De plus, le théorème proposé a trois corollaires qui aident à mieux définir l’informatique:
L’informatique concerne plus les personnes que la technologie. Cela implique que les ressources doivent être construites pour le bénéfice des personnes.
La ressource d’information 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 valide. Ce corollaire reconnaît que ce que nous savons de la personne seule ou de la seule ressource ne peut pas nécessairement prédire le résultat. Contribution 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 que l’information en informatique est «données plus sens». D’autres institutions universitaires ont fourni des définitions élaborées qui reconnaissaient la nature pluridisciplinaire de l’IMC et mettaient l’accent sur les données, l’information 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 termes de personnes ou d’organisations qui utiliseraient les ressources d’information. Si le théorème est vrai dans un scénario donné peut être testé empiriquement avec des essais contrôlés randomisés et d’autres études.
Voici quelques exemples de la façon dont le théorème de Friedman pourrait être appliqué dans le contexte des soins de santé actuels du point de vue des différents utilisateurs.
Utilisateurs du patient
Un patient utilisant une application de rappel de médicament sera plus adhérent à son régime médicamenteux que le même patient n’utilisant pas l’application.
Un patient qui essaie de perdre du poids et qui suit le régime et l’exercice 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.
- Un patient qui utilise un portail patient pour voir les résultats des tests exprimera une plus grande satisfaction à l’égard de ses soins que le même patient sans le portail.
- Une patiente qui participe à un forum en ligne sur la polyarthrite rhumatoïde va mieux faire face à sa maladie que le même patient sans forum.
- Utilisateurs cliniciens
- Un pédiatre utilisant un dossier de santé électronique (DSE) avec des rappels de vaccination sera plus susceptible de commander des vaccins en temps opportun que le même médecin sans les rappels.
- Un fournisseur de médicaments d’urgence ayant accès à un centre local d’échange d’informations médicales (HIE) commandera moins de tests en double que le même prestataire sans le HIE.
Une infirmière qui utilise un système sans fil pour transmettre des signes vitaux directement dans le DSE fera 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 souffrant d’hypertension non contrôlée que le même gestionnaire de cas sans le 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 (ACS) pour le dosage d’antibiotiques est plus susceptible de prescrire la dose d’antibiotique appropriée. sans l’outil CDS. Users Utilisateurs des organismes de soins de santé
- Un hôpital doté d’un programme informatisé d’évaluation des risques de thrombose veineuse profonde (TVP) dans le DSE aura moins de TVP que le même hôpital sans programme.Un hôpital doté d’une plate-forme de saisie informatisée mobile des commandes de médecins (CPOE) aura moins de commandes par téléphone que le même hôpital sans SPME mobile.
- Un hôpital qui utilise un HIE pour envoyer des sommaires de congé aux fournisseurs de soins primaires aura moins de réadmissions que le même hôpital sans le HIE.
Une maison de soins infirmiers utilisant des technologies de capteurs aura un taux de chutes de patients moins élevé que le même foyer de soins sans les capteurs.
- Une clinique de santé pour étudiants qui envoie des rappels par message texte obtiendra des taux de vaccination plus élevés pour le virus du papillome humain (VPH) qu’une clinique sans système de messagerie textuelle.
- Une clinique de santé rurale utilisant la télémédecine pour des consultations virtuelles avec des spécialistes enverra moins de patients à la salle d’urgence, comparativement à la même clinique sans télémédecine.
- Une pratique médicale avec un tableau de bord d’amélioration de la qualité permettra d’identifier les lacunes dans la fourniture de soins de santé plus rapidement que la même pratique sans le tableau de bord.
- Le dernier sur l’informatique biomédicale
- Parfois, l’informatique biomédicale étudie des problèmes complexes qui peuvent être difficiles à saisir. Ce domaine comprend un large éventail de recherches, allant des évaluations d’organisations aux analyses de jeux de données génomiques (par exemple, la recherche sur le cancer). Il peut également être utilisé pour développer des modèles de prédiction clinique, qui sont soutenus par des dossiers de santé électroniques (DSE). Deux chercheurs de l’Université de Pittsburgh, Gregory Cooper et Shyam Visweswaran, 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. Leur travail pourrait contribuer au développement de modèles spécifiques au patient. Des modèles qui deviennent cruciaux en médecine moderne.
