મેડિસિનમાં મોટા ડેટાના સ્ત્રોતો
દવામાં મોટી માહિતીની સરળ વ્યાખ્યા "દર્દી સ્વાસ્થ્ય સંભાળ અને સુખાકારી સાથે સંકળાયેલી માહિતીની સંપૂર્ણતા" (રઘુધીતી 2014) છે. પરંતુ આ પ્રકારની માહિતી બરાબર શું છે અને તેઓ ક્યાંથી આવે છે?
સ્વાસ્થ્ય સંભાળ પ્રબંધકો, સંશોધકો, ચુકવણીકારો, નીતિ ઘડવૈયાઓ અને ઉદ્યોગમાં રુચિના મોટા ડેટાના પ્રકારો અને સ્રોતોની નીચે મુજબની વ્યાપક ઝાંખી છે.
આ વર્ગો પરસ્પર વિશિષ્ટ નથી, કારણ કે તે જ ડેટા વિવિધ સ્ત્રોતોમાંથી ઉદ્ભવી શકે છે.
આ સૂચિ સંપૂર્ણ નથી, કેમ કે મોટા ડેટા એનાલિટિક્સના પ્રાયોગિક ઉપયોગ ચોક્કસપણે વિસ્તૃત કરવાનું ચાલુ રાખશે.
ક્લિનિકલ ઇન્ફર્મેશન સિસ્ટમ્સ
આ ક્લિનિકલ માહિતીના પરંપરાગત સ્રોતો છે જે આરોગ્ય સંભાળ પ્રદાતાઓને જોવા માટે ટેવાયેલા છે.
- ઇલેક્ટ્રોનિક હેલ્થ રેકોર્ડ્સ (ઇએચઆર (EHR)) વસ્તી વિષયક માહિતી, ભૂતકાળના તબીબી ઇતિહાસ, સક્રિય તબીબી સમસ્યાઓ, રસીકરણ, એલર્જી, દવાઓ, મહત્વપૂર્ણ ચિહ્નો, પ્રયોગશાળાના પરિણામો અને રેડિયોલોજી પરીક્ષણો, રોગવિજ્ઞાન અહેવાલો, આરોગ્ય સંભાળ દ્વારા બનાવવામાં આવેલી પ્રગતિ નોંધો એકત્રિત, સંગ્રહિત અને પ્રદર્શિત કરે છે. પ્રદાતાઓ, અને વહીવટી અને નાણાકીય દસ્તાવેજો
- ઇલેક્ટ્રોનિક તબીબી રેકોર્ડ (ઇએમઆર) EHRs માટે સમાન નથી અને સામાન્ય રીતે ચોક્કસ ડોક્ટર સાથે સંગ્રહિત ડેટા સાથે સંકળાયેલા છે.
- આરોગ્ય માહિતી એક્સચેન્જો વિવિધ તબીબી માહિતી સિસ્ટમો વચ્ચેના હબ તરીકે સેવા આપે છે
- પોતાના દર્દીઓમાં આરોગ્ય સંભાળ સંસ્થાઓ દ્વારા સંચાલિત પેશન્ટ રજિસ્ટ્ર્સ, ઘણી વખત EHR સાથે જોડાયેલા હોય છે. અન્ય રજિસ્ટ્રિટ્સ વિશાળ ભૌગોલિક ધોરણે રસીકરણ, કેન્સર, આઘાત અને અન્ય પબ્લિક હેલ્થ મુદ્દાઓનું ધ્યાન રાખે છે.
- દર્દી પોર્ટેલ્સ દર્દીઓને આરોગ્ય સંભાળ સંસ્થાના EHR માં સંગ્રહિત વ્યક્તિગત આરોગ્ય માહિતીને ઍક્સેસ કરવાની પરવાનગી આપે છે. કેટલાક દર્દી પોર્ટલ પણ વપરાશકર્તાઓને પ્રિસ્ક્રિપ્શન રિફિલની વિનંતી કરવાની અને હેલ્થ કેર ટીમ સાથે સુરક્ષિત ઇલેક્ટ્રોનિક સંદેશાઓનું વિનિમય કરવાની મંજૂરી આપે છે.
- ક્લિનિકલ ડેટા વેરહાઉસ એ સંખ્યાબંધ ક્લિનિકલ ઇન્ફર્મેશન સિસ્ટમ્સમાંથી દર્દી-સ્તરની માહિતી એકત્રિત કરે છે, જેમ કે EHRs અને ઉપર સૂચિબદ્ધ અન્ય સ્રોતો
દાતાઓ પાસેથી ડેટા દાવાઓ
જાહેર ચુકવણીકારો (દા.ત. મેડીકેર) અને ખાનગી દાતાઓ પાસે તેમના લાભાર્થીઓના દાવાઓના મોટા જથ્થા છે. કેટલાક સ્વાસ્થ્ય વીમા કંપનીઓ હવે તમારા આરોગ્ય માહિતીને શેર કરવા માટે પ્રોત્સાહનો પણ આપે છે.
સંશોધન અભ્યાસો
સંશોધન ડેટાબેઝમાં અભ્યાસ સહભાગીઓ, પ્રાયોગિક ઉપચાર અને ક્લિનિકલ પરિણામો વિશે માહિતી શામેલ છે. મોટા અભ્યાસ સામાન્ય રીતે ફાર્માસ્યુટિકલ કંપનીઓ અથવા સરકારી એજન્સીઓ દ્વારા પ્રાયોજિત કરવામાં આવે છે. ક્લિનિકલ ટ્રાયલ ડેટાના દાખલાઓના આધારે વ્યક્તિગત દવાઓનો ઉપયોગ અસરકારક સારવાર સાથેના વ્યક્તિગત દર્દીઓને મેળવવામાં આવે છે.
આ અભિગમ પુરાવા આધારિત તબીબી સિદ્ધાંતોને લાગુ કરવા તરફ આગળ વધે છે, જેના દ્વારા સ્વાસ્થ્ય સંભાળ પ્રદાતા નક્કી કરે છે કે શું ટ્રાયલ સહભાગીઓ સાથે દર્દીના શેરની લાક્ષણિકતાઓ (દા.ત. ઉંમર, લિંગ, જાતિ, તબીબી સ્થિતિ) છે. મોટા ડેટા એનાલિટિક્સ સાથે, દર્દીના કેન્સરના આનુવંશિક રૂપરેખા (નીચે જુઓ) જેવા વધુ ઝીણવટભરી માહિતી પર આધારિત સારવાર પસંદ કરવાનું શક્ય છે.
ક્લિનિકલ નિર્ણય સપોર્ટ સિસ્ટમ્સ (સીડીએસએસ) પણ ઝડપથી વિકસાવી રહ્યાં છે અને હવે કૃત્રિમ બુદ્ધિ (એઆઈ) ના એક મોટા ભાગને દવા તરીકે રજૂ કરે છે.
તેઓ દર્દીઓની માહિતીનો ઉપયોગ તેમના નિર્ણયો સાથે ક્લિનિક્સને મદદ કરવા માટે કરે છે અને ઘણી વખત EHRs સાથે જોડાય છે.
આનુવંશિક ડેટાબેસેસ
માનવીય આનુવંશિક માહિતીની રીપોઝીટરી ઝડપી ગતિએ એકઠા થઈ રહી છે. હ્યુમન જેનોમિ પ્રોજેક્ટ 2003 માં પૂર્ણ થયો હોવાથી, માનવ ડીએનએ સિક્વન્સીંગનો ખર્ચ એક મિલિયન-ગણો ઘટાડવામાં આવ્યો છે. હાર્વર્ડ મેડિકલ સ્કૂલ દ્વારા 2005 માં શરૂ કરાયેલ પર્સનલ જીનોમ પ્રોજેક્ટ (પીજીપી) વિશ્વભરના 100,000 જેટલા સ્વયંસેવકોના સંપૂર્ણ જીનોમને ક્રમ અને પ્રચાર કરવાની માંગણી કરે છે. નિર્ભેળ વોલ્યુમ અને વિવિધ પ્રકારની માહિતીને લીધે પી.પી.પી. પોતે મોટા ડેટા પ્રોજેક્ટનું એક ઉત્તમ ઉદાહરણ છે.
વ્યક્તિગત જિનોમમાં આશરે 100 ગીગાબાઇટ્સ ડેટા છે જીનોમની સિક્વન્સીંગ ઉપરાંત, પીજીપી પણ EHRs, સર્વેક્ષણો અને માઇક્રોબાઇમ પ્રોફાઇલ્સના ડેટા એકઠી કરે છે.
સંખ્યાબંધ કંપનીઓ વ્યાપારી ધોરણે સ્વાસ્થ્ય, વ્યક્તિગત લક્ષણો અને ફાર્માકોજિનેટિક્સ માટે ડાયરેક્ટ-ટુ-કન્ઝ્યુમર આનુવંશિક ક્રમની તક આપે છે.
આ વ્યક્તિગત માહિતીને મોટી માહિતી એનાલિટિક્સમાં પરાજિત કરી શકાય છે ઉદાહરણ તરીકે, 23 મી નવેમ્બરએ યુ.એસ. ફૂડ એન્ડ ડ્રગ એડમિનિસ્ટ્રેશનનું પાલન કરવા માટે નવેમ્બર 22, 2013 ના રોજ નવા ગ્રાહકોને આરોગ્ય સંબંધિત આનુવંશિક અહેવાલો આપવાનું બંધ કર્યું. જો કે, 2015 માં, કંપનીએ ફરીથી તેમના આનુવંશિક લાળ પરીક્ષણના ચોક્કસ આરોગ્ય ઘટકો ઓફર કરવાનું શરૂ કર્યું, આ વખતે એફડીએની મંજૂરી.
જાહેર રેકોર્ડ્સ
સરકાર આરોગ્ય સંબંધિત ઘટનાઓનું વિગતવાર રેકોર્ડ રાખે છે, જેમ કે ઈમિગ્રેશન, લગ્ન, જન્મ અને મૃત્યુ. યુ.એસ. સેન્સસએ 1790 થી દર 10 વર્ષે વિશાળ પ્રમાણમાં માહિતી એકત્રિત કરી છે. સેન્સસની આંકડાઓની વેબસાઇટમાં 2013 મુજબ 370 બિલિયન કોષો છે, જે લગભગ 11 બિલિયન વધુ વાર્ષિક ઉમેરાયેલા છે.
વેબ શોધો
Google અને અન્ય વેબ શોધ પ્રદાતાઓ દ્વારા એકત્રિત કરેલી વેબ શોધ માહિતી વસ્તીના આરોગ્યથી સંબંધિત વાસ્તવિક-સમયની માહિતી પૂરી પાડી શકે છે જો કે, વેબ શોધ પધ્ધતિના મોટા ડેટાના મૂલ્યમાં તે સ્વાસ્થ્ય ડેટાના પરંપરાગત સ્ત્રોતો સાથે સંયોજન દ્વારા સુધારી શકાય છે.
સામાજિક મીડિયા
ફેસબુક, ટ્વિટર અને અન્ય સોશિયલ મીડિયા પ્લેટફોર્મ સ્થાનો, આરોગ્યના વર્તણૂકો, લાગણીઓ અને વપરાશકર્તાઓની સામાજીક ક્રિયાપ્રતિક્રિયાઓના દ્રષ્ટિકોણથી, ઘડિયાળની આસપાસ એક સમૃદ્ધ વિવિધ માહિતી પેદા કરે છે. જાહેર આરોગ્યને સોશિયલ મીડિયાના મોટા ડેટાના ઉપયોગને ડિજિટલ ડિસીઝ ડિટેક્શન અથવા ડિજિટલ એપિડેમિઓલૉજી તરીકે ઓળખવામાં આવે છે. ટ્વિટર, ઉદાહરણ તરીકે, સામાન્ય વસ્તી વચ્ચે ઈન્ફલ્યુએન્ઝા રોગચાળો પૃથ્થકરણ કરવા માટે વપરાય છે.
યુનિવર્સિટી ઓફ પેન્સિલવેનિયામાં શરૂ થયેલી વિશ્વ સુખાકારી પ્રોજેક્ટ, લોકોના અનુભવ અને સ્વાસ્થ્યને વધુ સારી રીતે સમજવા માટે સામાજિક માધ્યમનો અભ્યાસ કરવાનું એક બીજું ઉદાહરણ છે. આ પ્રોજેક્ટ મનોવૈજ્ઞાનિકો, આંકડાશાસ્ત્રીઓ અને કમ્પ્યુટર વૈજ્ઞાનિકો સાથે મળીને એકબીજા સાથે વાતચીત કરે છે, જ્યારે ઑનલાઇન અને ઇંટરનેટ પર ક્રિયાપ્રતિક્રિયા કરતી વખતે વિશ્લેષણ થાય છે. વૈજ્ઞાનિકો નિરીક્ષણ કરી રહ્યાં છે કે કેવી રીતે વપરાશકર્તાની ભાષા તેમની સ્વાસ્થ્ય અને સુખથી સંબંધિત છે. કુદરતી ભાષા પ્રક્રિયા અને મશીન શિક્ષણમાં એડવાન્સિસ તેમના પ્રયત્નો સાથે મદદ કરી રહ્યા છે. યુનિવર્સિટી ઓફ પેન્સિલ્વેનિયાના તાજેતરના પ્રકાશનમાં સોશિયલ મીડિયાનું વિશ્લેષણ કરીને માનસિક બીમારીનું અનુમાન લગાવવાની રીતો જોવા મળી હતી. એવું લાગે છે કે ડિપ્રેસન અને અન્ય માનસિક સ્વાસ્થ્યની સ્થિતિઓને ઇન્ટરનેટના ઉપયોગનો અભ્યાસ કરીને શોધી શકાય છે. વૈજ્ઞાનિકો ભવિષ્યમાં આશા રાખે છે કે આ પદ્ધતિઓ જોખમી વ્યક્તિઓના વધુ સારી રીતે ઓળખવા અને મદદ કરવા માટે સક્ષમ હશે.
વસ્તુઓનું ઇન્ટરનેટ (આઇઓટી)
સ્વાસ્થ્ય સંબંધિત માહિતીના મોટા પાયે ટ્રાવ્સ પણ મોબાઇલ અને હોમ ડિવાઇસીસ પર સંગ્રહ અને સંગ્રહિત કરવામાં આવે છે.
- સ્માર્ટફોન્સ : હજારો હેહાલ્ટ એપ્લિકેશન્સ વપરાશકર્તાની શારીરિક પ્રવૃત્તિ, પોષક તત્ત્વો, ઊંઘની તરાહો, લાગણીઓ અને અન્ય પરિમાણો પર માહિતી મેળવે છે. નેટિવ સેલ ફોન એપ્લિકેશન્સ (દા.ત. જીપીએસ, ઇમેઇલ, ટેક્સ્ટિંગ) પણ વ્યક્તિના સ્વાસ્થ્ય સ્થિતિ વિશે સંકેતો આપી શકે છે.
- પહેરવાલાયક મોનિટર અને ઉપકરણો: ચામડીની નીચે જડિત કરેલ Pedometers, accelerometers, ચશ્મા, ઘડિયાળો, અને ચિપ્સ પણ આરોગ્ય સંબંધિત માહિતી મેળવે છે અને તેમને ક્લાઉડમાં પણ મોકલી શકે છે.
- ટેલીમિડીન ઉપકરણો આરોગ્ય સંભાળ પ્રબંધકોને દર્દીઓના પરિબળો જેમ કે બ્લડ પ્રેશર, હૃદય દર, શ્વસન દર, ઓક્સિજન, તાપમાન, ઇસીજી ટ્રેસીંગ અને વજનની દેખરેખ રાખવા માટે પરવાનગી આપે છે.
નાણાકીય વ્યવહારો
દર્દીઓ કે જેઓ હોસ્પિટલમાં દાખલ થવા માટે ઉચ્ચ જોખમ ધરાવતા હોય તે ઓળખવા માટે કેરોલિનાસ હેલ્થકેર સિસ્ટમ દ્વારા ઉપયોગમાં લેવાતા પ્રાયોગિક મોડલ્સમાં દર્દીઓના ક્રેડિટ કાર્ડ વ્યવહારોનો સમાવેશ કરવામાં આવે છે. ચાર્લોટ સ્થિત આરોગ્ય સંભાળ પ્રદાતા દર્દીઓને વિવિધ જૂથોમાં વિભાજિત કરવા માટે મોટા ડેટાનો ઉપયોગ કરે છે, ઉદાહરણ તરીકે, રોગ અને ભૌગોલિક સ્થાન પર આધારિત.
નૈતિક અને ગોપનીયતા ઇમ્પ્લિકેશન્સ
તે પ્રકાશિત કરવાની જરૂર છે કે, કેટલાક કિસ્સાઓમાં, આરોગ્ય સંભાળમાં માહિતી ભેગી કરતી અને ઍક્સેસ કરતી વખતે મહત્વપૂર્ણ નૈતિક અને ગોપનીયતાને લગતી અસરો હોઇ શકે છે. મોટી માહિતીના નવા સ્ત્રોતો વ્યક્તિઓ અને વસ્તી સ્વાસ્થ્ય પર અસર કરે છે તે અંગેની અમારી સમજને વધુ સારી બનાવી શકે છે, જો કે, વિવિધ જોખમોની કાળજીપૂર્વક વિચારણા અને નિરીક્ષણ કરવાની જરૂર છે. તે હવે પણ ઓળખી કાઢવામાં આવ્યું છે કે જે અગાઉ અનામિક ગણવામાં આવ્યું હતું, તે ફરીથી ઓળખી શકાય છે. ઉદાહરણ તરીકે, હાર્વર્ડની ડેટા પ્રાયવેસી લેબના પ્રોફેસર લેટના સ્વીનીએ પર્સનલ જીનોમ પ્રોજેક્ટમાં સામેલ 1,130 સ્વયંસેવકોની સમીક્ષા કરી હતી. તેણી અને તેણીની ટીમ તેઓ શેર કરેલી માહિતી (પિન કોડ, જન્મ તારીખ, લિંગ) ના આધારે સહભાગીઓના 42 ટકા નામનો યોગ્ય નામ આપી શક્યા હતા. આ જ્ઞાન સંભવિત જોખમોની આપણી જાગરૂકતાને વધારી શકે છે અને વધુ સારા ડેટા શેરિંગ નિર્ણયોમાં અમને મદદ કરી શકે છે.
> સ્ત્રોતો:
> કોનવે એમ, ઓ'કોનોર ડી. સોશિયલ મીડિયા, મોટા ડેટા, અને માનસિક આરોગ્ય: વર્તમાન એડવાન્સિસ અને નૈતિક અસરો. મનોવિજ્ઞાન 2016 માં વર્તમાન અભિપ્રાય ; 9: 77-82
> ફર્નાન્ડીઝ એલ, ઓ 'કોનોર એમ, વીવર વી. મોટા ડેટા, મોટા પરિણામો જર્નલ ઓફ ધી અમેરિકન હેલ્થ ઇન્ફર્મેશન મેનેજમેન્ટ એસોસિયેશન 2012; 83 (10): 38-43
> ગુન્ટુકુ એસ, યેડેન ડી, કેર્ન એમ, ઉનગર એલ, ઇચસ્ટાએટ. જે. સોશિયલ મીડિયા પર ડિપ્રેશન અને માનસિક બીમારીનું નિદાન : એક સમન્વયાત્મક સમીક્ષા . બિહેવિયરલ સાયન્સ 2017 માં વર્તમાન અભિપ્રાય ; 18: 43-49.
> લેઝર ડી, કેનેડી આર, કિંગ જી, વેસ્પિગ્નેની એ. ગૂગલ ફ્લૂની પરીથા : મોટા ડેટા એનાલિસિસમાં ફાંસો . વિજ્ઞાન 2014; 343 (6176): 1203-1205
> રઘુપતિ ડબલ્યુ, રઘુપતિ વી. હેલ્થકેરમાં મોટા ડેટા એનાલિટિક્સ: વચન અને પોટેન્ટિ અલ આરોગ્ય માહિતી વિજ્ઞાન અને સિસ્ટમ્સ 2014; 2: 3.
> સ્વીની એલ, અબુ એ, વિન્ન જે. નામ દ્વારા પર્સનલ જીનોમ પ્રોજેક્ટમાં સહભાગીઓને ઓળખવા . હાર્વર્ડ યુનિવર્સિટી ડેટા ગોપનીયતા લૅબ વ્હાઇટ પેપર 1021-1 એપ્રિલ 24, 2013