऐप पर आहार और अभ्यास ट्रैक करता है, ऐप के बिना उसी रोगी से अधिक वजन कम कर देगा।
- एक रोगी जो अपने चिकित्सक के साथ संवाद करने के लिए एक मरीज पोर्टल का उपयोग करता है, पोर्टल के बिना उसी रोगी की तुलना में उसकी देखभाल में अधिक व्यस्त महसूस करेगा।
- एक रोगी जो परीक्षण परिणामों को देखने के लिए एक मरीज पोर्टल का उपयोग करता है, पोर्टल के बिना उसी रोगी की तुलना में उसकी देखभाल के साथ उच्च संतुष्टि व्यक्त करेगा।
- एक रोगी जो रूमेटोइड गठिया के लिए ऑनलाइन फोरम में भाग लेता है, वह फोरम के बिना उसी रोगी की तुलना में अपनी बीमारी के साथ अधिक प्रभावी ढंग से सामना करेगा।
चिकित्सक उपयोगकर्ता
- टीकाकरण अनुस्मारक के साथ एक इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) का उपयोग कर एक बाल रोग विशेषज्ञ अनुस्मारक के बिना एक ही चिकित्सक की तुलना में समय पर टीकाकरण करने की अधिक संभावना होगी।
- एक स्थानीय स्वास्थ्य सूचना विनिमय (HIE) तक पहुंच के साथ एक आपातकालीन दवा प्रदाता HIE के बिना एक ही प्रदाता की तुलना में कम डुप्लिकेट परीक्षणों का आदेश देगा।
- एक नर्स जो वायरलेस सिस्टम का उपयोग सीधे ईएचआर में महत्वपूर्ण संकेतों को प्रेषित करने के लिए करती है, वायरलेस सिस्टम के बिना उसी नर्स की तुलना में कम दस्तावेज त्रुटियों को कम करेगी।
- एक रोगी रजिस्ट्री का उपयोग कर एक केस मैनेजर रजिस्ट्री के बिना एक ही केस मैनेजर की तुलना में अनियंत्रित उच्च रक्तचाप वाले अधिक रोगियों की पहचान करेगा।
- एक सुरक्षा चेकलिस्ट का उपयोग कर एक शल्य चिकित्सा टीम में एक ही सर्जिकल टीम की तुलना में कम सर्जिकल साइट संक्रमण की जांच होगी। ( ध्यान दें कि चेकलिस्ट एक सूचना संसाधन का एक उदाहरण है जिसे कंप्यूटरीकृत करने की आवश्यकता नहीं है।)
- एंटीबायोटिक खुराक के लिए नैदानिक निर्णय समर्थन (सीडीएस) उपकरण का उपयोग करने वाला एक चिकित्सक सीडीएस उपकरण के बिना एक ही चिकित्सक की तुलना में उपयुक्त एंटीबायोटिक खुराक लिखने की अधिक संभावना है।
स्वास्थ्य देखभाल संगठन उपयोगकर्ता
- ईएचआर में कम्प्यूटरीकृत गहरे शिरापरक थ्रोम्बिसिस (डीवीटी) जोखिम मूल्यांकन कार्यक्रम वाले अस्पताल में कार्यक्रम के बिना उसी अस्पताल की तुलना में कम डीवीटी होंगे।
- एक मोबाइल कम्प्यूटरीकृत चिकित्सक ऑर्डर एंट्री (सीपीओई) प्लेटफॉर्म वाले अस्पताल में मोबाइल सीपीओई के बिना उसी अस्पताल की तुलना में कम टेलीफोन ऑर्डर होंगे।
- एक अस्पताल जो प्राथमिक देखभाल प्रदाताओं को निर्वहन सारांश भेजने के लिए एक HIE का उपयोग करता है, उसके पास उसी अस्पताल की तुलना में एचईई के बिना कम पढ़ाई होगी।
- सेंसर प्रौद्योगिकियों का उपयोग कर एक नर्सिंग होम में सेंसर के बिना उसी नर्सिंग होम की तुलना में रोगी की कम दर होगी।
- टेक्स्ट मैसेज रिमाइंडर्स भेजते हुए एक छात्र स्वास्थ्य क्लिनिक टेक्स्ट मैसेजिंग सिस्टम के बिना क्लिनिक की तुलना में मानव पैपिलोमावायरस (एचपीवी) के लिए उच्च टीकाकरण दर प्राप्त करेगा।
- विशेषज्ञों के साथ आभासी परामर्श के लिए टेलीमेडिसिन का उपयोग करके एक ग्रामीण स्वास्थ्य क्लिनिक टेलीमेडिसिन के बिना उसी क्लिनिक की तुलना में आपातकालीन कमरे में कम रोगियों को भेज देगा।
- एक गुणवत्ता सुधार डैशबोर्ड के साथ एक चिकित्सा अभ्यास डैशबोर्ड के बिना एक ही अभ्यास की तुलना में स्वास्थ्य देखभाल प्रावधान में अंतराल की पहचान करेगा।
बायोमेडिकल सूचना विज्ञान पर नवीनतम
कभी-कभी बायोमेडिकल सूचना विज्ञान जटिल समस्याओं का अध्ययन करते हैं जिन्हें कैप्चर करना मुश्किल हो सकता है। इस क्षेत्र में संगठनों के मूल्यांकन से लेकर जीनोमिक डेटासेट विश्लेषण (उदाहरण के लिए कैंसर अनुसंधान) से लेकर अनुसंधान का एक व्यापक स्पेक्ट्रम शामिल है। इसका उपयोग नैदानिक पूर्वानुमान मॉडल विकसित करने के लिए भी किया जा सकता है, जिन्हें इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड (ईएचआर) द्वारा समर्थित किया जा रहा है। पिट्सबर्ग विश्वविद्यालय, ग्रेगरी कूपर और श्याम विश्वेश्वरन के दो विद्वान वर्तमान में कृत्रिम बुद्धि (एआई), मशीन लर्निंग (एमएल) और बेयसियन मॉडलिंग का उपयोग कर डेटा से क्लिनिकल भविष्यवाणी मॉडल तैयार करने पर काम कर रहे हैं। उनका काम रोगी-विशिष्ट मॉडल के विकास में योगदान दे सकता है। मॉडल जो आधुनिक चिकित्सा में अब महत्वपूर्ण हो रहे हैं।
> स्रोत:
> बर्नस्टाम ई, स्मिथ जे, जॉनसन टी। बायोमेडिकल सूचना विज्ञान क्या है? जे बायोमेड सूचना । 2010, 43: 104-110।
> फ्राइडमैन सीपी। बायोमेडिकल सूचना विज्ञान का एक "मौलिक प्रमेय" । जे एम मेड इंफॉर्म Assoc। 2009; 16: 169-170।
> हंटर जे। फ्राइडमैन के "बायोमेडिकल सूचना विज्ञान के मौलिक प्रमेय" को बढ़ा रहा है । जे एम मेड इंफॉर्म Assoc । 2010, 17 (1): 112।
> विश्वेश्वर एस, कूपर जी लर्निंग इंस्टेंस-विशिष्ट भविष्यवाणी मॉडल । जे मैच रेस जानें । 2010, 11: 3333-3369।