ဆေးပညာအတွက် Big Data ၏သတင်းရင်းမြစ်

by ကီဗင် Hwang, MD MPH; ရစ်ချတ် N. Fogoros, MD အားဖြင့်ပြန်လည်သုံးသပ်

ဆေးပညာကြီးမားသောအချက်အလက်များ၏တစ်ဦးကရိုးရှင်းချက်နှင့်အဓိပ္ပါယ် (Raghupathi 2014) "လူနာကျန်းမာရေးစောင့်ရှောက်မှုနှင့်သုခချမ်းသာနှင့်ပတ်သက်သောအချက်အလက်များ၏စုစုပေါင်း" ဖြစ်ပါတယ်။ သို့သော်လည်းအဘယ်သို့အတိအကျအချက်အလက်များ၏ဤအမျိုးအစားဖြစ်ကြသည်ကို၎င်း, သူတို့ဘယ်အရပ်ကလာသလဲ?

အောက်ပါကျန်းမာရေးပံ့ပိုးပေး, သုတေသီများ, ပေးဆောင်, မူဝါဒချမှတ်နှင့်စက်မှုလုပ်ငန်းစိတ်ဝင်စားကြီးတွေဒေတာအမျိုးအစားများနှင့်သတင်းရင်းမြစ်တစ်ခုကျယ်ပြန့်ခြုံငုံသုံးသပ်ချက်ဖြစ်ပါတယ်။

တူညီတဲ့ data တွေကိုသတင်းရင်းမြစ်အမျိုးမျိုးကနေအစပြုနိုငျသောကွောငျ့ဤအအမျိုးအစားများ, နှစ်ဦးနှစ်ဖက်သီးသန့်မဟုတ်ပါဘူး။

ကြီးမားတဲ့ data တွေကိုခွဲခြမ်းစိတ်ဖြာမှု၏လက်တွေ့ application ကိုဧကန်အမှန်ချဲ့ထွင်ရန်ဆက်လက်ပါလိမ့်မယ်ဘာဖြစ်လို့လဲဆိုတော့မဟုတ်သလိုဒီ list, ပြည့်စုံစေ့စပ်ဖြစ်ပါတယ်။

လက်တွေ့သတင်းအချက်အလက်စနစ်များ

ဤရွေ့ကားကျန်းမာရေးစောင့်ရှောက်မှုပေးသူကြည့်ရှုလေ့ဖြစ်ကြောင်းလက်တွေ့အချက်အလက်များ၏ရိုးရာသတင်းရင်းမြစ်ဖြစ်ကြသည်။

အီလက်ထရောနစ်ကျန်းမာရေးမှတ်တမ်းများ (EHRs), စုဆောင်းစတိုးဆိုင်နှင့်ထိုကဲ့သို့သောအသက်အပိုင်းအခြား, အတိတ်ဆေးဘက်ဆိုင်ရာသမိုင်း, တက်ကြွဆေးဘက်ဆိုင်ရာပြဿနာများ, ကာကွယ်ဆေးထိုးပေးခြင်း, ဓာတ်မတည်, ဆေးဝါးများ, အရေးကြီးတဲ့လက္ခဏာ, ဓာတ်ခွဲခန်းနှင့်ဒီယိုရောင်ခြည်ကုသမှုပညာစမ်းသပ်မှုကနေရလဒ်တွေကို, ရောဂါဗေဒအစီရင်ခံစာများအဖြစ်သတင်းအချက်အလက်များဖော်ပြရန်, ကျန်းမာရေးစောင့်ရှောက်မှုအသုံးပြုနေသူများကဖန်တီးမှတ်စုတိုး ပံ့ပိုးနှင့်အုပ်ချုပ်ရေးနှင့်ဘဏ္ဍာရေးစာရွက်စာတမ်းများ
အီလက်ထရောနစ်ဆေးမှတ်တမ်းများ (EMRs) EHRs မှတစ်ထပ်တည်းမဖြစ်ကြပြီးများသောအားဖြင့်တစ်ဦးအထူးသဖြင့်ဆရာဝန်နှင့်အတူသိမ်းဆည်းထားသည့်ဒေတာမှစပ်ဆိုင်သောအ။
ကနျြးမာရေးသတင်းအချက်အလက်ဖလှယ်မှု လူထုကိုလက်တွေ့သတင်းအချက်အလက်စနစ်များအကြားအချက်အချာအဖြစ်အစေခံ

သူတို့ရဲ့ကိုယ်ပိုင်လူနာအပေါ်ကျန်းမာရေးစောင့်ရှောက်မှုအဖွဲ့အစည်းများကထိန်းသိမ်းထားလူနာမှတ်ပုံတင်, မကြာခဏ EHR ဆက်စပ်နေကြသည်။ အခွားသောမှတ်ပုံတင်ကာကွယ်ဆေးထိုးပေးခြင်း, ကင်ဆာ, စိတ်ဒဏ်ရာနှင့်တစ်ဦးပိုမိုကျယ်ပြန်ပထဝီစကေးပေါ်ရှိအခြားပြည်သူ့ကျန်းမာရေးကိစ္စများအားခြေရာခံ။

လူနာတွင်ကျယ်စွာ လူနာတစ်ဦးကျန်းမာရေးစောင့်ရှောက်မှုအဖွဲ့အစည်း EHR ထဲမှာသိမ်းထားတဲ့ပုဂ္ဂိုလ်ရေးကျန်းမာရေးသတင်းအချက်အလက်ဝင်ရောက်ဖို့ခွင့်ပြုပါ။ တချို့ကလူနာတွင်ကျယ်စွာလည်းအသုံးပြုသူများကိုဆေးညွှန်း Refill တောင်းဆိုရန်နှင့်လဲလှယ်သည့်ကျန်းမာရေးစောင့်ရှောက်မှုအဖွဲ့နှင့်အတူအီလက်ထရောနစ်မက်ဆေ့ခ်ျများလုံခြုံရန်ခွင့်ပြုသည်။

လက်တွေ့ဒေတာသိုလှောင်ရုံထိုကဲ့သို့သောအထက်တွင်ဖော်ပြထားသော EHRs နှင့်အခြားသတင်းရင်းမြစ်အဖြစ်မျိုးစုံလက်တွေ့သတင်းအချက်အလက်စနစ်များကိုမှလူနာ-Level data တွေကိုစုပေါင်း

အခွန်ဆောင်သူ မှစ. တောင်းဆိုမှုများမှာ Data

ပြည်သူ့ပေးဆောင် (ဥပမာ Medicare) နှင့်ပုဂ္ဂလိကပေးဆောင်၎င်းတို့၏အကျိုးခံစားခွင့်ရှိသူများအပေါ်တောင်းဆိုမှုများအချက်အလက်များ၏ကြီးမားသော repositories ကရှိသည်။ တချို့က ကျန်းမာရေးအာမခံ ယခုကိုလည်းသင်၏ကျန်းမာရေး data တွေကိုမျှဝေမှုအတွက်မက်လုံးပေးကမ်းလှမ်းရန်။

သုတေသနလေ့လာရေး

သုတေသန databases ကိုလေ့လာမှုသင်တန်းသားများ, စမ်းသပ်ကုသမှုနှင့်လက်တွေ့ရလဒ်များအကြောင်းသတင်းအချက်အလက်မဆံ့။ အကြီးစားလေ့လာမှုများအများအားဖြင့်ဆေးဝါးကုမ္ပဏီများကသို့မဟုတ်အစိုးရအေဂျင်စီများကကမကထပြုနေကြသည်။ ကိုယ်ပိုင်ဆေးပညာ application တစ်ခုလက်တွေ့စမ်းသပ်မှုတွေဒေတာအတွက်ပုံစံများအပေါ်အခြေခံပြီး, ထိရောက်သောကုသမှုနှင့်အတူတစ်ဦးချင်းစီလူနာကိုက်ညီဖို့ဖြစ်တယ်။

ဤသည်ချဉ်းကပ်မှုကနျြးမာရေးစောင့်ရှောက်မှုပေးသူရုံးတင်စစ်ဆေးသင်တန်းသားများနှင့်အတူလူနာရှယ်ယာကျယ်ပြန့်ဝိသေသလက္ခဏာများ (ဥပမာအသက်, လိင်, လူမျိုး, လက်တွေ့အခြေအနေ) ရှိမရှိဆုံးဖြတ်သည်သောသက်သေအထောက်အထား-based ဆေးဝါးအခြေခံမူ, လျှောက်ထားကျော်လွန်လှုံ့ဆော်ပေး။ ကြီးမားတဲ့ data တွေကိုခွဲခြမ်းစိတ်ဖြာမှုဖြင့်, က (အောက်တွင်ကြည့်ပါ) ထိုကဲ့သို့သောလူနာရဲ့ကင်ဆာများ၏မျိုးရိုးဗီဇပရိုဖိုင်းအဖြစ်ပိုပြီး granular သတင်းအချက်အလက်များအပေါ်အခြေခံပြီးကုသမှုကိုရွေးဖို့ဖြစ်နိုင်ပါတယ်။

လက်တွေ့ဆုံးဖြတ်ချက်ထောက်ခံမှုစနစ်များ (CDSS) လည်းဆေးဝါးအတုထောက်လှမ်းရေး (AI အ) ၏ကြီးမားသောအစိတ်အပိုင်းကိုကိုယ်စားပြုသည်လျှင်မြန်စွာယခုအခါဖွံ့ဖြိုးဆဲပါပြီ။

သူတို့ကသူတို့ရဲ့ဆုံးဖြတ်ချက်ချမှတ်ခြင်းနှင့်အတူ Clinician အထောက်အကူပြုဖို့လူနာဒေတာကိုသုံးပါနှင့်မကြာခဏ EHRs နှင့်အတူပေါင်းစပ်ထားပါသည်။

မျိုးရိုးဗီဇ Databases

လူ့ဗီဇအချက်အလက်များ၏ repository ကိုတစ်ဦးလျှင်မြန်အရှိန်အဟုန်မှာစုပြုံနေဆဲဖြစ်သည်။ လူ့ဂြီနို Project မှ 2003 ခုနှစ်တွင်ပြီးစီးခဲ့ပါသည်ကတည်းကလူ့ DNA ကိုအစီအစဉ်၏ကုန်ကျစရိတ်တစ်ဦးသန်း-ခြံလျှော့ချခဲ့သည်။ Harvard Medical School ကအားဖြင့် 2005 ခုနှစ်တွင်စတင်အဆိုပါကိုယ်ပိုင်ဂြီနိုစီမံကိန်း (PGP), ကမ္ဘာတစ်ဝှမ်းမှ 100,000 စေတနာ့ဝန်ထမ်းများ၏ပြည့်စုံ Genomics အရှေ့အနောက်စီတာဟာနှင့်ထုတ်ပြန်ကြော်ငြာမှရှာတတ်၏။ အဆိုပါ PGP ကိုယ်တိုင်ကအချက်အလက်များ၏သက်သက်အသံအတိုးအကျယ်နှင့်အမျိုးစုံကြောင့်ကြီးမားတဲ့ data တွေကိုစီမံချက်၏အဓိကသာဓကဖြစ်ပါတယ်။

တစ်ဦးကပုဂ္ဂိုလ်ရေး Genomics အချက်အလက်များကို၏ 100 ခန့် gigabytes ပါရှိသည်။ Genomics sequencing မှထို့အပြင် PGP လည်း EHRs, စစ်တမ်းများနှင့် microbiome profile များကိုထံမှဒေတာစုဆောင်းနေပါတယ်။

ကုမ္ပဏီတွေရဲ့တစ်ဦးကအရေအတွက်အားပူဇော် တိုက်ရိုက်-to-စားသုံးသူမျိုးရိုးဗီဇအစီအစဉ် နျြးမာရေးအတှကျ, ပုဂ္ဂိုလ်ရေးစရိုက်များနှင့်စီးပွားဖြစ်အခြေခံပေါ်မှာ pharmacogenetics ။

ဒါကပုဂ္ဂိုလ်ရေးဆိုင်ရာအချက်အလက်များကိုကြီးတွေ data တွေကိုခွဲခြမ်းစိတ်ဖြာရန်သူသိမ်းပိုက်နိုင်ခဲ့နိုငျသညျ။ ဥပမာအားဖြင့်, 23andMe အမေရိကန်အစားအစာနှင့်ဆေးဝါးစီမံခန့်ခွဲမှုနှင့်အတူလိုက်လျောရန်, နိုဝင်ဘာလ 22, 2013 ခုနှစ်အဖြစ်အသစ်သောဖောက်သည်ကျန်းမာရေး-related မျိုးရိုးဗီဇအစီရင်ခံစာများကိုပူဇော်သက္ကာဘို့တော့ဘူး။ သို့သော် 2015 ခုနှစ်တွင်, ကုမ္ပဏီအ FDA ကရဲ့ခွင့်ပြုချက်နှင့်အတူနောက်တဖန်ဤအချိန်ဟာသူတို့ရဲ့မျိုးရိုးဗီဇတံတွေးစမ်းသပ်မှုအချို့ကျန်းမာရေးအစိတ်အပိုင်းများကိုပူဇော်သက္ကာဘို့စတင်ခဲ့သည်။

ပြည်သူ့မှတ်တမ်း

အစိုးရအထိုကဲ့သို့သောလူဝင်မှုကြီးကြပ်ရေး, အိမ်ထောင်ရေး, မွေးဖွားနှင့်သေခြင်းအဖြစ်ကျန်းမာရေးနှင့်ဆက်စပ်သည့်ဖြစ်ရပ်များ, ၏အသေးစိတ်မှတ်တမ်းများစောင့်ရှောက်။ အမေရိကန်သန်းခေါင်စာရင်းတိုင်း 10 နှစ် 1790. ကတည်းကအဆိုပါသန်းခေါင်စာရင်း '' စာရင်းဇယားက်ဘ်ဆိုက်ခန့်မှန်းခြေအားဖြင့် 11 ဘီလျံထက်ပိုနှစ်စဉ်ဆက်ပြောသည်နှင့်အတူ 2013 ခုနှစ်, အဖြစ် 370 ဘီလီယံအထိဆဲလ်တွေရှိခဲ့ပါတယ်အချက်အလက်များ၏ကျယ်ပြန့်သောပမာဏစုဆောင်းခဲ့သည်။

Web ကိုရှာဖွေမှု

Google နှင့်အခြား web ရှာဖွေရေးပံ့ပိုးပေးခွငျးအားဖွငျ့ကိုစုဝေးစေဝက်ဘ်ရှာဖွေမှုသတင်းအချက်အလက်လူဦးရေရဲ့ကနျြးမာရေးနှင့်ပတ်သက်သော Real-time ထိုးထွင်းသိမြင်မှုကိုပေးနိုငျတယျ။ သို့သျောလညျးကို web ရှာဖွေရေးပုံစံများအနေဖြင့်ကြီးမားသောအချက်အလက်များ၏တန်ဖိုးကိုကျန်းမာရေးအချက်အလက်များ၏ရိုးရာသတင်းရင်းမြစ်နှင့်အတူကပေါင်းစပ်ပြီးအားဖြင့်တိုးတက်စေခြင်းငှါ။

လူမှုမီဒီယာ

Facebook, Twitter နဲ့အခြားလူမှုမီဒီယာပလက်ဖောင်းအဆိုပါနေရာများ, ကျန်းမာရေးအပြုအမူတွေ, စိတ်ခံစားမှုများနှင့်သုံးစွဲသူလူမှုရေးအပြန်အလှန်သို့မြင်ကွင်းကိုပေးခြင်း, နာရီဝန်းကျင်အချက်အလက်များ၏ချမ်းသာအမျိုးမျိုးကို generate ။ အများပြည်သူကျန်းမာရေးကိုဆိုရှယ်မီဒီယာကြီးတွေအချက်အလက်များ၏လျှောက်လွှာကိုဒစ်ဂျစ်တယ်ရောဂါထောက်လှမ်းသို့မဟုတ်ဒစ်ဂျစ်တယ်ရောဂါအဖြစ်ရည်ညွှန်းခဲ့တာဖြစ်ပါတယ်။ တွစ်တာဥပမာ, အထွေထွေလူဦးရေအကြားတွင်တုပ်ကွေးရောဂါခွဲခြမ်းစိတ်ဖြာဖို့အသုံးပြုခဲ့တာဖြစ်ပါတယ်။

Pennsylvania ပြည်နယ်တက္ကသိုလ်စတင်ခဲ့ကြောင်းအဆိုပါကမ္ဘာ့ဖလားကောင်းပြီ-ခံ Project မှပိုကောင်းလူရဲ့အတွေ့အကြုံနှင့်ကျန်းမာရေးကိုနားလည်သဘောပေါက်ရန်လူမှုမီဒီယာလေ့လာနေ၏နောက်ဥပမာဖြစ်ပါတယ်။ အဆိုပါစီမံကိန်းကိုအတူတကွ Facebook နှင့် Twitter ပေါ်တွင် status ကို updates များကိုရေးသားသည့်အခါ, ဥပမာ, အွန်လိုင်းအပြန်အလှန်သည့်အခါအသုံးပြုသောဘာသာစကားခွဲခြမ်းစိတ်ဖြာတဲ့သူစိတ်ပညာရှင်, စာရင်းအင်းပညာရှင်များနှင့်ကွန်ပျူတာသိပ္ပံပညာရှင်တွေတတ်၏။ သိပ္ပံပညာရှင်များသည်အသုံးပြုသူများ '' ဘာသာစကား၎င်းတို့၏ကျန်းမာရေးနှင့်ပျော်ရွှင်မှုကိုမှပြောပြတယ်ဘယ်လိုစောင့်ကြည့်နေကြသည်။ သဘာဝအလျောက်ဘာသာစကားအပြောင်းအလဲနဲ့နှင့်စက်သင်ယူမှုအတွက်တိုးတက်မှုတွေဟာသူတို့ရဲ့ကြိုးပမ်းအတူကူညီနေတာပါ။ Pennsylvania ပြည်နယ်တက္ကသိုလ်ကနေတစ်ဦးကမကြာသေးမီကထုတ်ဝေလူမှုမီဒီယာကိုခွဲခြားစိတ်ဖြာခြင်းဖြင့်စိတ်ရောဂါခန့်မှန်း၏နည်းလမ်းတွေမှာကြည့်ရှုကြ၏။ ဒါဟာစိတ်ကျရောဂါနဲ့အခြားစိတ်ကျန်းမာရေးအခြေအနေလက္ခဏာတွေကအင်တာနက်ကျွန်တော်တို့ရဲ့အသုံးပြုမှုကိုလေ့လာခွငျးအားဖွငျ့တွေ့ရှိနိုင်ပုံပေါ်ပါတယ်။ သိပ္ပံပညာရှင်များသည်ဤနည်းလမ်းများပိုကောင်းမှာ-အန္တရာယ်တစ်ဦးချင်းစီဖော်ထုတ်ကူညီနိုင်ပါလိမ့်မည်အနာဂတ်မှာမျှော်လင့်ပါတယ်။

အရာများ၏အင်တာနက်ကို (IoT)

ကနျြးမာရေးနဲ့ပါတ်သက်တဲ့အချက်အလက်များ၏ကြီးမားသောရည်ဝအောင်ကိုလည်းစုဆောင်းအပေါ်သိမ်းဆည်းထားသည် မိုဘိုင်းနှင့်နေအိမ် devices များ ။

စမတ်ဖုန်း : mHealth ထောင်နဲ့ချီတဲ့အသုံးပြုသူရဲ့ကိုယ်လက်လှုပ်ရှားမှု, အာဟာရစားသုံးမှု, အိပ်စက်ခြင်းပုံစံများ, စိတ်ခံစားမှုများနှင့်အခြား parameters တွေကိုအပေါ်သတင်းအချက်အလက်ကိုဖမ်းယူ apps ။ native ဆဲလ်ဖုန်း apps များ (ဥပမာ GPS စနစ်, အီးမေးလ်, စာတိုပို့) လည်းတစ်ဦးချင်း၏ကျန်းမာရေးအခြေအနေအကြောင်းသဲလွန်စပေးနိုင်ပါသည်။
ဝတ်ဆင်မော်နီတာနှင့်စက်ကိရိယာများ: pedometer, accelerometer, မျက်မှန်, ချောင်းမြောင်းနှင့်အရေပြားအောက်တွင် embedded ချစ်ပ်လည်းကျန်းမာရေး-ဆက်စပ်သတင်းအချက်အလက်များစုဆောင်းနှင့်လည်းမိုဃ်းတိမ်သို့သူတို့ကိုငါပေးပို့နိုင်ပါတယ်။
Telemedicine devices များကျန်းမာရေးစောင့်ရှောက်မှုပေးသူတွေဖြစ်တဲ့သွေးဖိအား, နှလုံးခုန်နှုန်း, အသက်ရှုလမ်းကြောင်းဆိုင်ရာမှုနှုန်း, အောက်ဆီဂျင်အပူချိန်, ECG သဲလွန်စများနှင့်အလေးချိန်အဖြစ်လူနာများ '' parameters တွေကိုစောင့်ကြည့်ဖို့ခွင့်ပြုပါ။

ဘဏ္ဍာရေးအရောင်းအဝယ်

လူနာများ '' ခရက်ဒစ်ကဒ်အရောင်းအဆေးရုံ readmitted ခံဘို့အမြင့်မားအန္တရာယ်မှာနေသောလူနာသိရှိနိုင်ဖို့ Carolina Healthcare System ကိုအသုံးပြုတဲ့ကြိုတင်ခန့်မှန်းချက်မော်ဒယ်များတွင်ထည့်သွင်းထားပါသည်။ အဆိုပါ Charlotte-based ကျန်းမာရေးစောင့်ရှောက်မှုပေးသူရောဂါနှင့်ပထဝီတည်နေရာပေါ်အခြေခံပြီးဥပမာ, အမျိုးမျိုးသောအုပ်စုများသို့လူနာကိုဝေဖို့ကြီးမားတဲ့ data တွေကိုအသုံးပြုပါတယ်။

ကျင့်ဝတ်များနှင့်သီးသန့်လုံခြုံရေးအကျိုးသက်ရောက်မှု

ဒါဟာကျန်းမာရေးစောင့်ရှောက်မှုအတွက်ဒေတာစုဆောင်းနှင့်ရယူသုံးတဲ့အခါမှာအချို့ကိစ္စများတွင်အရေးကြီးသောကျင့်ဝတ်နှင့် privacy သက်ရောက်မှုရှိစေခြင်းငှါ, သောမီးမောင်းထိုးပြခံရဖို့လိုအပ်ပါတယ်။ ကြီးမားသောအချက်အလက်များ၏နယူးသတင်းရပ်ကွက်အဘယျသို့သက်ရောက်မှုတစ်ဦးချင်းစီနှင့်လူဦးရေကနျြးမာရေးကျွန်တော်တို့ရဲ့နားလည်မှုတိုးတက်စေနိုင်သည်, သို့သော်, ကွဲပြားခြားနားသောအန္တရာယ်များကိုဂရုတစိုက်စဉ်းစားနဲ့စောင့်ကြည့်ခံရဖို့လိုအပ်ပါတယ်။ ဒါဟာယခုမှာလည်း data တွေကိုယခင်ကအမည်မသိယူဆ, re-ဖော်ထုတ်နိုင်အသိအမှတ်ပြုခဲ့တာဖြစ်ပါတယ်။ ဥပမာအားဖြင့်, ပါမောက္ခ Latanya Sweeney ရဲ့ဟားဗတ်၏ဒေတာများကိုသီးသန့်လုံခြုံရေး Lab မှအဆိုပါကိုယ်ပိုင်ဂြီနိုစီမံကိန်းတွင်ပါဝင်ပတ်သက် 1,130 စေတနာ့ဝန်ထမ်းပြန်လည်သုံးသပ်။ သူမနှင့်သူမ၏အဖွဲ့သည်မှန်ကန်စွာနိုင်ခဲ့ကြတယ် 42 ရာခိုင်နှုန်းအမည်ကို သူတို့ (ZIP ဖိုင်ကုဒ်, မွေးနေ့, ကျား, မ) shared သတင်းအချက်အလက်များအပေါ်အခြေခံပြီးတက်ရောက်လာသူများ၏။ ဤသည်ကိုသိသောဥာဏ်အလားအလာအန္တရာယ်များကျွန်တော်တို့ရဲ့အသိအမြင်တိုးမြှင့်ခြင်းနှင့်ကျွန်တော်တို့ကိုပိုကောင်းတဲ့ဒေတာကိုခွဲဝေမှုဆုံးဖြတ်ချက်များအောင်ကူညီနိုင်သည်။

> Sources:

> Conway M က, O'Connor ဃလူမှုမီဒီယာ, ကြီးမားတဲ့ဒေတာနှင့်စိတ်ကျန်းမာရေး: လက်ရှိတိုးတက်လာခြင်းနှင့်ကျင့်ဝတ်ဆိုင်ရာသက်ရောက်မှုတွေ။ စိတ်ပညာ 2016 ခုနှစ်တွင်လက်ရှိထင်မြင်ချက်; 9: 77-82 ။

> ဖာနန်ဒက်စ L ကို, O'Connor က M, Weaver V. Big ဒေတာ, ပိုကြီးတဲ့ရလဒ်တွေ။ အမေရိကန်ကျန်းမာရေးသတင်းအချက်အလက်စီမံခန့်ခွဲမှုအသင်းမှ 2012 ခုနှစ်ဂျာနယ်; 83 (10): 38-43

> Guntuku S က, Yaden: D, Kerns M က, Ungar L ကို, Eichstaedt ဂျေ လူမှုမီဒီယာအပေါ်စိတ်ကျရောဂါနှင့်စိတ်ရောဂါကိုထောကျလှမျး: တစ်ခု Integrated ပြန်လည်သုံးသပ် ။ အပြုအမူသိပ္ပံ 2017 ခုနှစ်တွင်လက်ရှိထင်မြင်ချက်; 18: 43-49 ။

> Lazer: D, ကနေဒီ R ကိုဘုရင်, G, Vespignani အေ Google ကတုပ်ကွေး၏ပုံဥပမာ: Big Data ခွဲခြမ်းစိတ်ဖြာခြင်းအတွက်ထောင်ချောက် ။ သိပ္ပံ 2014; 343 (6176): 1203-1205 ။

> Raghupathi W က, Raghupathi V. ကျန်းမာရေးစောင့်ရှောက်မှုအတွက် Big data တွေကိုခွဲခြမ်းစိတ်ဖြာ: ဂတိတော်နှင့်စပ်ဆိုင်သောနှင့်အလားအလာရှိသောအယ်လ်။ ကနျြးမာရေးပြန်ကြားရေးသိပ္ပံနှင့်စနစ်များ 2014; 2: 3 ။

> Sweeney L ကို, အဘူတစ်ဦးက, င်းဂျေ အမည်အားဖြင့်ကိုယ်ရေးကိုယ်တာဂြီနို Project ထဲတွင်ပါဝင်ဖော်ထုတ်ခြင်း ။ ဟားဗတ်တက္ကသိုလ်။ ဒေတာကိုသီးသန့်လုံခြုံရေး Lab က။ အဖြူရောင်စက္ကူ 1021-1 ။ ဧပြီလ 24, 2013 မှာ, ။