மருத்துவத்தில் பெரிய தரவு ஆதாரங்கள்

மருத்துவத்தில் பெரிய தரவு ஆதாரங்கள்

மருத்துவத்தில் பெரிய தரவு ஒரு எளிய வரையறை "நோயாளி சுகாதார மற்றும் நல்வாழ்வை தொடர்பான தரவு மொத்தம்" (ரகுபதி 2014). ஆனால் இந்த வகையான தரவு என்ன, அவர்கள் எங்கு இருந்து வருகிறார்கள்?

சுகாதார பராமரிப்பு வழங்குநர்கள், ஆய்வாளர்கள், ஊதியம், கொள்கை வகுப்பாளர்கள் மற்றும் தொழில்துறையின் பெரிய தரவுகளின் வகைகள் மற்றும் ஆதாரங்களின் பரந்த கண்ணோட்டம் பின்வருமாறு.

இந்த பிரிவுகள் பரவலாக இல்லை, ஏனென்றால் ஒரே தரவு பல்வேறு ஆதாரங்களில் இருந்து உருவாகலாம்.

இந்த பட்டியல் முழுமையானது அல்ல, ஏனெனில் பெரிய தரவு பகுப்பாய்வு நடைமுறை பயன்பாடு நிச்சயமாக விரிவாக்கப்படும்.

மருத்துவ தகவல் அமைப்புகள்

சுகாதார மருத்துவ சேவை வழங்குபவர்கள் பார்வையிடும் பழக்கவழக்கங்கள் இவை மருத்துவ தரவுகளின் பாரம்பரிய ஆதாரங்கள்.

செலுத்துபவர்களிடமிருந்து கோரிக்கைகள் தரவு

பொது ஊதியம் (எ.கா. மெடிகேர்) மற்றும் தனியார் ஊதியம் பெறுபவர்கள் தங்கள் பயனாளர்களிடம் உள்ள கோரிக்கைத் தரவுகளின் பெரிய களஞ்சியங்களைக் கொண்டுள்ளனர். சில உடல்நல காப்பீட்டு நிறுவனங்கள் உங்கள் சுகாதாரத் தகவலை பகிர்ந்து கொள்வதற்கான ஊக்கத்தை வழங்குகின்றன.

ஆராய்ச்சி ஆய்வுகள்

ஆராய்ச்சி தரவுத்தளங்களில் ஆய்வு பங்கேற்பாளர்கள், பரிசோதனை சிகிச்சைகள் மற்றும் மருத்துவ விளைவுகளை பற்றிய தகவல்கள் உள்ளன. பெரிய படிப்புகள் பொதுவாக மருந்து நிறுவனங்கள் அல்லது அரசு நிறுவனங்களால் நிதியளிக்கப்படுகின்றன. தனிப்பட்ட சிகிச்சையின் பயன்பாடு, நோயாளிகளுக்கு சிகிச்சையளிக்கப்பட்ட சிகிச்சைகள் மூலம் மருத்துவ நோயாளிகளுடன் ஒப்பிடுவதாகும்.

இந்த அணுகுமுறை சான்று அடிப்படையிலான மருத்துவக் கொள்கைகளை பயன்படுத்துவதைத் தவிர்த்து நகர்கிறது, இதன் மூலம் ஒரு நோயாளியின் நோயாளி ஒரு நோயாளியின் பரந்த பண்புகளை (எ.கா. வயது, பாலினம், இனம், மருத்துவ நிலை) பரீட்சை பங்கேற்பாளர்களுடன் பகிர்ந்து கொள்கிறாரா என்பதை நிர்ணயிக்கிறது. பெரிய தரவு பகுப்பாய்வுகளுடன், நோயாளியின் புற்றுநோயின் மரபணுத் தன்மை (கீழே பார்க்கவும்) போன்ற மிகச் சிறிய தகவல்களை அடிப்படையாகக் கொண்டு சிகிச்சையைத் தேர்ந்தெடுக்க முடியும்.

மருத்துவ முடிவெடுக்கும் ஆதரவு அமைப்புகள் (CDSS) மேலும் விரைவாக வளர்ந்து வருகின்றன, தற்போது செயற்கை நுண்ணறிவு (AI) இன் மிகப்பெரிய பகுதியாக மருத்துவத்தில் உள்ளன.

அவர்கள் முடிவெடுக்கும் முடிவைக் கொண்ட மருத்துவர்கள் உதவ நோயாளி தரவைப் பயன்படுத்துகிறார்கள் மற்றும் பெரும்பாலும் EHR களுடன் இணைந்து கொள்கின்றனர்.

மரபணு தரவுத்தளங்கள்

மனித மரபணு தகவல்களின் தொகுப்பானது விரைவான வேகத்தில் குவிக்கப்படுகிறது. மனித ஜீனோம் திட்டம் 2003 ல் முடிவடைந்ததில் இருந்து, மனித டி.என்.ஏ வரிசைமுறையின் செலவு ஒரு மில்லியன் மடங்கு குறைக்கப்பட்டுள்ளது. ஹார்வர்டு மருத்துவக் கல்லூரியால் 2005 ஆம் ஆண்டில் தொடங்கப்பட்ட தனிநபர் ஜீனோம் திட்டம் (PGP), உலகெங்கிலும் இருந்து 100,000 தன்னார்வ தொண்டு நிறுவனங்களின் முழுமையான மரபணுக்களை வரிசைப்படுத்தவும், விளம்பரப்படுத்தவும் முயல்கிறது. PGP தன்னை மிகப்பெரிய தரவு திட்டத்தின் பிரதான உதாரணமாக இருக்கிறது.

தனிப்பட்ட ஜீனோமில் 100 ஜிகாபைட் தரவு உள்ளது. மரபணுக்களை வரிசைப்படுத்துவதோடு கூடுதலாக, EGRs, ஆய்வுகள், மற்றும் நுண்ணுயிரியல் சுயவிவரங்கள் ஆகியவற்றிலிருந்து தரவுகளை PGP சேகரிக்கிறது.

பல நிறுவனங்கள் நேரடியாக நுகர்வோர் மரபணு வரிசைமுறைகளை சுகாதாரத்திற்கான, தனிப்பட்ட குணநலன்களுக்காக, மற்றும் மருந்து அடிப்படையிலான மருந்தாக்கியலைப் பயன்படுத்துகின்றன.

இந்த தனிப்பட்ட தகவல்கள் பெரிய தரவு பகுப்பாய்வுகளுக்கு அடிபணிந்தன. உதாரணமாக, 23andMe அமெரிக்க உணவு மற்றும் மருந்து நிர்வாகம் இணங்க நவம்பர் 22, 2013, புதிய வாடிக்கையாளர்களுக்கு சுகாதார தொடர்பான மரபணு அறிக்கைகளை வழங்கி நிறுத்தி. இருப்பினும், 2015 ஆம் ஆண்டில், மீண்டும் தங்கள் மரபணு உமிழ்நீர் சோதனை சில சுகாதார கூறுகளை வழங்க தொடங்கியது, இந்த நேரத்தில் FDA ஒப்புதல்.

பொது பதிவுகள்

குடியேற்றம், திருமணம், பிறப்பு மற்றும் இறப்பு போன்ற சுகாதார தொடர்பான நிகழ்வுகள் குறித்த விரிவான பதிவுகளை அரசாங்கம் தொடர்ந்து வைத்திருக்கிறது. அமெரிக்க மக்கள்தொகை கணக்கெடுப்பு 1790 முதல் ஒவ்வொரு 10 ஆண்டுகளுக்கும் மேலாக பரந்த அளவில் தகவல்களை சேகரித்துள்ளது. மக்கள்தொகை கணக்கெடுப்பு இணையதளத்தில் 2013 ஆம் ஆண்டில் 370 பில்லியன் செல்கள் இருந்தன, சுமார் 11 பில்லியன் ஆண்டுகளுக்கு கூடுதலாக சேர்க்கப்பட்டுள்ளது.

வலை தேடல்கள்

கூகிள் மற்றும் பிற வலைத் தேடல் வழங்குநர்கள் கூடிடப்பட்ட வலை தேடல் தகவலானது, மக்கள்தொகை சுகாதாரத்துடன் தொடர்புடைய நிகழ் நேர நுண்ணறிவுகளை வழங்க முடியும். இருப்பினும், வலைத் தேடல் முறைகள் இருந்து பெரிய தரவு மதிப்பு அதை பாரம்பரிய தரவு பாரம்பரிய ஆதாரங்கள் இணைப்பதன் மூலம் மேம்படுத்தலாம்.

சமூக ஊடகம்

ஃபேஸ்புக், ட்விட்டர் மற்றும் பிற சமூக ஊடக தளங்கள் கடிகாரத்தைச் சுற்றி தரவுகளை வளர்க்கின்றன, இடங்களில், ஆரோக்கியமான நடத்தைகள், உணர்ச்சிகள் மற்றும் பயனர்களின் சமூக உரையாடல்கள் ஆகியவற்றைப் பார்வையிடுகின்றன. பொது சுகாதாரத்திற்கு சமூக ஊடகம் பெரிய தரவு பயன்பாடு டிஜிட்டல் நோய் கண்டறிதல் அல்லது டிஜிட்டல் தொற்று நோய் என குறிப்பிடப்படுகிறது. எடுத்துக்காட்டாக, ட்விட்டர், பொது மக்களிடையே காய்ச்சல் தொற்று நோய்களை ஆய்வு செய்ய பயன்படுத்தப்பட்டு வருகிறது.

பென்சில்வேனியா பல்கலைக்கழகத்தில் தொடங்கப்பட்ட உலக நலத்திட்ட திட்டம், மக்களின் அனுபவத்தையும் ஆரோக்கியத்தையும் புரிந்து கொள்ள சமூக ஊடகங்களைப் படிக்க மற்றொரு உதாரணம். பேஸ்புக் மற்றும் ட்விட்டரில் நிலை மேம்படுத்தல்களை எழுதுகையில், உதாரணமாக, ஆன்லைனில் பேசும் போது பயன்படுத்தப்படும் மொழியைப் பகுப்பாய்வு செய்யும் உளவியலாளர்கள், புள்ளியியல் வல்லுநர்கள் மற்றும் கணினி விஞ்ஞானிகள் ஆகியோரை இந்தத் திட்டம் ஒருங்கிணைக்கிறது. விஞ்ஞானிகள் பயனர்கள் எவ்வாறு தங்கள் உடல்நலத்திற்கும் மகிழ்ச்சிக்கும் தொடர்புகொள்கிறார்கள் என்பதை கவனித்து வருகிறார்கள். இயற்கையான மொழி செயலாக்கம் மற்றும் இயந்திர கற்றல் முன்னேற்றங்கள் தங்கள் முயற்சிகளுக்கு உதவுகின்றன. பென்சில்வேனியா பல்கலைக்கழகத்தின் சமீபத்திய வெளியீடு சமூக ஊடகங்கள் பகுப்பாய்வு செய்வதன் மூலம் மன நோய்களை கணிக்க வழிகளைக் கண்டது. இணையத்தின் பயன்பாட்டைப் படிப்பதன் மூலம் மனச்சோர்வு மற்றும் பிற மனநல நிலைமைகள் கண்டறியப்படலாம் என்று தோன்றுகிறது. எதிர்காலத்தில் இந்த விஞ்ஞானிகள் நம்பிக்கைக்குரியவர்கள் அடையாளம் காணவும், ஆபத்தை உண்டாக்கவும் உதவ முடியும்.

தி இன்டர்நெட் ஆஃப் திங்ஸ் (ஐஓடி)

சுகாதார தொடர்பான தகவல்களின் பெரும் துளைகள் சேகரிக்கப்பட்டு மொபைல் மற்றும் வீட்டு சாதனங்களில் சேகரிக்கப்படுகின்றன.

நிதி பரிவர்த்தனைகள்

நோயாளிகளுக்கு கடன் அட்டை பரிவர்த்தனைகள் கரோலினாஸ் ஹெல்த்கேர் சிஸ்டம் பயன்படுத்தப்படும் முன்னறிவிக்கப்பட்ட மாதிரியில் சேர்க்கப்பட்டுள்ளது, இது மருத்துவமனைக்கு இடம்பெயர்வதற்கு அதிக ஆபத்தில் உள்ள நோயாளிகளை அடையாளம் காணும். சார்லோட் சார்ந்த சுகாதார பராமரிப்பு வழங்குநர் நோயாளிகளுக்கு பல்வேறு குழுக்களாக பிரிக்க பெரும் தரவுகளைப் பயன்படுத்துகிறார், எடுத்துக்காட்டாக, நோய் மற்றும் புவியியல் இருப்பிடத்தின் அடிப்படையில்.

நெறிமுறை மற்றும் தனியுரிமை தாக்கங்கள்

சில சந்தர்ப்பங்களில், உடல்நலம் பற்றிய தகவல்களை சேகரித்து அணுகும் போது முக்கியமான நன்னெறி மற்றும் தனியுரிமை உட்கூறுகள் இருக்கலாம். பெரிய தரவு புதிய ஆதாரங்கள் தனிநபர்கள் மற்றும் மக்கள் சுகாதார என்ன பாதிப்பு பற்றி எங்கள் புரிதலை மேம்படுத்த முடியும், எனினும், பல்வேறு அபாயங்கள் கவனமாக கருதப்படுகிறது மற்றும் கண்காணிக்க வேண்டும். தரவு முன்பே அநாமதேயமாகக் கருதப்பட்டதை மறுபரிசீலனை செய்யலாம் என்று இப்போது அறியப்பட்டுள்ளது. உதாரணமாக, ஹார்வர்ட் தரவுத் தகவல் தனியுரிமைப் பிரிவின் பேராசிரியர் லாதேன்சுனி ஸ்வீினிய ஜெனோம் திட்டத்தில் 1,130 தொண்டர்கள் கலந்துரையாடினர். அவரும் அவரது குழுவும் பகிரப்பட்ட தகவல்களின் அடிப்படையில் (ZIP குறியீடு, பிறந்த திகதி, பாலினம்) அடிப்படையில் 42 சதவிகிதத்தை சரியாக பெயரிட முடிந்தது. இந்த அறிவு சாத்தியமான ஆபத்துக்களை பற்றிய விழிப்புணர்வை அதிகரிக்கவும், சிறந்த தரவு பகிர்வு முடிவுகளை எடுப்பதற்கு உதவும்.

> ஆதாரங்கள்:

> கான்வே எம், ஓ'கானர் டி. சோஷியல் மீடியா, பெரிய தரவு, மற்றும் மன ஆரோக்கியம்: தற்போதைய முன்னேற்றங்கள் மற்றும் நெறிமுறை தாக்கங்கள். உளவியலில் தற்போதைய கருத்து 2016; 9: 77-82.

> பெர்னாண்டஸ் எல், ஓ'கோனோர் எம், வீவர் வி. பெரிய தரவு, பெரிய விளைவுகளை. அமெரிக்கன் ஹெல்த் இன்ஃபர்மேஷன் மேனேஜ்மென்ட் அசோஸியேஷன் 2012 இன் ஜர்னல் ஆஃப் 83, (10): 38-43

> குண்டுகு எஸ், யாதன் டி, கெர்ன் எம், அன்கர் எல், எச்ஸ்டாடெட் ஜே . சமூக மீடியா மீது மன அழுத்தம் மற்றும் மன நோய்களைக் கண்டறிதல்: ஒரு ஒருங்கிணைந்த மறுஆய்வு . நடத்தை அறிவியலில் தற்போதைய கருத்து 2017; 18: 43-49.

> லேசர் டி, கென்னடி ஆர், கிங் ஜி, வெஸ்பிக்னி ஏ. தி ஃப்ளூ ஆஃப் கூகிள் ஃப்ளூ: பெரிய தரவு பகுப்பாய்வு உள்ள பொறிகளை . அறிவியல் 2014; 343 (6176): 1203-1205.

> ரகுபதி வி, ரகுபதி வி. பிக் டேட்டா அனாலிடிக்ஸ் இன் ஹெல்த்கேர்: வாக்குறுதி மற்றும் பானெனி அல். சுகாதார தகவல் அறிவியல் மற்றும் அமைப்புகள் 2014; 2: 3.

> ஸ்வீனி எல், அபு அ, வின் ஜே . பெயர் ஜெனரல் ஜெனோம் திட்டத்தில் பங்கேற்பாளர்களை அடையாளப்படுத்துதல் . ஹார்வர்ட் பல்கலைக்கழகம். தரவு தனியுரிமை லேப். வெள்ளை காகித 1021-1. ஏப்ரல் 24, 2013.