Théorème de l'informatique biomédicale

Une définition théoriquement fondée de l'informatique biomédicale (IMC) a longtemps fait défaut. Pour attirer l’attention sur ce domaine scientifique, Charles Friedman, Ph.D., a proposé le théorème fondamental de l’informatique biomédicale. Il est écrit qu’une personne travaillant en partenariat avec une source d’information est "meilleure" que cette même personne sans aide. " de l'essence de l'IMC.
Le théorème implique que les informaticiens biomédicaux s'intéressent à la manière dont les ressources d'informations peuvent (ou ne peuvent pas) aider les gens. Friedman suggère, lorsqu'il parle de "personne" dans son théorème, qu'il pourrait s'agir d'un individu (un patient, un clinicien, un scientifique, un administrateur), un groupe de personnes ou même une organisation..
De plus, le théorème proposé a trois corollaires qui aident à mieux définir l’informatique:

L'informatique concerne davantage les personnes que la technologie. Cela implique que les ressources doivent être construites pour le bénéfice des personnes.
La ressource d'informations doit inclure quelque chose que la personne ne sait pas déjà. Cela suggère que la ressource doit être à la fois correcte et informative.
L'interaction entre une personne et une ressource détermine si le théorème est valable. Ce corollaire reconnaît que ce que nous savons de la personne seule ou de la ressource seule ne peut pas nécessairement prédire le résultat..

La contribution de Friedman a été reconnue comme définissant l'IMC d'une manière simple et facile à comprendre. Cependant, d'autres auteurs ont suggéré des points de vue alternatifs et des ajouts à son théorème. Par exemple, le professeur Stuart Hunter de l’Université de Princeton a souligné le rôle de la méthode scientifique dans le traitement des données. Un groupe de scientifiques de l'Université du Texas a également préconisé que la définition de l'IMC inclue la notion selon laquelle les informations en informatique sont des «données plus un sens». D'autres établissements universitaires ont fourni des définitions élaborées qui reconnaissaient la nature multidisciplinaire de l'IMC et se concentraient sur les données, les informations et les connaissances dans le contexte de la biomédecine..

Expressions du théorème fondamental de Friedman

Il est utile de considérer les expressions du théorème en fonction des personnes ou des organisations qui utiliseraient les ressources d’information. La validité du théorème dans un scénario donné peut être testée de manière empirique avec des essais contrôlés randomisés et d'autres études.
Vous trouverez ci-dessous quelques exemples de la manière dont le théorème de Friedman pourrait être appliqué dans le contexte des soins de santé actuels du point de vue de différents utilisateurs..

Utilisateurs patients

Une patiente utilisant une application de rappel de médicaments adhèrera davantage à son schéma thérapeutique que le même patient ne l'utilisant pas..
Un patient qui essaie de perdre du poids et qui suit son régime et ses exercices sur une application pour smartphone perdra plus de poids que le même patient sans l'application..
Un patient qui utilise un portail patient pour communiquer avec son médecin se sentira plus impliqué dans ses soins que le même patient sans le portail.
Une patiente qui utilise un portail patient pour afficher les résultats des tests exprimera une plus grande satisfaction de ses soins que la même patiente sans le portail.
Une patiente qui participe à un forum en ligne sur la polyarthrite rhumatoïde sa maladie sera plus efficace que la même patiente sans le forum..

Utilisateurs cliniciens

Un pédiatre utilisant un dossier médical électronique (DSE) avec des rappels de vaccination sera plus susceptible de commander des vaccins en temps voulu qu'un même médecin sans les rappels..
Un fournisseur de médicaments d’urgence ayant accès à un échange d’informations de santé local demandera moins de tests en double que le même fournisseur sans le HIE.

Une infirmière qui utilise un système sans fil pour transmettre des signes vitaux directement dans le DSE commettra moins d’erreurs de documentation que la même infirmière sans le système sans fil.
Un gestionnaire de cas utilisant un registre de patients identifiera plus de patients atteints d'hypertension non contrôlée que le même gestionnaire de cas sans registre.
Une équipe chirurgicale utilisant une liste de contrôle de sécurité aura moins d'infections du site opératoire que la même équipe chirurgicale sans liste de contrôle. (Notez que la liste de contrôle est un exemple de ressource d’information qui n’a pas besoin d’être informatisée.)
Un médecin utilisant un outil d'aide à la décision clinique (CDS) pour le dosage d'antibiotiques est plus susceptible de prescrire la dose d'antibiotique appropriée que le même médecin sans l'outil CDS..

Utilisateurs d'organisations de soins de santé

Un hôpital doté d'un programme informatisé d'évaluation du risque de thrombose veineuse profonde (TVP) dans le DSE aura moins de TVP que le même hôpital sans le programme.
Un hôpital doté d'une plate-forme mobile de saisie des ordonnances de médecin (CPOE) aura moins d'ordres téléphoniques que le même hôpital sans CPOE mobile.
Un hôpital qui utilise un EIS pour envoyer des résumés de sortie aux fournisseurs de soins primaires aura moins de réadmissions que le même hôpital sans HIE.
Un foyer de soins utilisant des technologies de capteurs aura un taux de chutes de patients inférieur à celui du même foyer de soins sans les capteurs.
Une clinique de santé pour étudiants qui envoie des rappels par SMS permettra d’obtenir des taux de vaccination plus élevés contre le papillomavirus humain (VPH) qu’une clinique sans système de messagerie texte..
Une clinique de santé rurale utilisant la télémédecine pour des consultations virtuelles avec des spécialistes enverra moins de patients aux urgences, par rapport à la même clinique sans télémédecine.
Une pratique médicale avec un tableau de bord d'amélioration de la qualité identifiera les lacunes dans la fourniture de soins de santé plus rapidement que la même pratique sans le tableau de bord.

Dernières nouvelles de l'informatique biomédicale

L'informatique biomédicale étudie parfois des problèmes complexes qu'il peut être difficile de cerner. Ce domaine comprend un large éventail de recherches, allant des évaluations d’organisations aux analyses d’ensembles de données génomiques (par exemple, la recherche sur le cancer). Il peut également être utilisé pour développer des modèles de prédiction clinique, qui sont pris en charge par les dossiers de santé électroniques (DSE). Gregory Cooper et Shyam Visweswaran, deux universitaires de l’Université de Pittsburgh, travaillent actuellement à la conception de modèles de prédiction clinique à partir de données utilisant l’intelligence artificielle (IA), l’apprentissage automatique (ML) et la modélisation bayésienne. Leurs travaux pourraient contribuer à l’élaboration de modèles spécifiques aux patients. Des modèles qui deviennent cruciaux dans la médecine moderne.