JOSHAS Journal (e-ISSN:2630-6417)
MARCH 2021 / Vol:7, Issue:37 / pp.363-371
Arrival Date : 17.01.2021
Published Date : 28.03.2021
Doi Number : http://dx.doi.org/10.31589/JOSHAS.513
Cite As : Yıldırım, H. (2021). “Sağlık Hizmet Sağlayıcıları Tarafından Kullanılan Hastane Bilgi Ve Yönetim Sistemi Yazılımlarının,
Dijital Soyağacı Ve Hastalık Risk Hesaplayıcı Formları İle Entegrasyonunun Sağlanması Ve Operasyonel Yeteneklerinin Artırılması Konusunda İnceleme”, Journal Of Social, Humanities and Administrative Sciences, 7(37):363-371.
SAĞLIK HİZMET SAĞLAYICILARI TARAFINDAN KULLANILAN HASTANE
BİLGİ VE YÖNETİM SİSTEMİ YAZILIMLARININ, DİJİTAL SOYAĞACI VE
HASTALIK RİSK HESAPLAYICI FORMLARI İLE ENTEGRASYONUNUN
SAĞLANMASI
VE
OPERASYONEL
YETENEKLERİNİN
ARTIRILMASI
KONUSUNDA İNCELEME
EXAMINATION ON INTEGRATION OF HOSPITAL INFORMATION AND MANAGEMENT SYSTEM SOFTWARE USED BY HEALTH SERVICE PROVIDERS WITH DIGITAL PEDIGREE AND DISEASE RISK CALCULATOR FORMS AND INCREASING OPERATIONAL CAPABILITIES Dr. Hakan YILDIRIM
Antalya Akev Üniversitesı̇, Antalya/Türkiye ORCID: 0000-0002-5959-2691
ÖZET
Hastane Bilgi ve Yönetim Sistemleri klasik manada bir işletmede kullanılan kurumsal kaynak yönetim sistemine benzeyen ve ayrılan yönleri olmakla birlikte özü itibariyle; tüm kaynakların verimli kullanılması ve süreçlerin izlenmesini sağlar. Bu yazılımlar sağlık hizmet sağlayıcı kuruluşların işletmeye dair verilerini, insan kaynakları planlamasını ve verdikleri hizmetin doğasından kaynaklı olarak sağlık hizmetlerinin gereği durumundaki iş ve prosedürlerin takibini ve kaydedilmesini sağlar. Yani HBYS sistemleri hem mali ve idari hem de operasyonel alanda kullanılır. Ama bir yandan da hem hizmet sağlayıcı kuruluşun içinde hem de kuruluş dışında bağlantıları vardır. Sağlık Bakanlığınca sağlanan hizmetlerden Sağlık-Net ve MEDULA gibi uygulamalarla da entegre vaziyette çalışmaktadır. (Sağlık Bakanlığı, 2021)
Operasyonel anlamda doğrudan sağlık hizmetlerinin kalite ve kabiliyetini artırmaya yönelik olarak hastanın ilk kabulünden, poliklinik veya yataklı tedavi safhasına kadar bu hizmetler her geçen gün arttırılmaktadır. Örneğin hasta kabulü için sadece parmak izi (el ayası) yeterli olmakta ve anlaşmalı sigorta kuruluşu derhal provizyon sağlamayabilmektedir. Poliklinik muayenelerde hekimlerin tahlil laboratuvar ve tıbbi görüntüleme gibi prosedürleri elektronik ortamda takibini sağlamaktadır. Ancak bununla da kalmayıp mesela tıbbi görüntülemelerde yapay zekâ yardımıyla hekime destek sağlamakta ve hekimi yönlendirmektedir. HBYS yazılımları, hizmet kalitesini artırmak için, geliştirilen tüm yeni yol ve yöntemleri kullanma konusunda başarılı uygulamalardır. (Wadhva, 2007)
HBYS ile grafik ve görsel tabanlı dijital soyağacı sistemi entegre olursa tüm süreçte kabiliyetler ve kalite yükselecektir. Ardından Hastalık Risk Hesaplayıcı Formlar da HBYS ile entegre edilirse klinik uygulamaların hem kalitesi artar hem maliyeti düşer ve hem de hata oranı düşer.
Başka çalışmalarda incelenen Hastalık Risk Hesaplayıcı Formalar HBYS sistemlerinin doğal bir parçası durumundadır. Yani bundan sonra, HBYS sistemleri için Hastalık Risk Hesaplayıcı Formlar ile entegre çalışmak bir zorunluluktur. Hastalık Risk Hesaplayıcı Formların ise verimli çalışabilmesi için HBYS ile entegrasyonu gerekmektedir.
Sağlık Hizmet sağlayıcısı kuruluşların kalite standartlarını ölçen ve HL7 adı verilen standart giderek yaygınlaşmaktadır. Bu ölçeğe uygun olarak ülkemizde de üst seviyede sağlık hizmet sağlayıcı kuruluşlar vardır. Giderek de bu kuruluşların sayısı artmaktadır. Sağlık Hizmet sağlayıcılarının HL7 standardındaki yerini ve durumunu korumak için; yapay zekâ ve yeni nesil yazılımlar konusundaki yenilikleri takip etmeleri bir zorunluluktur. Dijital Soyağacı ve Hastalık Risk Hesaplayıcı Formlar HBYS sistemlerinin bir parçası olacaktır. Bu yolla dış sistemlerle olan entegrasyonu da kolayca sağlanacaktır.
HBYS sistemleri üzerinde Terminoloji Sunucusu gibi gereksinimler mevcuttur. Hastalık Risk Formaların çalışması için bu gibi gereksinimlere ayrı bir yatırım yapılmayacaktır. Bu makalede daha önce başka çalışmalarda incelemeleri yapılmış olan Dijital Soyağacı ve Hastalık Risk Hesaplayıcı Formaların HBYS yazılımları ile entegrasyonu konusunda bir inceleme yapılmıştır.
Anahtar Kelimeler: HBYS, Dijital Soyağacı, Hastalık Risk Hesaplayıcı Formlar
ABSTRACT
Hospital Information and Management Systems are similar to the corporate resource management system(ERP) used in a business in the classical sense and have different aspects. It ensures efficient use of all resources and monitoring of processes. These softwares allow healthcare provider organizations to track and record operational data, human resources planning and the work and procedures required by healthcare services due to the nature of the service they provide. In other words, HIMS systems are used in both financial and administrative and operational areas. On the other hand, it has connections both within and outside the service provider organization. It also works in an integrated manner with applications such as Sağlık-Net and MEDULA, among the services provided by the Ministry of Health. (Sağlık Bakanlığı, 2021)
In order to increase the quality and capability of direct health services in operational terms, these services are increasing day by day, from the first admission of the patient to the outpatient or inpatient treatment phase. For example, only fingerprints (or palm) are sufficient for patient admission and the contracted insurance company provides immediate provision. It enables physicians to follow procedures such as analysis, laboratory and medical imaging electronically in outpatient clinic examinations. However, it is not only that, for example, it provides support to the physician with the help of Review Article
artificial intelligence in medical imaging and directs the physician. HIMS software is successful in using all new ways and methods developed to increase service quality. (Wadhva, 2007)
If HIMS and graphic and visual based digital family tree system are integrated, capabilities and quality will increase in the whole process. Then, if the Disease Risk Calculator forms are also integrated with HIMS, the quality of the clinical applications increases, the cost decreases and the error rate decreases.
The Disease Risk Calculator Forms examined in other studies are a natural part of HIMS systems. So from now on, it is a necessity to work integrated with the Disease Risk Calculator Forms for HBYS systems. In order for the Disease Risk Calculator Forms to work efficiently, they must be integrated with HIMS.
The scale called HL7, which measures the quality standards of healthcare service providers, is becoming increasingly common. In accordance with this scale, there are high level health service providers in our country. The number of these organizations is increasing gradually. In order to preserve the place of Health Service providers on the HL7 scale; It is a necessity for them to follow the innovations in artificial intelligence and new generation software. Digital Pedigree and Disease Risk Calculator Forms will be a part of HIMS systems. In this way, its integration with external systems will be easily provided.
There are requirements such as Terminology Server on HBYS systems. There will be no separate investment in such requirements for the operation of the Disease Risk Forms. In this article, a review has been made on the integration of the Digital Family Tree and Disease Risk Calculator Forms, which have been previously examined in other studies, with HIMS software.
Key Words: HIMS, Digital Family Tree, Disease Risk Calculator Forms
1. GİRİŞ
HBYS özü itibariyle bir Kurumsal Kaynak Kullanım yazılımıdır. Ancak sektör gereksinimleri doğrultusunda özelleşmiş ve farklılaşmıştır. HBYS pek çok kabiliyete sahiptir. İnsan kaynakları ile bu kaynakların hastalar açısından kullanımının dakikasının bile önemli olduğu bir alanda planlama ve yönetimin önemi daha iyi anlaşılabilir.
HBYS platformlarındaki İnsan kaynakları ayrımına sağlık personel ve diğerleri olarak bakılabilir. Ama sağlık personeli de hekimler ve diğerleri olarak görülmektedir. Bu kalifiye olma ve maliyet portesi birlikte değerlendirildiğinde ortaya çıkan sonuçtur.
Sarf giderlerine de bu bağlamda bakılmaktadır. Bazı sarf ürünleri doğrudan hastalar için ve tedaviye yönelik olmakla birlikte bazı sarf ürünleri ise dolaylı yoldan kullanılmakta ve hasta dışındaki personel ve ziyaretçiler için de kullanılabilmektedir. Mesela laboratuvar hizmetleri ve sarf ürünleri, radyoloji hizmet ve sarf ürünleri gibi şeyler doğrudan hasta ve tedavi içindir. Ancak yemekhane, çamaşırhane, kafeterya vs. hizmetler ise tüm personel, hasta ve ziyaretçiler içindir. Sarf ve hizmetin kime yapıldığı neden önemlidir? Birisinde fatura ve ödemeler sigorta kuruluşları tarafından yapılırken diğerinde ise kişiler kendileri karşılamaktadır. Bir diğer açıdan ise birinde tarife ve SUT(Sağlık Uygulama Tebliği) kapsamında belirlenen fiyatlar varken diğerinde piyasa dengeleri gözetlenebilecektir. (SGK, 2021)
Sağlık Hizmet sunucularının maliyet hesapları verdikleri hizmetlerle ilgili maliyet analizlerini yapmalarına yarar. Buralarda gerekli tenkisatlar ve planlamalar varsa bunu da yapar. Zorunlu olmayan ve de kar da getirmeyen alanlarda ise ilgili servisi kapata da bilir. Karlı alanlarda ise kapasite artırımı da bir yoldur. Ancak bunların hiçbiri inovatif değildir. Kapasite artışını market büyüklüğünü artırarak değil marketten daha fazla pay alma yoluyla sağlayabilir.
HBYS sisteminin yıllar içinde geliştiği görülmüştür. İhtiyaçlar bu gelişmeleri şekillendirmiştir. Ancak teknolojinin de bu değişimi zorladığı da görülmektedir. Mesela bugün için Sağlık Bakanlığı tarafından geliştirilen e-Nabız, MHRS, MEDULA gibi sistemlerle interaktif bir ilişki içinde olduğu izlenmektedir. Bir sağlık hizmet sağlayıcısı kuruluşun idari ve mali birimleri ile poliklinik ve tahlil ve görüntüleme birimleri arasındaki uyum iç işleyişi temsil eder ve HBYS bu açıdan çok önemlidir. Fakat dış bağlantılarda ise bu senkronizasyon sırasında aynı zamanda veri alışverişinin düzenleyici otoritenin işletim ve güvenlik standartlarının da zorunluluk olduğunu hatırlatmaktadır.
Dijital soyağacı ve HRF uygulamaları sürekli olarak ihtiyaç ve teknolojik yeniliklerin değişime zorladığı HBYS sisteminde yeni bir adım ve alandır. Pazarı geliştirecek ve büyütecek inovatif özelliklere sahiptir. Dijital soyağacı ve HRF uygulamaları bir yandan da DNA pazarının altyapısını oluşturmaktadır. İyi yaşam(wellness) olarak adlandırılan ve her geçen gün katlanarak büyüyen bu Pazardan pay almak şimdilik öngörülü olmaktır. Ancak yakın gelecekte DNA ihtiyaç ve düzenlemelerindeki yeni şartlar da bu alana yönelimi zorlayacaktır.
Yazıda HBYS’nin temel bileşenleri ve etrafındaki kavramlar ele alınmıştır. Ardından da HBYS ile dijital Soyağacı ile HRF uygulamalarının entegrasyonunun temelleri anlatılmıştır.
2. KAVRAMSAL ARKA PLAN 2.1. HBYS Nedir?
Hastane Bilgi ve Yönetim Sistemleri klasik manada bir işletmede kullanılan kurumsal kaynak yönetim sistemine benzeyen ve ayrılan yönleri olmakla birlikte özü itibariyle; tüm kaynakların verimli kullanılması ve süreçlerin izlenmesini sağlar. Bu yazılımlar sağlık hizmet sağlayıcı kuruluşların işletmeye dair verilerini, insan kaynakları planlamasını ve verdikleri hizmetin doğasından kaynaklı olarak sağlık hizmetlerinin gereği durumundaki iş ve prosedürlerin takibini ve kaydedilmesini sağlar. Yani HBYS sistemleri hem mali ve idari hem de operasyonel alanda kullanılır. Ama bir yandan da hem hizmet sağlayıcı kuruluşun içinde hem de kuruluş dışında bağlantıları vardır. Sağlık Bakanlığınca sağlanan hizmetlerden Sağlık-Net ve MEDULA gibi uygulamalarla da entegre vaziyette çalışmaktadır. Günümüzde HBYS sistemlerinin hemen hepsinde görülen modül ve bileşenleri şunlardır:
Doğrudan Sağlıkla İlgili Modüller: Hasta Kabul Modülü, Poliklinik Modülü, Triyaj Modülü, Servis Modülü, Laboratuvar ve Tahlil Modülü, Radyolojik Görüntülemeler Modülü, İlaç ve Eczane Modülü vs.
Genel Amaçlı Kullanım Modülleri: Evrak, Arşiv ve Yazışma Modülü, Ödemeler ve Vezne Modülü, Faturalama Modülü, Envanter Modülü, İstatistik Modülü, Personel Modülü, Yönetici Modülü, Muhasebe Modülü, Maaş ve Bordro Modülü, Envanter, Stok Takip ve Fikstür Modülü, Satın Alma Modülü vs.
2.2. HBYS İç ve Dış Bağlantıları
HBYS sistemleri içeride geniş bir yönetim kabiliyetine sahiptir. Kaynaklar öncelikle insan kaynakları ve diğerleri diye ayrılır. Ancak insan kaynakları ise sağlık personeli ve diğerleri diye ayrılır. Sağlık personeli de doktorlar ve diğerleri diye ayrılır. Kullanılan sarf malzemeleri de tedavi amaçlı ve genel amaçlı olarak ayrılır. Ancak tüm bu ayrımlardan burada gerekli olan alt kırılım ise İÇ-DIŞ bağlantılardır. İçeride otomatik olarak üretilen verileri toplamalıdır. Mesela personel devem takip gibi bir sistemin ürettiği veriler otomatik olarak HBYS sistemine aktarılır. Oysaki elle (manuel) olarak girilen veriler de vardır. Dışarıda ise Sağlık Bakanlığının sistemlerine otomatik olarak gönderilen ve alınan veriler de bulunmaktadır. Bu verilerden e-Nabız sistemi ise bu makalenin de konusu olan HBYS ile Dijital Soy Ağacı ve HRF formları açısından önem taşımaktadır. Ancak Sağlık Bakanlığının bu sistemler için önermiş olduğu güvenli erişim standartları oldukça güncel ve çağdaş bir yaklaşım ortaya koymaktadır.
2.3. Terminoloji Sunucusu Nedir?
Farklı ülkelerde ve hatta farklı sağlık hizmet sunucularında farklı hastalıklar için farklı terminoloji ve kodlar kullanılmış olması normaldir. Ancak bir standarda ihtiyaç da vardır. Terminoloji sunucusunun dünyada standardize olmuş hali FHIR sistemidir. Bu sisteme yapılacak ilaveler ile iki ayrı sistem çalıştırma yükü olmaz. Çeşitli alanlarda terminoloji sunucusu kullanıldığı gözlemlenmektedir. Sağlık sektörü bunların başında gelmektedir. Aşağıda anlatılan FHIR bir terminoloji sunucusudur.
FHIR; sağlık hizmetleri platformlarının her platformun anlayabileceği şekilde tesisler arasında iletişim kurabilmesi ve verileri paylaşabilmesi için ortak bir API kümesi oluşturur. Bu, Açık Bankacılık ve PSD2'nin finansal hizmetler endüstrisi içinde paylaşım oluşturmasına benzer.
FHIR Nelerden Oluşur? : FHIR'ın temel yapı taşı bir kaynaktır. Değiştirilebilir tüm içerik bir kaynak olarak tanımlanır. O halde felsefe, kendi başlarına kullanılabilecek veya bir araya getirildiğinde yaygın kullanım durumlarının çoğunu karşılayacak temel bir kaynak kümesi oluşturmaktır.
FHIR ile Kimler İlgilidir?: Sağlık sektörü, bu standartların benimsenmesini hızlandırmak için bir Açık Kaynak felsefesini benimsemiştir. HL7, FHIR spesifikasyonunu hiçbir kısıtlama olmaksızın FHIR topluluğuna ücretsiz olarak sunmuştur.
FHIR topluluğu büyük ve seçkin olsa da - üyeler Mayo Clinic, McKesson, athenahealth, Partners Healthcare Systems ve daha fazlasını içerir - kullanmak için üye olmanız gerekmez. Bu, daha geniş bir benimseme sağlar, birlikte çalışabilirliği artırır ve herkes spesifikasyonu kullanıp buna katkıda bulundukça uygulamayı hızlandırır ve basitleştirir.
FHIR Neden Önemlidir?: FHIR, hasta verilerine erişmesi gereken tüm taraflar arasındaki boşlukları kapatmak için bir bağlayıcı görevi görür. Açık API'ler aracılığıyla sorunsuz bir şekilde paylaşılan veriler sayesinde, hasta kayıtları anında görüntülenebilir ve böylece doğru kararlar alınabilir.
Sağlık hizmet sunucuları için geliştirilen bir indeks olan HL7 tarafından tanımlandığı gibi, FHIR'ın temeli şu dört ilkeye dayanmaktadır: 1) FHIR uygulamaya öncelik verir 2) FHIR, birlikte çalışabilirlik için esnek bir çerçeve sağlar 3) FHIR karmaşıklığı ait olduğu yerde tutar 4) FHIR, sıkı spesifikasyonları destekler ancak zorunlu kılmaz.
Bu kılavuz ilkeler, FHIR'ın güçlü ve zaman içinde meydana gelen çeşitli teknolojik ilerlemelere karşı dirençli olmasına yardımcı olmak için uygulamaya konmuştur. FHIR standardı ister modern ister eski bir sistemden bilgi toplamak için kullanılıyor olsun, belirli koşullara uygun farklı mimari yaklaşımlara izin verir. (What is FHIR, 2020)
Sağlık Sektörü FHIR'dan Nasıl Başarılı Bir Şekilde Yararlanabilir?: Sağlık sektörü, diğer birçok sektör gibi, dijital bir dönüşümden geçiyor. Sağlık kayıtlarının sayısallaştırılması, hasta bilgilerini ve bakım talimatlarını daha erişilebilir, keşfedilebilir ve anlaşılır hale getirdi. FHIR, bu süreci daha kolay ve daha yaygın hale getirdi. FHIR ile sağlık hizmetleri söz konusu olduğunda "Nesnelerin İnterneti" IoT uygulaması sadece eğlence amaçlı bir proje değildir. Hayat kurtaran ve yaşamı sürdüren etkileri vardır. Verilerin tesisten tesise ve cihazdan cihaza aktarımı, sonuçta bir hastanın sağlık sonucunu etkileyebilir.
Dijitalleşmeden elde edilen daha iyi hasta bakımının yanı sıra, bu elektronik girişim aynı zamanda Elektronik Tıbbi Kayıtlar (Electronic Medical Records) Yetkisi uyarınca hükümet düzenlemelerine uyumun bir sonucu olarak ortaya çıkmaktadır. Bu zorunluluğa uymak, sağlık hizmetleri operasyonları, BT ve güvenlik alanlarındaki yöneticilerin ortaklarıyla nasıl birlikte çalışacaklarını ve ayrıca kaynakları dahili olarak nasıl kullanacaklarını yeniden düşünme ihtiyacını ortaya çıkarttı. Yenilik ve farklılaşma dengesi gerektirirken, aynı zamanda hastalar ve sigorta şirketleri için sağlık hizmeti maliyetlerini düşük tutabilir. Sağlık sektörü, yepyeni bir düzeyde rekabet edebilmek için nasıl açılacağına ve iş birliği yapılacağına dair bir örnek haline geldi. Standart bir kaynak ve API tanımı üzerinde birlikte çalışarak endüstri, hastanenin teknik operasyonları için tescilli entegrasyonlar ve veri dönüşümleri yerine daha iyi sağlık hizmeti sonuçları sağlayan teknoloji ve yeniliklere odaklanmak için kaynaklar açtı. (Ford et al., 2016)
2.4. HL7 Nedir?
HL7, elektronik sağlık bilgilerinin değişimi, bütünleştirilmesi ve paylaşılması gibi işlemler için bir çerçeve sağlamak üzere standartlar geliştiren bir kuruluştur. Standartların oluşma süreci zorunlu düzenlemeler ve gönüllü düzenlemelerde kullanılan standartlar olmak üzere iki gruba ayrılır. Ama hangisi olursa olsun HL7'deki (ve diğer standart geliştirme organizasyonlarındaki) standart süreci uzun bir süreçtir ve biraz da karmaşıktır. Spesifikasyon, standardın beklentilerini belirlediği iş akışına katılacak olan topluluğun çeşitli bölümlerinin gereksinimlerini karşılamalı ve bunların anlaşmasını yansıtmalıdır. Bunun anlamı: İş akışının hangi bölümlerinin standart kapsamına girdiği konusunda net bir sınır olmasını sağlamaktır. (HL7 Organizasyonu, 2021)
İş akışının ilgili bölümlerinde yer alan paydaşların belirlenmesi, Bu paydaşları açık standardizasyon sürecine katılmaya dahil etmek (ve standart ilerledikçe onları çevrim içi tutmak), Her bir paydaş grubunun gereksinimlerinin, diğer katılımcıların bunları tutarlı bir şekilde anlamasına olanak tanıyacak şekilde duyulmasını ve kaydedilmesini sağlamak, Tüm paydaşların kabul edebileceği veya en azından kabul edebileceği tek bir entegre gereksinimler dizisi olacak şekilde bu gereksinimleri önceliklendirmek ve uyumlaştırmak, Bu gereksinimleri karşılamak için oluşturulan sonuçta ortaya çıkan spesifikasyonun sağlanması, paydaşların da kabul ettiği veya kabul edebileceği bir çözümü yansıtır.
HL7, 30 yılı aşkın süredir sağlık hizmetleri standartları geliştirmektedir. Topluluk oluşturmaya, gözden geçirmeye, testleri teşvik etmeye ve spesifikasyonların dengeli, objektif bir incelemesini yapmaya yardımcı olacak süreçlere sahiptir. Birlikte, sağlık hizmetlerinin hemen hemen her alanında ve veri paylaşımıyla ilgili teknolojilerde son derece derin bir uzmanlığa sahip büyük bir topluluğa sahiptir.
Kapsamın iyi tanımlanmasını, amaçlanan iş farkındalığının hem kuruluşumuz genelinde hem de dış toplumda yayılmasını, organizasyon içindeki ilgili uzmanlığın güçlendirilmesini ve örtüşen veya çatışan spesifikasyonların olasılığını en aza indirmek için koordinasyonun mevcut olmasını sağlamak için projelerin başlangıcında süreçler ortaya konmaktadır. Başlıca Standartlar, sistem entegrasyonu, uyumluluk ve birlikte çalışabilirlik en yaygın standartlardır. HL7'nin en yaygın kullanılan ve talep edilen standardı bu kategoridedir. (HL7 Organizasyonu, 2021).
2.5. Yeni Nesil HBYS
Hastane Bilgi ve Yönetim Sistemleri 30 yılı aşkındır çeşitli seviyelerde kullanılmaktadır. Nihayet günümüzde aşağıdaki modülleri standart olarak sağlamakta olup bu makale kapsamında değerlendirilen bazı yeni özellikler ise yaygınlaşmakta olup henüz tam da bir standarda kavuşmamıştır. Soy ağaları ve Hastalık Risk Faktörü hesaplayıcı modüllerin iç ve dış modüllerle entegrasyonu önemlidir. FHIR gibi terminoloji sunucuları oldukça yaygınlaşmıştır. Ancak zamana bağlı muhasebe sistemleri ise hassas maliyet muhasebesi sağlayacağından idari ve mali yönetim desteği verecektir. Ancak bu türlü bir Hassas Maliyet Muhasebe modelinin çalışması da nesnelerin interneti uygulamaların yaygınlaşmasına bağlıdır. (What is FHIR, 2020)
2.6. Dijital Soy Ağaçları ile HBYS Entegrasyonu
Günümüzde görülme sıklığı ve/veya mortalitesi yüksek olan kanser, kalp krizi, inme vb. hastalıklarda hekimler derhal birinci veya ikinci derece akrabalarında benzer bir sağlık öyküsünün olup olmadığını araştırmaktadır. Hastanın Soyağacında benzer bir öykü varsa, bu durumda genetik risk faktörü matematiksel bir formül ile hesaplanabilmekte ve ilişkili olabilecek başka kanser türleri açısından da hesaplanabilir risk verileri elde edilmektedir. Hasta DNA analizine yönlendirilmekle birlikte, mutasyon saptanan gen olursa bu aynı zamanda soyağacındaki diğer kişiler için de risk faktörü hesaplamayı elverişli kılabilmektedir. (EasyDNA, 2021) Ayrıca, hasta kayıtlarının soyağacı verileri ile birlikte tutulmaya başlanması, risklerin grafik-görsel tabanlı olarak takibini kolaylaştıracaktır. Böylece soyağacı üzerindeki diğer veriler ile otomatik olarak risk dağılımı yapılabilecektir. Öte yandan 2000 yılında insan genom projesinin tamamlanmasından bu yana DNA test ve analizinde sayısız gelişmeler olmuştur. Aslında insan genomu projesi tamamlanmadan önce projenin tamamlanmasıyla birlikte insan vücuduna dair tüm gizemlerin çözüleceği düşünülmekteydi. Bu böyle olmadı. Aksine bilinmeyenlerin sayısı arttı. Fakat daha önemli bir şey ise bir insana ait tek bir tüm-DNA sekansının bile analizinin ve anlaşılmasındaki zorluklar olmuştur.
Bu zorluklardan ilki analiz için gereken bütçedir. Tüm-DNA sekans analizi başlarda yüz bin dolarlar seviyesinden bugün için büyük hacimli projeler kapsamında yüz dolarla seviyesine inmiştir. Ancak halen bu fiyat seviyelerinde büyük miktarlı analizler yapmanın sadece maliyetler değil bir yandan da analizler için gerekli süre bakımından sorunlu olduğu da açıktır. Öte yandan DNA analizi ve genetik mutasyonlar tam olarak bilinmeden bile bir risk faktörü olarak varlığından ve etkisinden bahsetmek mümkündür. Bu ilk bakışta bilimsel bir bakış gibi gelmese bile şu anda bile uzman hekimlerce klinik muayenelerde yapılan görüşmelerde veri olarak kullanılmaktadır. Mesela meme veya kolon kanseri gibi yakınmalarla hekime giden kişilere ilk sorulan sorulardan biri ailesinde benzer bir öykünün olup olmadığıdır. Ayrıca eğer bu kişiler hastalığın türüne göre anne ya da baba gibi bir yakınlıktaysa risk değerlendirmesi de artmaktadır. Her geçen gün yaptırılan DNA analiz sayısı artmakta ve analiz için gereken süre ve maliyet ise azalmaktadır. Bir yandan da Kuantum bilgisayarlarındaki yazılım ve donanımsal gelişmeler de büyük miktardaki DNA sekans analizlerini kolaylaştıracaktır. Ancak bilişim sektöründeki diğer gelişmeler de DNA’nın ve sekansının tamamen analiz edilerek gen mutasyonlarının anlaşılacağı günlere kadar elimize çok güçlü yol ve yöntemler önermektedir. (Kopanos et al., 2020)
Bunun için sahip olunması gereken en önemli araç dijital soyağaçlarıdır. Bunun için iki önemli ön şart gerekmektedir. Birincisi güvenilir alt-üst soy verileridir. İkincisi ise bu verileri otomatik olarak kuran, grafik ve görsel tabanlı dijital bir sistem kurulmasıdır. Eski çağlardan bu yana soy ağacı bilgisi tutmak insanlar için hem bir merak hem bir nostalji hem de soyu ile gurur duyma vesilesi olmuştur. Başlarda tutulan soy bilgileri ile bugünküler arasında ciddi farklar vardır. Ama en belirgin fark günümüzde soy ağacı bilgileri kalıtsal/genetik/familyal/herediter hastalıklar hakkında bilgi sahibi olmak ve yorum yapmak için bir gereklilik haline gelmiştir.
Bu konudaki en önemli veriler DNA’nın tüm kodlamasının çözülmesiyle elde edilmiştir. Ancak bu çözümlemenin her gen grubu ve gördüğü fonksiyonu anlama ümidi ise önümüzdeki on yıllara kalmıştır. Zira DNA bizim için halen karmaşık ve karanlıktır. DNA konusunu anlamamız için günümüzde dijital soy ağaçlarından da önemli ölçüde faydalanılmakta ve genler ile işlevlerini çözümlemede soyağaçları anahtar bir rol üstlenmektedir. (Kumar et al., 2019)
Bu sistemlerin HBYS üzerinde entegrasyonu bir modül şeklinde olmamalıdır. Zira hasta kabul formların oluşturulmasından başlayarak dijital soy ağaçları ilişkisel verileri kurmaktadır. Dijital soy ağacı yazılımı HBYS entegrasyonu sonrası HRF sisteminin çalışması için sistemin bir parçası olacaktır.
2.7. Hastalık Risk Formları ile HBYS Entegrasyonu
Dünya Sağlık Örgütü’ne göre bir hastalığı oluşturan risk faktörleri temel olarak şu şekilde sıralanmıştır: 1) Genetik 2) Çevre 3) Demografi 4) Fizyoloji 5) Davranış (WHO, 2021)
Kuşkusuz bu etkenlerden her bir her hastalık bakımından farklılık göstermektedir. Zaten sorun ve fırsat da tam buradadır. Mesela tek gene bağlı hastalıklar önemlidir. Yani hastalığa sebep olan şey bir tek gendir. Ancak konu bazı kanser türleri olduğunda ise durum biraz değişmektedir. Bu defa da bazı kanser türlerinde çevre şartlarının etkisi daha yüksek iken bazı kanser türlerinde ise genetik yatkınlık daha yüksek bir etkiye sahiptir. Sadece bu kadar da değil, aynı kanser hastalığından şikayetçi olanlarda bile ilgili genlerin gösterdiği farklı mutasyonlar hastalığın seyri ve tedavisi bakımından farklılıklar arz etmektedir. Bir kanser hastalığında görüldüğü taktirde çok hızlı ilerlediği ve ağır seyrettiği bilinen hastalıklar için tespit edilen gen mutasyonuna ‘actionable’ yani derhal en üst önlemler alınmalı şeklinde bir alarm durumu söz konusu olmaktadır. Hastalıkların genetik risk değerlendirmesi açısından tek gene bağlı hastalıkları değerlendirme ve genetik risk yoğunlaşmasını görsel bir şekilde ifade etme konusu eski sayılabilecek bir konudur. Ancak tek gene bağlı olmayan pek çok hastalık için de -tek gen kadar matematik kesinlik ifade etmese bile- bir ilişki olduğu bilinmektedir. Hatta pek çok akademik çalışma denek gruplarından yola çıkarak genetik bakımdan istatistiksel oranlar bile vermektedir. Kadınlarda Meme, erkeklerde prostat, mide ve kolon kanserleri bakımından genetik yatkınlık doğrudan gözlemlerle bile anlaşılmaktadır.
Konuya ilgi duyan herkes diğer faktörlerin de etkili olduğunu bilmektedir. Mesela diyabet riski bakımından çok yüksek genetik risk taşıyan bir birey diğer şartlar yani çevresel, demografik, fizyolojik ve davranışsal özellikleri bakımından bu riskten uzaklaşmakta ve diyabetiz bir hayat sürdürebilmektedir. Risk faktörü hesaplayan formlar öncelikle tüm bu faktörlerin hesaba katılarak yapılan değerlendirmeleri ve bu değerlendirmelerin ise doğru sonuç üretip üretmediğini hali hazırdaki gerçekleşmeler ve bundan sonraki gerçekleşmelere bakarak sınayabilecektir. Örneğin kişi hali hazırda kalp hastasıdır ve risk faktör formalarına girilen bilgiler de aynı sonucu öngörmektedir. Ya da kişi henüz kalp hastası değildir ancak RF formları olasılık bakımından yüksek risk üretmektedir; kişi ise takip eden birkaç yıl içinde risk ortaya çıkarsa bu da sistem için geri besleme olacaktır. Bir başka anlatımla risk faktörü olarak tespit edilen değer aralıkları gerek ilgili hastalığa tutulmuş olsun ve gerekse de gelecekte tutulacak olsun eşit kıymette veri üretecektir. Risk Faktör formlarının oluşmasında her bir özel hastalık bakımından o hastalıkla ilgili uzman bir heyetin ŞEMA olarak adlandırılan girdilerinden yararlanılacaktır. Klinik bilgiler ile gözleme dayalı girdiler sağlanırken akademik bilgiler ise istatistiksel ve matematiksel veriler sağlayacaktır. Sistem öğrenme yeteneğine sahip olacaktır. Yapılan hesaplamalar iterasyona dayalı eğitilen sistemlerin ürettiği katsayıların 75 deneme sonunda kesine yakın veriler ürettiğini ortaya koymuştur. Sistem ilk defasında bir ön kabule dayalı katsayı girilirken ilerleyen süreçte geri beslemeler ile kesinlik kazanan katsayılara dayalı olarak çalışmaya devam edecek. Bu risk formlarının doğru çalışmasındaki en mühim konulardan biri ise verilerin doğru girilmesidir. Oysa ki hastalarla yapılan mülakatlarda elde edilen bilgiler çoğu defa eksik, yanlış veya hatalıdır. Ayrıca en kesin sonuçlar ve veriler bile sonuçta birer not olmanın ötesine geçememektedir. Bir yandan da hekimler bu verileri ancak kendi uzmanlık alanları ile değerlendirebilecek iken RF formları hem kaydeder hem de çok boyutlu bir değerlendirmeye gidebilir. Mesela son zamanlarda meme kanseri ile yumurta kanseri arasında da bir ilişki kurulmaktadır. Ya da diyabet ile obezite ve tiroit arasında da ilişkiler bulunmuştur. Gelecekte de bu ilişkilere yenileri eklenecektir. Sistem bu değerlendirmeleri otomatik olarak yapabilecekken bugünkü klinik bulgular teşhis evresinde kalmaktadır. Oysa bu veriler tedavi ve takip evrelerinde de önem arz etmekte olup kan bağlıları için de girdi teşkil etmektedir. (WHO, 2021)
Hali hazırda geliştirilmiş ve çeşitli yeteneklere sahip dijital soy ağaçları bulunmaktadır. Bu sistemler yazılım teknolojilerinin en son yeniliklerini içermektedir. Ancak pedigree tree olarak adlandırılan bu sistemlerin yine de birbirleri ve kullanım alışkınlıkları bakımından belirgin farkları da vardır. Bunun anlamı şudur: RF formlar için geliştirilecek pedigree tree sistemi bu amaca hizmet etmelidir. Mesela soy ağacı üzerinde kişinin amcasının karısı olarak görülen kişi kan bağı olarak bir önem ifade etmez. Ama aynı kişi yani amcasının karısı bir diğer taraftan da teyzesi ise bu belirgin olarak önemli bir husustur. Bir diğer örnek olarak ise ölüm sebepleri özel bir önem arz etmektedir. Mesela bireyin kan bağlılarında kalp krizi yoğunlaşması görülmesi böyle bir olgudur. Özetle ifade etmek gerekirse soy ağacı tasarımının RF formlarına uygun olarak tasarlanması gerekmektedir. DNA test ve analizlerinin yapılması da sistem açısından özel bir öneme sahiptir. Mesela mutasyon bulunan bir gen tespit edildiğinde bu gen mutasyonunun soy ağacı üzerindeki kan bağlılarında da matematiksel oranlarla hesaplanabildiği bir gerçektir. Dolayısı ile bir veri birden fazla amaçla kullanılabilmektedir.
Facebook gibi sistemler özünde ego-centric olarak adlandırılan mantıkla çalışır. Bu teknik kısaca eski çevirmeli olarak adlandırdığımız telefonlar gibidir. Her biri aynı platformda olan 0-9 arası sayılar her defasında merkeze alınan numarayı çevirir. Ancak sayıların birbirleri ile olan önce-sonra ilişkisi hiç değişmez. Bir aile içinde bir kişi için oluşturulan pedigree tree aslında diğer kardeş için de neredeyse aynıdır. Bu durum pozitif transfer yöntemi ile bir ego için elde edilen verilerin hemen yakınında duran diğer ego için de hazır bir girdi sağlaması anlamına gelecektir. Sistemi anlamlı bir bütün halinde büyütecek diğer bir husus ise crowd-sourcing yani kitle verilerinin girdi olarak kullanımı yaklaşımıdır. Bu yöntemin öncekine benzerlikleri vardır. Ancak temelde kitlesel olarak ve açık kaynaklarda bulunan verilerin kullanımına dayanır. Elimizdeki uygulama örneğinde e-Nabız verileri bu amaca uygun olarak kullanılabilecektir. (Wazny et al., 2018)
e-Nabız verileri o kadar çok veri içermektedir ki sadece bu verileri anlamlandırmak bir hastane dolusu hekim gerektirmektedir. Oysa ki günümüz big-data ya da büyük veri analiz sistemleri sayesinde ön değerlendirmeler de hazır olarak yapılabilecektir. Burada önemli bir konu da hastalık kodu ve laboratuvar verilerinin her ne kadar uluslararası bir standardı oluşmuşsa bile zaman zaman tutarsızlıklar bulunmaktadır. Ayrıca laboratuvar verileri de bazen farklı birimlerle değerlendirilmektedir. Bu konunun çözümü için ise terminoloji sunucusu kurulmalıdır. (Sağlık Bakanlığı, 2021)
HBYS sistemlerine HRF bir modül olarak eklenebilir. Ancak bu defa da diğer modüller ve veri tabanı ile olan ilişkisi kurulmalıdır. Veri alışverişindeki en temel problem ise format deseninin aynı olmasıdır. Uzman bir veri tabanı yöneticisi için zaman alıcı bile olsa bu işlem yapılabilir bir işlemdir. Ancak burada önemli olan farklı kodlarla kaydedilmiş hastalık, laboratuvar gibi verilerin arasındaki ilişkinin kurularak kayıt deseninin uyumlaştırılmasıdır. Bunun için yukarıda bahsedilen terminoloji sunucusu bu sorunun üstesinden gelebilir. Ayrıca dış bağlantılar için ise üzerinde çalıştığı HBYS programının iç ve dış diğer bağlantı kabiliyetlerinden de yararlanabilir. Veri tabanından işine yarar verileri çekerken, işlenmiş verileri yeniden veri tabanına yükleyebilir.
e-Nabız sağlık kuruluşlarından toplanan sağlık verilerine bireylerin ve sağlık çalışanlarının mobil veya sabit bilgisayarlar aracılığıyla internet üzerinden erişim sağlayabilecekleri bir uygulamadır(application). Muayene, tetkik ve tedavilerin hangi sağlık hizmet sağlayıcısında yapıldığına bakılmadan tüm sağlık bilgileri bir veri tabanında depolanmakta ve yönetilebilmektedir. Anamnez olarak adlandırılan bireylerin tıbbi geçmişine ait kayıtlar bu platform aracılığıyla tek bir yerden ulaşabilir görüntülenebilir filtrelenebilir. Söz konusu bilgilere erişim mahremiyet kuralları içerisindedir. Uygulamanın içinde bulunan erişim kontrol bilgileri sağlık verilerine son olarak kim tarafından ve hangi IP numarası ile erişildiğine dair (log) kayıt bilgisi de vermektedir. Bu bilgilere erişim yetkisi bireyler tarafından uygulama üzerinden verilen izin ile yetki seviyelerine ayrılmıştır. Bireylerin ‘sağlık bilgilerimi tüm hekimler görebilir’ ya da ‘sadece beni muayene eden doktor görebilir’ veya ‘muayene olduğum hastanedeki tüm hekimler görebilir’ şeklinde değişik yetki düzeyleri tanımlamasına imkân verilmektedir. Bununla birlikte muayene için gidilen hekim o anda sistem üzerinden hastanın kayıtlı cep telefonuna yönlendirdiği SMS kodu ile sağlık verilerine ulaşıp çok kıymetli verilere erişebilmektedir. (Sağlık Bakanlığı, 2021)
2.8. Dijital Soy Ağacı ve Hastalık Risk Faktörü Sistemi İçin HBYS Üzerinden e-Nabız Entegrasyonu Süresi ve sınırını bireyin belirlediği imtiyaz çerçevesinde sağlık verileri hekimlerce değerlendirilebilmekte böylece hastalığın tüm evrelerinde hastanın aldığı hizmetin kalitesi ve hızı artmaktadır. Hasta ile hekimin arasındaki iletişim kurulmasını ve kalitesinin artmasını sağlayan bu uygulamaya internet olan her yerden güvenli bir şekilde erişebilir.
Bireylerin e-Devlet şifresi olma şartı da yoktur. Ancak e-Devlet şifresi artık internet ve bilgisayar kullanıcısı olan hemen hemen herkes tarafından kullanılmaktadır. Yine de eğer bu şifresi olmayan varsa Sağlık Bakanlığına kayıtlı Aile Hekimine cep telefonu numarasını kayıt ettirerek kısa mesaj ile iletilen tek kullanımlık erişim kodunu kullanarak sisteme giriş yapabilir.
Sistemin kullanım şartları ilk ekranda kullanıcılar tarafından görülmekte ve anlaşılmaktadır. Her birey kendi özgün profilini oluşturmaya başlamak için “e-Nabız Sistemi kullanım koşullarını okudum” yazısının yanında bulunan kutucuğu işaretlemesi gerekmektedir. Paylaşım Seçeneklerinden kişisel sağlık bilgilerine kimlerin erişimde bulunmasının istendiği seçilebilir. İlk sayfada son muayeneler görülmekte olup hizmet kalitesi açısından hastalar muayeneleri, hekimleri ve sağlık hizmet sağlayıcısı kuruluşları puanlayabilmektedir.
Giriş bölümünde ayrıca Takvim alanı bulunmaktadır. MHRS üzerinden alınmış hastane randevuları ve bunlara ait detaylar görülebilir. Bildirimler bölümünde hesabınızla ilgili yapılan son aktiviteleri, son erişim ve hastane ziyaretleri gibi bilgileri inceleyebilirsiniz. Çok kıymet arz eden bazı bilgiler ise bireylerin manuel olarak giriş yapabileceği tansiyon, şeker, nabız ve ağırlık bilgileridir. Bu kadar da değildir: Adım sayar uygulaması gibi cep telefonlarından otomatik olarak alınabilecek dijital ve görsel veriler de aynı uygulama üzerinde görülebilir. (Sağlık Bakanlığı, 2021)
Sistem üzerinden ilgili veriler kullanıcıların sadece kendi bireysel kullanımları için çevirim içi erişimine açık olacağından birçok veri buradan otomatik olarak alınabilecektir. Burada karşımıza iki problem çıkabilir. Bunlardan birisi hastalıkların kodlamasındaki güncellemelere karşı eski kayıtlardaki eski kodlar ile laboratuvar verilerindeki metriklerin tutarsızlığıdır. Ancak edinilen tecrübeler bu konuların terminoloji sunucuları sayesinde başarılı bir şekilde çözüldüğünü ortaya koymuştur. E-nabız entegrasyonu HBYS sistemleri için standart bir özellik durumundadır. Bu sistemin üzerinde çalışan dijital soy ağacı HBYS üzerinde müstakil sistem parçası olarak çalışmaz. Buna gerek yoktur. Fakat Hastalık Risk Faktör hesaplayıcısı formlar için durum böyle değildir. Çalıştığı platform üzerinde bir modül olarak bulunmaktadır. Aynı anda hem HBYS sistemindeki hem de e-Nabız üzerindeki verileri kullanması gerekecektir. Bu sistem çalışmasında da terminoloji sunucusu aynı platformda çalışma halinde bulunacaktır. Aynı zamanda HL7 standardının bir gereği olan bu entegrasyon HBYS çalışma performans ve standardını da yükseltecek niteliktedir.
3. SONUÇ ve ÖNERİLER
HBYS bir sağlık sektörü için özelleşmiş ve ihtiyaçlar doğrultusunda gelişmiş bir kurumsal kaynak kullanım ve yönetim yazılımıdır. Sağlık Hizmet sağlayıcısı kuruluşlar tarafından iç entegrasyonu sağlamakla kalmayıp dış bağlantı ve veri alışverişi için de kullanılmaktadır.
Sağlık Hizmet sağlayıcı kuruluşların sağlık alanında takip ettiği standartlar da ülkemizde yakından takip edilmekte ve HL7 olarak adlandırılan standarda sahip kuruluşların sayısı da gittikçe artmaktadır. (HL7 Organizasyonu, 2021)
Kurumsal Kaynak yönetimi her firma için önemlidir ve kaynakların etkin ve verimli kullanılması sonucu çok büyük ölçüde tasarruf sağlanmaktadır. Ancak yapılan çalışmalar bu tasarrufun Sağlık Hizmetlerindeki boyutunun çok büyük olduğunu ortaya koymaktadır.
Hassas zaman ölçümüne dayalı maliyet hesapları yakın gelecekte hayatımıza girecektir. Burada kullanılacak en önemli teknoloji ise IoT veya Nesnelerin İnterneti olacaktır. Ancak bunun için tüm envanterin dijitalleşmesi gerekmektedir. Oysaki Dijital soyağaçları farklı platformlarda çalışmaya başlamıştır. HBYS üzerinde çalıştırılabilecek modüller haline gelmiştir. Birkaç uyarlamayla tüm HBYS ürünlerinde kullanımı mümkün olarak görülmektedir.
Hastalık Risk Hesaplayıcı Formlar bakımından gereksinimin boyutu ve elde edilecek verimin boyutu çok ileri seviyededir. Adeta kısa bir zaman dilimi içinde et ve tırnak gibi olacaktır. HRF sistemi için HBYS sadece üzerinde çalışacağı bir yer sağlayıcı değildir. Aynı zamanda ihtiyaç duyduğu verileri alması için gerekli bir ortamdır. Değerlendirmeye tabi tuttuğu verileri kaydederek yeniden veya daha ileri değerlendirmeleri için ise yine HBYS platformuna ihtiyaç duymaktadır.
Sağlık hizmet sunucuları ise bu modülleri kullanarak verimliliği artıracaktır. Aynı zamanda yeni nesil bir uygulamanın da sahibi olacaktır.
Tıbbi görüntüleme yol ve yöntemleri ise her geçen gün ilerlemektedir. Özellikle kanser hastalıklarını en erken evrede görüntüleme teknikleriyle tespit eden yeni nesil görüntü analiz ve derin öğrenme ürünleri hızlı bir ilerleme evresindedir. Bu yazılımlar sadece karar desteği değil kurgulanacak şemalar aracılığıyla aynı zamanda prosedürel ilerlemeyi de kontrol altında tutma kabiliyetine sahiptir. Pek yakında görüntü analiz yöntem ve yazılımları da HBYS sistemlerinin bir parçası haline gelecektir. Amerikan İlaç ve Beslenme kurumu FDA tıbbi görüntüleme bakımında verdiği onayları bir listede toplamıştır ve ne denli önemli gelişmeler olduğunu gözler önüne sermiştir. (FDA, 2020)
Avrupa sağlık sektörü daha kaliteli bir hayat sürdürmeyi öncelemektedir. Ancak son zamanlarda inme gibi bazı hastalıkların çoğunlukla hastanın kalan ömrünü çok düşük bir kalitede ve de sosyal fonlara ise aşırı bir yük ile geçirdiğini gözlemiştir. Bu yüzden hastalık risklerinin hesaplanmasının öneminin farkındadır. HRF ile HBYS entegrasyonu bir süre sonra yasal zorunluluk haline bile gelebilecektir.
KAYNAKLAR
FDA Approvals For Smart Algorithms In Medicine In One Giant Infographic. (2020, October 07). Retrieved January 13, 2021, from https://medicalfuturist.com/fda-approvals-for-algorithms-in-medicine/
Ford, E., Carroll, J. A., Smith, H. E., Scott, D., & Cassell, J. A. (2016). Extracting information from the text of electronic medical records to improve case detection: a systematic review. Journal of the American Medical Informatics Association, 23(5), 1007–1015. https://doi.org/10.1093/jamia/ocv180
Gao, R., & Shah, C. (2020). Toward creating a fairer ranking in search engine results. Information Processing & Management, 57(1), 102138. https://doi.org/10.1016/j.ipm.2019.102138
HL7 Organizasyonu (Bağlantı Tarihi 05.01.2021) www.hl7.org
Haux, R. (2006). Health information systems – past, present, future. International Journal of Medical Informatics, 75(3–4), 268–281. https://doi.org/10.1016/j.ijmedinf.2005.08.002
Hospital information systems--past, present, future.Reichertz PL.Int J Med Inform. 2006 Mar-Apr;75(3-4):282-99. doi: 10.1016/j.ijmedinf.2005.10.001. Epub 2005 Dec 5.PMID: 16330253
İçişleri Bakanlığı, 2018; İçişleri Bakanlığı Göç İdaresi Genel Müdürlüğünün Hürriyet gazetesinde çıkan haberi http://www.hurriyet.com.tr/gundem/turkiyede-4-5-milyon- gocmen-yasiyor-40681331)
Johnston, W. J., Khalil, S., Nhat Hanh Le, A., & Cheng, J. M.-S. (2018). Behavioral Implications of International Social Media Advertising: An Investigation of Intervening and Contingency Factors. Journal of International Marketing, 26(2), 43–61. https://doi.org/10.1509/jim.16.0125
Kopanos, C., Tsiolkas, V., Kouris, A., Chapple, C. E., Albarca Aguilera, M., Meyer, R., & Massouras, A. (2019). VarSome: the human genomic variant search engine. Bioinformatics (Oxford, England), 35(11), 1978– 1980. https://doi.org/10.1093/bioinformatics/bty897
Kumar, P., & Zaheer, A. (2019). Ego-Network Stability and Innovation in Alliances. Academy of Management Journal, 62(3), 691–716. https://doi.org/10.5465/amj.2016.0819
S. U. Masruroh, A. Fiade, M. F. Iman and Amelia, "Performance evaluation of routing protocol RIPv2, OSPF, EIGRP with BGP," 2017 International Conference on Innovative and Creative Information Technology (ICITech), Salatiga, Indonesia, 2017, pp. 1-7, doi: 10.1109/INNOCIT.2017.8319134.
Metke-Jimenez, A., Steel, J., Hansen, D. et al. Ontoserver: a syndicated terminology server. J Biomed Semant 9, 24 (2018). https://doi.org/10.1186/s13326-018-0191-z
MyHerritage (Bağlantı Tarihi:01.01.2021) www.myherritage.com
‘What Is FHIR?’ Overview of FHIR APIs. (2020, January 31). Akana. https://www.akana.com/blog/fhir-apis
Report Linker, Search Engine Industry 2021
(https://www.reportlinker.com/market-report/E-Services/456921/Search-Engine?gclid=CjwKCAiAxeX_BRASEiwAc1QdkTTqEt3qbKP3uQE1vvJRBFcaa Q0pcVEYjpJMRu7A4FpXWsv1xab4CxoCNVgQAvD_BwE)
Sağlık Bakanlığı, (Bağlantı Tarih, 02.01.2021) (www.saglik.gov.tr)
Sergii Ivakhno, Eric Roller, Camilla Colombo, Philip Tedder, Anthony J Cox, Canvas SPW: calling de novo copy number variants in pedigrees, Bioinformatics, Volume 34, Issue 3, 01 February 2018, Pages 516– 518, https://doi.org/10.1093/bioinformatics/btx618
SGK, Sosyal Güvenlik Kurumu (Bağlantı Tarih, 02.01.2021) (www.sgk.gov.tr)
Wazny, K. (2018). Applications of crowdsourcing in health: an overview. Journal of Global Health, 8(1). https://doi.org/10.7189/jogh.08.010502
Wadhwa, S., Saxena, A., & Wadhwa, B. (2007). Hospital information management system: an evolutionary knowledge management perspective. International Journal of Electronic Healthcare, 3(2), 232. https://doi.org/10.1504/ijeh.2007.013103
