Una definició teòrica de la informàtica biomèdica (IMC) va faltar durant molt de temps. Per posar un cert enfocament en aquest camp científic, Charles Friedman, Ph.D., va proposar el teorema fonamental de la informàtica biomèdica. Afirma que "una persona que treballa en associació amb un recurs d'informació és" millor "que la mateixa persona sense assistència". El teorema de Friedman no és en realitat un teorema matemàtic formal (que es basa en la deducció i s'accepta com a veritable), sinó una destil·lació de l'essència de l'IMC.
El teorema implica que els informàtics biomèdics es refereixen a com els recursos d'informació poden (o no poden) ajudar a les persones. Quan es refereix a una "persona" en el seu teorema, Friedman suggereix que això pot ser un individu (un pacient , un metge, un científic, un administrador ), un grup de persones o fins i tot una organització.
A més, el teorema proposat té tres corol·laris que ajuden a definir millor la informàtica:
- La informàtica és més sobre la gent que la tecnologia. Això implica que els recursos haurien de ser construïts en benefici de les persones.
- El recurs d'informació ha d'incloure alguna cosa que la persona no coneix. Això suggereix que el recurs ha de ser correcte i informatiu.
- La interacció entre una persona i un recurs determina si es manté el teorema. Aquest corol·lari reconeix que el que sabem sobre la persona sola o el recurs no pot necessàriament predir el resultat.
La contribució de Friedman s'ha reconegut com la definició de l'IMC d'una manera senzilla i fàcil d'entendre. No obstant això, altres autors han suggerit punts de vista alternatius i addicions al seu teorema. Per exemple, el professor Stuart Hunter de la Universitat de Princeton va emfatitzar el paper del mètode científic en el tractament de les dades .
Un grup de científics de la Universitat de Texas també va advocar per que la definició d'IMC inclogués la idea que la informació en informàtica és "dades més significats". Altres institucions acadèmiques van proporcionar definicions elaborades que van reconèixer la naturalesa multidisciplinària de l'IMC i es van centrar en dades, informació i coneixement en el context de la biomedicina.
Expressions del teorema fonamental de Friedman
És útil considerar expressions del teorema pel que fa a les persones o organitzacions que utilitzarien els recursos d'informació. Si el teorema és veritat en un escenari determinat, es pot provar empíricament amb assaigs controlats aleatoris i altres estudis.
A continuació es presenten alguns exemples de com el teorema de Friedman es podria aplicar en el context de l'assistència sanitària actual des de la perspectiva de diferents usuaris.
Usuaris del pacient
- Un pacient que utilitzi una aplicació de recordatori de medicaments serà més adherent al seu règim de medicació que el mateix pacient que no utilitza l'aplicació.
- Un pacient que intenta perdre pes que fa el seguiment de la dieta i l'exercici en una aplicació per a telèfons intel·ligents perdrà més pes que el mateix pacient sense l'aplicació.
- Un pacient que utilitzi un portal de pacients per comunicar-se amb el seu metge se sentirà més compromès amb la seva atenció que el mateix pacient sense el portal.
- Un pacient que utilitzi un portal de pacients per veure els resultats de les proves expressarà una major satisfacció amb la seva cura que el mateix pacient sense el portal.
- Un pacient que participi en un fòrum en línia per a l'artritis reumatoide s'enfrontarà amb més eficàcia a la seva malaltia que el mateix pacient sense el fòrum.
Usuaris clínics
- Un pediatre que utilitzi un historial mèdic electrònic (EHR) amb recordatoris de vacunació tindrà més probabilitats d'ordenar vacunes oportunes que el mateix metge sense recordatoris.
- Un proveïdor de medicaments d'emergència que tingui accés a un intercanvi local d' informació de salut (HIE) ordenarà menys proves duplicades que el mateix proveïdor sense HIE.
- Una infermera que utilitza un sistema sense fil per transmetre senyals vitals directament a l'EHR farà menys errors de documentació que la mateixa infermera sense el sistema sense fils.
- Un gestor de casos que utilitzi un registre de pacients identificarà més pacients amb hipertensió no controlada que el mateix gestor de casos sense el registre.
- Un equip quirúrgic que utilitza una llista de control de seguretat tindrà menys infeccions de lloc quirúrgic que el mateix equip quirúrgic sense una llista de comprovació. ( Tingueu en compte que la llista de comprovació és un exemple d'un recurs d'informació que no necessita ser informatitzat).
- Un metge que utilitza una eina de suport de decisió clínica (CDS) per a la dosificació d'antibiòtics és més probable que prescrigui la dosi d'antibiòtics adequada que el metge mateix sense l'eina CDS.
Usuaris de l'organització de l'assistència sanitària
- Un hospital amb un programa informatitzat d'avaluació del risc de trombosi venosa profunda (DVT) a l'EHR tindrà menys DVT que el mateix hospital sense el programa.
- Un hospital amb una plataforma d'accés a l'ordinador mèdic informatitzat (CPOE) tindrà menys comandes telefòniques que el mateix hospital sense CPOE mòbil.
- Un hospital que utilitza un HIE per enviar resums de gestió als proveïdors d'atenció primària tindrà menys readmissions que el mateix hospital sense HIE.
- Una residència d'ancians que utilitzi tecnologies de sensors tindrà un índex més baix de pacients que la mateixa llar d'avis sense els sensors.
- Una clínica d'assistència estudiantil que envia recordatoris de missatges de text obtindrà taxes de vacunació més altes per al virus de l'papil·loma humà (VPH) que una clínica sense el sistema de missatges de text.
- Una clínica de salut rural que utilitza telemedicina per a consultes virtuals amb especialistes enviarà menys pacients a la sala d'emergències, en comparació amb la mateixa clínica sense telemedicina.
- Una pràctica mèdica amb un tauler de millora de la qualitat identificarà els buits en la provisió d'assistència sanitària més ràpidament que la mateixa pràctica sense el tauler.
L'últim en informàtica biomèdica
De vegades la informàtica biomèdica estudia problemes complexos que poden ser difícils de capturar. Aquest camp inclou un ampli espectre de recerca, que va des de les avaluacions d'organitzacions fins a anàlisis de conjunts de dades genòmics (p. Ex., Investigació sobre el càncer). També es pot utilitzar per desenvolupar models de predicció clínica, que estan recolzats en registres electrònics de salut (EHR). Dos investigadors de la Universitat de Pittsburgh, Gregory Cooper i Shyam Visweswaran treballen actualment en el disseny de models de predicció clínica a partir de dades que utilitzen intel·ligència artificial (AI), màquina d'ensenyament (ML) i models de Bayesian. El seu treball podria contribuir al desenvolupament de models específics del pacient. Models que ara es converteixen en crucials en la medicina moderna.
> Fonts:
> Bernstam E, Smith J, Johnson T. Què és la informàtica biomèdica ?. J Biomed Inform . 2010; 43: 104-110.
> Friedman CP. Un "Teorema fonamental" de la informàtica biomèdica . J Am Med Inform Assoc. 2009; 16: 169-170.
> Hunter J. Enhancing Friedman "Teorema fonamental de la informàtica biomèdica" . J Am Med Inform Assoc . 2010; 17 (1): 112.
> Visweswaran S, Cooper G. Modelització predictiu específica de la instància d'aprenentatge . J Mach aprèn res . 2010; 11: 3333-3369.