Aplicacions Sanitàries del BIG DATA

  • Published on
    10-Jul-2015

  • View
    174

  • Download
    3

Embed Size (px)

DESCRIPTION

Aplicacions Sanitries del BIG DATA amb bibliografia

Transcript

  • Gesti Proactiva de la Informaci Clnica.

    Aplicacions Sanitries del BIG DATA

    Tutora: Juliana Ribera Catarina Alumne: Josep Vidal Alaball

    XIV Edicio Mestratge en Direccio dInstitucions Sanitaries

  • EXEMPLES DE BIG DATA 1. SALUT PBLICA Fracs del Google amb la grip el 2009. Google Flu Trends (GFT). Noms utilitzaven dades provinents de les xarxes socials, sense creuar-les amb altres dades. Aix va provocar sobre estimacions importants (el doble dels resultats reals). Google va fer al menys 2 errors:

    1. Noms utilitzar data de les xarxes socials. Molt volum, per poca varietat (no van seguir les 3 V de Garner)

    2. Assumir que correlaci s igual a relaci causal Google is a great source of data for Google. Twitter is a great source of data for Twitter. Facebook is a great source of data for Facebook. For everyone else, theyre just additional sources of data of varying value depending on whats being studied. Correlation doesnt mean causation, Twitter is still a very small sample of the U.S. population and a bunch of paranoid parents researching flu vaccines dont portend an epidemic. Ara creuen les dades amb dades dels Centers for for Disease Control and Prevention durant la temporada gripal. Han millorat les prediccions, per encara podrien creuar dades de daltres procedncies per millorar.

  • Detecci preco de brots de Dengue i Malria IBM amb les Universitats de Califrnia i la John Hopkins volen controlar els brots de malria i dengue mitjanant laplicaci de patrons de la malaltia, models analtics de poblaci, informtica i models matemtics que prevenguin laparici del brots. Per a ms a ms de preveure laparici de brots de la malaltia, utilitzen grans bases de dades per veure com els canvis en la temperatura, les pluges o incls lacidesa del sl afecten la poblaci dels insectes que provoquen aquestes malalties. Malria i Dengue. Si que utilitzen les 3 V de Garner (volum, velocitat i varietat) Per fer tot aix IBM ha creat un Spatio Temporal Epidemiological Modeler (STEM) que s obert a tota la comunitat cientfica perqu lutilitzi i hi introdueixi millores (open source). Malalties importants: Dengue present a 100 pasos (incloent zones dels EUA). Malria mata 1 mili de persones cada any.

  • 2. Detecci del risc de READMISSIONS hospitalries Hospital Mount Sinai (NYC) ha apostat per el Big Data fitxant al cap cientfic de Facebook. Entre altres projectes utilitzen dades clniques per calcular el risc de readmissi abans de 90 dies. Segons el risc els pacients poden rebre diferent tractament i diferents controls, a ms davisar a latenci primria dels riscos. Parlar amb deteniment de lexperincia de Carolina (US). Han implantat sistema per reduir admissions de pacients amb MPOC abans de que marxin de lhospital utilitzant anlisi predictiu. Posar vdeo: https://www.youtube.com/watch?v=4pigrayQygg#action=share Amb anlisi predictiu es calcula el risc de readmissi als 30 dies i es classifiquen als pacients en 4 grups: molt alt, alt, mitja i baix risc. Els professionals revisen les variables que fan que els pacients estiguin en un grup de risc alt. Per exemple si han detectat que alguns malalts amb valors determinats dhemoglobina tenen mes risc de patir complicacions, esperen a que lanmia estigui solucionada abans de donar-els-hi lalta. Creuen que el model funciona en el 80% dels casos. La gran avantatge es que podem personalitzar a la gent a que volem tractar (amb la imatge de les persones i el %) Actualment esta implantat en 30 hospital de Carolina i 30.000 pacients han estat tingut el seu risc valorat. Diuen que han redut les readmissions del 21% al 14%.

  • LIMITACIONS-PERILLS DEL BIG DATA

    1. Consideracions legals. La histria clnica del pacient pertany al mateix pacient. Les entitats sanitries en tenen la custdia per no la propietat. Podem cedir o vendre una propietat que no s nostra? Kaiser als USA demana perms als seus pacients per utilitzar les dades i el 94% donen perms. Quants de vosaltres cedireu les vostres dades si us les demanessin?

    2. tica. s tic vendre les dades personals? a empreses terceres? Polmica del VISC+

    3. Confidencialitat. Dades anonimitzades, per a base danar creuant milions de dades

    daqu a uns anys potser es podria arribar a saber a qui pertanyen.

    4. Repercussions a la consulta. El fet de saber que les dades poden ser venudes, no pot condicionar la sinceritat dels pacients en temes que considerin delicats? I no ens pot condicionar als professionals sobre qu escrivim a la histria?

    5. Inequitat. No tothom tindr accs a les dades.

    6. Formaci. Manca de gent formada.

    7. Revoluci. Prdua llocs de treball (segona revoluci industrial)

  • BIBLIOGRAFIA 1. 6 Big Data Analytics Use Cases for Healthcare IT [Internet]. CIO. 2013 [cited 2014 Oct 27]. Available from: http://www.cio.com/article/2386531/healthcare/healthcare-6-big-data-analytics-use-cases-for-healthcare-it.html 2. Raghupathi W, Raghupathi V. Big data analytics in healthcare: promise and potential. Health Inf Sci Syst. 2014 Feb 7;2(1):3. 3. Feldman B. Big Data in Healthcare Hype and Hope [Internet]. 2012. Available from: http://www.west-info.eu/files/big-data-in-healthcare.pdf 4. Hay SI, George DB, Moyes CL, Brownstein JS. Big Data Opportunities for Global Infectious Disease Surveillance. PLoS Med. 2013 Apr 2;10(4):e1001413. 5. Vimarlund V, Wass S. Big data, smart homes and ambient assisted living. Yearb Med Inform. 2014;9(1):1439. 6. Humphries C. Big Medicine Takes a Dose of Big Data [Internet]. MIT Technology Review. 2013 [cited 2014 Oct 27]. Available from: http://www.technologyreview.com/news/518916/a-hospital-takes-its-own-big-data-medicine/ 7. Finding real value in big data for public health -- ScienceDaily [Internet]. Available from: http://www.sciencedaily.com/releases/2014/07/140702122432.htm 8. Harvard Medical School [Internet]. 2013 [cited 2014 Nov 3]. Available from: http://www-01.ibm.com/common/ssi/cgi-bin/ssialias?subtype=AB&infotype=PM&appname=SWGE_IM_ZN_USEN&htmlfid=IMC14685USEN&attachment=IMC14685USEN.PDF 9. How cellphones can predict where Ebola strikes next [Internet]. [cited 2014 Oct 29]. Available from: http://www.usatoday.com/story/news/world/2014/10/24/ebola-cell-phones/17830221/ 10. IBM big data platform - Bringing big data to the Enterprise [Internet]. 2014 [cited 2014 Oct 29]. Available from: http://www-01.ibm.com/software/data/bigdata/ 11. IBM uses big data to predict outbreaks of dengue fever and malaria [Internet]. VentureBeat. [cited 2014 Nov 4]. Available from: http://venturebeat.com/2013/09/29/ibm-uses-big-data-to-predict-outbreaks-of-dengue-fever-and-malaria/ 12. IBM big data platform for healthcare. Solutions Brief. [Internet]. 2012. Available from: http://public.dhe.ibm.com/common/ssi/ecm/en/ims14398usen/IMS14398USEN.PDF 13. In The Hospital Of The Future, Big Data Is One Of Your Doctors [Internet]. Co.Exist. [cited 2014 Nov 4]. Available from: http://www.fastcoexist.com/3022050/futurist-forum/in-the-hospital-of-the-future-big-data-is-one-of-your-doctors

  • 14. Harris D. In the name of accuracy, Google retools its Flu Trends model [Internet]. 2014 [cited 2014 Nov 2]. Available from: https://gigaom.com/2014/10/31/in-the-name-of-accuracy-google-retools-its-flu-trends-model/ 15. jStart: How Big Data Analytics Reduced Medicaid Re-admissions. A jStart Case Study [Internet]. IBM; 2012. Available from: http://www-01.ibm.com/software/ebusiness/jstart/portfolio/uncMedicaidCaseStudy.pdf 16. Made in IBM Labs: Scientists Turn Data into Disease Detective to Predict Dengue Fever and Malaria Outbreaks [Internet]. 2013 [cited 2014 Oct 29]. Available from: http://www-03.ibm.com/press/uk/en/pressrelease/42103.wss 17. Predixion Readmission InsightTM QuickStart Program [Internet]. 2014 [cited 2014 Nov 10]. Available from: https://www.youtube.com/watch?v=YciNdlXdofU&feature=youtube_gdata_player 18. Qu tiene que ver la venta de tus datos mdicos con el tratado internacional TTIP? [Internet]. [cited 2014 Oct 29]. Available from: http://www.kaosenlared.net/component/k2/98760-%C2%BFqu%C3%A9-tiene-que-ver-la-venta-de-tus-datos-m%C3%A9dicos-con-el-tratado-internacional-ttip 19. Harris D. Repeat after me: Google is not a proxy for big data [Internet]. 2014 [cited 2014 Nov 2]. Available from: https://gigaom.com/2014/03/13/repeat-after-me-google-is-not-a-proxy-for-big-data/ 20. Six cases where big data can reduce healthcare costs -- ScienceDaily. 2014. 21. STEM ModelGenerator [Internet]. 2013 [cited 2014 Nov 4]. Available from: http://www.youtube.com/watch?v=MtQlS7g7Qnw&feature=youtube_gdata_player 22. Toms JFA de. TED: Kenneth Cukier: Big data is better data [Internet]. Grupo de Nuevas Tecnologas de la SoMaMFyC. [cited 2014 Oct 27]. Available from: http://nuevastecsomamfyc.wordpress.com/2014/10/27/ted-kenneth-cukier-big-data-is-better-data/ 23. Lazer D, Kennedy R, King G, Vespignani A. The Parable of Google Flu: Traps in Big Data Analysis. Science. 2014 Mar 14;343(6176):12035. 24. The Role of Big Data in Healthcare: A Conversation [Internet]. 2014 [cited 2014 Oct 27]. Available from: https://www.youtube.com/watch?v=ZbZIeImZdiU&feature=youtube_gdata_player 25. Vecchione A. Using prediction to solve readmissions [Internet]. HIEWatch. 09/17/21014 [cited 2014 Nov 10]. Available from: http://www.hiewatch.com/news/using-prediction-solve-readmissions

  • 26. VISC+: Un projecte amb moltes ombres [Internet]. tica a latenci primria: pensem-hi! [cited 2014 Oct 28]. Available from: http://ecamfic.wordpress.com/2014/10/28/visc-un-projecte-amb-moltes-ombres/ 27. Webcast: Bringing Predictive Analytics to the Point of Care [Internet]. 2014 [cited 2014 Nov 10]. Available from: https://www.youtube.com/watch?v=Gf-pIlB4gDY&feature=youtube_gdata_player Josep Vidal i Alaball 17 novembre, 2014