SlideShare a Scribd company logo
Terminologi og informasjonsmodeller
Silje Ljosland Bakke
Informasjonsarkitekt, Nasjonal IKT HF
E-mail: silje.ljosland.bakke@nasjonalikt.no / Twitter: @siljelb
2
Hvorfor er helseinformasjon
så vanskelig?
“In attempting to arrive at the truth, I have applied
everywhere for information but in scarcely an instance have I
been able to obtain hospital records fit for any purpose of
comparison.”
“If they could be obtained, they would enable us to decide
many other questions besides the one alluded to. They would
show subscribers how their money was being spent, what
amount of good was really being done with it or whether the
money was not doing mischief rather than good.”
- Florence Nightingale, 1863
Hva gjør dette så vanskelig egentlig?
Hvorfor gjør ikke helse bare som bankene?
–Liv og død
–Kompleksitet
–Livslange forløp
–Klinisk mangfold
–Personvern
–Mobil befolkning
–Behandlingsnivåer
Kreditering: Heather Leslie
Kompleksitet
•Høyt antall konsepter og høy endringstakt
•Helse er et stort felt, og vokser hele tiden
–I bredden
–I dybden
–I kompleksitet
Kreditering: Heather Leslie
Klinisk mangfold
• Informasjonsmangfold
– Fritekst vs struktur
– Legemiddelhåndtering
– Normalutsagn («uten anmerkning»)
– Bilder og multimedia
– Spørreskjemaer, sjekklister, osv
– Sosiale forhold
• Mangfold blant helsepersonell
– Profesjoner, spesialiteter, lokale forhold, detaljeringsgrad, personlighet …
• Klinisk undersøkelse er «fraktal»
Kreditering: Heather Leslie
Hvordan håndterer vi dette i dag?
•Fritekst(Spesialistsystemer og registre har mer strukturerte
data, men generiske journalsystemer er fremdeles
hovedsakelig fritekst)
Hva skal vi egentlig med struktur?
•Unngå dobbeltregistrering
•Gjenfinning og oversikt
•Beslutningsstøtte
•Helse/kvalitetsregistre
•Kvalitetsindikatorer
•Styringsdata
primærformål
sekundærformål
Diabetes
mellitus type 2
Familiær
Diabetes
Utelukket
Diabetes
Kjent
Diabetes
Risiko for
Diabetes
. . . ?Enkel strukturert informasjon
Diagnose
Klinisk bekreftet: 1997
Alvorlighetsgrad: Alvorlig
I en journal…
Diabetes
mellitus type 2
Klinisk beskrivelse:
Insulinkrevende
I et register…
Røykestatus i nasjonale registre
• 9 variasjoner over
«Røykestatus» i 28 skjema
• I tillegg: Antall sigaretter
per dag, måned for
røykeslutt, antall måneder
siden røykeslutt, osv.
Brandt, L. (2017). Kartlegging av variabler i nasjonale helseregistre. Folkehelseinstituttet. http://hreg.no.
«… hovedudfordringerne var, at
databaserne kræver forskellige data
på ens områder, som f.eks.
rygerstatus som ‘cigaretter pr. dag’
for én database, og ‘pakker pr. uge’
for en anden database.»
https://dagensmedicin.dk/kun-4-80-databaser-faar-data-sundhedsplatformen/
Stortingsmelding 9:
«(…) innrapportering til registre
skal skje mest mulig automatisk,
uten dobbeltregistrering, og være
en integrert del av de faste
arbeidsprosessene.»
…men informasjon registreres ofte på helt forskjellige måter…
Kliniske systemer: Registre:
Har pasienten diabetes type 2?
☐ Ja
☐ Nei
☐ Ukjent
???
?
??
?
?
?
Diagnosenavn: ICD-10 E11
Diabetes mellitus type 2
Klinisk bekreftet: 1997
Alvorlighetsgrad: Alvorlig
Klinisk beskrivelse:
Insulinkrevende
For å få oversikt over informasjonen vår må
vi ha en felles grunnmur:
1. Felles informasjonsmodeller
2. Felles terminologier
16
Informasjonsmodeller og
terminologi
«Informasjonsmodell»?
•Definisjon av strukturen og innholdet av informasjon
– Alle applikasjoner, registre, meldinger, etc
har en form for informasjonsmodell
– Må være lik om man skal ha
felles forståelse av informasjon
Eksempel
1
Eksempel
1
Hva har vi?
• arketyper.no er (så
vidt vi vet) verdens
største enhetlige,
nasjonale samling
av frie, felles
kliniske
informasjonsmodell
er
Nasjonal forvaltning av informasjonsmodeller
•Koordinert av Nasjonal IKT
•Mål: Felles informasjonsmodeller av høy
kvalitet
•Over 550 klinikere og helseinformatikere deltar
–55 % av dem er aktive klinikere!
Er informasjonsmodeller nok?
•Jada, hvis vi vil lage hundre tusen modeller, en
for hver diagnose, labsvar, symptom, …
•Jada, hvis vi aldri vil se en liste over alle
pasientene som hadde lungebetennelse
forårsaket av virus
•Vi trenger noe mer: Terminologier
terminologi substantiv, hankjønn
UTTALE [terminologˈi]
BØYNING terminologi – terminologien
(korrekt) faglig uttrykksmåte
juridisk, politisk terminologi / jeg kan ikke terminologien / bruke gal terminologi //språk ; språkbruk
i min terminologi er det forskjell på 'beruset' og 'full’
ETYMOLOGI av terminus og -logi
SYNONYM
▶språk
https://www.ordnett.no/search?language=no&phrase=terminologi
Terminologier vs informasjonsmodeller
Informasjonsmodeller kan sies å
beskrive «spørsmålene»
Terminologier kan gi (noen av)
«svarene»
Komplementære konsepter
ICD_10::L40.0::Psoriasis vulgaris
og
SCT_2015::74757004::Skin structure of
elbow
SCT_2015::6736007::Moderate
???
Begreper/kunnskap om
helse og helsetjenester:
Terminologier
Vokabularer,
klassifikasjoner,
ontologier; ICD-10,
SNOMED CT, ICF
Rammeverk for
informasjon om
den enkelte pasient:
Informasjons-
modeller
Informasjonsstruktur;
openEHR-arketyper, FHIR-
ressurser
Regler som benyttes på
registrert informasjon:
Inferensmodeller
Regler og kunnskapsbaser
som brukes for
beslutningsstøtte og
varsling
Noe overlapp
«Terminologi» er en sekkebetegnelse
2
• Det finnes ingen autoritativ
«terminologi-terminologi»…
• Tre hovedgrupper:
• Kontrollerte vokabularer
• Klassifikasjoner
• Ontologier
Kontrollert vokabular
•Flate lister av kodede konsepter
•Eksempel: kodesett på volven.no
Klassifikasjon
•Hierarkiske
•Eksempler: ICD-10, ATC
•Ofte for statistisk bruk
Ontologi
•Definerer begreper ved hjelp av andre begreper
•Polyhierarki
•Synonymer
•Kombinatorisk
•Eksempler: SNOMED CT,
ICNP
3
Hva har vi?
• SNOMED CT er verdens
største terminologi for
koding av kliniske begrep
• Norge ble medlem i
januar 2017
• ICD-10, ICPC-2, ICNP, ATC,
SNOMED pat, volven.no,
masse lokale greier …
e-Patient Dave
Blogg: http://e-patients.net/archives/2009/04/imagine-if-someone-had-been-managing-your-data-and-then-you-
looked.html
“Okay, yes, HCTz is my blood
pressure medication. But low
potassium? That was true
when I was hospitalized two
years ago, not now. What’s
going on?”
“So I went into my patient portal, PatientSite, and
clicked the button to do it<upload heath data to
Google Health>. I checked the boxes for all the
options and clicked Upload. It was pretty quick.
But WTF? An alarm: “! Requires immediate
attention”
Fra: Ocean Informatics, 2014
ePDaves Google-problemliste
• Acidosis
• Anxiety Disorder
• Aortic Aneurysm
• Arthroplasty - Hip, Total Replacemt
• Bone Disease
• CANCER
• Cancer Metastasis to Bone
• Cardiac Impairment
• CHEST MASS
• Chronic Lung Disease
• Depressed Mood
• DEPRESSION
• Diarrhea
• Elevated Blood Pressure
• Hair Follicle Inflammation w Abscess in Sweat
Gland Areas
• HEALTH MAINTENANCE
• HYDRADENITIS
• HYPERTENSION
• Inflammation of the Large Intestine
• Intestinal Parasitic Infection
• Kidney Problems Causing a Decreased
Amount of Urine to be Passed
• Lightheaded
• Low Amount of Calcium in the Blood
• Low Amount of Potassium in the Blood
• Malignant Neoplastic Disease
• Migraine Headache
• MIGRAINES
• Nausea and Vomiting
• Nephrosis
• PSYCH
• Rash
• Spread of Cancer to Brain or Spinal Cord
• Swollen Lymph Nodes
Datoen var fire
mnd etter
diagnosen
Riktig dato, trigget
kreftdiagnose
Ingen andre
linjer hadde en
dato… Fra: Ocean Informatics, 2014
• Inflammation of the Large Intestine
• Intestinal Parasitic Infection
• Kidney Problems Causing a Decreased
Amount of Urine to be Passed
• Lightheaded
• Low Amount of Calcium in the Blood
• Low Amount of Potassium in the Blood
• Malignant Neoplastic Disease
• Migraine Headache
• MIGRAINES
• Nausea and Vomiting
• Nephrosis
• PSYCH
• Rash
• Spread of Cancer to Brain or Spinal Cord
• Swollen Lymph Nodes
• Acidosis
• Anxiety Disorder
• Aortic Aneurysm
• Arthroplasty - Hip, Total Replacemt
• Bone Disease
• CANCER
• Cancer Metastasis to Bone
• Cardiac Impairment
• CHEST MASS
• Chronic Lung Disease
• Depressed Mood
• DEPRESSION
• Diarrhea
• Elevated Blood Pressure
• Hair Follicle Inflammation w Abscess in
Sweat Gland Areas
• HEALTH MAINTENANCE
• HYDRADENITIS
• HYPERTENSION
ePDaves Google-problemliste
Diagnose stilt ifm
oppkast under
kjemoterapi
Aldri hatt!
Aldri hatt!
Selvdiagnostisert
optisk migrene.
Ingen hodepine.
Fra: Ocean Informatics, 2014
“the system transmitted
insurance billing codes
to Google Health,
not doctors’ diagnoses.”
“I don’t want to get into the whole thing right now, but basically if a doc needs to
bill insurance for something and the list of billing codes doesn’t happen to
include exactly what your condition is, they cram it into something else so the
stupid system will accept it.)
(And, btw, everyone in the business is apparently accustomed to the system
being stupid, so it’s no surprise that nobody can tell whether things are making
any sense: nobody counts on the data to be meaningful in the first place.)”
Fra: Ocean Informatics, 2014
Terminologi og informasjonsmodeller
Hvor terminologier er sjef
•Hundretusenvis av konsepter
–Diagnoser, symptomer, labsvar,
kroppsstrukturer, organismer, prosedyrer, …
•Utledninger
basert på relasjoner
mellom konsepter
Relasjonsbaserte utledninger
3
Relasjonsbaserte utledninger
n nivåer
Hvor terminologier ikke skinner
•Kontekst
•Kvantitative data
•Komplekse konsepter
Kontekst
•«Vi bare legger inn kodene
et sted så vi kan få DRG-
poeng for denne
kreftbehandlingen!»
•15 år senere, fra den nye Dr. Google:
–«Jeg er redd du har eggstokkreft.»
–«Hva!? De ble jo fjernet for 15 år siden!»
Kvantitative data
•«Tenk så greit det hadde vært å bare ha en
kode for hvilken graviditet i rekken kvinnen er i
akkurat nå?»
•«Ikke sant? 10 burde
være nok for alle.»
Famous last words…
Komplekse konsepter
•Kombinatorisk eksplosjon
–Alle typer utslett for alle aktuelle hudområder
–Alle typer peroral glukosebelastning
⇒ de 601 glukosekodene i LOINC:
•Postkoordinering kan
avhjelpe, men fører med
seg egne utfordringer
Terminologi og informasjonsmodeller
Fra: Ocean Informatics, 2014
…jo, på 601 forskjellige måter…
…jo, på 601 forskjellige måter…
Kode
Analysenavn
Tidspunkt
Dose
Adm.vei
Prøvemateriale
Substans
Fra: Ocean Informatics, 2014
…jo, på 601 forskjellige måter…
Fra: Ocean Informatics, 20
Gråsoner
•Små verdisett
•Noe kontekstuell informasjon
–Faktisk diagnose vs. tentativ vs. risiko vs.
utelukkelse vs. familieanamnese
•Konsistent bruk er vanskelig og ikke alltid passende
–Forskjellige bruksområder har forskjellige behov
4
Likevel noen prinsipper
• Når bør man bruke informasjonsmodell?
– Kompleks informasjon (legemiddelordinering,
familieanamnese, overfølsomhetsreaksjoner)
– For å definere «spørsmål», ikke «svar»
• Når bør man bruke terminologi?
– Ting som eksisterer i virkeligheten (legemidler,
kroppsstrukturer, substanser)
– For å definere «svar», f.eks. verdisett
Fra: Ocean Informatics, 2014
Struktur er ikke nirvana
•Strukturert informasjon er ikke
et mål i seg selv
•Strukturering bør gjøres når det har
klar verdi
•Må være mulig å supplere med fritekst for å nyansere
•Noen ganger er fritekst tilstrekkelig eller best!
Oppsummering
•Terminologier er nødvendige tillegg til
informasjonsmodeller
•…men terminologier kan ikke brukes alene
•Gråsoner -> pragmatiske valg
•Strukturering og koding bør gjøres når det har klar
verdi

More Related Content

What's hot

Introduction to Health Informatics
Introduction to Health InformaticsIntroduction to Health Informatics
Introduction to Health Informatics
Moustafa Hosni
 
Administración de hospitales
Administración de hospitalesAdministración de hospitales
Administración de hospitales
MILO Scorpio
 
Overview of Health Informatics (October 2, 2019)
Overview of Health Informatics (October 2, 2019)Overview of Health Informatics (October 2, 2019)
Overview of Health Informatics (October 2, 2019)
Nawanan Theera-Ampornpunt
 
Deploying Predictive Analytics in Healthcare
Deploying Predictive Analytics in HealthcareDeploying Predictive Analytics in Healthcare
Deploying Predictive Analytics in Healthcare
Health Catalyst
 
OpenEHR پرونده الکترونیک سلامت
OpenEHR  پرونده الکترونیک سلامتOpenEHR  پرونده الکترونیک سلامت
OpenEHR پرونده الکترونیک سلامت
ayyoubzadeh
 
An Introduction to Health Informatics
An Introduction to Health InformaticsAn Introduction to Health Informatics
An Introduction to Health Informatics
Health Informatics New Zealand
 
Adopting Health IT: What, Why, and How?
Adopting Health IT: What, Why, and How?Adopting Health IT: What, Why, and How?
Adopting Health IT: What, Why, and How?
Nawanan Theera-Ampornpunt
 
Data Mining in Healthcare: How Health Systems Can Improve Quality and Reduce...
Data Mining in Healthcare:  How Health Systems Can Improve Quality and Reduce...Data Mining in Healthcare:  How Health Systems Can Improve Quality and Reduce...
Data Mining in Healthcare: How Health Systems Can Improve Quality and Reduce...
Health Catalyst
 
Health Informatics & eHealth: Application of ICT for Health
Health Informatics & eHealth: Application of ICT for HealthHealth Informatics & eHealth: Application of ICT for Health
Health Informatics & eHealth: Application of ICT for Health
Nawanan Theera-Ampornpunt
 
Introduction to hl7
Introduction to hl7Introduction to hl7
Introduction to hl7
Bhushan Borole
 
e-Health Applications
e-Health Applicationse-Health Applications
e-Health Applications
Deepak Kumar Mohapatra
 
Data management principles
Data management principlesData management principles
Data management principles
Fiddy Prasetiya
 
E health
E healthE health
E health
namra mubarak
 
Introduction to HL7 FHIR
Introduction to HL7 FHIRIntroduction to HL7 FHIR
Introduction to HL7 FHIR
Health Informatics New Zealand
 
Healthcare in Digital Age
Healthcare in Digital Age Healthcare in Digital Age
Healthcare in Digital Age
ict moph
 
Unidades de Gestión (3)
Unidades de Gestión (3)Unidades de Gestión (3)
Unidades de Gestión (3)
Instituto Sudamericano
 
Sibyl HIMS: Hospital Information & Management System
Sibyl HIMS: Hospital Information & Management SystemSibyl HIMS: Hospital Information & Management System
Sibyl HIMS: Hospital Information & Management System
Amarnath Gupta
 
Three Approaches to Predictive Analytics in Healthcare
Three Approaches to Predictive Analytics in HealthcareThree Approaches to Predictive Analytics in Healthcare
Three Approaches to Predictive Analytics in Healthcare
Health Catalyst
 
Core competencies for public health informatics
Core competencies for public health informaticsCore competencies for public health informatics
Core competencies for public health informatics
Mr. Pramit Kumar Sah
 
HL7 Standards
HL7 StandardsHL7 Standards

What's hot (20)

Introduction to Health Informatics
Introduction to Health InformaticsIntroduction to Health Informatics
Introduction to Health Informatics
 
Administración de hospitales
Administración de hospitalesAdministración de hospitales
Administración de hospitales
 
Overview of Health Informatics (October 2, 2019)
Overview of Health Informatics (October 2, 2019)Overview of Health Informatics (October 2, 2019)
Overview of Health Informatics (October 2, 2019)
 
Deploying Predictive Analytics in Healthcare
Deploying Predictive Analytics in HealthcareDeploying Predictive Analytics in Healthcare
Deploying Predictive Analytics in Healthcare
 
OpenEHR پرونده الکترونیک سلامت
OpenEHR  پرونده الکترونیک سلامتOpenEHR  پرونده الکترونیک سلامت
OpenEHR پرونده الکترونیک سلامت
 
An Introduction to Health Informatics
An Introduction to Health InformaticsAn Introduction to Health Informatics
An Introduction to Health Informatics
 
Adopting Health IT: What, Why, and How?
Adopting Health IT: What, Why, and How?Adopting Health IT: What, Why, and How?
Adopting Health IT: What, Why, and How?
 
Data Mining in Healthcare: How Health Systems Can Improve Quality and Reduce...
Data Mining in Healthcare:  How Health Systems Can Improve Quality and Reduce...Data Mining in Healthcare:  How Health Systems Can Improve Quality and Reduce...
Data Mining in Healthcare: How Health Systems Can Improve Quality and Reduce...
 
Health Informatics & eHealth: Application of ICT for Health
Health Informatics & eHealth: Application of ICT for HealthHealth Informatics & eHealth: Application of ICT for Health
Health Informatics & eHealth: Application of ICT for Health
 
Introduction to hl7
Introduction to hl7Introduction to hl7
Introduction to hl7
 
e-Health Applications
e-Health Applicationse-Health Applications
e-Health Applications
 
Data management principles
Data management principlesData management principles
Data management principles
 
E health
E healthE health
E health
 
Introduction to HL7 FHIR
Introduction to HL7 FHIRIntroduction to HL7 FHIR
Introduction to HL7 FHIR
 
Healthcare in Digital Age
Healthcare in Digital Age Healthcare in Digital Age
Healthcare in Digital Age
 
Unidades de Gestión (3)
Unidades de Gestión (3)Unidades de Gestión (3)
Unidades de Gestión (3)
 
Sibyl HIMS: Hospital Information & Management System
Sibyl HIMS: Hospital Information & Management SystemSibyl HIMS: Hospital Information & Management System
Sibyl HIMS: Hospital Information & Management System
 
Three Approaches to Predictive Analytics in Healthcare
Three Approaches to Predictive Analytics in HealthcareThree Approaches to Predictive Analytics in Healthcare
Three Approaches to Predictive Analytics in Healthcare
 
Core competencies for public health informatics
Core competencies for public health informaticsCore competencies for public health informatics
Core competencies for public health informatics
 
HL7 Standards
HL7 StandardsHL7 Standards
HL7 Standards
 

Similar to Terminologi og informasjonsmodeller

Hvorfor er helseinformasjon så vanskelig?
Hvorfor er helseinformasjon så vanskelig?Hvorfor er helseinformasjon så vanskelig?
Hvorfor er helseinformasjon så vanskelig?
Silje Ljosland Bakke
 
Helseinformasjon - hvorfor er det så vanskelig?
Helseinformasjon - hvorfor er det så vanskelig?Helseinformasjon - hvorfor er det så vanskelig?
Helseinformasjon - hvorfor er det så vanskelig?
Silje Ljosland Bakke
 
Studiekrav 7 5 helsepolitikk
Studiekrav 7 5 helsepolitikkStudiekrav 7 5 helsepolitikk
Studiekrav 7 5 helsepolitikk
Milena Holm-Glad
 
Nokios .Personverutfordringer
Nokios .PersonverutfordringerNokios .Personverutfordringer
Nokios .Personverutfordringer
IKT-Norge
 
Fremtidens omsorgs og boligteknologi
Fremtidens omsorgs og boligteknologiFremtidens omsorgs og boligteknologi
Fremtidens omsorgs og boligteknologi
brynjar
 
2A Røren Nasjonal kjernejournal EHiN 2014
2A Røren Nasjonal kjernejournal EHiN 20142A Røren Nasjonal kjernejournal EHiN 2014
2A Røren Nasjonal kjernejournal EHiN 2014
IKT-Norge
 
Pasientinformasjon på nett - fra mange lokale initiativ til en nasjonal hel...
Pasientinformasjon på nett - fra  mange lokale initiativ til en  nasjonal hel...Pasientinformasjon på nett - fra  mange lokale initiativ til en  nasjonal hel...
Pasientinformasjon på nett - fra mange lokale initiativ til en nasjonal hel...
Ellen Stralberg
 
Bolig og demens 2012
Bolig og demens 2012Bolig og demens 2012
Bolig og demens 2012
brynjar
 
Når det verste skjer. Hvordan skal vi opptre? Olav Røise, Pasientsikkerhetsko...
Når det verste skjer. Hvordan skal vi opptre? Olav Røise, Pasientsikkerhetsko...Når det verste skjer. Hvordan skal vi opptre? Olav Røise, Pasientsikkerhetsko...
Når det verste skjer. Hvordan skal vi opptre? Olav Røise, Pasientsikkerhetsko...
Nasjonalt kunnskapssenter for helsetjenesten
 
Personvern i e-helse healthworld2013
Personvern i e-helse  healthworld2013Personvern i e-helse  healthworld2013
Personvern i e-helse healthworld2013
Eva Jarbekk
 
4B Grønbekk Pasientinformasjonskvalitet for klinikere EHiN 2014
4B Grønbekk Pasientinformasjonskvalitet for klinikere EHiN 20144B Grønbekk Pasientinformasjonskvalitet for klinikere EHiN 2014
4B Grønbekk Pasientinformasjonskvalitet for klinikere EHiN 2014
IKT-Norge
 
Pasientjournal på nett: Tilgang, bruk og muligheter
Pasientjournal på nett: Tilgang, bruk og muligheterPasientjournal på nett: Tilgang, bruk og muligheter
Pasientjournal på nett: Tilgang, bruk og muligheter
Teknologirådet
 
Ketil Widerberg
Ketil WiderbergKetil Widerberg
Ketil Widerberg
IKT-Norge
 
6A Lovett Mobil helse for kronikere EHIN 2014
6A Lovett Mobil helse for kronikere EHIN 20146A Lovett Mobil helse for kronikere EHIN 2014
6A Lovett Mobil helse for kronikere EHIN 2014
IKT-Norge
 
Tilgang på langs - livslang strukturert journal?
Tilgang på langs - livslang strukturert journal?Tilgang på langs - livslang strukturert journal?
Tilgang på langs - livslang strukturert journal?
Silje Ljosland Bakke
 
E-helse og personvern - helsedirektoratet 18 oktober 2013
E-helse og personvern - helsedirektoratet 18 oktober 2013E-helse og personvern - helsedirektoratet 18 oktober 2013
E-helse og personvern - helsedirektoratet 18 oktober 2013
Eva Jarbekk
 
Yggdrasil 2015 - Derfor må da alltid lage et overordnet konsept
Yggdrasil 2015 - Derfor må da alltid lage et overordnet konseptYggdrasil 2015 - Derfor må da alltid lage et overordnet konsept
Yggdrasil 2015 - Derfor må da alltid lage et overordnet konsept
Eirik Hafver Rønjum
 
Forskningsdagene 2000
Forskningsdagene 2000Forskningsdagene 2000
Forskningsdagene 2000
Kjetil Haugen
 
6B Olafsson Legeforeningen Morgendagens journal og gårsdagens personvernløsni...
6B Olafsson Legeforeningen Morgendagens journal og gårsdagens personvernløsni...6B Olafsson Legeforeningen Morgendagens journal og gårsdagens personvernløsni...
6B Olafsson Legeforeningen Morgendagens journal og gårsdagens personvernløsni...
IKT-Norge
 

Similar to Terminologi og informasjonsmodeller (20)

Hvorfor er helseinformasjon så vanskelig?
Hvorfor er helseinformasjon så vanskelig?Hvorfor er helseinformasjon så vanskelig?
Hvorfor er helseinformasjon så vanskelig?
 
Helseinformasjon - hvorfor er det så vanskelig?
Helseinformasjon - hvorfor er det så vanskelig?Helseinformasjon - hvorfor er det så vanskelig?
Helseinformasjon - hvorfor er det så vanskelig?
 
Studiekrav 7 5 helsepolitikk
Studiekrav 7 5 helsepolitikkStudiekrav 7 5 helsepolitikk
Studiekrav 7 5 helsepolitikk
 
Nokios .Personverutfordringer
Nokios .PersonverutfordringerNokios .Personverutfordringer
Nokios .Personverutfordringer
 
Fremtidens omsorgs og boligteknologi
Fremtidens omsorgs og boligteknologiFremtidens omsorgs og boligteknologi
Fremtidens omsorgs og boligteknologi
 
2A Røren Nasjonal kjernejournal EHiN 2014
2A Røren Nasjonal kjernejournal EHiN 20142A Røren Nasjonal kjernejournal EHiN 2014
2A Røren Nasjonal kjernejournal EHiN 2014
 
Pasientinformasjon på nett - fra mange lokale initiativ til en nasjonal hel...
Pasientinformasjon på nett - fra  mange lokale initiativ til en  nasjonal hel...Pasientinformasjon på nett - fra  mange lokale initiativ til en  nasjonal hel...
Pasientinformasjon på nett - fra mange lokale initiativ til en nasjonal hel...
 
Bolig og demens 2012
Bolig og demens 2012Bolig og demens 2012
Bolig og demens 2012
 
Å tenke helt nytt.Kari Kværner..HSØ Medisin og helsefag - fellesmøte
Å tenke helt nytt.Kari Kværner..HSØ Medisin og helsefag - fellesmøteÅ tenke helt nytt.Kari Kværner..HSØ Medisin og helsefag - fellesmøte
Å tenke helt nytt.Kari Kværner..HSØ Medisin og helsefag - fellesmøte
 
Når det verste skjer. Hvordan skal vi opptre? Olav Røise, Pasientsikkerhetsko...
Når det verste skjer. Hvordan skal vi opptre? Olav Røise, Pasientsikkerhetsko...Når det verste skjer. Hvordan skal vi opptre? Olav Røise, Pasientsikkerhetsko...
Når det verste skjer. Hvordan skal vi opptre? Olav Røise, Pasientsikkerhetsko...
 
Personvern i e-helse healthworld2013
Personvern i e-helse  healthworld2013Personvern i e-helse  healthworld2013
Personvern i e-helse healthworld2013
 
4B Grønbekk Pasientinformasjonskvalitet for klinikere EHiN 2014
4B Grønbekk Pasientinformasjonskvalitet for klinikere EHiN 20144B Grønbekk Pasientinformasjonskvalitet for klinikere EHiN 2014
4B Grønbekk Pasientinformasjonskvalitet for klinikere EHiN 2014
 
Pasientjournal på nett: Tilgang, bruk og muligheter
Pasientjournal på nett: Tilgang, bruk og muligheterPasientjournal på nett: Tilgang, bruk og muligheter
Pasientjournal på nett: Tilgang, bruk og muligheter
 
Ketil Widerberg
Ketil WiderbergKetil Widerberg
Ketil Widerberg
 
6A Lovett Mobil helse for kronikere EHIN 2014
6A Lovett Mobil helse for kronikere EHIN 20146A Lovett Mobil helse for kronikere EHIN 2014
6A Lovett Mobil helse for kronikere EHIN 2014
 
Tilgang på langs - livslang strukturert journal?
Tilgang på langs - livslang strukturert journal?Tilgang på langs - livslang strukturert journal?
Tilgang på langs - livslang strukturert journal?
 
E-helse og personvern - helsedirektoratet 18 oktober 2013
E-helse og personvern - helsedirektoratet 18 oktober 2013E-helse og personvern - helsedirektoratet 18 oktober 2013
E-helse og personvern - helsedirektoratet 18 oktober 2013
 
Yggdrasil 2015 - Derfor må da alltid lage et overordnet konsept
Yggdrasil 2015 - Derfor må da alltid lage et overordnet konseptYggdrasil 2015 - Derfor må da alltid lage et overordnet konsept
Yggdrasil 2015 - Derfor må da alltid lage et overordnet konsept
 
Forskningsdagene 2000
Forskningsdagene 2000Forskningsdagene 2000
Forskningsdagene 2000
 
6B Olafsson Legeforeningen Morgendagens journal og gårsdagens personvernløsni...
6B Olafsson Legeforeningen Morgendagens journal og gårsdagens personvernløsni...6B Olafsson Legeforeningen Morgendagens journal og gårsdagens personvernløsni...
6B Olafsson Legeforeningen Morgendagens journal og gårsdagens personvernløsni...
 

More from Silje Ljosland Bakke

What's the thing about health IT?
What's the thing about health IT?What's the thing about health IT?
What's the thing about health IT?
Silje Ljosland Bakke
 
Pragmatic standardisation of clinical models
Pragmatic standardisation of clinical modelsPragmatic standardisation of clinical models
Pragmatic standardisation of clinical models
Silje Ljosland Bakke
 
Pragmatic standardisation of clinical models - Interop19
Pragmatic standardisation of clinical models - Interop19Pragmatic standardisation of clinical models - Interop19
Pragmatic standardisation of clinical models - Interop19
Silje Ljosland Bakke
 
National archetype governance in Norway
National archetype governance in NorwayNational archetype governance in Norway
National archetype governance in Norway
Silje Ljosland Bakke
 
Standards in health informatics - Problem, clinical models and terminologies
Standards in health informatics - Problem, clinical models and terminologiesStandards in health informatics - Problem, clinical models and terminologies
Standards in health informatics - Problem, clinical models and terminologies
Silje Ljosland Bakke
 
Standardisering av arketyper - hva er godt nok?
Standardisering av arketyper - hva er godt nok?Standardisering av arketyper - hva er godt nok?
Standardisering av arketyper - hva er godt nok?
Silje Ljosland Bakke
 
Terminology and information models
Terminology and information modelsTerminology and information models
Terminology and information models
Silje Ljosland Bakke
 
Standards in health informatics - problem, clinical models and terminology
Standards in health informatics - problem, clinical models and terminologyStandards in health informatics - problem, clinical models and terminology
Standards in health informatics - problem, clinical models and terminology
Silje Ljosland Bakke
 
Poster on the Norwegian national goverance of archetypes
Poster on the Norwegian national goverance of archetypesPoster on the Norwegian national goverance of archetypes
Poster on the Norwegian national goverance of archetypes
Silje Ljosland Bakke
 
Workshop on educating the workshop for openEHR implementation at Medinfo 2015
Workshop on educating the workshop for openEHR implementation at Medinfo 2015Workshop on educating the workshop for openEHR implementation at Medinfo 2015
Workshop on educating the workshop for openEHR implementation at Medinfo 2015
Silje Ljosland Bakke
 
National governance of archetypes in Norway
National governance of archetypes in NorwayNational governance of archetypes in Norway
National governance of archetypes in Norway
Silje Ljosland Bakke
 

More from Silje Ljosland Bakke (11)

What's the thing about health IT?
What's the thing about health IT?What's the thing about health IT?
What's the thing about health IT?
 
Pragmatic standardisation of clinical models
Pragmatic standardisation of clinical modelsPragmatic standardisation of clinical models
Pragmatic standardisation of clinical models
 
Pragmatic standardisation of clinical models - Interop19
Pragmatic standardisation of clinical models - Interop19Pragmatic standardisation of clinical models - Interop19
Pragmatic standardisation of clinical models - Interop19
 
National archetype governance in Norway
National archetype governance in NorwayNational archetype governance in Norway
National archetype governance in Norway
 
Standards in health informatics - Problem, clinical models and terminologies
Standards in health informatics - Problem, clinical models and terminologiesStandards in health informatics - Problem, clinical models and terminologies
Standards in health informatics - Problem, clinical models and terminologies
 
Standardisering av arketyper - hva er godt nok?
Standardisering av arketyper - hva er godt nok?Standardisering av arketyper - hva er godt nok?
Standardisering av arketyper - hva er godt nok?
 
Terminology and information models
Terminology and information modelsTerminology and information models
Terminology and information models
 
Standards in health informatics - problem, clinical models and terminology
Standards in health informatics - problem, clinical models and terminologyStandards in health informatics - problem, clinical models and terminology
Standards in health informatics - problem, clinical models and terminology
 
Poster on the Norwegian national goverance of archetypes
Poster on the Norwegian national goverance of archetypesPoster on the Norwegian national goverance of archetypes
Poster on the Norwegian national goverance of archetypes
 
Workshop on educating the workshop for openEHR implementation at Medinfo 2015
Workshop on educating the workshop for openEHR implementation at Medinfo 2015Workshop on educating the workshop for openEHR implementation at Medinfo 2015
Workshop on educating the workshop for openEHR implementation at Medinfo 2015
 
National governance of archetypes in Norway
National governance of archetypes in NorwayNational governance of archetypes in Norway
National governance of archetypes in Norway
 

Terminologi og informasjonsmodeller

  • 1. Terminologi og informasjonsmodeller Silje Ljosland Bakke Informasjonsarkitekt, Nasjonal IKT HF E-mail: silje.ljosland.bakke@nasjonalikt.no / Twitter: @siljelb
  • 3. “In attempting to arrive at the truth, I have applied everywhere for information but in scarcely an instance have I been able to obtain hospital records fit for any purpose of comparison.” “If they could be obtained, they would enable us to decide many other questions besides the one alluded to. They would show subscribers how their money was being spent, what amount of good was really being done with it or whether the money was not doing mischief rather than good.” - Florence Nightingale, 1863
  • 4. Hva gjør dette så vanskelig egentlig? Hvorfor gjør ikke helse bare som bankene? –Liv og død –Kompleksitet –Livslange forløp –Klinisk mangfold –Personvern –Mobil befolkning –Behandlingsnivåer Kreditering: Heather Leslie
  • 5. Kompleksitet •Høyt antall konsepter og høy endringstakt •Helse er et stort felt, og vokser hele tiden –I bredden –I dybden –I kompleksitet Kreditering: Heather Leslie
  • 6. Klinisk mangfold • Informasjonsmangfold – Fritekst vs struktur – Legemiddelhåndtering – Normalutsagn («uten anmerkning») – Bilder og multimedia – Spørreskjemaer, sjekklister, osv – Sosiale forhold • Mangfold blant helsepersonell – Profesjoner, spesialiteter, lokale forhold, detaljeringsgrad, personlighet … • Klinisk undersøkelse er «fraktal» Kreditering: Heather Leslie
  • 7. Hvordan håndterer vi dette i dag? •Fritekst(Spesialistsystemer og registre har mer strukturerte data, men generiske journalsystemer er fremdeles hovedsakelig fritekst)
  • 8. Hva skal vi egentlig med struktur? •Unngå dobbeltregistrering •Gjenfinning og oversikt •Beslutningsstøtte •Helse/kvalitetsregistre •Kvalitetsindikatorer •Styringsdata primærformål sekundærformål
  • 10. Diagnose Klinisk bekreftet: 1997 Alvorlighetsgrad: Alvorlig I en journal… Diabetes mellitus type 2 Klinisk beskrivelse: Insulinkrevende
  • 11. I et register… Røykestatus i nasjonale registre • 9 variasjoner over «Røykestatus» i 28 skjema • I tillegg: Antall sigaretter per dag, måned for røykeslutt, antall måneder siden røykeslutt, osv. Brandt, L. (2017). Kartlegging av variabler i nasjonale helseregistre. Folkehelseinstituttet. http://hreg.no.
  • 12. «… hovedudfordringerne var, at databaserne kræver forskellige data på ens områder, som f.eks. rygerstatus som ‘cigaretter pr. dag’ for én database, og ‘pakker pr. uge’ for en anden database.» https://dagensmedicin.dk/kun-4-80-databaser-faar-data-sundhedsplatformen/
  • 13. Stortingsmelding 9: «(…) innrapportering til registre skal skje mest mulig automatisk, uten dobbeltregistrering, og være en integrert del av de faste arbeidsprosessene.»
  • 14. …men informasjon registreres ofte på helt forskjellige måter… Kliniske systemer: Registre: Har pasienten diabetes type 2? ☐ Ja ☐ Nei ☐ Ukjent ??? ? ?? ? ? ? Diagnosenavn: ICD-10 E11 Diabetes mellitus type 2 Klinisk bekreftet: 1997 Alvorlighetsgrad: Alvorlig Klinisk beskrivelse: Insulinkrevende
  • 15. For å få oversikt over informasjonen vår må vi ha en felles grunnmur: 1. Felles informasjonsmodeller 2. Felles terminologier
  • 17. «Informasjonsmodell»? •Definisjon av strukturen og innholdet av informasjon – Alle applikasjoner, registre, meldinger, etc har en form for informasjonsmodell – Må være lik om man skal ha felles forståelse av informasjon
  • 20. Hva har vi? • arketyper.no er (så vidt vi vet) verdens største enhetlige, nasjonale samling av frie, felles kliniske informasjonsmodell er
  • 21. Nasjonal forvaltning av informasjonsmodeller •Koordinert av Nasjonal IKT •Mål: Felles informasjonsmodeller av høy kvalitet •Over 550 klinikere og helseinformatikere deltar –55 % av dem er aktive klinikere!
  • 22. Er informasjonsmodeller nok? •Jada, hvis vi vil lage hundre tusen modeller, en for hver diagnose, labsvar, symptom, … •Jada, hvis vi aldri vil se en liste over alle pasientene som hadde lungebetennelse forårsaket av virus •Vi trenger noe mer: Terminologier
  • 23. terminologi substantiv, hankjønn UTTALE [terminologˈi] BØYNING terminologi – terminologien (korrekt) faglig uttrykksmåte juridisk, politisk terminologi / jeg kan ikke terminologien / bruke gal terminologi //språk ; språkbruk i min terminologi er det forskjell på 'beruset' og 'full’ ETYMOLOGI av terminus og -logi SYNONYM ▶språk https://www.ordnett.no/search?language=no&phrase=terminologi
  • 24. Terminologier vs informasjonsmodeller Informasjonsmodeller kan sies å beskrive «spørsmålene» Terminologier kan gi (noen av) «svarene» Komplementære konsepter ICD_10::L40.0::Psoriasis vulgaris og SCT_2015::74757004::Skin structure of elbow SCT_2015::6736007::Moderate ???
  • 25. Begreper/kunnskap om helse og helsetjenester: Terminologier Vokabularer, klassifikasjoner, ontologier; ICD-10, SNOMED CT, ICF Rammeverk for informasjon om den enkelte pasient: Informasjons- modeller Informasjonsstruktur; openEHR-arketyper, FHIR- ressurser Regler som benyttes på registrert informasjon: Inferensmodeller Regler og kunnskapsbaser som brukes for beslutningsstøtte og varsling Noe overlapp
  • 26. «Terminologi» er en sekkebetegnelse 2 • Det finnes ingen autoritativ «terminologi-terminologi»… • Tre hovedgrupper: • Kontrollerte vokabularer • Klassifikasjoner • Ontologier
  • 27. Kontrollert vokabular •Flate lister av kodede konsepter •Eksempel: kodesett på volven.no
  • 29. Ontologi •Definerer begreper ved hjelp av andre begreper •Polyhierarki •Synonymer •Kombinatorisk •Eksempler: SNOMED CT, ICNP
  • 30. 3
  • 31. Hva har vi? • SNOMED CT er verdens største terminologi for koding av kliniske begrep • Norge ble medlem i januar 2017 • ICD-10, ICPC-2, ICNP, ATC, SNOMED pat, volven.no, masse lokale greier …
  • 32. e-Patient Dave Blogg: http://e-patients.net/archives/2009/04/imagine-if-someone-had-been-managing-your-data-and-then-you- looked.html “Okay, yes, HCTz is my blood pressure medication. But low potassium? That was true when I was hospitalized two years ago, not now. What’s going on?” “So I went into my patient portal, PatientSite, and clicked the button to do it<upload heath data to Google Health>. I checked the boxes for all the options and clicked Upload. It was pretty quick. But WTF? An alarm: “! Requires immediate attention” Fra: Ocean Informatics, 2014
  • 33. ePDaves Google-problemliste • Acidosis • Anxiety Disorder • Aortic Aneurysm • Arthroplasty - Hip, Total Replacemt • Bone Disease • CANCER • Cancer Metastasis to Bone • Cardiac Impairment • CHEST MASS • Chronic Lung Disease • Depressed Mood • DEPRESSION • Diarrhea • Elevated Blood Pressure • Hair Follicle Inflammation w Abscess in Sweat Gland Areas • HEALTH MAINTENANCE • HYDRADENITIS • HYPERTENSION • Inflammation of the Large Intestine • Intestinal Parasitic Infection • Kidney Problems Causing a Decreased Amount of Urine to be Passed • Lightheaded • Low Amount of Calcium in the Blood • Low Amount of Potassium in the Blood • Malignant Neoplastic Disease • Migraine Headache • MIGRAINES • Nausea and Vomiting • Nephrosis • PSYCH • Rash • Spread of Cancer to Brain or Spinal Cord • Swollen Lymph Nodes Datoen var fire mnd etter diagnosen Riktig dato, trigget kreftdiagnose Ingen andre linjer hadde en dato… Fra: Ocean Informatics, 2014
  • 34. • Inflammation of the Large Intestine • Intestinal Parasitic Infection • Kidney Problems Causing a Decreased Amount of Urine to be Passed • Lightheaded • Low Amount of Calcium in the Blood • Low Amount of Potassium in the Blood • Malignant Neoplastic Disease • Migraine Headache • MIGRAINES • Nausea and Vomiting • Nephrosis • PSYCH • Rash • Spread of Cancer to Brain or Spinal Cord • Swollen Lymph Nodes • Acidosis • Anxiety Disorder • Aortic Aneurysm • Arthroplasty - Hip, Total Replacemt • Bone Disease • CANCER • Cancer Metastasis to Bone • Cardiac Impairment • CHEST MASS • Chronic Lung Disease • Depressed Mood • DEPRESSION • Diarrhea • Elevated Blood Pressure • Hair Follicle Inflammation w Abscess in Sweat Gland Areas • HEALTH MAINTENANCE • HYDRADENITIS • HYPERTENSION ePDaves Google-problemliste Diagnose stilt ifm oppkast under kjemoterapi Aldri hatt! Aldri hatt! Selvdiagnostisert optisk migrene. Ingen hodepine. Fra: Ocean Informatics, 2014
  • 35. “the system transmitted insurance billing codes to Google Health, not doctors’ diagnoses.” “I don’t want to get into the whole thing right now, but basically if a doc needs to bill insurance for something and the list of billing codes doesn’t happen to include exactly what your condition is, they cram it into something else so the stupid system will accept it.) (And, btw, everyone in the business is apparently accustomed to the system being stupid, so it’s no surprise that nobody can tell whether things are making any sense: nobody counts on the data to be meaningful in the first place.)” Fra: Ocean Informatics, 2014
  • 37. Hvor terminologier er sjef •Hundretusenvis av konsepter –Diagnoser, symptomer, labsvar, kroppsstrukturer, organismer, prosedyrer, … •Utledninger basert på relasjoner mellom konsepter
  • 40. Hvor terminologier ikke skinner •Kontekst •Kvantitative data •Komplekse konsepter
  • 41. Kontekst •«Vi bare legger inn kodene et sted så vi kan få DRG- poeng for denne kreftbehandlingen!» •15 år senere, fra den nye Dr. Google: –«Jeg er redd du har eggstokkreft.» –«Hva!? De ble jo fjernet for 15 år siden!»
  • 42. Kvantitative data •«Tenk så greit det hadde vært å bare ha en kode for hvilken graviditet i rekken kvinnen er i akkurat nå?» •«Ikke sant? 10 burde være nok for alle.» Famous last words…
  • 43. Komplekse konsepter •Kombinatorisk eksplosjon –Alle typer utslett for alle aktuelle hudområder –Alle typer peroral glukosebelastning ⇒ de 601 glukosekodene i LOINC: •Postkoordinering kan avhjelpe, men fører med seg egne utfordringer
  • 45. Fra: Ocean Informatics, 2014 …jo, på 601 forskjellige måter…
  • 46. …jo, på 601 forskjellige måter… Kode Analysenavn Tidspunkt Dose Adm.vei Prøvemateriale Substans Fra: Ocean Informatics, 2014
  • 47. …jo, på 601 forskjellige måter… Fra: Ocean Informatics, 20
  • 48. Gråsoner •Små verdisett •Noe kontekstuell informasjon –Faktisk diagnose vs. tentativ vs. risiko vs. utelukkelse vs. familieanamnese •Konsistent bruk er vanskelig og ikke alltid passende –Forskjellige bruksområder har forskjellige behov 4
  • 49. Likevel noen prinsipper • Når bør man bruke informasjonsmodell? – Kompleks informasjon (legemiddelordinering, familieanamnese, overfølsomhetsreaksjoner) – For å definere «spørsmål», ikke «svar» • Når bør man bruke terminologi? – Ting som eksisterer i virkeligheten (legemidler, kroppsstrukturer, substanser) – For å definere «svar», f.eks. verdisett Fra: Ocean Informatics, 2014
  • 50. Struktur er ikke nirvana •Strukturert informasjon er ikke et mål i seg selv •Strukturering bør gjøres når det har klar verdi •Må være mulig å supplere med fritekst for å nyansere •Noen ganger er fritekst tilstrekkelig eller best!
  • 51. Oppsummering •Terminologier er nødvendige tillegg til informasjonsmodeller •…men terminologier kan ikke brukes alene •Gråsoner -> pragmatiske valg •Strukturering og koding bør gjøres når det har klar verdi

Editor's Notes

  1. Vi har et pågående problem i helse… Noen som vil gjette på hvem som sa dette, og når?
  2. SNOMED CT, en terminologi som er ment å etter hvert dekke alle kliniske begreper, hadde for en tid tilbake over 400 000 konsepter, og over 1 million lenker. Vet ikke hvor stor den er i dag. i bredden fordi ny informasjon stadig oppdages eller blir relevant i dybden fordi mer detaljert kunnskap stadig oppdages eller blir relevant i kompleksitet fordi flere sammenhenger stadig oppdages eller blir relevante
  3. Fritekst er genialt. Det er fleksibelt, enkelt å tilrettelegge for, enkelt å lære… Men vi kan ikke bruke det til noe. Informasjonen er i praksis død etter et par dager.
  4. For klinikere er kanskje det å unngå å registrere ting flere ganger det viktigste. Dette vil spare mye tid, og potensielt unngå feil spare tid og få en bedre oversikt over en pasients tilstand om datasystemet kan omforme pasientdata og vise dem på en sammenfattet måte. Gjenbruk av data fra journaler til andre formål som f.eks. forskning, eller rapportering til registre uten at klinikere trenger å være involvert, har stort potensiale. Beslutningsstøtte, det vil si et system som kan veilede klinikeren i undersøkelse og behandling ut fra gitte regler, er nærmest en hellig gral i helseinformatikken. Ikke mulig uten strukturert journalinformasjon som beslutningsstøttesystemet kan behandle. Kvalitetsdata og styringsdata er viktige for virksomheter og myndigheter, og vil bli betydelig mer tilgjengelige med en strukturert journal.
  5. Ifølge en preliminær rapport for en undersøkelse gjort av en lege som heter Linn Brandt, er det kun for variabelen «Røykestatus» hele 9 forskjellige måter å registrere dette på i 26 forskjellige registerskjemaer. I tillegg har man tilstøtende variabler som kumulativ eksponering, forbruksmengde, tid siden man sluttet, osv. Dette medfører at data fra de forskjellige registrene som egentlig er ment å være det samme, ikke kan sammenlignes. I tillegg må klinikere rapportere dataene på mange forskjellige måter til registrene. Det har vært gjort noe arbeid for å harmonisere informasjonsmodellene i hjerte/karregistrene for akkurat dette området, men det er et generelt problem på tvers av de fleste registre; man har til dels laget informasjonsmodellene på nytt og i isolasjon for hvert nye register. Dette er OGSÅ et problem mellom kliniske systemer, som gjør det mye vanskeligere å utveksle strukturerte data mellom dem.
  6. Hva er egentlig en informasjonsmodell? Kort kan det sies å være en definisjon av strukturen og innholdet av informasjon man vil innhente eller dele. Det kan være f.eks. et registerdatasett, en variabeldefinisjon, et minimumsdatasett for et eller annet område, eller en meldings- eller grensesnittdefinisjon. Alle applikasjoner og registre har en form for informasjonsmodell, selv om de for mange applikasjoner er godt gjemt og kanskje til og med bedriftshemmeligheter. Dersom man ønsker å dele data fritt (og da mener jeg ikke uten restriksjoner, men uten masse plunder og heft for å omforme dataene for å passe sammen og kunne tolkes), såkalt «semantisk interoperabilitet», må man ha helt like informasjonsmodeller.
  7. Informasjonsmodell og terminologi/klassifikasjon er komplementære konsepter Terminologier (f.eks. SNOMED CT) kan brukes til å gi mening til data lagret eller kommunisert ved hjelp av informasjonsmodeller (f.eks. arketyper) Terminologier og kodeverk kan også bidra med eller gi mening til fellesdefinerte datasett til bruk i informasjonsmodeller
  8. I dette eksempelet er det seks nivåer (n=6)
  9. Hvert av disse feltene kan være et par-tre varianter, og alle permutasjoner av disse blir til sammen de 601 variantene av glukose… Det er jo bare disse i rødt som har noe direkte med analysen å gjøre, resten er jo spesifisering av omstendigheter…
  10. Derfor gir det kanskje mer mening å gjøre dette med en kombinasjon av en informasjonsmodell, små kodeverk, og en labterminologi. På denne måten kan vi klare oss med én informasjonsmodell, 3-5 varianter av glukose i kodeverket (forskjellige prøvematerialer), og et sett med små verdisett som kan puttes i en arketype.
  11. Ikke mål i seg selv: Dyrt og vanskelig, Ofte mer tungvint, Viktige nyanser kan forsvinne Når det har klar verdi: For primærformål (umiddelbar gjenbruk, beslutningsstøtte, …), For sekundærformål (registre, rapportering, …), Dersom det fører til enklere registrering