Giriş: Diyabet Araştırmasında Veri Devrimi

Diyabet mellitus, küresel olarak yarım milyardan fazla insanı etkiler ve yükü, son zamanlardakilere bağlı olarak, bu etkileri anlamak için yapılan anketler ve küçük klinik çalışmalarla ilgili olarak, sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık sık karşılaşılan ve geniş veri analizleri ortaya çıkarırken, elektronik sağlık kayıtları (EHR) tarafından desteklenen, elektronik sağlık kayıtlarının ortaya çıkmasını sağlar.

Diyabet Data'nın Genişleme Evreni

Sağlıkta büyük veriler hacim, hız, çeşitlilik ve ve ve ölüm ile karakterize edilir. Şeker için, veri ekosistemi şunları içerir:

  • [FONT:0)Electronic Health Records (EHR)): ) Laboratuvar değerleri (HbA1c, creatin), teşhisler, ilaç emirleri ve önemli işaretler, klinik notlardan yapılandırılmamış metin ile birlikte.
  • [FONT:0) Wearable Devices and Sürekli Glucose Monitors (CGMs): ), Gerçek zamanlı glukoz seviyelerinin akışları, adım sayıları, kalp oranı, uyku kalitesi ve hatta stres göstergeleri.
  • [FONT:0)Pharmacy ve Talepler Veri: Reçeteli doldurmalar, yeniden doldurma aralıkları ve sigorta, sağlık kullanım ve ilaç bağlılık desenlerini ortaya koyan iddia eder.
  • [FONT:0)Patient-Generated Data from Apps and Portals:[DÜT:1] Gıda logları, semptom günlükleri, ruh yolları, hasta-reported results.
  • [FONT:0]Sosyal Medya ve Online Topluluklar:[Döneticiler ve Facebook grupları, hasta deneyimleri, endişeleri ve polis stratejileri ile zenginleştirilmiş metin sunar.
  • [FONT:0]Kam ve İdari Veri kümeleri: Census verileri, gıda çevre indeksleri, ulaşım ağları ve sosyal bağlamı tanımlayan iklim verileri.

Bu çeşitli kaynaklar kolektif olarak ilişkilendirildiğinde, iş programları, gıda erişimi ve günlük glukoz kontrolü arasında bir bağlantı öneren dernekleri ortaya koyarlar.Bu tür granular, düşük gelirli alanlarda yaşayan bireylerin, akşamlar ve haftalar boyunca% 30 daha fazla zaman deneyimlediklerini buldular.

Socioekonomik Durum Diyabet Çıktıları Nasıl Şekiller

Socioekonomik durum (SES) birçok ülkede en tutarlı diyabet vakalarının ve ilerlemenin en tutarlı tahminlerinden biridir. Dünya Sağlık Örgütü'ne göre, gelişmekte olan tip 2 diyabet riski, birçok ülkedeki en yoksullarla kıyasla 2-4 kat daha yüksektir.

Income, Zenginlik ve Malzeme Zorluğu

Düşük gelir diyabete kendi kendine yönetime birçok engel oluşturur. Sınırlı finansal kaynaklarla genellikle uyuşturucu satın almak, ilaç ödemek ve klinik ziyaretlere ulaşım sağlamak. Birleşik Krallık'ta bağlantılı vergi ve sağlık kayıtları kullanan büyük veri analizleri, düşük gelirli bir gelir oranıyla ilişkili olarak daha yüksek bir artış olduğunu göstermiştir.Bu dozda insülin oranına sahip olan kişiler, pahalı bir müdahaleye ilişkin potansiyel bir gösterge.

Eğitim ve Sağlık Okur

Eğitim kazanımları, sağlık sistemini nasıl iyi yönlendirdiğini ve tıbbi bilgileri yorumlayabildiğini etkiler.Hasta portal mesajlarının doğal bir analizi, yüksek öğretim seviyesi olan kişilerin daha az tıbbi terim kullandığını ve ortalama olarak, bu da bir üniversite derecesi ile ilgili yanlış anlamalara yol açabileceğini ortaya koymaktadır. EHR verisinin büyük ölçekli bir analizi, yüksek okul diploması olmayan hastaların sağlık programlarından kaynaklanan yüksek oranda,% 0.8 daha yüksek düzeyde, ortalama olarak, ortalama olarak,% 0.8 daha yüksek, bu, bir üniversite derecesi ile kontrol edildikten sonra, yaş, seks ve comorbidity programları ile bağlantılı verileri kontrol altına alınabileceğini ortaya koyar.

Sağlık ve Fırsat Coğrafyasına Erişim

Geospatial analiz, ABD'nin kırsal bölgelerinde, hastahane ziyaretleri için 50 milden fazla seyahat etmek için güçlü bir araç haline geldi ve bu tür mesafenin randevularını ve daha yüksek diyabet eğitimcileri, diyabet eğitimcileri ve perakende eczaneleri ile tahmin ettiğini gösteriyor ki, araştırmacılar “bakım ve randevuları” tespit edebilir.

Davranışsal Desenler Ölçeği Yakaladı

Sofatik bağlam sahneyi ayarlarken, günlük davranışlar, glukoz hedeflerinin nasıl karşılandığını belirler. Büyük veriler sürekli, bu davranışların objektif ölçümlerini sağlar, episodik öz-reports'ı yüksek çözünürlüklü takip ile değiştirir.

Gerçek Zamanda Diyet ve Fiziksel Aktivite

Örneğin, CGM'lerin fitness pistleri ve diyet uygulamaları ile entegrasyonu, ortalama 22 oranında artış gösterdi. Makine öğrenme, 30 gramdan fazla karbonhidrat içeren kahvaltıların daha sonraki orta ölçekli hiperglisemi ile güçlü bir şekilde ilişkili olduğunu gösterdi, ancak bu etki, yemek yemenin en az 15 gramı tarafından azaltıldı.

İlaç Adherence: Self-Reports'ın Ötesinde

Geleneksel araştırma, her enjeksiyonu kaydeden hasta anketlerine dayanıyordu, bu da geçen hafta% 20 oranında düşüş gösterdi, finansal kısıtlamalarla tutarlı: Diyabet şişe açma oranları, hap şişelerinin elektronik izlemesi, her enjeksiyonu tespit eden akıllı insülin kalemleri ve büyük bir eczane zincirinden geri yükleme verileri analizi, önümüzdeki üç ay boyunca Hırslı denetimlerden gelen olumlu öngörücülerin cevaplarını içeren "teyerek" tespit etti.

Sigara, Alkol ve Diğer Yaşam Riskleri

Bağlantılı veri kümeleri, araştırmacıların diyabet komplikasyonları üzerinde uzun vadeli sigara içme ve alkol kullanımı üzerindeki etkisini takip etmelerine izin veriyor. ABD'deki hastane deşarj kayıtları ile ilgili olarak, sigara içme vergisi için 11.00 artış, diyabetle ilişkili daha düşük dozda %4 oranında daha yüksek bir azalma ile ilişkili olarak iki yıl sonra da, EHR verileri analiz edilmesi, ağır içmenin (≥4 içki/günlük) bulgularına göre zenginleştirilmiş olan hastalardan oluşan bir inceleme.

Socioekonomik ve Davranışsal Data

Gerçek inovasyon bu parasal veri türlerinin sentezindedir. Gelişmiş analitik, eksik verileri ve karmaşık etkileşimleri ele almak için gereklidir.

  • [FONT:0) Risk Prediction için Makine Öğrenmesi:) Gradient, yapılandırılmış EHR artı veri sayım değişkenleri üzerinde eğitilmiş olan Gradient artış ve sinir ağları, yüksek doğrulukla hastaneleşme riskini tahmin edebilir. Örneğin, Kaisere'de geliştirilen bir model, kaçırılma oranları gibi özelliklerdi ve önceki HbA1c variability hastaları beş katta acil durum ziyaretleri ile tespit edebilir.
  • [FONT:0) Doğal Dil Klinik Notların İşleme: [Dönetici: [Dönetici:0) Doğal Dil İşleme: [Döneticilerin Doğal Olarak İşleme: [Döneticileri: · 30,00T:1)) Bu özellikler standart klinik modellere eklendiğinde, bir çalışmada % 12 oranında artış için tahmin edilebilir performans.
  • [FONT:0)Causal Inference Teknikleri: Çünkü sosyoekonomik durum rastgele atanmıyor, gözlemsel çalışmalar, SNAP (Supplemental Beslenme Yardım Programı) gibi yöntemlere yol açıyor ve araştırmacıların% 10 artış gösterdiler.
  • [FONT:0]Network Analysis and Social Determinants:) Veri kayıtları veya topluluk programı katılımı çağrıdan sosyal destek ağlarını haritalama, izolasyonun düşük sonuçlarla nasıl katkıda bulunduğunu ortaya çıkarabilir.Bir pilotta, düşük merkezilükteki hastaların ağ analizi (few bağlantıları) kendi kendine yönetim aktivitelerinde daha düşük bağlılık olduğunu tespit etti.

Tefsiriğe: Klinik ve Halk Sağlığı İhmal

Büyük verilerden elde edilen bilgiler sadece teorik değildir; zaten yeniden şekillendirme uygulamaları ve politikasıdır.

Kişiselleştirilmiş Risk Uyarıları ve Karar Desteği

Tümleşik veri platformları, klinik olmayanlar için gerçek zamanlı uyarılar üretebilir. Örneğin, EHR verilerini geocoded mahalle yoksulluğu indeksleriyle birleştiren ve eczaneleri yeniden doldurabilir, ilaç olmayanlar için yüksek risk olarak bir hastayı bayrağını engelleyebilir ve sosyal çalışma danışmanlığı önerebilir.

Politika Hedefleme ve Kaynak Allocation

Halk sağlık departmanları yeni diyabet önleme programları için en uygun yerleri tanımlamak için büyük veriler kullanmaktadır. Chicago, alçaltıcı, gıda çöl haritaları ve halk transit rotaları, otobüsle erişilebilir olan topluluk sağlık merkezlerinin yerleştirilmesine yol açtı. Sigorta, verinin devlet çalışanı planları için ödemelerin %30 oranında azaltıldığını göstermek için kullanılmıştır, politika değişikliği.

Eşitlik ve Algoritma Adilliği

Büyük veriler, gelişmiş veriler üzerinde eğitilmiş çifte yüklü bir kılıçtır. Öngörücü modeller, ırk, gelir ve önyargılı çıktıları önlemek için açıkça ayarlanan değişkenleri geliştirir.()Ulusal Diyabet ve Digestive ve Kidney Hastalığı)

Etik ve Gizlilik

Hassas verilerin toplanması ve bağlantılandırılması önemli endişeler uyandırır: Bilgi, veri de-identification ve ayrımcı kullanım potansiyeli. Örneğin, sigortacılar premiumlar ayarlamaya davranışsal verileri kullanabilir.[Dönetici:2) Tüm Araştırma Programı)

Future: Data to Intervention

Sonraki yenilik dalgası, veri ve eylem arasındaki döngüyü kapatmayı içerir.Sürekli ve CGM'li gerçek zamanlı analitikler, davranışsal nudges akıllı uygulamalar aracılığıyla davranışsal kararları tetikleyebilirler.Örneğin, glukoz eğilimleri ve konum verilerinin EHR'ler vedav; konut istikrarsızlığı, düşük ücretli bir atıştırmalık seçimine yakınsınız.

Başka bir sınır, fiziksel olarak paylaşılan hasta bilgileri paylaşmadan bir araya getirilen birden çok kurum tren modelinin, büyük ölçekli analizlere izin verirken mahremiyetin korunmasıdır. Bu yaklaşım diyabet araştırma ağlarında pilotlanmaktadır.

Sonuç: Veri ile Sağlık Eşitliği

Büyük veriler, diyabet sonuçlarının gerçek dünya sürücülerine benzer bir pencere sağladı. Şimdi, bir hastanın zip kodu ve geliri genellikle HbA1c'i tek bir klinik laboratuvar değerinden daha tahmin edilebilir bir şekilde sağladık. Davranışsal modeller, analizlerin onları derinleştirmek yerine başka bir boyut katmasına izin veren başka bir boyut katıyoruz. Ancak, bu araçların gücü, sadece bir gelecekteki her türlü sağlık hizmetine ihtiyaç duyduğunda, algoritma şeffaflık ve eşitlikçi bir taahhütte bulunuyor.

Daha Fazla Arama için Seçilmiş Kaynaklar

  • [FONT:0] Amerikan Diyabet Birliği: [Döntilmiş:2]Epidemiyoloji & Diyabetde Büyük Veri[Dönetici: 3 )
  • [FONT:0) Dünya Sağlık Örgütü – Diyabet Programı: [Dönetici:2) Global Diyabet Data ve Raporları) - Ülke düzeyindeki istatistikler ve sosyoekonomik analizler.
  • [FONT:0) Ulusal Tıp Kütüphanesi – PubMed Central:) [[Büyük veri şeker sosyoekonomik” için ara:[Dönetici 3) – Tam metin araştırma makaleleri.
  • [FONT:0]Harvard Halk Sağlığı Okulu: [FONTD:2)Obesity ve Diyabet: Sosyal Determinants) – Araştırma sumerler ve politika kısaları.