Otras instituciones académicas…

Para profesionales de la salud

  • Compensación de atención médica
  • Administración de la oficina
  • Suministros médicos was No existe una definición teórica de la informática biomédica (IMC) desde hace mucho tiempo. Para traer un poco de atención a este campo científico, Charles Friedman, Ph.D., propuso el teorema fundamental de la informática biomédica. Afirma que una persona que trabaja en asociación con un recurso de información es ‘mejor’ que esa misma persona sin ayuda. El teorema de Friedman no es en realidad un teorema matemático formal (que se basa en la deducción y se acepta como verdadero), sino una destilación de la esencia de BMI.
  • El teorema implica que los informáticos biomédicos están preocupados por cómo los recursos de información pueden (o no) ayudar a las personas. Al referirse a una ‘persona’ en su teorema, Friedman sugiere que esto podría ser un individuo (un paciente, un clínico, un científico, un administrador), un grupo de personas o incluso una organización.
  • Además, el teorema propuesto tiene tres corolarios que ayudan a definir mejor la informática:

    La informática es más acerca de las personas que de la tecnología. Esto implica que los recursos deben construirse para el beneficio de las personas.

    El recurso de información debe incluir algo que la persona aún no conoce. Esto sugiere que el recurso debe ser correcto e informativo.

    1. La interacción entre una persona y un recurso determina si el teorema se cumple. Este corolario reconoce que lo que sabemos sobre la persona sola o el recurso solo no necesariamente puede predecir el resultado. Contribution La contribución de Friedman ha sido reconocida como la definición de BMI de una manera simple y fácil de entender. Sin embargo, otros autores han sugerido puntos de vista alternativos y adiciones a su teorema. Por ejemplo, el profesor Stuart Hunter de la Universidad de Princeton hizo hincapié en el papel del método científico cuando se trata de datos.
    2. Un grupo de científicos de la Universidad de Texas también abogó por que la definición de BMI incluya la noción de que la información en informática es ‘datos más significado’. Otras instituciones académicas proporcionaron definiciones elaboradas que reconocieron la naturaleza multidisciplinaria del IMC y se centraron en los datos, la información y el conocimiento en el contexto de la biomedicina.
    3. Expresiones del teorema fundamental de Friedman

    Es útil considerar las expresiones del teorema en términos de las personas u organizaciones que usarían los recursos de información. Si el teorema es verdadero en un escenario dado se puede probar empíricamente con ensayos controlados aleatorios y otros estudios.

    A continuación se muestran algunos ejemplos de cómo se podría aplicar el teorema de Friedman en el contexto de la atención médica actual desde la perspectiva de diferentes usuarios.

    Usuarios de pacientes

    Un paciente que usa una aplicación de recordatorio de medicamentos se adhiere más a su régimen de medicamentos que el mismo paciente que no usa la aplicación.

    Un paciente que intenta perder peso y hace un seguimiento de la dieta y el ejercicio en la aplicación de un teléfono inteligente perderá más peso que el mismo paciente sin la aplicación.

    Un paciente que usa un portal de pacientes para comunicarse con su médico se sentirá más comprometido con su cuidado que el mismo paciente sin el portal.

    • Un paciente que usa un portal de pacientes para ver los resultados de las pruebas expresará una mayor satisfacción con su atención que el mismo paciente sin el portal.
    • Un paciente que participa en un foro en línea para la artritis reumatoide lidiará más eficazmente con su enfermedad que el mismo paciente sin el foro.
    • Usuarios clínicos
    • Un pediatra que usa un registro de salud electrónico (EHR) con recordatorios de vacunación tendrá más probabilidades de ordenar vacunas oportunamente que el mismo médico sin los recordatorios.
    • Un proveedor de medicina de emergencia con acceso a un intercambio de información de salud local (HIE) ordenará menos pruebas duplicadas que el mismo proveedor sin el HIE.

    Una enfermera que usa un sistema inalámbrico para transmitir signos vitales directamente al EHR tendrá menos errores de documentación que la misma enfermera sin el sistema inalámbrico.

    • Un administrador de casos que use un registro de pacientes identificará a más pacientes con hipertensión no controlada que el mismo administrador de casos sin el registro.
    • Un equipo quirúrgico que use una lista de verificación de seguridad tendrá menos infecciones en el sitio quirúrgico que el mismo equipo quirúrgico sin una lista de verificación. (
    • Tenga en cuenta que la lista de verificación es un ejemplo de recurso de información que no necesita ser informatizado).
    • Un médico que utiliza una herramienta de apoyo a la decisión clínica (CDS) para la dosificación de antibióticos tiene más probabilidades de prescribir la dosis de antibiótico adecuada que el mismo médico sin la herramienta CDS.
    • Usuarios de la organización de atención médicaUn hospital con un programa computarizado de evaluación de riesgos de trombosis venosa profunda (TVP) en la EHR tendrá menos TVP que el mismo hospital sin el programa.
    • Un hospital con una plataforma de ingreso de pedidos médicos computarizados (CPOE) móvil tendrá menos pedidos telefónicos que el mismo hospital sin CPOE móvil.

    Un hospital que usa un HIE para enviar resúmenes de alta a los proveedores de atención primaria tendrá menos readmisiones que el mismo hospital sin el HIE.

    • Un hogar de convalecencia que usa tecnologías de sensores tendrá una tasa más baja de caídas de pacientes que el mismo hogar de ancianos sin los sensores.
    • Una clínica de salud estudiantil que envíe recordatorios de mensajes de texto logrará tasas de vacunación más altas para el virus del papiloma humano (VPH) que una clínica sin el sistema de mensajes de texto.
    • Una clínica de salud rural que utilice la telemedicina para consultas virtuales con especialistas enviará a menos pacientes a la sala de emergencias, en comparación con la misma clínica sin telemedicina.
    • Una práctica médica con un tablero de mejora de calidad identificará las brechas en la provisión de atención médica más rápidamente que la misma práctica sin el tablero.
    • Lo último en informática biomédica
    • En ocasiones, la informática biomédica estudia problemas complejos que pueden ser difíciles de capturar. Este campo incluye un amplio espectro de investigación, que abarca desde evaluaciones de organizaciones hasta análisis de conjuntos de datos genómicos (por ejemplo, investigación sobre el cáncer). También se puede usar para desarrollar modelos de predicción clínica, que están siendo respaldados por registros electrónicos de salud (EHR). Dos académicos de la Universidad de Pittsburgh, Gregory Cooper y Shyam Visweswaran, actualmente trabajan en el diseño de modelos de predicción clínica a partir de datos que utilizan inteligencia artificial (AI), aprendizaje automático (ML) y modelado bayesiano. Su trabajo podría contribuir al desarrollo de modelos específicos para el paciente. Modelos que ahora se están volviendo cruciales en la medicina moderna.

    Like this post? Please share to your friends: