Teorema da Informática Biomédica

Uma definição teoricamente fundamentada de informática biomédica (IMC) estava faltando há muito tempo. Para trazer algum foco para este campo científico, Charles Friedman, Ph.D., propôs o teorema fundamental da informática biomédica. Afirma que “uma pessoa trabalhando em parceria com um recurso de informação é 'melhor' do que a mesma pessoa sem assistência.” O teorema de Friedman não é realmente um teorema matemático formal (que é baseado na dedução e é aceito como verdadeiro), mas sim uma destilação da essência do IMC.

O teorema implica que os informaticistas biomédicos estão preocupados com a forma como os recursos de informação podem (ou não) ajudar as pessoas. Ao se referir a uma "pessoa" em seu teorema, Friedman sugere que isso poderia ser um indivíduo (um paciente , um clínico, um cientista, um administrador ), um grupo de pessoas ou até mesmo uma organização.

Além disso, o teorema proposto tem três corolários que ajudam a definir melhor a informática:

1. A informática é mais sobre pessoas do que tecnologia. Isto implica que os recursos devem ser construídos para o benefício das pessoas.
2. O recurso de informações deve incluir algo que a pessoa ainda não saiba. Isso sugere que o recurso precisa ser correto e informativo.
3. A interação entre uma pessoa e um recurso determina se o teorema é válido. Esse corolário reconhece que o que sabemos sobre a pessoa sozinha ou o recurso sozinho não pode necessariamente prever o resultado.

A contribuição de Friedman foi reconhecida como definindo o IMC de maneira simples e fácil de entender. No entanto, outros autores sugeriram pontos de vista alternativos e acréscimos ao seu teorema. Por exemplo, o professor Stuart Hunter, da Universidade de Princeton, enfatizou o papel do método científico ao lidar com dados .

Um grupo de cientistas da Universidade do Texas também defendeu que a definição de IMC deveria incluir a noção de que a informação em informática é "dados mais significado". Outras instituições acadêmicas forneceram definições elaboradas que reconheceram a natureza multidisciplinar do IMC e se concentraram em dados, informações e conhecimento no contexto da biomedicina.

Expressões do Teorema Fundamental de Friedman

É útil considerar expressões do teorema em termos das pessoas ou organizações que usariam os recursos de informação. Se o teorema se aplica a um determinado cenário, pode ser testado empiricamente com ensaios clínicos randomizados e outros estudos.

Abaixo estão alguns exemplos de como o teorema de Friedman poderia ser aplicado no contexto dos cuidados de saúde atuais a partir da perspectiva de diferentes usuários.

Usuários Pacientes

• Um paciente usando um aplicativo de lembrete de medicação será mais aderente ao seu regime de medicação do que o mesmo paciente que não estiver usando o aplicativo.
• Um paciente que está tentando perder peso e que faz dieta e exercício em um aplicativo de smartphone perderá mais peso do que o mesmo paciente sem o aplicativo.
• Um paciente que usa um portal de pacientes para se comunicar com seu médico se sentirá mais envolvido em seus cuidados do que o mesmo paciente sem o portal.

• Um paciente que usa um portal do paciente para ver os resultados dos testes expressará maior satisfação com o cuidado do que o mesmo paciente sem o portal.
• Um paciente que participa de um fórum on-line para artrite reumatóide enfrentará com mais eficácia a doença do que o mesmo paciente sem o fórum.

Usuários de Clínicos

• Um pediatra que usa um registro de saúde eletrônico (EHR) com lembretes de vacinação estará mais propenso a pedir vacinas oportunas do que o mesmo médico sem as advertências.
• Um fornecedor de medicamentos de emergência com acesso a uma troca local de informações de saúde (HIE) solicitará menos testes duplicados do que o mesmo provedor sem o HIE.

• Uma enfermeira que usa um sistema sem fio para transmitir sinais vitais diretamente para o EHR cometerá menos erros de documentação do que o mesmo enfermeiro sem o sistema sem fio.
• Um gerente de casos usando um registro de pacientes irá identificar mais pacientes com hipertensão não controlada do que o mesmo gerente de casos sem o registro.
• Uma equipe cirúrgica que usa uma lista de verificação de segurança terá menos infecções de sítio cirúrgico do que a mesma equipe cirúrgica sem uma lista de verificação. ( Observe que a lista de verificação é um exemplo de um recurso de informações que não precisa ser informatizado).
• Um médico que usa uma ferramenta de suporte à decisão clínica (CDS) para dosagem de antibiótico tem maior probabilidade de prescrever a dose adequada de antibiótico do que o mesmo médico sem a ferramenta CDS.

Usuários da Organização de Assistência Médica

• Um hospital com um programa de avaliação de risco de trombose venosa profunda computadorizada (TVP) no EHR terá menos DVTs do que o mesmo hospital sem o programa.
• Um hospital com uma plataforma de entrada de pedidos de médico computadorizado móvel (CPOE) terá menos pedidos por telefone do que o mesmo hospital sem CPOE móvel.
• Um hospital que usa um HIE para enviar resumos de alta para provedores de cuidados primários terá menos reinternações do que o mesmo hospital sem o HIE.
• Um lar de idosos usando tecnologias de sensores terá uma taxa menor de quedas de pacientes do que o mesmo lar de idosos sem os sensores.
• Uma clínica de saúde estudantil que envia lembretes de mensagens de texto alcançará taxas de vacinação mais altas para o papilomavírus humano (HPV) do que uma clínica sem o sistema de mensagens de texto.
• Uma clínica de saúde rural que usa telemedicina para consultas virtuais com especialistas enviará menos pacientes para a sala de emergência, em comparação com a mesma clínica sem telemedicina.
• Uma prática médica com um painel de melhoria da qualidade identificará lacunas na prestação de cuidados de saúde mais rapidamente do que a mesma prática sem o painel.

As últimas novidades em informática biomédica

Às vezes, a informática biomédica estuda problemas complexos que podem ser difíceis de capturar. Este campo inclui um amplo espectro de pesquisa, variando de avaliações de organizações a análises de conjuntos de dados genômicos (por exemplo, pesquisa de câncer). Ele também pode ser usado para desenvolver modelos clínicos de previsão, que estão sendo apoiados por registros eletrônicos de saúde (EHR). Dois acadêmicos da Universidade de Pittsburgh, Gregory Cooper e Shyam Visweswaran, estão trabalhando atualmente no projeto de modelos de previsão clínica a partir de dados usando inteligência artificial (IA), aprendizado de máquina (ML) e modelagem bayesiana. Seu trabalho poderia contribuir para o desenvolvimento de modelos específicos do paciente. Modelos que agora estão se tornando cruciais na medicina moderna.

> Fontes:

> Bernstam E, Smith J, Johnson T. O que é informática biomédica ?. J Biomed Inform . 2010; 43: 104-110.

> Friedman CP. Um “Teorema Fundamental” da Informática Biomédica . J Am Med Informe Assoc. 2009; 16: 169-170.

> Hunter J. Melhorando o "Teorema Fundamental da Informática Biomédica" de Friedman . J Am Med Informe Assoc . 2010; 17 (1): 112.

> Visweswaran S, Cooper G. Modelos preditivos específicos de instâncias de aprendizagem . J Mach Aprenda Res . 2010; 11: 3333-3369.