ကနျြးမာရေးနည်းပညာကြှနျုပျတို့ကိုမအောင်မြင်မှုများရတဲ့အခါ

ကောင်းပြီအသိပေးထားသောဖြစ်ခြင်းနှင့် Cyberchondriac ဖြစ်လာခြင်းအကြားတွင်အဆိုပါလိုင်း

သူတို့တစ်ဦးကျန်းမာရေးပြဿနာရှိယုံကြည်အခါတယ်လို့ Pew Research Center မှအဆိုအရအမေရိကန်များ၏တတိယကျော်အင်တာနက်ကိုအသုံးပြုပါ။ သူတို့ရဲ့ရှာဖွေရေးရလဒ်များကိုသို့သော်အမြဲဆရာဝန်တစ်ဦးမှတစ်ဦးအလည်အပတ်အတူတက်နောက်တော်သို့လိုက်ကြသည်မဟုတ်။ အွန်လိုင်း Self-diagnosing ရရှိနိုင်အွန်လိုင်းကျန်းမာရေးအရင်းအမြစ်များ၏ကျယ်ပြန့်သောငွေပမာဏ၏ ပို. ပို. သတိထားဖြစ်ကြပြီး၎င်းတို့၏အလောင်းများကိုနှင့်သုခချမ်းသာကိုထိန်းချုပ်အတွက်ခံစားရလိုသူများအတွက်အင်တာနက်အသုံးပြုသူများအတွက်လုပ်ရိုးလုပ်စဉ်ဖြစ်လာသည်။

အဲဒီအစားအလားအလာလူနာယခု web ၏ကျယ်ပြန့်ရှာဖွေမှုများကိုလုပ်ဆောင်ကြပြီးအကောင်းဆုံး fit ဟန်သောတဦးတည်းရှာဖွေတွေ့ရှိသည်အထိမိမိတို့၏ရောဂါလက္ခဏာနှင့်အတူကွဲပြားခြားနားသော diagnoses juxtapose, ဆရာဝန်တစ်ဦးနှင့်အတူသူတို့၏ရောဂါလက္ခဏာတွေဆွေးနွေးရန်ရှိခြင်းနှင့်ရံဖန်ရံခါနောက်ထပ်ရောဂါရှာဖွေစမ်းသပ်မှုများအဘို့တောင်းပန်, ရက်ချိန်းစောင့်ဆိုင်း၏။

အင်တာနက်ကိုသုံးစွဲနိုင်နီးပါးတစ်ကမ္ဘာလုံးကျန်းမာရေး-ဆက်စပ်သတင်းအချက်အလက်မှန်ကန်စေသည်။ ဒါဟာသူတို့ရဲ့ကျန်းမာရေးကိုအကြောင်းလူတွေကိုပညာပေးကူညီပေးသည်နှင့်၎င်းတို့၏ဆေးကုသမှု options များနှင့် ပတ်သက်. အသိပေးဆုံးဖြတ်ချက်များချမှတ်ရန်သူတို့ကိုနိုင်ပါတယ်။ misdiagnosis ၏နှစ်ကြာမှန်ကန်စွာသူတို့ကိုယ်သူတို့ဖော်ထုတ်လူများ၏ဥပမာများရှိပါသည်။ မကြာသေးမီကဥပမာ Bronte Doyne ၏ကံဆိုးဇာတ်လမ်းဖြစ်ပါတယ်။ Bronte Self-ဖော်ထုတ်ရပ်တန့်ဖို့သူမဆရာဝန်များကပြောပြတယ်နောက်ဆုံးမှာသူမဖော်ထုတ်ခဲ့ကြတဲ့အခွအေနေသေဆုံး, ဒါပေမယ့်သူကသိပ်နောက်ကျခဲ့သည်အထိသူမ၏ကုသဆေးသမားတို့ကသတိမပြုမိသှားသောတစ်ဦးအခွအေနေခဲ့ရသည်။

အခြားတစ်ဖက်တွင်, သင့်ဆေးဘက်ဆိုင်ရာရောဂါလက္ခဏာတွေအကြောင်း Google တွင်ရှာဖွေသေချာပေါက်ဆုံးဖြတ်ချက်ထဲမှာအဆုံးသတ်မအများအပြားကိစ္စများတွင်ကျြမှောကျခတျေ cyberchondriacs သို့ဟောင်းတဦး hypochondriacs ပြောင်းလဲ, မလိုအပ်သောစိုးရိမ်ထုတ်ဆောင်ကြဉ်းပေးနိုင်သည်။

အချို့ကပင်အဆက်မပြတ်, အွန်လိုင်းကျန်းမာရေးသတင်းအချက်အလက်ရှာဖွေသူတို့ကိုယ်သူတို့ဆန်းစစ်နှင့်အာမခံရှာနေအဖြစ်သင့်လျော်သောမဖြစ်အံ့သောငှါစမ်းသပ်မှုများနှင့်ပြတောင်းဆိုနေတာစွဲရနိုငျသညျ။

ဗလာလက္ခဏာတွေစက်လှေကား

ဘုံ symptomatology ၎င်းတို့၏အွန်လိုင်းရှာဖွေမှုများကိုကာလအတွင်းတက်လာသည်ဟုရှားပါးခြင်းနှင့်လေးနက်သောအခြေအနေများရှာဖွေစူးစမ်းစတင်ရန်အချို့သောအသုံးပြုသူများသည်လှုံ့ဆျောနိုငျသညျ။

2008 ခုနှစ်တွင်ပြီးစီးခဲ့သည်တစ်ဦးကအကြီးစားစစ်တမ်းက်ဘ်ရှာဖွေရေးအင်ဂျင်အနည်းငယ်သာသို့မဟုတ်လုံးဝမဆေးဘက်ဆိုင်ရာလေ့ကျင့်ရေးသူလူများ၏ဆေးဝါးကုသမှုစိုးရိမ်ပူပန်မှုများမြင့်လာရန်အလားအလာရှိသည်ပြသခဲ့သည်။ အဆိုပါလေ့လာမှုကြောင့်တင်းမာမှုစိုးရိမ်ဖြစ်လာမှပမာဏနှင့်ဖြန့်ဖြူးသည်အသုံးပြုသူများအားဖြင့်ကြည့်ရှုအားပေးဆေးဘက်ဆိုင်ရာအကြောင်းအရာ, သူတို့ကသွားရောက်ခဲ့ပြီးအဆိုပါက်ဘ်ဆိုက်များပေါ်တွင်စိုးရိမ်ဖွယ်ရာဝေါဟာရများများအသုံးပြုခြင်းနှင့်လူတစ်ဦး၏ဓာတ်ကလွှမ်းမိုးခဲ့သည်ပြသခဲ့သည်။ ဆနျ့ကငျြသညျအဘယျသို့သူတို့တွေ့ကြုံကြသည်ကိုအလွန်တိကျသောနှင့် atypical ဖြစ်ပါတယ်အထူးသဖြင့်လျှင်, မှန်ကန်စွာသူတို့ကိုယ်သူတို့ရှာဖွေရေးမှာနိုင်သူအချို့ကလူရှိပါတယ်။ ဒါဟာမဖြစ်သည့်အခါဥပမာ, Bronte ကဲ့သို့ကိစ္စများတွင်, ဘေးထွက်မသိချင်ယောင်အဆောင်တစ်ခါတစ်ရံလျစ်လျူရှုသို့မဟုတ်သတိမမူနှင့်ဘုံဆေးဘက်ဆိုင်ရာအခွအေနေသကဲ့သို့ဆေးဘက်ဆိုင်ရာအဖွဲ့ကကုသရနိုငျသညျ။

သို့သျောလညျး, အွန်လိုင်းတွေ့ရှိခဲ့ကျန်းမာရေးသတင်းအချက်အလက်များမကြာခဏမမှန်ကန်ကြောင်းသို့မဟုတ်မပြည့်စုံသည်။ သူတို့ရဲ့ရောဂါရှာဖွေခြင်းနှင့် triage တိကျမှန်ကန်မှု 23 လက္ခဏာ Checker အကဲဖြတ်တဲ့အခါ, Harvard Medical School ကထဲကနေသုတေသီများတချို့စိုးရိမ်စရာလိုငွေပြမှုတွေ့ရှိခဲ့ပါတယ်။ (34 ရာခိုင်နှုန်း) သာလျှင်တတိယရောဂါညာဘက်ပထမဦးဆုံးအကြိမ်အရစီမံခန့်ခွဲခြင်း, ဖွင့် (57) ရာခိုင်နှုန်းတစ်ဝက်ကျော်မှန်ကန်သော triage အကွံဉာဏျပေး (ဥပမာအရေးပေါ်သို့မဟုတ် Non-ပေါ်ထွက်လာသောစောင့်ရှောက်မှုအကြံပြု) ။ ဒါ့အပြင်ဆေးပညာ၏တောင်ပိုင်းကယ်ရိုလိုင်းနားကျောင်းတက္ကသိုလ် Mathew Chung သည်နှင့်အညီ, အင်တာနက်ကိုမကြာခဏကို up-to-date ဖြစ်အောင်ဆေးဘက်ဆိုင်ရာအကြံဉာဏ်ကိုနှင့်အညီသေချာပေါက်မစပ်ဆိုင်ကြောင်းကိုထောက်ခံချက်ပေးသည်။

Chung လုံခြုံမွေးကင်းစကလေးအိပ်စက်ခြင်းများအတွက်အွန်လိုင်းအကြံပြုချက်များကိုလေ့လာခဲ့ပါတယ်။ သူသည်ဤကျန်းမာရေးခေါင်းစဉ်အပေါ်တိကျသောသတင်းအချက်အလက်ပေး 1,300 ဝက်ဘ်ဆိုက်များထဲကလျော့နည်းထက်ဝက်ကျော် (43.5 ရာခိုင်နှုန်း) ကိုတွေ့ရှိခဲ့ပါတယ်။

အွန်လိုင်းလက္ခဏာ Checker တိုးတက်လာဖို့ဘယ်လိုနေသလဲ?

အသုံးပြုသူသန်းပေါင်းများစွာအွန်လိုင်းကျန်းမာရေးသတင်းအချက်အလက်ကိုရှာဖွေတဲ့အခါမှာ, ဒီအချက်အလက်များ၏ကြီးမားတဲ့ရေကန်ဖန်တီးပေးပါတယ်။ သုတေသီများသည်ယခုပိုကောင်းအွန်လိုင်းလက္ခဏာ Checker စေနိုင်ကြောင်းကြိုတင်ခန့်မှန်းချက် algorithms စမ်းသပ်ဖို့ကဤအချက်အလက်စာရင်းများအတွက်သို့နှိပ်ထားပါသည်။ စက်သင်ယူမှုအတွက်နောက်ဆုံးပေါ်ဖြစ်ပေါ်တိုးတက်မှုအွန်လိုင်းရှာဖွေမှုများကိုထဲမှာပုံစံများကိုရှာဖွေအဆိုပါနှစ်ထက်လည်းစောသောတစ်ခွအေနအေရှာဖွေရေးမှာ၎င်းတို့၏အားထုတ်မှုကိုကူညီနေကြပါတယ်။ ပါရဂူကျောင်းသားယောဟနျသ Paparrizos မကြာသေးမီက၎င်းတို့၏ယခင်အွန်လိုင်းရှာဖွေမှုများကိုကြည့်ခြင်းဖြင့်ပန်ကရိယကင်ဆာရောဂါကြောင့်လူခွဲခြားသတ်မှတ်နိုင်သည့် algorithm ကိုဒီဇိုင်းအဲရစ် Horvitz နှင့် Ryen ဖြူ, cyberchondria အပေါ် 2008 ခုနှစ်အစီရင်ခံစာ၏စာရေးဆရာများနှင့်အတူပူးပေါင်း။

သူတို့ရဲ့လေ့လာမှုတစ်ခုအလေးအနက်ရောဂါဖြစ်နိုင်ချေပုဂ္ဂိုလ်တစ်ဦး၏အွန်လိုင်းမေးမြန်းချက်ဆန်းစစ်နေဖြင့်ခန့်မှန်းနိုင်ကြောင်းပြသခဲ့သည်။ ဒါကြောင့်သူတို့ကိုဆက်ဆံဖို့သိပ်နောက်ကျရရှိသွားတဲ့မတိုင်မီအွန်လိုင်း tools တွေကိုတစ်ခုတိုးတက်လာသောစနစ်ဖြင့်လူနာတွေ့ရှိနိုင်ပါသည်။

ရောဂါရှာဖွေအမှားတွေကာကွယ်ခြင်း

လက်တွေ့ဆုံးဖြတ်ချက်ထောက်ခံမှုစနစ်များ (CDSSs) ယခုကျန်းမာရေးလုပ်သားများသက်သေအထောက်အထား-based ဆုံးဖြတ်ချက်များစေနှင့်ပင်ကုသမှုရလဒ်များကြိုတင်ခန့်မှန်းနိုင်ပါတယ်ကူညီနိုင်သည်ကိုအပြန်အလှန် applications များဖြစ်ကြသည်။ တစ်စိတ်တစ်ပိုင်းသမားမကြာခဏကျော်သို့မဟုတ်အောက်မှာ-အားရစရာ, misdiagnose နှင့် / သို့မဟုတ်အခြားဆေးဘက်ဆိုင်ရာအထူးရည်ညွှန်းရန်ပျက်ကွက်သောဝေဖန်မှု, CDSSs တစ်တုံ့ပြန်မှုဆေးပညာအတုထောက်လှမ်းရေး၏အဓိကပုံစံစဉ်းစားနေကြသည်နှင့်ပင် ပို. ထိရောက်အလားအလာအဖြစ်ဖြစ်လာလိမ့်မည်ဟုမျှော်လင့်နေကြသည် ကျွန်တော်အပြည့်အဝကျန်းမာရေးစောင့်ရှောက်မှုအတွက်ဒစ်ဂျစ်တယ်တော်လှန်ရေးကိုရိုက်ထည့်ပါ။

CDSSs ပို. ပို. triage, စိစစ်, အန္တရာယ်အကဲဖြတ်, ဖော်ထုတ်, ကုသမှုအကဲဖြတ်ခြင်းနှင့်စောင့်ကြည့်လေ့လာရေးအတွက်အသုံးပြုကြသည်။ CDSSs ကိုလည်းအီလက်ထရောနစ်ကျန်းမာရေးမှတ်တမ်းများကနေလူနာ data တွေကိုချိတ်ဆက်နိုင်ပါတယ်။

CDSSs များ၏နှစ်သက်မော်ဒယ်များထိုကဲ့သို့သော, မျိုးဗီဇလက်တွေ့နှင့်လူမှုလူဦးရေဆိုင်ရာသတင်းအချက်အလက်အဖြစ်အချက်အလက်များ၏မျိုးစုံသတင်းရင်းမြစ်အပေါ်အားကိုး။ CDSSs လူဦးရေ-based မဟုတ်ကြောင်းကိုဒါခေါ် '' ကိုယ်ပိုင်ဆေးဝါး '' လှုပ်ရှားမှု၏အစိတ်အပိုင်းတစ်ခုဖြစ်ကြောင်း, ဒါပေမယ့်အစားတစ်ဦးချင်းကိုက်ညီဆေးဝါးဗေဒနှင့်ကြားဝင်န်းကျင်အာရုံစူးစိုက်။ ဇီဝဆေးပညာပညာပေးဘို့သိနာတောင်ပေါ်ရဲ့ Center ကညွှန်ကြားသူကိုဒေါက်တာပတေရုသ Elkin ကဦးဆောင်တစ်ဦးကလေ့လာမှု, CDSSs, မှန်ကန်သောရောဂါဖြစ်ဖို့အလားအလာပိုများစေလို, differential ကိုရောဂါ၏အတိုင်းအတာကိုထပ်တိုးဆေးရုံကျန်ရှိနေကိုအတိုကောက်, ဘဝတွေကိုကယ်တင်နှင့်နှစ်ဦးစလုံးမှစီးပွားရေးတန်ဖိုးပေးနိုငျကြောင်းအကြံပြု လူနာနှင့်ပံ့ပိုးပေးရန်။

CDSSs ၏ကျယ်ပြန့်ကလေးမွေးစားလုပ်ရိုးလုပ်စဉ်အလေ့အကျင့်အတွက်သေးဖြစ်ပွားခဲ့သည်မရှိသေးပေ, ဒါပေမယ့်အများကြီးကျွမ်းကျင်သူများကယင်းကဲ့သို့ tools များယနေ့ကျန်းမာရေးစောင့်ရှောက်မှုအတွက်တည်ရှိကြောင်း idiosyncrasies ကျော်လွှားကူညီနိုင်ကြောင်းယုံကြည်ပါတယ်။ ဒါ့အပြင် CDSS ၏တန်ဖိုးကို ပို. ပို. အီလက်ထရောနစ်ကျန်းမာရေးမှတ်တမ်းများ (နဲ့အတူပေါင်းစပ်အသိအမှတ်ပြု EHR ) ။ ကျန်းမာရေးနည်းပညာ၏ဤအမျိုးအစားသီအိုရီများနှင့်မကြာခဏရောဂါရှာဖွေသည့်လုပ်ငန်းစဉ်သြဇာလွှမ်းမိုးခြင်းနှင့်မကျေနပ်လူနာအရွက်ကြောင်းအလေ့အကျင့်များအကြားကွာဟချက်ကိုပေါင်းကူးနိုင်မည်ဖြစ်သည်။ ရောနှောလူနာများနှင့် Clinician အခွင့်အလမ်းများကျန်းမာရေးနည်းပညာနှင့်ရင်းနှီးကျွမ်းဝင်ရဖို့လိုအပ်ပါတယ်နည်းပညာဆိုင်ရာပြတ်တောက်အတူပါလာသောမွေးရာပါစိန်ခေါ်မှုများ site ကိုဆုံးရှုံးမဟုတ်နေစဉ်ကျွန်တော်တို့ကိုရရှိ။ အဲဒီကိရိယာတဖြည်းဖြည်းတိုးတက်ပြောင်းလဲသကဲ့သို့, မျှော်လင့်ချက်သည်အသုံးပြုသူများမိမိတို့ကိုယ်ပိုင်စောင့်ရှောက်မှုနှင့်ကုသမှု options များနှင့်ပတ်သက်ပြီးကျန်းမာကောင်းစွာသိရှိဆုံးဖြတ်ချက်များစေရန်ပိုကောင်းတပ်ဆင်ထားတဲ့ဖြစ်လိမ့်မည်ဖြစ်ပါသည်။

> Sources

Chung, အမ်, Oden, RP, Joyner, BL, Sims, အေ, & မွန်း, RY (2012) ။ မူရင်းအပိုဒ်: အင်တာနက်ပေါ်ရှိကို Safe မွေးကင်းစကလေးအိပ်စက်ခြင်းအကြံပြုချက်များ: ရဲ့ဒါဟာ Google ကြပါစို့။ ကလေးအထူးကု၏ဂျာနယ်, 161: 1080-1084

Elkin P ကို, Liebow M က, ဘား, G, et al ။ တစ်သင်ကြားရေးဆေးရုံဝန်ဆောင်မှုလုပ်ငန်းအသွားအလာသို့အဖြေရှာတဲ့ဆုံးဖြတ်ချက်ထောက်ခံမှုစနစ် (DXplain ™) ၏မိတ်ဆက် diagnostic Diagnostic ဆက်စပ်အဖွဲ့များ (DRGs) စိန်ခေါ်များအတွက်ဝန်ဆောင်မှု၏ကုန်ကျစရိတ်လျော့နည်းကျဆင်းနိုင်ပါတယ်။ ဆေးဘက်ဆိုင်ရာသတင်းအချက်အလက်, 2010 အပြည်ပြည်ဆိုင်ရာဂျာနယ်; 79 (11): 772-777

Paparrizos J ကို, အဖြူရောင် R ကို, ကို web ရှာဖွေရေးမှတ်တမ်းများကနေအချက်ပြသုံးပြီးပန်ကရိယဒါ့အပြင်များအတွက် Horvitz အီးစစ်ဆေးခြင်း: ဖြစ်နိုင်ခြေလေ့လာမှုနှင့်ရလဒ်များကို။ ကင်ဆာအလေ့အကျင့်, 2016 များ၏ဂျာနယ်; 12 (8): 737-744

အဖြူရောင် R ကို, ကို web search အတွက်ဆေးဘက်ဆိုင်ရာစိုးရိမ်ပူပန်၏တင်းမာမှုများ Horvitz အီး Cyberchondria လေ့လာမှုများ။ သတင်းအချက်အလက်စနစ်များ, 2009 ရက်တွင် ACM အရောင်းအဝယ်; (4): 23

Semigran H ကို, Mehrotra တစ်ဦးက, Linder J ကို, ကိုယ့်ကိုယ်ကိုရောဂါနှင့် triage များအတွက်လက္ခဏာ Checker ၏ Gidengil C. အကဲဖြတ်: စာရင်းစစ်လေ့လာမှု, 2015; 351