ಔಷಧಿಗಳ ಬಿಗ್ ಡೇಟಾ ಮೂಲಗಳು

ಔಷಧಿಗಳ ಬಿಗ್ ಡೇಟಾ ಮೂಲಗಳು

ವೈದ್ಯಕೀಯದಲ್ಲಿ ದೊಡ್ಡ ಮಾಹಿತಿಯ ಸರಳ ವ್ಯಾಖ್ಯಾನವೆಂದರೆ "ರೋಗಿಯ ಆರೋಗ್ಯ ರಕ್ಷಣೆ ಮತ್ತು ಯೋಗಕ್ಷೇಮಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಡೇಟಾದ ಒಟ್ಟುತೆ" (ರಘುಪತಿ 2014). ಆದರೆ ಈ ರೀತಿಯ ಡೇಟಾ ನಿಖರವಾಗಿ ಏನು, ಮತ್ತು ಅವರು ಎಲ್ಲಿಂದ ಬರುತ್ತಾರೆ?

ಕೆಳಗಿನವುಗಳು ಆರೋಗ್ಯ-ರಕ್ಷಣೆ ಒದಗಿಸುವವರು, ಸಂಶೋಧಕರು, ಸಂಬಳದಾರರು, ನೀತಿನೀತಿಗಳು, ಮತ್ತು ಉದ್ಯಮಕ್ಕೆ ಬಡ್ಡಿಗಳ ದೊಡ್ಡ ಡೇಟಾದ ವಿಧಗಳು ಮತ್ತು ಮೂಲಗಳ ವಿಶಾಲ ಅವಲೋಕನವಾಗಿದೆ.

ಈ ವರ್ಗಗಳು ಪರಸ್ಪರ ಪ್ರತ್ಯೇಕವಾಗಿಲ್ಲ, ಏಕೆಂದರೆ ಅದೇ ಡೇಟಾವು ವಿವಿಧ ಮೂಲಗಳಿಂದ ಹುಟ್ಟಬಹುದು.

ಈ ಪಟ್ಟಿಯು ಸಮಗ್ರವಾಗಿಲ್ಲ, ಏಕೆಂದರೆ ದೊಡ್ಡ ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆಗಳ ಪ್ರಾಯೋಗಿಕ ಅಪ್ಲಿಕೇಶನ್ ಖಂಡಿತವಾಗಿ ವಿಸ್ತರಿಸುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತದೆ.

ಕ್ಲಿನಿಕಲ್ ಇನ್ಫರ್ಮೇಷನ್ ಸಿಸ್ಟಮ್ಸ್

ಆರೋಗ್ಯ ಸೇವೆ ಒದಗಿಸುವವರು ವೀಕ್ಷಣೆಗೆ ಒಗ್ಗಿಕೊಂಡಿರುವ ವೈದ್ಯಕೀಯ ಡೇಟಾದ ಸಾಂಪ್ರದಾಯಿಕ ಮೂಲಗಳು ಇವು.

ಪಾವತಿಸುವವರಿಂದ ಹಕ್ಕು ಪಡೆಯುವ ಡೇಟಾ

ಸಾರ್ವಜನಿಕ ವೇತನದಾರರು (ಉದಾ. ಮೆಡಿಕೇರ್) ಮತ್ತು ಖಾಸಗಿ ವೇತನದಾರರು ತಮ್ಮ ಫಲಾನುಭವಿಗಳ ಮೇಲಿನ ಹಕ್ಕುಗಳ ದತ್ತಾಂಶದ ದೊಡ್ಡ ಸಂಗ್ರಹಗಳನ್ನು ಹೊಂದಿವೆ. ಕೆಲವು ಆರೋಗ್ಯ ವಿಮೆಗಾರರು ಈಗ ನಿಮ್ಮ ಆರೋಗ್ಯ ಡೇಟಾವನ್ನು ಹಂಚಿಕೊಳ್ಳಲು ಪ್ರೋತ್ಸಾಹ ನೀಡುತ್ತಾರೆ.

ರಿಸರ್ಚ್ ಸ್ಟಡೀಸ್

ಸಂಶೋಧನಾ ದತ್ತಸಂಚಯವು ಅಧ್ಯಯನ ಭಾಗವಹಿಸುವವರು, ಪ್ರಾಯೋಗಿಕ ಚಿಕಿತ್ಸೆಗಳು, ಮತ್ತು ವೈದ್ಯಕೀಯ ಫಲಿತಾಂಶಗಳ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುತ್ತದೆ. ದೊಡ್ಡ ಅಧ್ಯಯನಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಔಷಧೀಯ ಕಂಪನಿಗಳು ಅಥವಾ ಸರ್ಕಾರಿ ಏಜೆನ್ಸಿಗಳಿಂದ ಪ್ರಾಯೋಜಿಸಲ್ಪಡುತ್ತವೆ. ಪ್ರಾಯೋಗಿಕ ಚಿಕಿತ್ಸೆಗಳೊಂದಿಗೆ ವೈಯಕ್ತಿಕ ರೋಗಿಗಳನ್ನು ಹೊಂದಿಸುವುದು, ಪ್ರಾಯೋಗಿಕ ಪ್ರಯೋಗಗಳ ಡೇಟಾದಲ್ಲಿನ ನಮೂನೆಗಳ ಆಧಾರದ ಮೇಲೆ ವೈಯಕ್ತೀಕರಿಸಿದ ಔಷಧದ ಒಂದು ಅಪ್ಲಿಕೇಶನ್.

ಈ ವಿಧಾನವು ಸಾಕ್ಷ್ಯಾಧಾರ ಬೇಕಾಗುವ ಔಷಧ ತತ್ವಗಳನ್ನು ಅನ್ವಯಿಸುವುದನ್ನು ಮೀರಿ ಚಲಿಸುತ್ತದೆ, ಅದರ ಮೂಲಕ ಒಬ್ಬ ರೋಗಿಯು ವಿಚಾರಣೆಯ ಭಾಗವಹಿಸುವವರೊಂದಿಗೆ ರೋಗಿಯನ್ನು ವಿಶಾಲ ಗುಣಲಕ್ಷಣಗಳನ್ನು (ಉದಾ. ವಯಸ್ಸು, ಲಿಂಗ, ಜನಾಂಗ, ವೈದ್ಯಕೀಯ ಸ್ಥಿತಿ) ಹಂಚಿಕೊಳ್ಳುತ್ತಾರೆಯೇ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. ದೊಡ್ಡ ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆಯೊಂದಿಗೆ, ರೋಗಿಗಳ ಕ್ಯಾನ್ಸರ್ನ ಅನುವಂಶಿಕ ಪ್ರೊಫೈಲ್ನಂತಹ (ಕೆಳಗೆ ನೋಡಿ) ಹೆಚ್ಚು ಕಣಜ ಮಾಹಿತಿಯನ್ನು ಆಧರಿಸಿ ಚಿಕಿತ್ಸೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಸಾಧ್ಯವಿದೆ.

ಕ್ಲಿನಿಕಲ್ ನಿರ್ಣಯ ಬೆಂಬಲ ವ್ಯವಸ್ಥೆಗಳು (ಸಿಡಿಎಸ್ಎಸ್) ಕೂಡಾ ಶೀಘ್ರವಾಗಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಿದೆ ಮತ್ತು ಈಗ ವೈದ್ಯಕೀಯದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (ಎಐ) ನ ದೊಡ್ಡ ಭಾಗವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ.

ಅವರು ತಮ್ಮ ನಿರ್ಣಯ ಮಾಡುವಿಕೆಯೊಂದಿಗೆ ವೈದ್ಯರಿಗೆ ಸಹಾಯ ಮಾಡಲು ರೋಗಿಯ ಡೇಟಾವನ್ನು ಬಳಸುತ್ತಾರೆ ಮತ್ತು ಅವುಗಳನ್ನು ಹೆಚ್ಚಾಗಿ EHR ಗಳೊಂದಿಗೆ ಸೇರಿಸಬಹುದು.

ಜೆನೆಟಿಕ್ ಡೇಟಾಬೇಸ್ಗಳು

ಮಾನವನ ಆನುವಂಶಿಕ ಮಾಹಿತಿಯ ಭಂಡಾರವು ತ್ವರಿತಗತಿಯಲ್ಲಿ ಸಂಚರಿಸುತ್ತಿದೆ. 2003 ರಲ್ಲಿ ಮಾನವ ಜೀನೋಮ್ ಯೋಜನೆಯು ಪೂರ್ಣಗೊಂಡ ನಂತರ, ಮಾನವನ ಡಿಎನ್ಎ ಅನುಕ್ರಮಣಿಕೆಯ ವೆಚ್ಚವು ಮಿಲಿಯನ್ ಪಟ್ಟು ಕಡಿಮೆಯಾಗಿದೆ. ಹಾರ್ವರ್ಡ್ ಮೆಡಿಕಲ್ ಸ್ಕೂಲ್ನಿಂದ 2005 ರಲ್ಲಿ ಪ್ರಾರಂಭವಾದ ದಿ ಪರ್ಸನಲ್ ಜೀನೋಮ್ ಪ್ರಾಜೆಕ್ಟ್ (PGP), ವಿಶ್ವದಾದ್ಯಂತದ 100,000 ಸ್ವಯಂಸೇವಕರ ಸಂಪೂರ್ಣ ಜೀನೋಮ್ಗಳನ್ನು ಅನುಕ್ರಮಗೊಳಿಸಲು ಮತ್ತು ಪ್ರಚಾರ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ. ಸಂಪೂರ್ಣ ಪ್ರಮಾಣದ ಮತ್ತು ವಿವಿಧ ಡೇಟಾದ ಕಾರಣದಿಂದ PGP ಸ್ವತಃ ದೊಡ್ಡ ದತ್ತಾಂಶ ಯೋಜನೆಗೆ ಒಂದು ಪ್ರಧಾನ ಉದಾಹರಣೆಯಾಗಿದೆ.

ವೈಯಕ್ತಿಕ ಜಿನೊಮ್ ಸುಮಾರು 100 ಗಿಗಾಬೈಟ್ ಡಾಟಾವನ್ನು ಒಳಗೊಂಡಿದೆ. ಜಿನೋಮ್ಗಳ ಅನುಕ್ರಮದ ಜೊತೆಗೆ, PGP ಇಹೆಚ್ಆರ್ಗಳು, ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಸೂಕ್ಷ್ಮಜೀವಿಯ ಪ್ರೊಫೈಲ್ಗಳಿಂದ ಕೂಡಾ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುತ್ತಿದೆ.

ವಾಣಿಜ್ಯದ ಆಧಾರದ ಮೇಲೆ ಹಲವಾರು ಕಂಪನಿಗಳು ಆರೋಗ್ಯ, ವೈಯಕ್ತಿಕ ಲಕ್ಷಣಗಳು, ಮತ್ತು ಫಾರ್ಮಾಕೋಜೆನೆಟಿಕ್ಸ್ಗಾಗಿ ನೇರ-ಗ್ರಾಹಕ ಗ್ರಾಹಕ ಆನುವಂಶಿಕ ಅನುಕ್ರಮವನ್ನು ನೀಡುತ್ತವೆ.

ಈ ವೈಯಕ್ತಿಕ ಮಾಹಿತಿಯನ್ನು ದೊಡ್ಡ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗೆ ನಿಗ್ರಹಿಸಬಹುದು. ಉದಾಹರಣೆಗೆ, 23 ಮತ್ತು 2013 ರ ನವೆಂಬರ್ 22 ರ ಹೊತ್ತಿಗೆ ಯು.ಎಸ್. ಫುಡ್ ಅಂಡ್ ಡ್ರಗ್ ಅಡ್ಮಿನಿಸ್ಟ್ರೇಷನ್ಗೆ ಅನುಗುಣವಾಗಿ ಹೊಸ ಗ್ರಾಹಕರು ಆರೋಗ್ಯ ಸಂಬಂಧಿತ ವಂಶವಾಹಿ ವರದಿಗಳನ್ನು ನೀಡಿದರು. ಹೇಗಾದರೂ, 2015 ರಲ್ಲಿ, ಕಂಪನಿ ಮತ್ತೆ ತಮ್ಮ ಜೆನೆಟಿಕ್ ಲಾಲಾ ಪರೀಕ್ಷೆಯ ಕೆಲವು ಆರೋಗ್ಯ ಅಂಶಗಳನ್ನು ನೀಡಲು ಪ್ರಾರಂಭಿಸಿತು, ಈ ಬಾರಿ ಎಫ್ಡಿಎ ಅನುಮೋದನೆ.

ಸಾರ್ವಜನಿಕ ದಾಖಲೆಗಳು

ವಲಸೆ, ಮದುವೆ, ಜನ್ಮ, ಮತ್ತು ಮರಣದಂತಹ ಆರೋಗ್ಯಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಘಟನೆಗಳ ವಿವರವಾದ ದಾಖಲೆಗಳನ್ನು ಸರ್ಕಾರವು ಇಡುತ್ತದೆ. 1790 ರಿಂದೀಚೆಗೆ ಯುಎಸ್ ಜನಗಣತಿಯು ಪ್ರತಿ 10 ವರ್ಷಗಳಿಗೊಮ್ಮೆ ವ್ಯಾಪಕ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಿದೆ. ಜನಗಣತಿಯ ಅಂಕಿ-ಅಂಶ ವೆಬ್ಸೈಟ್ 2013 ರಂತೆ 370 ಬಿಲಿಯನ್ ಸೆಲ್ಗಳನ್ನು ಹೊಂದಿತ್ತು, ಸುಮಾರು 11 ಬಿಲಿಯನ್ ಹೆಚ್ಚು ವಾರ್ಷಿಕ ಸೇರ್ಪಡೆಯಾಗಿದೆ.

ವೆಬ್ ಹುಡುಕಾಟಗಳು

ಗೂಗಲ್ ಮತ್ತು ಇತರ ವೆಬ್ ಸರ್ಚ್ ಪೂರೈಕೆದಾರರು ಸಂಗ್ರಹಿಸಿದ ವೆಬ್ ಹುಡುಕಾಟ ಮಾಹಿತಿ ಜನಸಂಖ್ಯೆಯ ಆರೋಗ್ಯಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ನೈಜ-ಸಮಯ ಒಳನೋಟಗಳನ್ನು ಒದಗಿಸಬಹುದು. ಆದಾಗ್ಯೂ, ವೆಬ್ ಹುಡುಕಾಟ ಮಾದರಿಗಳಿಂದ ದೊಡ್ಡ ಡೇಟಾದ ಮೌಲ್ಯವನ್ನು ಸಾಂಪ್ರದಾಯಿಕ ಮೂಲಗಳ ಆರೋಗ್ಯ ಮಾಹಿತಿಯೊಂದಿಗೆ ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಸುಧಾರಿಸಬಹುದು.

ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ

ಫೇಸ್ಬುಕ್, ಟ್ವಿಟರ್ ಮತ್ತು ಇತರ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ಗಡಿಯಾರದ ಸುತ್ತಲೂ ಶ್ರೀಮಂತ ವೈವಿಧ್ಯಮಯ ಡೇಟಾವನ್ನು ಸೃಷ್ಟಿಸುತ್ತವೆ, ಸ್ಥಳಗಳಲ್ಲಿ, ಆರೋಗ್ಯ ವರ್ತನೆಗಳು, ಭಾವನೆಗಳು ಮತ್ತು ಬಳಕೆದಾರರ ಸಾಮಾಜಿಕ ಪರಸ್ಪರ ಕ್ರಿಯೆಗಳಿಗೆ ಒಂದು ನೋಟವನ್ನು ನೀಡುತ್ತದೆ. ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯಕ್ಕೆ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದ ದೊಡ್ಡ ದತ್ತಾಂಶವನ್ನು ಡಿಜಿಟಲ್ ರೋಗ ಪತ್ತೆ ಅಥವಾ ಡಿಜಿಟಲ್ ಎಪಿಡೆಮಿಯಾಲಜಿ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಟ್ವಿಟರ್, ಸಾಮಾನ್ಯ ಜನರಲ್ಲಿ ಇನ್ಫ್ಲುಯೆನ್ಸ ಸಾಂಕ್ರಾಮಿಕ ರೋಗಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಬಳಸಲಾಗಿದೆ.

ಪೆನ್ಸಿಲ್ವೇನಿಯಾ ವಿಶ್ವವಿದ್ಯಾಲಯದಲ್ಲಿ ಪ್ರಾರಂಭವಾದ ವಿಶ್ವ ಯೋಗಕ್ಷೇಮ ಪ್ರಾಜೆಕ್ಟ್ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮವನ್ನು ಅಧ್ಯಯನ ಮಾಡುವುದಕ್ಕಾಗಿ ಜನರ ಅನುಭವ ಮತ್ತು ಆರೋಗ್ಯವನ್ನು ಉತ್ತಮವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತೊಂದು ಉದಾಹರಣೆಯಾಗಿದೆ. ಫೇಸ್ಬುಕ್ ಮತ್ತು ಟ್ವಿಟ್ಟರ್ನಲ್ಲಿ ಸ್ಥಿತಿ ನವೀಕರಣಗಳನ್ನು ಬರೆಯುವಾಗ, ಆನ್ಲೈನ್ನಲ್ಲಿ ಸಂವಹನ ನಡೆಸಿದಾಗ ಭಾಷೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮನೋವಿಜ್ಞಾನಿಗಳು, ಸಂಖ್ಯಾಶಾಸ್ತ್ರಜ್ಞರು ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನಿಗಳು ಈ ಯೋಜನೆಯನ್ನು ಒಟ್ಟಿಗೆ ತರುತ್ತದೆ. ಬಳಕೆದಾರರ ಭಾಷೆ ಅವರ ಆರೋಗ್ಯ ಮತ್ತು ಸಂತೋಷಕ್ಕೆ ಹೇಗೆ ಸಂಬಂಧಿಸಿದೆ ಎಂಬುದನ್ನು ವಿಜ್ಞಾನಿಗಳು ಗಮನಿಸುತ್ತಿದ್ದಾರೆ. ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಸಂಸ್ಕರಣೆ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯಲ್ಲಿನ ಪ್ರಗತಿಗಳು ತಮ್ಮ ಪ್ರಯತ್ನಗಳೊಂದಿಗೆ ಸಹಾಯ ಮಾಡುತ್ತವೆ. ಪೆನ್ಸಿಲ್ವೇನಿಯಾ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಇತ್ತೀಚಿನ ಪ್ರಕಟಣೆಯು ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಮಾನಸಿಕ ಅಸ್ವಸ್ಥತೆಯನ್ನು ಊಹಿಸುವ ವಿಧಾನಗಳನ್ನು ನೋಡಿದೆ. ಇಂಟರ್ನೆಟ್ ಬಳಕೆಯ ಬಗ್ಗೆ ಅಧ್ಯಯನ ಮಾಡುವ ಮೂಲಕ ಖಿನ್ನತೆಯ ರೋಗಲಕ್ಷಣಗಳು ಮತ್ತು ಇತರ ಮಾನಸಿಕ-ಆರೋಗ್ಯದ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದು ಎಂದು ಇದು ಕಂಡುಬರುತ್ತದೆ. ವಿಜ್ಞಾನಿಗಳು ಭವಿಷ್ಯದಲ್ಲಿ ಈ ವಿಧಾನಗಳು ಉತ್ತಮ ಗುರುತಿಸಲು ಮತ್ತು ಅಪಾಯದಲ್ಲಿರುವ ವ್ಯಕ್ತಿಗಳಿಗೆ ಸಹಾಯ ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಥಿಂಗ್ಸ್ ಇಂಟರ್ನೆಟ್ (ಐಓಟಿ)

ಆರೋಗ್ಯ-ಸಂಬಂಧಿ ಮಾಹಿತಿಯ ಬೃಹತ್ ತುದಿಗಳನ್ನು ಸಹ ಸಂಗ್ರಹಿಸಿ ಮೊಬೈಲ್ ಮತ್ತು ಹೋಮ್ ಸಾಧನಗಳಲ್ಲಿ ಶೇಖರಿಸಿಡಲಾಗುತ್ತದೆ.

ಹಣಕಾಸು ವಹಿವಾಟುಗಳು

ರೋಗಿಗಳ ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ವಹಿವಾಟುಗಳನ್ನು ಕ್ಯಾರೋಲಿನಾಸ್ ಹೆಲ್ತ್ಕೇರ್ ಸಿಸ್ಟಮ್ ಬಳಸಿದ ಭವಿಷ್ಯಸೂಚಕ ಮಾದರಿಗಳಲ್ಲಿ ಆಸ್ಪತ್ರೆಗೆ ಮರುಪಡೆಯಲು ಹೆಚ್ಚಿನ ಅಪಾಯದಲ್ಲಿರುವ ರೋಗಿಗಳನ್ನು ಗುರುತಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಷಾರ್ಲೆಟ್ ಮೂಲದ ಆರೋಗ್ಯ ರಕ್ಷಣೆ ನೀಡುಗರು ರೋಗಿಗಳನ್ನು ವಿವಿಧ ಗುಂಪುಗಳಾಗಿ ವಿಭಜಿಸಲು ದೊಡ್ಡ ಡೇಟಾವನ್ನು ಬಳಸುತ್ತಾರೆ, ಉದಾಹರಣೆಗೆ, ರೋಗ ಮತ್ತು ಭೌಗೋಳಿಕ ಸ್ಥಳವನ್ನು ಆಧರಿಸಿ.

ನೈತಿಕ ಮತ್ತು ಗೌಪ್ಯತೆ ಇಂಪ್ಲಿಕೇಶನ್ಸ್

ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ, ಆರೋಗ್ಯ ಆರೈಕೆಯಲ್ಲಿ ಡೇಟಾ ಸಂಗ್ರಹಿಸುವಾಗ ಮತ್ತು ಪ್ರವೇಶಿಸುವಾಗ ಪ್ರಮುಖ ನೈತಿಕ ಮತ್ತು ಗೌಪ್ಯತೆ ಪರಿಣಾಮಗಳು ಇರಬಹುದು ಎಂದು ಅದು ಹೈಲೈಟ್ ಮಾಡಬೇಕಾಗಿದೆ. ದೊಡ್ಡ ಡೇಟಾದ ಹೊಸ ಮೂಲಗಳು ಯಾವ ಪರಿಣಾಮಗಳು ವ್ಯಕ್ತಿಗಳು ಮತ್ತು ಜನಸಂಖ್ಯೆ ಆರೋಗ್ಯದ ಬಗ್ಗೆ ನಮ್ಮ ತಿಳುವಳಿಕೆಯನ್ನು ಸುಧಾರಿಸಬಹುದು, ಆದಾಗ್ಯೂ, ವಿಭಿನ್ನ ಅಪಾಯಗಳನ್ನು ಎಚ್ಚರಿಕೆಯಿಂದ ಪರಿಗಣಿಸಬೇಕು ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಬೇಕು. ಅನಾಮಧೇಯ ಎಂದು ಹಿಂದೆ ಪರಿಗಣಿಸಿದ ಡೇಟಾವನ್ನು ಮರು-ಗುರುತಿಸಬಹುದು ಎಂದು ಈಗ ಗುರುತಿಸಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ವೈಯಕ್ತಿಕ ಜೀನೋಮ್ ಪ್ರಾಜೆಕ್ಟ್ನಲ್ಲಿ ಒಳಗೊಂಡಿರುವ 1,130 ಸ್ವಯಂಸೇವಕರನ್ನು ಹಾರ್ವರ್ಡ್ನ ಡಾಟಾ ಗೌಪ್ಯತಾ ಲ್ಯಾಬ್ನ ಪ್ರೊಫೆಸರ್ ಲತನ್ಯ ಸ್ವೀನಿಯವರು ಪರಿಶೀಲಿಸಿದ್ದಾರೆ. ಅವರು ಮತ್ತು ಅವರ ತಂಡವು ಹಂಚಿಕೊಂಡ ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ 42% ರಷ್ಟು ಪಾಲುದಾರರನ್ನು ಸರಿಯಾಗಿ ಹೆಸರಿಸಲು ಸಾಧ್ಯವಾಯಿತು (ZIP ಸಂಕೇತ, ಜನನ ದಿನಾಂಕ, ಲಿಂಗ). ಈ ಜ್ಞಾನವು ಸಂಭಾವ್ಯ ಅಪಾಯಗಳ ಬಗ್ಗೆ ನಮ್ಮ ಅರಿವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ಮತ್ತು ಉತ್ತಮ ಡೇಟಾ ಹಂಚಿಕೆ ನಿರ್ಧಾರಗಳನ್ನು ಮಾಡಲು ನಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

> ಮೂಲಗಳು:

> ಕಾನ್ವೇ ಎಂ, ಒ'ಕಾನ್ನರ್ ಡಿ. ಸೋಶಿಯಲ್ ಮೀಡಿಯಾ, ಬಿಗ್ ಡಾಟಾ, ಅಂಡ್ ಮೆಂಟಲ್ ಹೆಲ್ತ್: ಪ್ರೈವೇಟ್ ಅಡ್ವಾನ್ಸಸ್ ಅಂಡ್ ಎಥಿಕಲ್ ಇಂಪ್ಲಿಕೇಶನ್ಸ್. ಸೈಕಾಲಜಿ 2016 ರಲ್ಲಿ ಪ್ರಸ್ತುತ ಅಭಿಪ್ರಾಯ ; 9: 77-82.

> ಫರ್ನಾಂಡೀಸ್ ಎಲ್, ಒ'ಕಾನ್ನರ್ ಎಮ್, ವೀವರ್ ವಿ. ಬಿಗ್ ಡಾಟಾ, ದೊಡ್ಡ ಫಲಿತಾಂಶಗಳು. ಜರ್ನಲ್ ಆಫ್ ದ ಅಮೆರಿಕನ್ ಹೆಲ್ತ್ ಇನ್ಫರ್ಮೇಷನ್ ಮ್ಯಾನೇಜ್ಮೆಂಟ್ ಅಸೋಸಿಯೇಶನ್ 2012; 83 (10): 38-43

> ಗುಂಟಕು ಎಸ್, ಯಡೆನ್ ಡಿ, ಕೆರ್ನ್ ಎಮ್, ಉಂಗಾರ್ ಎಲ್, ಇಚ್ಸ್ಟಾಡ್ ಜೆ . ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮದಲ್ಲಿ ಖಿನ್ನತೆ ಮತ್ತು ಮಾನಸಿಕ ಅಸ್ವಸ್ಥತೆಯನ್ನು ಕಂಡುಹಿಡಿಯುವುದು: ಸಮಗ್ರ ವಿಮರ್ಶೆ . ಬಿಹೇವಿಯರಲ್ ಸೈನ್ಸಸ್ 2017 ರಲ್ಲಿ ಪ್ರಸ್ತುತ ಅಭಿಪ್ರಾಯ ; 18: 43-49.

> ಲೇಸರ್ ಡಿ, ಕೆನಡಿ ಆರ್, ಕಿಂಗ್ ಜಿ, ವೆಸ್ಪಿಗ್ನಾನಿ ಎ . ಗೂಗಲ್ ಫ್ಲೂನ ಪೆರ್ಬಲ್: ಬಿಗ್ ಡಾಟಾ ಅನಾಲಿಸಿಸ್ನ ಟ್ರ್ಯಾಪ್ಸ್ . ವಿಜ್ಞಾನ 2014; 343 (6176): 1203-1205.

> ರಘುಪತಿ ಡಬ್ಲ್ಯು, ರಘುಪತಿ ವಿ. ಹೆಲ್ತ್ ಕೇರ್ನಲ್ಲಿ ಬಿಗ್ ಡಾಟಾ ಅನಾಲಿಟಿಕ್ಸ್: ಭರವಸೆ ಮತ್ತು ಪೌಂಟೆಂಟಿ ಅಲ್. ಆರೋಗ್ಯ ಮಾಹಿತಿ ವಿಜ್ಞಾನ ಮತ್ತು ಸಿಸ್ಟಮ್ಸ್ 2014; 2: 3.

> ಸ್ವೀನೀ ಎಲ್, ಅಬು ಎ, ವಿನ್ ಜೆ. ಹೆಸರು ಮೂಲಕ ವೈಯಕ್ತಿಕ ಜೀನೋಮ್ ಪ್ರಾಜೆಕ್ಟ್ನಲ್ಲಿ ಭಾಗವಹಿಸುವವರನ್ನು ಗುರುತಿಸುವುದು . ಹಾರ್ವರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯ. ಡೇಟಾ ಖಾಸಗಿ ಲ್ಯಾಬ್. ವೈಟ್ ಪೇಪರ್ 1021-1. ಏಪ್ರಿಲ್ 24, 2013.