ແຫຼ່ງຂໍ້ມູນໃຫຍ່ໃນຢາ
ຄໍານິຍາມທີ່ງ່າຍດາຍຂອງຂໍ້ມູນຂະຫນາດໃຫຍ່ໃນຢາແມ່ນ "ຂໍ້ມູນທັງຫມົດທີ່ກ່ຽວຂ້ອງກັບການຮັກສາສຸຂະພາບແລະສຸຂະພາບຂອງຜູ້ປ່ວຍ" (Raghupathi 2014). ແຕ່ສິ່ງທີ່ແນ່ນອນແມ່ນປະເພດຂໍ້ມູນເຫຼົ່ານີ້, ແລະພວກເຂົາມາຈາກບ່ອນໃດ?
ຕໍ່ໄປນີ້ແມ່ນສະພາບລວມຂອງປະເພດແລະແຫລ່ງຂໍ້ມູນທີ່ມີຄວາມສົນໃຈຕໍ່ຜູ້ໃຫ້ບໍລິການດ້ານສຸຂະພາບ, ນັກຄົ້ນຄວ້າ, ຜູ້ຈ່າຍເງິນ, ຜູ້ນະໂຍບາຍແລະອຸດສາຫະກໍາ.
ປະເພດເຫຼົ່ານີ້ບໍ່ແມ່ນການປະກອບກັນເຊິ່ງກັນແລະກັນ, ເພາະວ່າຂໍ້ມູນດຽວກັນສາມາດເກີດຂື້ນມາຈາກຫຼາຍໆແຫຼ່ງ.
ຍັງບໍ່ມີບັນຊີລາຍຊື່ນີ້ຢ່າງກວ້າງຂວາງ, ເນື່ອງຈາກວ່າຄໍາຮ້ອງສະຫມັກປະຕິບັດຂອງການວິເຄາະຂໍ້ມູນຂະຫນາດໃຫຍ່ແນ່ນອນຈະສືບຕໍ່ຂະຫຍາຍຕົວ.
ລະບົບຂໍ້ມູນດ້ານການປິ່ນປົວ
ເຫຼົ່ານີ້ແມ່ນແຫຼ່ງຂໍ້ມູນທາງດ້ານການແພດທີ່ຜູ້ໃຫ້ບໍລິການດ້ານສຸຂະພາບມີຄວາມເຂົ້າໃຈໃນການເບິ່ງ.
- ຂໍ້ມູນດ້ານສຸຂະພາບເອເລັກໂຕຣນິກ (EHRs) ເກັບກໍາ, ເກັບຮັກສາແລະສະແດງຂໍ້ມູນເຊັ່ນ: ປະຊາກອນ, ປະຫວັດສາດທີ່ຜ່ານມາ, ບັນຫາດ້ານການປິ່ນປົວ, ການສັກຢາປ້ອງກັນ, ອາການແພ້, ຢາ, ອາການທີ່ສໍາຄັນ, ຜົນໄດ້ຮັບຈາກການທົດລອງໃນຫ້ອງທົດລອງແລະ radiology, ຜູ້ໃຫ້ບໍລິການ, ແລະເອກະສານການບໍລິຫານແລະການເງິນ
- ເອກະສານທາງການແພດທາງເອເລັກໂຕຣນິກ (EMRs) ແມ່ນບໍ່ຄືກັບ EHR ແລະມັກຈະກ່ຽວກັບຂໍ້ມູນທີ່ເກັບຮັກສາໄວ້ກັບແພດຫມໍໂດຍສະເພາະ.
- ການແລກປ່ຽນຂໍ້ມູນຂ່າວສານດ້ານສຸຂະພາບ ແມ່ນເປັນສູນກາງລະຫວ່າງລະບົບຂໍ້ມູນຂ່າວສານດ້ານການປິ່ນປົວທີ່ແຕກຕ່າງກັນ
- ການຈົດທະບຽນຜູ້ປ່ວຍຮັກສາໂດຍອົງການຮັກສາສຸຂະພາບກ່ຽວກັບຄົນເຈັບຂອງເຂົາເຈົ້າສ່ວນຫຼາຍມັກຕິດພັນກັບ EHR. ການລົງທະບຽນອື່ນໆຕິດຕາມການສັກຢາປ້ອງກັນໂຣກມະເຮັງ, ການບາດເຈັບແລະບັນຫາສຸຂະພາບສາທາລະນະອື່ນໆຢູ່ໃນລະດັບພູມສາດທີ່ກວ້າງຂວາງ.
- ພໍທັນ ຜູ້ປ່ວຍຊ່ວຍໃຫ້ຜູ້ປ່ວຍສາມາດເຂົ້າເຖິງຂໍ້ມູນສຸຂະພາບສ່ວນຕົວທີ່ເກັບໄວ້ໃນ EHR ຂອງອົງການຮັກສາສຸຂະພາບ. ບາງປະຕູປ້ອນຜູ້ປ່ວຍຍັງອະນຸຍາດໃຫ້ຜູ້ໃຊ້ສາມາດຮ້ອງຂໍເງິນຄືນຕາມໃບສັ່ງແພດແລະແລກປ່ຽນຂໍ້ຄວາມເອເລັກໂຕຣນິກທີ່ປອດໄພກັບທີມດູແລສຸຂະພາບ.
- ຄັງຂໍ້ມູນດ້ານການປິ່ນປົວລວມຂໍ້ມູນລະດັບຜູ້ປ່ວຍຈາກລະບົບຂໍ້ມູນຂ່າວສານດ້ານຄລີນິກຕ່າງໆເຊັ່ນ EHRs ແລະແຫຼ່ງອື່ນໆທີ່ລະບຸໄວ້ຂ້າງເທິງ
ຂໍຂໍ້ມູນຈາກຜູ້ຈ່າຍເງິນ
ຜູ້ຈ່າຍເງິນສາທາລະນະ (ເຊັ່ນ: Medicare) ແລະຜູ້ຈ່າຍສ່ວນບຸກຄົນມີການເກັບຂໍ້ມູນຂໍ້ມູນກ່ຽວກັບການຮຽກຮ້ອງໃຫ້ຜູ້ທີ່ໄດ້ຮັບຜົນປະໂຫຍດ. ບາງ ບໍລິສັດປະກັນໄພສຸຂະພາບ ໃນປັດຈຸບັນຍັງມີສິ່ງອໍານວຍຄວາມສະດວກໃນການແລກປ່ຽນຂໍ້ມູນສຸຂະພາບຂອງທ່ານ.
ການສຶກສາຄົ້ນຄວ້າ
ຖານຂໍ້ມູນການຄົ້ນຄວ້າມີຂໍ້ມູນກ່ຽວກັບຜູ້ເຂົ້າຮ່ວມການສຶກສາ, ການປິ່ນປົວທົດລອງແລະຜົນໄດ້ຮັບທາງດ້ານການຊ່ວຍ. ການສຶກສາຂະຫນາດໃຫຍ່ແມ່ນປົກກະຕິແລ້ວໂດຍບໍລິສັດຢາຫຼືຫນ່ວຍງານຂອງລັດຖະບານ. ການນໍາໃຊ້ຢາປົວພະຍາດສ່ວນບຸກຄົນແມ່ນເພື່ອໃຫ້ສອດຄ່ອງກັບຄົນເຈັບທີ່ມີການປິ່ນປົວທີ່ມີປະສິດຕິຜົນ, ອີງໃສ່ຮູບແບບໃນຂໍ້ມູນການທົດລອງທາງດ້ານການຊ່ວຍ.
ວິທີການນີ້ຈະຍ້າຍອອກໄປນອກເຫນືອຈາກຫຼັກການພື້ນຖານຂອງຢາພື້ນເມືອງໂດຍຜູ້ໃຫ້ບໍລິການດ້ານສຸຂະພາບຕັດສິນໃຈວ່າຄົນເຈັບສາມາດແບ່ງປັນຄຸນລັກສະນະຕ່າງໆ (ຕົວຢ່າງ, ອາຍຸ, ເພດ, ເຊື້ອຊາດ, ສະຖາບັນການກວດ). ມີການວິເຄາະຂໍ້ມູນທີ່ສໍາຄັນ, ມັນສາມາດເລືອກເອົາການປິ່ນປົວໂດຍອີງໃສ່ຂໍ້ມູນທີ່ມີຂໍ້ມູນຫຼາຍກວ່າ, ເຊັ່ນ: ໂປຕີນຂອງມະເຮັງຂອງຜູ້ປ່ວຍ (ເບິ່ງຂ້າງລຸ່ມນີ້).
ລະບົບການສະຫນັບສະຫນູນການຕັດສິນໃຈທາງຄລີນິກ (CDSS) ຍັງໄດ້ພັດທະນາຢ່າງໄວວາແລະປະຈຸບັນເປັນສ່ວນຫນຶ່ງຂອງວິທະຍາສາດທາງປັນຍາ (AI) ໃນດ້ານການແພດ.
ພວກເຂົາໃຊ້ຂໍ້ມູນຜູ້ປ່ວຍເພື່ອຊ່ວຍໃຫ້ຜູ້ຊ່ວຍໃຫ້ການປິ່ນປົວດ້ວຍການຕັດສິນໃຈຂອງເຂົາເຈົ້າແລະຖືກນໍາໃຊ້ຮ່ວມກັນກັບ EHR.
Genetic Databases
ການເກັບຮັກສາຂໍ້ມູນກ່ຽວກັບພັນທຸກໍາຂອງມະນຸດຍັງສືບຕໍ່ສະສົມຢູ່ໃນຈັງຫວະໄວ. ນັບຕັ້ງແຕ່ໂຄງການ Genome ມະນຸດໄດ້ສໍາເລັດໃນປີ 2003, ຕົ້ນທຶນ DNA ຂອງມະນຸດໄດ້ຖືກຫຼຸດລົງເປັນລ້ານເທື່ອ. ໂຄງການພະຍາດທາງກາຍະພາບສ່ວນບຸກຄົນ (PGP), ເປີດເຜີຍໃນປີ 2005 ໂດຍໂຮງຮຽນແພດ Harvard, ຊອກຫາລໍາດັບແລະເຜີຍແຜ່ລະບົບນິເວດ 100,000 ແຫ່ງຈາກທົ່ວໂລກ. PGP ຕົວຂອງມັນເອງເປັນຕົວຢ່າງທີ່ສໍາຄັນຂອງໂຄງການຂໍ້ມູນຂະຫນາດໃຫຍ່ເນື່ອງຈາກປະລິມານແລະຂໍ້ມູນທີ່ຫລາກຫລາຍ.
ລະບົບປະສາດສ່ວນບຸກຄົນມີປະມານ 100 gigabytes ຂອງຂໍ້ມູນ. ນອກເຫນືອຈາກລໍາດັບລະບົບປະສາດ, PGP ຍັງໄດ້ເກັບກໍາຂໍ້ມູນຈາກ EHRs, ການສໍາຫຼວດແລະຂໍ້ມູນ microbiome.
ບໍລິສັດຈໍານວນຫນຶ່ງໄດ້ສະເຫນີ ການຈັດລໍາດັບພັນທຸກໍາຂອງຜູ້ບໍລິໂພກໂດຍກົງກັບຜູ້ບໍລິໂພກ ສໍາລັບສຸຂະພາບ, ລັກສະນະສ່ວນບຸກຄົນແລະຢາຮັກສາພະຍາບານໃນພື້ນຖານທາງການຄ້າ.
ຂໍ້ມູນສ່ວນບຸກຄົນນີ້ສາມາດຖືກນໍາໃຊ້ເພື່ອການວິເຄາະຂໍ້ມູນຂະຫນາດໃຫຍ່. ຕົວຢ່າງ, 23andMe ຢຸດເຊົາສະຫນອງບົດລາຍງານພັນທຸກໍາກ່ຽວກັບສຸຂະພາບທີ່ມີຕໍ່ລູກຄ້າໃຫມ່ໃນວັນທີ 22 ເດືອນພະຈິກປີ 2013 ເພື່ອປະຕິບັດຕາມການຄຸ້ມຄອງອາຫານແລະຢາຂອງສະຫະລັດ. ຢ່າງໃດກໍ່ຕາມ, ໃນປີ 2015, ບໍລິສັດໄດ້ເລີ່ມຕົ້ນສະຫນອງຜະລິດຕະພັນສຸຂະພາບບາງຢ່າງຂອງການທົດສອບນໍ້າລາຍຂອງພວກເຂົາອີກເທື່ອຫນຶ່ງ, ໃນເວລານີ້ກັບການອະນຸມັດຂອງ FDA.
Public Records
ລັດຖະບານເກັບບັນທຶກລາຍລະອຽດກ່ຽວກັບເຫດການກ່ຽວກັບສຸຂະພາບ, ເຊັ່ນການເຂົ້າເມືອງ, ການແຕ່ງງານ, ການເກີດລູກ, ແລະການເສຍຊີວິດ. ການສໍາຫຼວດສະຫະລັດໄດ້ເກັບກໍາຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍໃນທຸກໆ 10 ປີນັບຕັ້ງແຕ່ປີ 1790. ເວັບໄຊທ໌ສະຖິຕິສໍາຫຼວດພົນລະເມືອງມີຈຸລັງ 370 ພັນລ້ານຄົນໃນປີ 2013, ປະມານ 11 ຕື້ກວ່າປີເພີ່ມຂຶ້ນ.
ການຄົ້ນຫາເວັບໄຊຕ໌
ຂໍ້ມູນການຄົ້ນຫາເວັບທີ່ເກັບກໍາໂດຍກູໂກແລະຜູ້ໃຫ້ບໍລິການຄົ້ນຫາເວັບອື່ນໆສາມາດໃຫ້ຄວາມຮູ້ກ່ຽວກັບເວລາທີ່ແທ້ຈິງກ່ຽວກັບສຸຂະພາບຂອງປະຊາກອນ. ຢ່າງໃດກໍ່ຕາມ, ມູນຄ່າຂອງຂໍ້ມູນໃຫຍ່ຈາກຮູບແບບການຄົ້ນຫາເວັບສາມາດໄດ້ຮັບການປັບປຸງໂດຍການລວມມັນກັບແຫຼ່ງຂໍ້ມູນສຸຂະພາບແບບດັ້ງເດີມ.
ສື່ມວນຊົນສັງຄົມ
Facebook, Twitter ແລະເວບໄຊທ໌ສັງຄົມອື່ນໆສ້າງຄວາມຫລາກຫລາຍຂອງຂໍ້ມູນຕະຫລອດເວລາ, ໃຫ້ເບິ່ງເຂົ້າໄປໃນສະຖານທີ່, ພຶດຕິກໍາສຸຂະພາບ, ອາລົມແລະການພົວພັນທາງສັງຄົມຂອງຜູ້ໃຊ້. ການນໍາໃຊ້ສື່ມວນຊົນສັງຄົມຂໍ້ມູນອັນໃຫຍ່ຫຼວງຕໍ່ສຸຂະພາບສາທາລະນະໄດ້ຖືກເອີ້ນວ່າການຊອກຄົ້ນຫາພະຍາດດິຈິຕອນຫຼືການລະບາດຂອງດິຈິຕອນ. ຕົວຢ່າງເຊັ່ນ Twitter ໄດ້ຖືກນໍາໃຊ້ເພື່ອວິເຄາະເຊື້ອພະຍາດໄຂ້ຫວັດໃຫຍ່ໃນປະຊາກອນທົ່ວໄປ.
ໂຄງການສຸຂະພາບຂອງໂລກທີ່ເລີ່ມຕົ້ນທີ່ມະຫາວິທະຍາໄລເພນຊິນເວເນຍແມ່ນຕົວຢ່າງຫນຶ່ງຂອງການສຶກສາສື່ສັງຄົມເພື່ອເຂົ້າໃຈປະສົບການແລະສຸຂະພາບຂອງປະຊາຊົນທີ່ດີກວ່າເກົ່າ. ໂຄງການນີ້ລວມເອົານັກຈິດຕະກອນ, ນັກສະຖິຕິແລະນັກວິທະຍາສາດຄອມພິວເຕີທີ່ວິເຄາະພາສາທີ່ໃຊ້ໃນເວລາທີ່ພົວພັນກັບອິນເຕີເນັດ, ສໍາລັບຕົວຢ່າງ, ໃນເວລາຂຽນລາຍການສະຖານະພາບໃນ Facebook ແລະ Twitter. ນັກວິທະຍາສາດກໍາລັງສັງເກດວິທີການເວົ້າຂອງຜູ້ໃຊ້ກ່ຽວກັບສຸຂະພາບແລະຄວາມສຸກຂອງພວກເຂົາ. ຄວາມກ້າວຫນ້າໃນການປະຕິບັດພາສາທໍາມະຊາດແລະການຮຽນຮູ້ເຄື່ອງຈັກແມ່ນການຊ່ວຍເຫຼືອດ້ວຍຄວາມພະຍາຍາມຂອງເຂົາເຈົ້າ. ຫນັງສືພິມຫຼ້າສຸດຈາກມະຫາວິທະຍາໄລເພນຊິນເວເນຍໄດ້ເບິ່ງວິທີການຄາດຄະເນການເຈັບປ່ວຍທາງຈິດໂດຍການວິເຄາະສື່ສັງຄົມ. ມັນສະແດງໃຫ້ເຫັນວ່າອາການຂອງການຊຶມເສົ້າແລະສະພາບສຸຂະພາບອື່ນໆສາມາດກວດພົບໄດ້ໂດຍການສຶກສາການນໍາໃຊ້ອິນເຕີເນັດຂອງພວກເຮົາ. ນັກວິທະຍາສາດຫວັງວ່າໃນອະນາຄົດວິທີການເຫຼົ່ານີ້ຈະສາມາດກໍານົດແລະຊ່ວຍເຫຼືອຜູ້ທີ່ມີຄວາມສ່ຽງສູງ.
Internet of Things (IoT)
ຂໍ້ມູນຂ່າວສານທີ່ກ່ຽວຂ້ອງກັບສຸຂະພາບຍັງຖືກເກັບໄວ້ແລະເກັບໄວ້ໃນ ອຸປະກອນມືຖືແລະເຮືອນ .
- ໂທລະສັບສະຫຼາດ : ຫລາຍພັນຄົນຂອງກິດ mHealth ເກັບກໍາຂໍ້ມູນກ່ຽວກັບກິດຈະກໍາທາງດ້ານຮ່າງກາຍຂອງຜູ້ໃຊ້, ອາຫານໂພຊະນາການ, ຮູບແບບການນອນ, ອາລົມແລະພາລາມິເຕີອື່ນໆ. ກິດໂທລະສັບມືຖືທໍາມະດາ (ເຊັ່ນ GPS, ອີເມວ, ການສົ່ງຂໍ້ຄວາມ) ຍັງສາມາດໃຫ້ຂໍ້ຄຶດກ່ຽວກັບສະຖານະພາບສຸຂະພາບຂອງບຸກຄົນ.
- ເຄື່ອງກວດຈັບແລະອຸປະກອນທີ່ໃຊ້ໄດ້: Pedometers, accelerometers, ແວ່ນຕາ, ໂມງແລະ chip ທີ່ຕິດຢູ່ພາຍໃຕ້ຜິວຫນັງກໍ່ລວບລວມຂໍ້ມູນທີ່ກ່ຽວຂ້ອງກັບສຸຂະພາບແລະສາມາດສົ່ງເຂົ້າໄປໃນເມຄໄດ້.
- ອຸປະກອນທາງການແພດຊ່ວຍໃຫ້ຜູ້ໃຫ້ບໍລິການດູແລສຸຂະພາບຕິດຕາມກວດກາຄວາມຕ້ອງການຂອງຜູ້ປ່ວຍເຊັ່ນ: ຄວາມດັນເລືອດ, ອັດຕາການເຕັ້ນຫົວໃຈ, ອັດຕາການຫາຍໃຈ, ອົກຊີເຈນ, ອຸນຫະພູມ, ເສັ້ນທາງ ECG ແລະນ້ໍາຫນັກ.
Financial Transactions
ການໂອນເງິນບັດເຄດິດຂອງຜູ້ປ່ວຍໄດ້ຖືກລວມເຂົ້າໃນແບບທີ່ຄາດເດົາໃຊ້ໂດຍ Carolinas HealthCare System ເພື່ອກໍານົດຜູ້ປ່ວຍທີ່ມີຄວາມສ່ຽງສູງທີ່ຈະຖືກສົ່ງຄືນໄປໂຮງຫມໍ. ຜູ້ໃຫ້ບໍລິການດູແລສຸຂະພາບຂອງ Charlotte ໃຊ້ຂໍ້ມູນໃຫຍ່ເພື່ອແບ່ງປັນຜູ້ປ່ວຍເຂົ້າໄປໃນກຸ່ມຕ່າງໆ, ເຊັ່ນ: ອີງຕາມພະຍາດແລະສະຖານທີ່ຕັ້ງພູມສາດ.
ຄວາມສໍາພັນດ້ານຈັນຍາບັນແລະຄວາມເປັນສ່ວນຕົວ
ມັນຈໍາເປັນຕ້ອງໄດ້ເນັ້ນຫນັກວ່າ, ໃນບາງກໍລະນີ, ອາດມີຄວາມສໍາຄັນທາງດ້ານຈັນຍາບັນແລະຄວາມເປັນສ່ວນຕົວໃນເວລາທີ່ການລວບລວມແລະເຂົ້າເຖິງຂໍ້ມູນໃນການດູແລສຸຂະພາບ. ແຫຼ່ງຂໍ້ມູນໃຫມ່ຂອງແຫຼ່ງຂໍ້ມູນໃຫຍ່ສາມາດປັບປຸງຄວາມເຂົ້າໃຈຂອງພວກເຮົາກ່ຽວກັບສິ່ງທີ່ຜົນກະທົບຕໍ່ບຸກຄົນແລະສຸຂະພາບຂອງປະຊາຊົນແຕ່ວ່າ, ຄວາມສ່ຽງຕ່າງໆທີ່ຕ້ອງໄດ້ຮັບການພິຈາລະນາຢ່າງລະອຽດແລະຕິດຕາມ. ມັນໄດ້ຖືກຮັບຮູ້ແລ້ວວ່າຂໍ້ມູນທີ່ຖືວ່າບໍ່ມີຊື່ສຽງໃນອະດີດສາມາດຖືກກໍານົດໃຫມ່. ຕົວຢ່າງ, ທ່ານ Latanya Sweeney ຈາກຫ້ອງການຄວາມເປັນສ່ວນຕົວຂໍ້ມູນຂອງ Harvard ໄດ້ທົບທວນ 1130 ພະນັກງານທີ່ມີສ່ວນຮ່ວມໃນໂຄງການໂຄງຮ່າງ Genome ສ່ວນບຸກຄົນ. ນາງແລະທີມງານຂອງນາງສາມາດຂຽນ ຊື່ໃຫ້ໄດ້ 42% ໂດຍອີງໃສ່ຂໍ້ມູນທີ່ພວກເຂົາແບ່ງປັນ (ລະຫັດຫັດຖະກໍາ, ວັນເດືອນປີເກີດ, ເພດ). ຄວາມຮູ້ນີ້ສາມາດເພີ່ມຄວາມຮູ້ຂອງພວກເຮົາກ່ຽວກັບຄວາມສ່ຽງທີ່ອາດເກີດຂື້ນແລະຊ່ວຍໃຫ້ພວກເຮົາຕັດສິນໃຈແບ່ງປັນຂໍ້ມູນທີ່ດີຂຶ້ນ.
> ແຫຼ່ງຂໍ້ມູນ:
> Conway M, O'Connor D. ສື່ມວນຊົນສັງຄົມ, ຂໍ້ມູນຂະຫນາດໃຫຍ່, ແລະສຸຂະພາບຈິດ: ຄວາມກ້າວຫນ້າໃນປະຈຸບັນແລະຜົນກະທົບທາງດ້ານຈັນຍາບັນ. ປັດຈຸບັນຄວາມຄິດເຫັນໃນ Psychology 2016; 9: 77-82
> Fernandes L, O'Connor M, Weaver V. ຂໍ້ມູນໃຫຍ່, ຜົນໄດ້ຮັບທີ່ໃຫຍ່ກວ່າ. ວາລະສານຂອງສະມາຄົມການຄຸ້ມຄອງຂໍ້ມູນສຸຂະພາບຂອງອາເມລິກາ 2012 83 (10): 38-43
> Guntuku S, Yaden D, Kern M, Ungar L, Eichstaedt J. ກວດພົບການຊຶມເສົ້າແລະການເຈັບປ່ວຍທາງຈິດກ່ຽວກັບສື່ສັງຄົມ: ການທົບທວນການເຊື່ອມໂຍງ . ຄວາມຄິດເຫັນໃນປັດຈຸບັນໃນວິຊາພຶດຕິກໍາ 2017; 18: 43-49
> Lazer D, Kennedy R, King G, Vespignani A. ຄໍາອຸປະມາຂອງ Google Flu: Traps ໃນການວິເຄາະຂໍ້ມູນຂະຫນາດໃຫຍ່ . ວິທະຍາສາດ 2014; 343 (6176): 1203-1205
> Raghupathi W, Raghupathi V. ການວິເຄາະຂໍ້ມູນທີ່ໃຫຍ່ໃນການດູແລສຸຂະພາບ: ຄໍາສັນຍາແລະ potenti al. ລະບົບວິທະຍາສາດແລະຂໍ້ມູນຂ່າວສານສຸຂະພາບ 2014; 2: 3
> Sweeney L, Abu A, Winn J. ກໍານົດຜູ້ເຂົ້າຮ່ວມໂຄງການໂຄງຮ່າງ Genome ໂດຍຊື່ . ມະຫາວິທະຍາໄລຮາວາດ Data Privacy Lab ເຈ້ຍຂາວ 1021-1. ວັນທີ 24 ເດືອນເມສາປີ 2013.