← أحدث الأبحاث
📄 health informatics

Development and formative application of the Health Data Readiness Level framework for federated health-data services.

تقدم هذه الورقة تطوير وتطبيق إطاري لمستوى جاهزية البيانات الصحية (HDRL)، وهو أداة متعددة الأبعاد مصممة لتقييم جاهزية المؤسسات والأنظمة لخدمات البيانات الصحية الاتحادية عبر ثلاثة أنظمة بيئية في المملكة المتحدة، مع التنبيه إلى أنه يظل أداة تخطيط وليس معيار اعتماد تم التحقق من صحته.

المؤلفون الأصليون: Seymour, D., Halliday, R., Smart, J., Burns, F.

نُشر 2026-07-27
📖 5 دقيقة قراءة🧠 قراءة متعمّقة

المؤلفون الأصليون: Seymour, D., Halliday, R., Smart, J., Burns, F.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

تخيل جسم الإنسان كمدينة صاخبة وواسعة، حيث كل مستشفى وعيادة وصيدلية هي حي مختلف. لسنوات طويلة، كان على الباحثين الذين يحاولون حل الألغاز الصحية الكبرى أن يطلبوا من كل حي إرسال كتب وصفاتهم السرية (بيانات المرضى) إلى مكتبة مركزية واحدة ضخمة. لكن هذا كان محفوفاً بالمخاطر؛ فإذا تعرضت المكتبة للاختراق، ستنكشف أسرار الجميع. بالإضافة إلى ذلك، كانت بعض الأحياء مشغولة للغاية أو قلقة بشأن الخصوصية لدرجة تمنعها من إرسال كتبها على الإطلاق. لذا، ابتكر العلماء فكرة أكثر ذكاءً: "البحث الفيدرالي" (Federated Research). فبدلاً من نقل الكتب، يقومون بإرسال روبوت صغير فائق الأمان إلى كل حي. يقرأ الروبوت الكتب المحلية، ويجري العمليات الحسابية هناك في الموقع، ولا يعود إلا بالنتيجة النهائية فقط، تاركاً الأسرار خلفه. الأمر يشبه إرسال طاهٍ لتذوق طبق في عشر مطابخ مختلفة، ثم يعود ليخبرهم فقط عن المذاق، دون أن يأخذ المكونات معه إلى المنزل.

لكن هنا تكمن العقبة: مجرد امتلاك المطبخ لفرن لا يعني أنه جاهز للطهي لمدينة بأكملها. فبعض المطابخ بها أفران معطلة، وبعض الطهاة في إجازة، وبعض الأحياء لا يتفق سكانها حتى على معنى كلمة "حار". وقبل أن نثق في هذه الروبوتات للعمل في جميع أنحاء البلاد، نحتاج إلى طريقة للتحقق مما إذا كان كل مطبخ جاهزاً بالفعل للطهي. وهنا يأتي مفهوم "الجاهزية". فالأمر لا يتعلق بالتكنولوجيا فحسب؛ بل يتعلق بالقواعد، والأشخاص، والمال، والثقة لجعل هذا النظام بأكتها يعمل بسلاسة.


إطار "مستوى جاهزية البيانات الصحية" (HDRL)

في هذه الورقة البحثية، قام فريق من الخبراء ببناء أداة جديدة تسمى إطار مستوى جاهزية البيانات الصحية (HDRL). فكر في هذا الإطار كقائمة مراجعة ضخمة مكونة من 64 نقطة، مصممة لفحص تلك "مطابخ الأحياء" (خدمات البيانات الصحية) لمعرفة ما إذا كانت مستعدة حقاً للسماح لروبوتات البحث بالدخول.

لم يعتمد المؤلفون على التخمين فيما يجب فحله؛ بل نظروا في 56 قائمة مراجعة ومخططاً آخر موجوداً بالفعل، واستخدموا بعض الذكاء الاصطناعي الذكي للمساعدة في دمج أفضل الأفكار، ثم طلبوا من خبراء حقيقيين من ثلاثة أجزاء مختلفة من المملكة المتحدة المساعدة في تنقيحها. والنتيجة هي بطاقة أداء ضخمة تضم 64 مؤشراً مختلفاً (نقاط تفتيش) موزعة على 8 فئات مختلفة. تغطي هذه الفئات كل شيء، بدءاً من "هل لديك ما يكفي من البيانات؟" و"هل أمنك قوي؟" وصولاً إلى "هل لديك عدد كافٍ من الموظفين المهرة؟" و"هل يثق بك الجمهور؟".

يقوم الإطار بتقييم كل خدمة على مقياسة من 1 إلى 5، مثل نظام مستويات ألعاب الفيديو:

  • المستوى 1 (أولي): أنت في البداية فقط؛ الأمور تسودها الفوضى.
  • المستوى 2 (تطويري): لديك بعض الخطط، لكنها لا تعمل بشكل كامل بعد.
  • المستوى 3 (مُحدد): لديك قواعد وعمليات واضحة.
  • المستوى 4 (مُدار): أنت تعمل بسلاسة ويمكنك إثبات ذلك بالأرقام.
  • المستوى 5 (تحسين مستمر): أنت تتحسن باستمرار وتعد الأفضل في العالم.

ما وجدوه: واقع "جاهز" ولكن "ليس تماماً"

اختبر الفريق قائمة المراجعة الجديدة هذه على ثلاثة أنظمة بيئية للبيانات الصحية في المملكة المتحدة: ويلز، واسكتلندا، وأيرلندا الشمالية. أرادوا معرفة ما إذا كانت قائمة المراجعة تعمل ومعرفة أين توجد الفجوات.

إليك الصورة الكبيرة لما اكتشفوه:

  1. قائمة المراجعة تعمل: تمكنوا من تسجيل جميع العناصر الـ 64 لجميع الأماكن الثلاثة. وهذا يعني أن الأداة مرنة بما يكفي للعمل على أنواع مختلفة من المؤسسات.
  2. مشكلة "الإثبات": لم تكن المشكلة الأكثر شيوعاً هي أن الخدمات لا تستطيع القيام بالعمل، بل كانت في عدم قدرتها على إثبات أنها تقوم به بشكل جيد. قالت العديد من الخدمات: "لدينا نظام سريع!"، لكنها لم تكن تملك السجلات المكتوبة أو الأرقام المقاسة لدعم ذلك. الأمر يشبه طالباً يقول: "لقد درست بجد!"، لكن ليس لديه أي واجب منزلي ليظهره للمعلم.
  3. المستويات:
    • ويلز: بدت الأكثر "إدارة" (غالبيتها في المستوى 3 و4). لديهم الكثير من البيانات والعمليات الجيدة.
    • اسكتلندا: كانت في الغالب "محددة" (المستوى 3). لديهم القواعد، لكنهم لا يزالون يعملون على الحصول على قدر كافٍ من البيانات من الممارسين العامين (GP) لتغطية السكان بأكملهم.
    • أيرلندا الشمالية: كانت "تطويرية" (غالبيها في المستويين 2 و3). هم يبنون الأساس ولكن لا يزال لديهم بعض النمو للقيام به.
  4. "الركائز الخمس": اقترح الفريق أنه لكي يُسمح لأي خدمة بالانضمام إلى شبكة بحث وطنية، يجب أن تصل الخدمة إلى المستوى 3 على حد أدنى في خمسة أمور محددة وغير قابلة للتفاوض: وجود سبب قانوني لاستخدام البيانات، وجود لجنة للموافقة على الأبحاث، وجود ضوابط صارمة للخصوصية، وجود شهادات أمنية، ووجود فريق أمني في الخدمة. وقد اجتازت الأماكن الثلاثة هذا الاختبار الأساسي.

ما لا تقوله هذه الورقة

من المهم جداً فهم ما لا تدعيه هذه الورقة. يشدد المؤلفون بوضوح على أن هذا الإطار ليس امتحاناً نهائياً ينجح أو يرسب المستشفى. وهو ليس كتاب قواعد حكومي رسمي بعد، وليس وسيلة لتصنيف أي بلد "أفضل" من الآخرين.

تستبعد الورقة صراحةً استخدام هذه الأداة في الوقت الحالي كـ "معيار اعتماد رسمي" (شارة تميز) أو كـ "حد أدنى" (متطلب أساسي) للانضمام إلى خدمة أبحاث البيانات الصحية الجديدة في المملكة المتحدة. لماذا؟ لأن الأداة لم تُختبر بما يكفي بعد. ويعترف المؤلفون بأنهم لم يثبتوا بعد أن الدرجات موثوقة تماماً (أي أن أشخاصاً مختلفين سيعطون نفس الدرجة) أو أن الدرجات تتنبأ فعلياً بالنجاح المستقبلي. إنهم يسمونها "تطبيقاً تكوينياً"، وهي طريقة منمقة لقول: "لقد جربناها لنرى كيف تعمل ولنجد الأشياء التي تحتاج إلى إصلاح، وليس لإعلان فائز".

الخلاصة

الرسالة الرئيسية هي أن بناء نظام وطني حيث يمكن لروبوتات البحث التنقل بين المستشفيات هو لغز ضخم. لدينا القطع (التكنولوجيا)، لكننا لا نزال نحاول معرفة ما إذا كانت كل قطعة تتناسب تماماً مع الأخرى.

إطار HDRL هو خريطة مفيدة جديدة توضح لنا أين توجد القطع المفقودة. فهو يسلط الضيد على أننا بينما نمتلك القدرة على إجراء البحث الفيدرالي، فإننا غالباً ما نفتقر إلى الدليل على أنه يعمل بسلاسة كل يوم. تشير الورقة إلى أنه قبل أن نثق بهذا النظام مع أسرارنا الصحية، نحتاج إلى التركيز على أن نصبح أفضل في قياس أدائنا، وتدريب المزيد من الموظفين، والتأكد من أن الجمهور يثق بنا.

في الوقت الحالي، يُفضل استخدام HDRL كأداة للتحسين — مثل مدرب يساعد فريقاً على التدريب — بدلاً من حكم يطلق صافرة النهاية في المباراة. إنها خطوة أولى واعدة، لكن اللعبة لم تنتهِ بعد.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →