Сегодня: 18.07.2024
RU / EN
Последнее обновление: 01.07.2024
Компьютерные информационные технологии в лечебных учреждениях: воспроизведение, обработка и защита информации (обзор)

Компьютерные информационные технологии в лечебных учреждениях: воспроизведение, обработка и защита информации (обзор)

А.Б. Кузнецов, А.С. Мухин, И.С. Симутис, Л.А. Щегольков, Г.А. Бояринов
Ключевые слова: информационные технологии в медицине; компьютерные технологии в здравоохранении; защита информационных данных.
2018, том 10, номер 3, стр. 213.

Полный текст статьи

html pdf
3538
1787

Атаки хакеров на информационные ресурсы клиник Великобритании, Бельгии, Литвы, клинических и биохимических лабораторий России и Беларуси в 2017 г., а также отказ руководителей 199 немецких больниц использовать современные компьютерные информационные технологии в 2016 г. побудили исследовать вопрос компьютеризации медицинских учреждений.

Необходимость использования компьютерных информационных технологий не вызывает сомнений, однако в настоящее время применение их в клинической практике связано с рядом проблем. Кроме того, увеличивается объем клинических данных, при этом часть информации не анализируется, что чревато фатальными ошибками.

В обзоре описаны проблемы внедрения, использования и защиты компьютерных технологий, без решения которых эти технологии не могут эффективно работать в системе здравоохранения: совместимость аппаратных платформ, восприятие и интерпретация рукописного текста, трактовка медицинских терминов, формализация и стандартизация текста, создание электронных медицинских записей, разработка электронных медицинских карт и баз данных, персонификация и защита информации.

  1. Ng K., Ghoting A., Steinhubl S.R., Stewart W.F., Malin B., Sun J. PARAMO: a PARAllel predictive MOdeling platform for healthcare analytic research using electronic health records. J Biomed Inform 2014; 48: 160–170, https://doi.org/10.1016/j.jbi.2013.12.012.
  2. Pai V.M., Rodgers M., Conroy R., Luo J., Zhou R., Seto B. Workshop on using natural language processing applications for enhancing clinical decision making: an executive summary. J Am Med Inform Assoc 2014; 21(e1): e2–e5, https://doi.org/10.1136/amiajnl-2013-001896.
  3. Ильясов Р.Р., Калинченко С.Ю., Данилов А.Б. Роль половых гормонов в восприятии боли. Manage Pain 2015; 2: 4–9.
  4. Краус О. Возможности и методы терапии забо­ле­ваний фаз импрегнации и дегенерации. БМ: Биологическая медицина 2015; 2: 6–12.
  5. Смит А. Введение в биорегуляторную медицину: теоретические и практические аспекты. БМ: Биологическая медицина 2015; 2: 17–29.
  6. Бояринов Г.А., Дерюгина А.В., Бояринова Л.В., Со­ловьева О.Д., Зайцев Р.Р., Мошнина Е.В., Военнов О.В., Шумилова А.В. Экспериментальное обоснование и резуль­таты применения мексикора для коррекции нарушений про- и антиоксидантной систем у больных с сочетанной торакоабдоминальной травмой. Медиаль 2015; 16(2): 31–35.
  7. Holmes J.H. Methods and applications of evolutionary computation in biomedicine. J Biomed Inform 2014; 49: 11–15, https://doi.org/10.1016/j.jbi.2014.05.008.
  8. Hoverman J.R. From the first visit on: information technology and communication. J Oncol Practice 2013; 9(3): 152–154, https://doi.org/10.1200/jop.2013.000974.
  9. Кузнецов А.Б. Прогнозирование результатов лечения пациента в критическом состоянии. Saarbrücken: LAP LAMBERT Academic Publishing; 2015; 248 с.
  10. Диленян Л.Р., Багрий А.С., Белкания Г.С., Ры­жа­ков Д.И., Пухальская Л.Г. Антропологическая и онто­генетическая модель общих клинических проявлений соматического состояния человека. Медицинский альманах 2015; 4(39): 222–227.
  11. Гуманенко Е.К., Рудь А.А., Хромов А.А., Чапу­рин В.А. Значение объективной оценки тяжести состоя­ния по­страдавших в диагностике полиорганной дис­функции и инфекционных осложнений тяжелых травм. В кн.: Перитонит от А до Я (Всероссийская школа). Под ред. Ларичева А.Б. Ярославль; 2016; c. 212–217.
  12. Кузнецов А.С., Полянский А.А., Волынский П.В., Ефремов Р.Г. Компьютерное моделирование димеризации трансмембранных доменов гликофорина А: доминирующая роль эффектов среды. В кн.: Материалы V съезда био­физиков России. Т. 1. Под ред. Рубина А.Б., Узденского А.Б. Ростов-на-Дону: Издательство Южного федерального уни­вер­ситета; 2015; с. 92.
  13. Anshari M., Almunavar M.N. Modile healt (mHealt) services and online educators. Biomed Inform Insights 2016; 8: 19–27, https://doi.org/10.4137/bii.s35388.
  14. Филиппова А.В., Баиндурашвили А.Г., Комоско М.М., Семенов М.Г., Зарипова З.А. Использование 3D технологий в медицине. Виртуальные технологии в медицине 2015; 14(2): 38–39.
  15. Казанцев И.С., Кудряков С.Д., Шитиков А.С. Реали­зация механизмов подсистемы постоянного скрытного клавиатурного мониторинга с целью обнаружения подмены законного оператора. Современные тенденции развития науки и технологий 2016; 5–3: 61–63.
  16. Казанцев И.С. Способы идентификации и аутен­тификации оператора в современных системах контроля и управления доступом к информации. Современные тенденции развития науки и технологий 2016; 5–3: 63–66.
  17. Коломойцев В.С. Выбор варианта построения мно­го­уровневого защищенного доступа к внешней сети. Научно-технический вестник информационных тех­нологий, механики и оптики 2016; 16(1): 115–121, https://doi.org/10.17586/2226-1494-2016-16-1-115-121.
  18. ONDOC. URL: http://www.ondoc.me.
  19. Кучерова В.Ю., Петьков В.Н., Артамонов П.А. Применение метода АКАР для решения задачи стабилизации состояний равновесия типовых нелинейных систем. Фундаментальные исследования 2016; 5–2: 264–268.
  20. Акимов В.П., Баталов И.Х., Творогов Д.А., Зен­кова А.В. Послеоперационный желчный перитонит. В кн.: Перитонит от А до Я (Всероссийская школа). Под ред. Ларичева А.Б. Ярославль; 2016; c. 66–67.
  21. Jones K.H., Ford D.V., Jones C., Dsilva R., Thompson S., Brooks C.J., Heaven M.L., Thayer D.S., McNerney C.L., Lyons R.A. A case study of the Secure Anonymous Information Linkage (SAIL) Gateway: a privacy-protecting remote access system for health-related research and evaluation. J Biomed Inform 2014; 50: 196–204, https://doi.org/10.1016/j.jbi.2014.01.003.
  22. Schnipper L.E., Davidson N.E., Wollins D.S., Tyne C., Blayney D.W., Blum D., Dicker A.P., Ganz P.A., Hoverman J.R., Langdon R., Lyman G.H., Meropol N.J., Mulvey T., Newcomer L., Peppercorn J., Polite B., Raghavan D., Rossi G., Saltz L., Schrag D., Smith T.J., Yu P.P., Hudis C.A., Schilsky R.L.; American Society of Clinical Oncology. American Society of Clinical Oncology Statement: a conceptual framework to assess the value of cancer treatment options. J Clin Oncol 2015; 33(23): 2563–2557, https://doi.org/10.1200/jco.2015.61.6706.
  23. Beber M.E., Muskhelishvili G., Hütt M.T. Effect of database drift on network topology and enrichment analyses: a case study for RegulonDB. Database 2016; pii: baw003, https://doi.org/10.1093/database/baw003.
  24. Camara C., Peris-Lopez P., Tapiador J.E. Security and privacy issues in implantable medical devices: a comprehensive survey. J Biomed Inform 2015; 55: 272–289, https://doi.org/10.1016/j.jbi.2015.04.007.
  25. Chowdhury F.M., Zweigenbaum P. A controlled greedy supervised approach for co-reference resolution on clinical text. J Biomed Inform 2013; 46(3): 506–515, https://doi.org/10.1016/j.jbi.2013.03.007.
  26. Clark M. Prediction of clinical risks by analysis of preclinical and clinical adverse events. J Biomed Inform 2015; 54: 167–173, https://doi.org/10.1016/j.jbi.2015.02.008.
  27. Mehrabi S., Krishnan A., Sohn S., Roch A.M., Schmidt H., Kesterson J., Beesley C., Dexter P., Max Schmidt C., Liu H., Palakal M. DEEPEN: a negation detection system for clinical text incorporating dependency relation into NegEx. J Biomed Inform 2015; 54: 213–219, https://doi.org/10.1016/j.jbi.2015.02.010.
  28. Thye J., Hübner U., Straede M.-C., Liebe J.-D. Development and evaluation of a three-dimensional multi-level model for visualising the workflow composite score in a health IT benchmark. J Biomed Eng Inform 2016; 2(2): 83–98, https://doi.org/10.5430/jbei.v2n2p83.
  29. Ben-Assuli O., Sagi D., Leshno M., Ironi A., Ziv A. Improving diagnostic accuracy using EHR in emergency departments: a simulation-based study. J Biomed Inform 2015; 55: 31–40, https://doi.org/10.1016/j.jbi.2015.03.004.
  30. Ojo A.I., Popoola S.O. Some correlates of electronic health information management system success in Nigerian Teaching Hospitals. Biomed Inform Insights 2015; 7: 1–9, https://doi.org/10.4137/bii.s20229.
  31. Miwa M., Thomas J., O’Mara-Eves A., Ananiadou S. Reducing systematic review workload through certainty-based Screening. J Biomed Inform 2014; 51: 242–253, https://doi.org/10.1016/j.jbi.2014.06.005.
  32. Soares M., Salluh J.I. Providing high-quality and affordable intensive care to patients with cancer: the forgotten brick in the steep wall of costs throughout the cancer care continuum. J Clin Oncol 2014; 32(13): 1384–1385, https://doi.org/10.1200/jco.2013.54.6614.
  33. Moran M.S., Kaufman C., Burgin C., Swain S., Granville T., Winchester D.P. What currently defines a breast center? Initial Data from the National Accreditation Program for breast centers. J Oncol Pract 2013; 9(9): e62–e70, https://doi.org/10.1200/jop.2012.000636.
  34. Yu H., Zhang J.J., Lee T.-Y. Foldover-free shape deformation for biomedicine. J Biomed Inform 2014; 48: 137–147, https://doi.org/10.1016/j.jbi.2013.12.011.
  35. Ferrante A., Boyd J. A transparent and transportable methodology for evaluating Data Linkage software. J Biomed Inform 2012; 45: 165–172, https://doi.org/10.1016/j.jbi.2011.10.006.
  36. Sun W., Rumshisky A., Uzuner O. Temporal reasoning over clinical text: the state of the art. J Am Med Inform Assoc 2013; 20(5): 814–819, https://doi.org/10.1136/amiajnl-2013-001760.
  37. Cohen K.B., Glass B., Greiner H.M., Holland-Bouley K., Standridge S., Arya R., Faist R., Morita D., Mangano F., Connolly B., Glauser T., Pestian J. Methodological issues in predicting pediatric epilepsy surgery candidates through natural language processing and machine learning. Biomed Inform Insights 2016; 8: 11–18, https://doi.org/10.4137/bii.s38308.
  38. Алтабасова З.Ю. Актуальные способы слово­об­ра­зования неологизмов на современном этапе английского языка. Современные тенденции развития науки и тех­нологий 2016; 5–4: 17–19.
  39. Быкадор В.С., Попов Ю.В. Параметрическая иден­тификация систем высокого порядка регрессионными методами по моделям низкого порядка. Современные тен­денции развития науки и технологий 2016; 5–3: 48–54.
  40. Harispe S., Sanchez D., Ranwez S., Janaqi S., Montmain J. A framework for unifying ontology-based semantic similarity measures: а study in the biomedical domain. J Biomed Inform 2014; 48: 38–53, https://doi.org/10.1016/j.jbi.2013.11.006.
  41. Bousquet C., Sadou E., Souvignet J., Jaulent M.-C., Declerck G. Formalizing MedDRA to support semantic reasoning on adverse drug reaction terms. J Biomed Inform 2014; 49: 282–291, https://doi.org/10.1016/j.jbi.2014.03.012.
  42. Luo Y., Szolovits P. Efficient queries of stand-off annotations for natural language processing on electronic medical records. Biomed Inform Insights 2016; 8: 29–38, https://doi.org/10.4137/bii.s38916.
  43. McInnes B.T., Stevenson M. Determining the difficulty of Word Sense Disambiguation. J Biomed Inform 2014; 47: 83–90, https://doi.org/10.1016/j.jbi.2013.09.009.
  44. Skrøvseth S.O., Augestad K.M., Ebadollahi S. Data-driven approach for assessing utility of medical tests using electronic medical records. J Biomed Inform 2015; 53: 270–276, https:/ /doi.org/10.1016/j.jbi.2014.11.011.
  45. Skeppstedt M., Kvist M., Nilsson G.H., Dalianis H. Automatic recognition of disorders, findings, pharmaceuticals and body structures from clinical text: an annotation and machine learning study. J Biomed Inform 2014; 49: 148–158, https://doi.org/10.1016/j.jbi.2014.01.012.
  46. Tang B., Wu Y., Jiang M., Chen Y., Denny J.C., Xu H. A hybrid system for temporal information extraction from clinical text. J Am Med Inform Assoc 2013; 20(5): 828–835, https://doi.org/10.1136/amiajnl-2013-001635.
  47. El Emam K., Farah H., Samet S., Essex A., Jonker E., Kantarcioglu M., Earle C.C. A privacy preserving protocol for tracking participants in phase I clinical trials. J Biomed Inform 2015; 57: 145–162, https://doi.org/10.1016/j.jbi.2015.06.019.
  48. Rajamani S., Chen E.S., Akre M.E., Wang Y., Melton G.B. Assessing the adequacy of the HL7/LOINC Document Ontology Role axis. J Am Med Inform Assoc 2015; 22(3): 615–620, https://doi.org/10.1136/amiajnl-2014-003100.
  49. Krist A.H., Woolf S.H., Bello G.A., Sabo R.T., Longo D.R., Kashiri P., Etz R.S., Loomis J., Rothemich S.F., Peele J.E., Cohn J. Engaging primary care patients to use a patient-centered personal health record. Ann Fam Med 2014; 5: 418–426, https://doi.org/10.1370/afm.1691.
  50. Leaman R., Khare R., Lu Z. Challenges in clinical natural language processing for automated disorder normalization. J Biomed Inform 2015; 57: 28–37, https://doi.org/10.1016/j.jbi.2015.07.010.
  51. Skałkowski K., Zieliński K. Applying formalized rules for treatment procedures to data delivered by personal medical devices. J Biomed Inform 2013; 46(3): 530–540, https://doi.org/10.1016/j.jbi.2013.04.005.
  52. Kim S., Liu H., Yeganova L., Wilbur W.J. Extracting drug–drug interactions from literature using a rich feature-based linear kernel approach. J Biomed Inform 2015; 55: 23–30, https://doi.org/10.1016/j.jbi.2015.03.002.
  53. McCoy A.B., Wright A., Rogith D., Fathiamini S., Ottenbacher A.J., Sittig D.F. Development of a clinician reputation metric to identify appropriate problem-medication pairs in a crowdsourced knowledge base. J Biomed Inform 2014; 48: 66–72, https://doi.org/10.1016/j.jbi.2013.11.010.
  54. Deutsch E.W., Albar J.P., Binz P.A., Eisenacher M., Jones A.R., Mayer G., Omenn G.S., Orchard S., Vizcaíno J.A., Hermjakob H. Development of data representation standards by the human proteome organization proteomics standards initiative. J Am Med Inform Assoc 2015; 22(3): 496–506, https://doi.org/10.1093/jamia/ocv001.
  55. Lopetegui M., Yen P.-Y., Lai A., Jeffries J., Embi P., Payne P. Time motion studies in healthcare: what are we talking about? J Biomed Inform 2014; 49: 292–299, https://doi.org/10.1016/j.jbi.2014.02.017.
  56. Vincent C.J., Blandford A. Usability standards meet scenario-based design: challenges and opportunities. J Biomed Inform 2015; 53: 243–250, https://doi.org/10.1016/j.jbi.2014.11.008.
  57. Wijdicks EF. Brain death worldwide: accepted fact but no global consensus in diagnostic criteria. Neurology 2002; 58(1): 20–25, https://doi.org/10.1212/wnl.58.1.20.
  58. Khare R., Li J., Lu Z. LabeledIn: cataloging labeled indications for human drugs. J Biomed Inform 2014; 52: 448–456, https://doi.org/10.1016/j.jbi.2014.08.004.
  59. Ochs C., Geller J., Perl Y., Chen Y., Xu J., Min H., Case J.T., Wei Z. Scalable quality assurance for large SNOMED CT hierarchies using subject-based subtaxonomies. J Am Med Inform Assoc 2015; 22: 507–518, https://doi.org/10.1136/amiajnl-2014-003151.
  60. Luo L., Mejino J.L.V. Jr., Zhang G.-Q. An analysis of FMA using structural self-bisimilarity. J Biomed Inform 2013; 46(3): 497–505, https://doi.org/10.1016/j.jbi.2013.03.005.
  61. Mamykina L., Smaldone A.M., Bakken S.R. Adopting the sensemaking perspective for chronic disease self-management. J Biomed Inform 2015; 56: 406–417, https://doi.org/10.1016/j.jbi.2015.06.006.
  62. Gobbel G.T., Reeves R., Jayaramaraja S., Giuse D., Speroff T., Brown S.H., Elkin P.L., Matheny M.E. Development and evaluation of RapTAT: а machine learning system for concept mapping of phrases from medical narratives. J Biomed Inform 2014; 48: 54–65, https://doi.org/10.1016/j.jbi.2013.11.008.
  63. Yabroff K.R., Francisci S., Mariotto A., Mezzetti M., Gigli A., Lipscomb J. Advancing comparative studies of patterns of care and economic outcomes in cancer: challenges and opportunities. J Natl Cancer Inst Monogr 2013; 46: 1–6, https://doi.org/10.1093/jncimonographs/lgt005.
  64. South B.R., Mowery D., Suo Y., Leng J., Ferrández Ó., Meystre S.M., Chapman W.W. Evaluating the effects of machine pre-annotation and an interactive annotation interface on manual de-identification of clinical text. J Biomed Inform 2014; 50: 162–172, https://doi.org/10.1016/j.jbi.2014.05.002.
  65. Sarker A., Gonzalez G. Portable automatic text classification for adverse drug reaction detection via multi-corpus training. J Biomed Inform 2015; 53: 196–207, https://doi.org/10.1016/j.jbi.2014.11.002.
  66. Xierali I.M., Hsiao C.J., Puffer J.C., Green L.A., Rinaldo J.C., Bazemore A.W., Burke M.T., Phillips R.L. Jr. The rise of electronic health record adoption among family physicians. Ann Fam Med 2013; 11(1): 14–19, https://doi.org/10.1370/afm.1461.
  67. Sarker A., Ginn R., Nikfarjam A., O’Connor K., Smith K., Jayaraman S., Upadhaya T., Gonzalez G. Utilizing social media data for pharmacovigilance: a review. J Biomed Inform 2015; 54: 202–212, https://doi.org/10.1016/j.jbi.2015.02.004.
  68. Chow M., Beene M., O’Brien A., Greim P., Cromwell T., DuLong D., Bedecarre D. A nursing information model process for interoperability. J Am Med Inform Assoc 2015; 22(3): 608–614, https://doi.org/10.1093/jamia/ocu026.
  69. Viana-Ferreira C., Ribeiro L.S., Costa C. A framework for integration of heterogeneous medical imaging networks. Open Med Inform J 2014; 8(1): 20–32, https://doi.org/10.2174/1874431101408010020.
  70. Kaggal V.C., Elayavilli R.K., Mehrabi S., Pankratz J.J., Sohn S., Wang Y., Li D., Rastegar M.M., Murphy S.P., Ross J.L., Chaudhry R., Buntrock J.D., Liu H. Toward a Learning Health-care System — knowledge delivery at the point of care empowered by big data and NLP. Biomed Inform Insights 2016; 8(1): 13–22, https://doi.org/10.4137/bii.s37977.
  71. ГОСТ Р ИСО/ТО 20514-2009. Информатизация здо­ровья. Электронный учет здоровья. Определение, об­ласть применения и контекст. Национальный стандарт Рос­сийской Федерации. URL: http://docs.cntd.ru/document/gost-r-iso-to-20514-2009.
  72. Карташова А.Л. История болезни как основной юри­дический документ. Современные тенденции развития науки и технологий 2016; 5–1: 108–113.
  73. Gagnon M.P., Ghandour el K., Talla P.K., Simonyan D., Godin G., Labrecque M., Ouimet M., Rousseau M. Electronic health record acceptance by physicians: testing an integrated theoretical model. J Biomed Inform 2014; 48: 17–27, https://doi.org/10.1016/j.jbi.2013.10.010.
  74. Harris M.R., Langford L.H., Miller H., Hook M., Dykes P.C., Matney S.A. Harmonizing and extending standards from a domain-specific and bottom-up approach: an example from development through use in clinical applications. J Am Med Inform Assoc 2015; 22(3): 545–552, https://doi.org/10.1093/jamia/ocu020.
  75. Hripcsak G., Albers D.J. Correlating electronic health record concepts with healthcare process events. J Am Med Inform Assoc 2013; 20(e2): e311–e318, https://doi.org/10.1136/amiajnl-2013-001922.
  76. Hripcsak G., Albers D.J. Next-generation phenotyping of electronic health records. J Am Med Inform Assoc 2013; 20(1): 117–121, https://doi.org/10.1136/amiajnl-2012-001145.
  77. Hripcsak G., Albers D.J., Perotte A. Parameterizing time in electronic health record studies. J Am Med Inform Assoc 2015; 22(4): 794–804, https://doi.org/10.1093/jamia/ocu051.
  78. Kamdar M.R., Zeginis D., Hasnain A., Decker S., Deus H.F. ReVeaLD: a user-driven domain-specific interactive search platform for biomedical research. J Biomed Inform 2014; 47: 112–130, https://doi.org/10.1016/j.jbi.2013.10.001.
  79. Hanauer D.A., Mei Q., Law J., Khanna R., Zheng K. Supporting information retrieval from electronic health records: a report of University of Michigan’s nine-year experience in developing and using the Electronic Medical Record Search Engine (EMERSE). J Biomed Inform 2015; 55: 290–300, https://doi.org/10.1016/j.jbi.2015.05.003.
  80. Legaz-García M. del C., Menárguez-Tortosa M., Fernández-Breis J.T., Chute C.G., Tao C. Transformation of standardized clinical models based on OWL technologies: from CEM to OpenEHR archetypes. J Am Med Inform Assoc 2015; 22(3): 536–544, https://doi.org/10.1093/jamia/ocu027.
  81. Marcos C., González-Ferrer A., Peleg M., Cavero C. Solving the interoperability challenge of a distributed complex patient guidance system: a data integrator based on HL7’s Virtual Medical Record standard. J Am Med Inform Assoc 2015; 22: 587–599, https://doi.org/10.1093/jamia/ocv003.
  82. ГОСТ Р 52636-2006. Электронная история болезни. URL: http://docs.cntd.ru/document/1200048924.
  83. Федеральный закон №258-ФЗ «О внесении изме­нений в отдельные законодательные акты Российской Федерации и признании утратившими силу отдельных положений законодательных актов Российской Федерации по вопросам лицензирования отдельных видов деятель­ности» от 08.11.2007.
  84. Федеральный закон №1-ФЗ «Об электронной циф­ровой подписи» от 10.01.2002. URL: http://www.consultant.ru/document/cons_doc_LAW_34838.
  85. Clancy T.R., Bowles K.H., Gelinas L., Androwich I., Delaney C., Matney S., Sensmeier J., Warren J., Welton J., Westra B. A call to action: engage in big data science. Nursing Outlook 2014; 62(1): 64–65, https://doi.org/10.1016/j.outlook.2013.12.006.
  86. Chen Y., Carroll R.J., Hinz E.R., Shah A., Eyler A.E., Denny J.C., Xu H. Applying active learning to high-throughput phenotyping algorithms for electronic health records data. J Am Med Inform Assoc 2013; 20(e2): e253–e259, https://doi.org/10.1136/amiajnl-2013-001945.
  87. Ancker J.S., Kern L.M., Edwards A., Nosal S., Stein D.M., Hauser D., Kaushal R. Associations between healthcare quality and use of electronic health record functions in ambulatory care. J Am Med Inform Assoc 2015; 22(4): 864–871, https://doi.org/10.1093/jamia/ocv030.
  88. Cimino J.J., Frisse M.E., Halamka J., Sweeney L., Yasnoff W. Consumer-mediated health information exchanges: the 2012 ACMI debate. J Biomed Inform 2014; 48: 5–15, https://doi.org/10.1016/j.jbi.2014.02.009.
  89. Chen Z., Wang Z., Wang H., Owonikoko T.K., Kowalski J., Khuri F.R. Interactive software “Isotonic Design using Normalized Equivalent Toxicity Score (ID-NETS©TM)” for cancer phase I clinical trials. Open Med Informat J 2013; 7: 8–17, https://doi.org/10.2174/1874431101307010008.
  90. Hsiao C.J., Jha A.K., King J., Patel V., Furukawa M.F., Mostashari F. Office-based physicians are responding to incentives and assistance by adopting and using electronic health records. Health Aff 2013; 32(8): 1470–1477, https://doi.org/10.1377/hlthaff.2013.0323.
  91. Carroll L.N., Au A.P., Detwiler L.T., Fu T., Painter I.S., Abernethy N.F. Visualization and analytics tools for infectious disease epidemiology: a systematic review. J Biomed Inform 2014; 51: 287–298, https://doi.org/10.1016/j.jbi.2014.04.006.
  92. Braga R.D., de Lucena F.N., Ribeiro-Rotta R.F. A multiprofessional information model for Brazilian primary care: defining a consensus model towards an interoperable electronic health record. Int J Med Inform 2016; 90: 48–57, https://doi.org/10.1016/j.ijmedinf.2016.03.004.
  93. Комарова К.В. Мониторинг базовых станций. В кн.: Про­рывные инновационные исследования. Под ред. Гуляева Г.Ю. Пенза: МЦНС «Наука и просвещение»; 2016; c. 13–20.
  94. Edge S.B. The challenge of quality in breast care: beyond accreditation. J Oncol Practice 2013; 9(9): 271–272, https://doi.org/10.1200/jop.2012.000792.
  95. Medvedeva Y.A., Lennartsson A., Ehsani R., Kulakovskiy I.V., Vorontsov I.E., Panahandeh P., Khimulya G., Kasukawa T., Drabløs F.; FANTOM Consortium. EpiFactors: a comprehensive database of human epigenetic factors and complexes. Database 2015; 8(19): 1–10, https://doi.org/10.1093/database/bav067.
  96. Bellos E., Kumar V., Lin C., Maggi J., Phua Z.Y., Cheng C.Y., Cheung C.M., Hibberd M.L., Wong T.Y., Coin L.J., Davila S. СnvCapSeq: detecting copy number variation in long-range targeted resequencing data. Nucleic Acids Res 2014; 42(20): e158, https://doi.org/10.1093/nar/gku849.
  97. Hajian-Tilaki K. Sample size estimation in diagnostic test studies of biomedical informatics. J Biomed Inform 2014; 48: 193–204, https://doi.org/10.1016/j.jbi.2014.02.013.
  98. Curcin V., Woodcock T., Poots A.J., Majeed A., Bell D. Model-driven approach to data collection and reporting for quality improvement. J Biomed Inform 2014; 52: 151–162, https://doi.org/10.1016/j.jbi.2014.04.014.
  99. Миллер Р. Анестезия. СПб: Издательство «Чело­век»; 2015; 3328 с.
  100. Zhang Y., Yu Z., Ban R., Zhang H., Iqbal F., Zhao A., Li A., Shi Q. DeAnnCNV: a tool for online detection and annotation of copy number variations from whole-exome sequencing data. Nucleic Acids Res 2015; 43(W1): W289–W294, https://doi.org/10.1093/nar/gkv556.
  101. Zhang R., Cairelli M.J., Fiszman M., Rosemblat G., Kilicoglu H., Rindflesch T.C., Pakhomov S.V., Melton G.B. Using semantic predications to uncover drug–drug interactions in clinical data. J Biomed Inform 2014; 49: 134–147, https://doi.org/10.1016/j.jbi.2014.01.004.
  102. Voss E.A., Makadia R., Matcho A., Ma Q., Knoll C., Schuemie M., DeFalco F.J., Londhe A., Zhu V., Ryan P.B. Feasibility and utility of applications of the common data model to multiple, disparate observational health databases. J Am Med Inform Assoc 2015; 22(3): 553–564, https://doi.org/10.1093/jamia/ocu023.
  103. Бояринов Г.А., Кузнецов А.Н., Кузнецов А.Б., Куш­ников О.И. Инженерно-технические проблемы анесте­зиолого-реанимационного обеспечения и интенсивной терапии критических состояний. Вестник интенсивной терапии 2016; S2: 10–12.
  104. Кулинич О.В. Значимость уровня постоянного потенциала в прогнозировании критических инцидентов после обширных абдоминальных операций у пожилых пациентов. Вестник интенсивной терапии 2016; S1: 88–91.
  105. Зарипова З.А., Полушин Ю.С. Моделированный критический инцидент в симуляционном обучении. Виртуальные технологии в медицине 2015; 2(14): 8–11.
  106. Каушанская Л.В., Лелик М.П., Дягилев М.А., Пухтинская М.В., Корнеева А.С. Обучение сердечно-ле­гочно-церебральной реанимации на базе симуляционных центров. Виртуальные технологии в медицине 2016; 1(15): 20–22.
  107. Рикфлекс В.П., Мулдаева Г.М., Клочкова Е.В., Колесникова Е.А., Шушаева А.А. Организация и про­ве­дение группового объективного структурированного клинического экзамена. Виртуальные технологии в медицине 2016; 1(15): 35–39.
  108. Cooper L., Nossaman B. Medication errors in anesthesia: a review. Int Anesthesiol Clin 2013; 51(1): 1–12, https://doi.org/10.1097/aia.0b013e31827d6486.
  109. Nanji K.C., Patel A., Shaikh S., Seger D.L., Bates D.W. Evaluation of perioperative medication errors and adverse drug events. Anesthesiology 2016; 124(1): 25–34, https://doi.org/10.1097/aln.0000000000000904.
  110. Fodeh S.J., Brandt C., Luong T.B., Haddad A., Schultz M., Murphy T., Krauthammer M. Complementary ensemble clustering of biomedical data. J Biomed Inform 2013; 46(3): 436–443, https://doi.org/10.1016/j.jbi.2013.02.001.
  111. Kumar S., Merchant S., Reynolds R. Tele-ICU: efficacy and cost-effectiveness approach of remotely managing the critical care. Open Med Inform J 2013; 7: 24–29, https://doi.org/10.2174/1874431101307010024.
  112. Miller R.A. Cognitive informatics in health and biomedicine: case studies on critical care, complexity, and errors. Vimla L. Patel, David R. Kaufman, Trevor Cohen (Eds.). Springer, London (2014). 505 pages. J Biomed Inform 2014; 49: 9–10, https://doi.org/10.1016/j.jbi.2014.04.011.
  113. Warner J.L., Zollanvari A., Ding Q., Zhang P., Snyder G.M., Alterovitz G. Temporal phenome analysis of a large electronic health record cohort enables identification of hospital-acquired complications. J Am Med Inform Assoc 2013; 20(e2): e281–e287, https://doi.org/10.1136/amiajnl-2013-001861.
  114. Peute L.W.P., de Keizer N.F., Jaspers M.W.M. The value of retrospective and concurrent think aloud in formative usability testing of a physician data query tool. J Biomed Inform 2015; 55: 1–10, https://doi.org/10.1016/j.jbi.2015.02.006.
  115. Walker M., Hermann C.D., Williams J.K., Vidacovic B., Olivares-Navarette R., Schwartz Z., Boyan B.D. Automated analysis and predictive modeling of craniosynostosis with cranial suture measurements and intracranial volume asymmetries using the snake algorithm. J Biomed Eng Inform 2016; 2(2): 132–149, https://doi.org/10.5430/jbei.v2n2p132.
  116. Franke S., Meixensberger J., Neumuth T. Multi-perspective workflow modeling for online surgical situation models. J Biomed Inform 2015; 54: 158–166, https://doi.org/10.1016/j.jbi.2015.02.005.
  117. Loizou C.P., Pantziaris M. An integrated system for the complete segmentation of the common carotid artery bifurcation in ultrasound images. J Biomed Eng Inform 2015; 1(1): 11–24, https://doi.org/10.5430/jbei.v1n1p11.
  118. Alexandridis A., Chondrodima E. A medical diagnostic tool based on radial basis function classifiers and evolutionary simulated annealing. J Biomed Inform 2014; 49: 61–72, https://doi.org/10.1016/j.jbi.2014.03.008.
  119. Tay D., Poh C.L., Kitney R.I. A novel neural-inspired learning algorithm with application to clinical risk prediction. J Biomed Inform 2015; 54: 305–314, https://doi.org/10.1016/j.jbi.2014.12.014.
  120. Krist A.H. Electronic health record innovations for healthier patients and happier doctors. J Am Board Fam Med 2015; 28(3): 299–302, https://doi.org/10.3122/jabfm.2015.03.150097.
  121. Altini M., Casale P., Penders J., Amft O. Personalized cardiorespiratory fitness and energy expenditure estimation using hierarchical Bayesian models. J Biomed Inform 2015; 56: 195–204, https://doi.org/10.1016/j.jbi.2015.06.008.
  122. Gardeux V., Bosco A., Li J., Halonen M.J., Jackson D., Martinez F.D., Lussier A.Y. Towards a PBMC “virogram assay” for precision medicine: Concordance between ex vivo and in vivo viral infection transcriptomes. J Biomed Inform 2015; 55: 94–103, https://doi.org/10.1016/j.jbi.2015.03.003.
  123. Василевский Ю.В., Симаков С.С., Гамилов Т.М., Прямоносов Р.А. Персонализированная вычислительная оценка фракционированного резерва кровотока. В кн.: Материалы V съезда биофизиков России. Т. 1. Под ред. Рубина А.Б., Узденского А.Б. Ростов-на-Дону: Изда­тельство Южного федерального университета; 2015; c. 14.
  124. Wang S., Jiang X., Wu Y., Cui L., Cheng S., Ohno-Machado L. EXpectation Propagation LOgistic REgRession (EXPLORER): Distributed privacy-preserving online model learning. J Biomed Inform 2013; 46(3): 480–496, https://doi.org/10.1016/j.jbi.2013.03.008.
  125. Петров Д.А., Галеб К.И.С., Проскурин С.Г. Моде­лирование В-скана оптической когерентной томо­графии методом Монте-Карло на основе воксельного представления структуры объекта. Фундаментальные исследования 2016; 5–2: 275–278.
  126. Соловьева О.Э. Моделирование миокарда: от клетки до органа. В кн.: Материалы V съезда биофизиков России. Т. 1. Под ред. Рубина А.Б., Узденского А.Б. Ростов-на-Дону: Издательство Южного федерального университета; 2015; c. 48.
  127. Ayvaz S., Horn J., Hassanzadeh O., Zhu Q., Stan J., Tatonetti N.P., Vilar S., Brochhausen M., Samwald M., Rastegar-Mojarad M., Dumontier M., Boyce R.D. Toward a complete dataset of drug–drug interaction information from publicly available sources. J Biomed Inform 2015; 55: 206–217, https://doi.org/10.1016/j.jbi.2015.04.006.
  128. Chen Y., Ghosh J., Bejan C.A., Gunter C.A., Gupta S., Kho A., Liebovitz D., Sun J., Denny J., Malin B. Building bridges across electronic health record systems through inferred phenotypic topics. J Biomed Inform 2015; 55: 82–93, https://doi.org/10.1016/j.jbi.2015.03.011.
  129. Liu B., Madduri R.K., Sotomayor B., Chard K., Lacinski L., Dave U.J., Li J., Liu C., Foster I.T. Cloud-based bioinformatics workflow platform for large-scale next-generation sequencing analyses. J Biomed Inform 2014; 49: 119–133, https://doi.org/10.1016/j.jbi.2014.01.005.
  130. Fricke W.F., Rasko D.A. Bacterial genome sequencing in the clinic: bioinformatic challenges and solutions. Nat Rev Genet 2014; 15(1): 49–55, https://doi.org/10.1038/nrg3624.
  131. Gotz D., Wang F., Perer A. A methodology for interactive mining and visual analysis of clinical event patterns using electronic health record data. J Biomed Inform 2014; 48: 148–159, https://doi.org/10.1016/j.jbi.2014.01.007.
  132. Kakouros N. Distributed storage healthcare — the basis of a planet-wide public health care network. Open Med Inform J 2013; 7: 1–7, https://doi.org/10.2174/1874431101307010001.
  133. Klann J.G., Buck M.D., Brown J., Hadley M., Elmore R., Weber G.M., Murphy S.N. Query Health: standards-based, cross-platform population health surveillance. J Am Med Inform Assoc 2014; 21(4): 650–656, https://doi.org/10.1136/amiajnl-2014-002707.
  134. Le T., Chaudhuri S., Chung J., Thompson H.J., Demiris G. Tree testing of hierarchical menu structures for health applications. J Biomed Inform 2014; 49: 198–205, https://doi.org/10.1016/j.jbi.2014.02.011.
  135. Guidance for industry and food and drug administration staff. 2016. URL: https://www.fda.gov.
  136. Похиленко О.В. Безопасный способ обмена и хра­нения данных, используя облачные хранилища. Современные тенденции развития науки и технологий 2016; 6–1: 78–83.
  137. Пономарева Н.С., Панич А.Е. Экспертная сис­те­ма поддержки принятия решений в оценке состояния репродуктивной системы человека. В кн.: Материалы V съезда биофизиков России. Т. 2. Под ред. Рубина А.Б., Узденского А.Б. Ростов-на-Дону: Издательство Южного фе­де­рального университета; 2015; c. 24.
  138. Westra B.L., Latimer G.E., Matney S.A., Park J.I., Sensmeier J., Simpson R.L., Swanson M.J., Warren J.J., Delaney C.W. A national action plan for sharable and comparable nursing data to support practice and translational research for transforming health care. J Am Med Inform Assoc 2015; 22(3): 600–607, https://doi.org/10.1093/jamia/ocu011.
  139. Luo J., Wu M., Zhao Y. Big data application in biomedical research and health care: a literature review. Biomed Inform Insights 2016; 8: 1–10, https://doi.org/10.4137/bii.s31559.
  140. Klann G., Szolovits P., Downs S.M., Schadow G. Decision support from local data: creating adaptive order menus from past clinician behavior. J Biomed Inform 2014; 48: 84–93, https://doi.org/10.1016/j.jbi.2013.12.005.
  141. Shin D., Arthur G., Popescu M., Korkin D., Shyu C.-R. Uncovering influence links in molecular knowledge networks to streamline personalized medicine. J Biomed Inform 2014; 52: 394–405, https://doi.org/10.1016/j.jbi.2014.08.003.
  142. Смоляр О.В. Метод расчета требуемой произ­во­дительности локальной вычислительной сети. Совре­менные тенденции развития науки и технологий 2016; 6–1: 89–91.
  143. Shyr C., Kushniruk A., Wasserman W.W. Usability study of clinical exome analysis software: top lessons learned and recommendations. J Biomed Inform 2014; 51: 129–136, https://doi.org/10.1016/j.jbi.2014.05.004.
  144. Кузнецов А.Б., Щегольков Л.А. Прогнозирование результатов лечения пациента в критическом состоянии. Н. Новгород: Издательство НижГМА; 2017.
Kuznetsov A.B., Mukhin A.S., Simutis I.S., Shchegolkov L.A., Boyarinov G.А. Information Technology in Health Care: Information Retrieval, Processing, and Protection (Review). Sovremennye tehnologii v medicine 2018; 10(3): 213, https://doi.org/10.17691/stm2018.10.3.26


Журнал базах данных

pubmed_logo.jpg

web_of_science.jpg

scopus.jpg

crossref.jpg

ebsco.jpg

embase.jpg

ulrich.jpg

cyberleninka.jpg

e-library.jpg

lan.jpg

ajd.jpg