Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Chiến lược trích xuất và trình bày dữ liệu y tế Phần 2: Tạo cơ sở dữ liệu tham chiếu bệnh nhân tùy chỉnh theo ngữ cảnh và yêu cầu người dùng
Tóm tắt
Một trong những thách thức lớn nhất mà các chuyên gia chăm sóc sức khỏe phải đối mặt là khả năng truy cập trực tiếp và hiệu quả vào dữ liệu liên quan từ hồ sơ chăm sóc sức khỏe của bệnh nhân tại thời điểm điều trị; điều này là đặc thù cho cả bối cảnh của nhiệm vụ đang được thực hiện và các nhu cầu cũng như sở thích cụ thể của từng người dùng. Trong thực tiễn hình ảnh, sự không hiệu quả tương đối trong tổ chức dữ liệu hình ảnh và yêu cầu quy trình thủ công là một trở ngại cho việc xem xét dữ liệu hình ảnh lịch sử. Đồng thời, việc truy xuất dữ liệu lâm sàng gặp phải vấn đề nghiêm trọng hơn do chất lượng và số lượng dữ liệu được ghi chép tại thời điểm nhập đơn, cùng với sự thiếu hụt tương đối về tích hợp hệ thống thông tin. Một phương pháp để giải quyết những thiếu hụt này là tạo ra một cơ sở dữ liệu tham chiếu bệnh nhân đa ngành, bao gồm dữ liệu có độ ưu tiên cao và có thể hành động trong hồ sơ chăm sóc sức khỏe tích lũy của bệnh nhân; trong đó các tiêu chí đã được định nghĩa trước được sử dụng để phân loại và phân loại dữ liệu hình ảnh và lâm sàng dựa trên cấu trúc, công nghệ, bệnh lý và thời gian. Việc xây dựng cơ sở dữ liệu tham chiếu này có thể được thực hiện thông qua sự kết hợp của các phương pháp thủ công và tự động, với một bước bổ sung để xác minh dữ liệu nhằm kiểm soát chất lượng dữ liệu. Khi đã được tạo ra, các cơ sở dữ liệu tham chiếu này có thể được lọc tại điểm chăm sóc để cung cấp dữ liệu theo ngữ cảnh và cụ thể cho người dùng dựa trên nhiệm vụ đang được thực hiện và yêu cầu của từng người dùng.
Từ khóa
#dữ liệu y tế #cơ sở dữ liệu tham chiếu bệnh nhân #trích xuất dữ liệu #thông tin lâm sàng #tổ chức dữ liệu hình ảnhTài liệu tham khảo
Fayyad U, Piatetsky-Shapiro G, Smyth P: The KDD process of extracting useful knowledge from volumes of data. Commun ACM 11:27–34, 1996
Cios KJ, Moore GW: Uniqueness of medical data mining. Artif Intell Med 26:1–24, 2002
Teich JM, Merchia PR, Schmiz JL, et al: Effects of computerized physician order entry on prescribing practices. Arch Intern Med 160:2741–2747, 2000
Reiner BI, McKinley M: Innovation economics and medical imaging. J Digit Imaging 3:325–329, 2012
Reiner B: One size (doesn’t) fit all. J Am Coll Radiol 4:567–570, 2008
Reiner B: Optimizing medical data extraction and presentation: current limitations and deficiencies. J Digit Imaging 2:123–126, 2015
Berger RG, Kichak JP: Computerized physician order entry: helpful or harmful? J Am Med Inform Assoc 11:100–103, 2004
Rosenthal DI, Weilburg JB, Schultz T, et al: Radiology order entry with decision support: initial clinical experience. J Am Coll Radiol 3:799–806, 2006
Kilbridge PM, Welebob EM, Classen DC: Development of the Leapfrog methodology for evaluating hospital implemented inpatient computerized physician order entry systems. Qual Saf Health Care 15:81–84, 2006
Reiner BI: Medical imaging data reconciliation. Part 2: clinical order entry/imaging report data reconciliation. J Am Coll Radiol 10:720–724, 2011
Reiner B, Siegel E, Protopapas Z, et al: Impact of filmless radiology on the frequency of clinician consultations with radiologists. AJR 173:1169–1172, 1999
Siegel EL, Reiner BI: Filmless radiology at the Baltimore VA Medical Center: a nine-year retrospective. Comput Med Imaging Graph 27:101–109, 2003
Levin DC, Rao VM: Outsourcing to teleradiology companies: bad for radiology, bad for radiologists. J Am Coll Radiol 8:104–108, 2011