บทคัดย่อ
การบันทึกข้อมูลสุขภาพในรูปแบบอิเล็กทรอนิกส์มีความสำคัญต่อการนำข้อมูลไปประมวลผลและแลกเปลี่ยนเพื่อประโยชน์ในการวินิจฉัย การดูแลรักษาต่อเนื่องและการวิจัย ซึ่งปัจจุบันการใช้ประโยชน์จากข้อมูลดังกล่าวในประเทศไทยยังทำได้จำกัดเนื่องจากไม่มีการใช้มาตรฐานข้อมูลสุขภาพที่เหมาะสมต่อการจัดเก็บและแลกเปลี่ยนข้อมูล ซึ่ง Fast Healthcare Interoperability Resources (FHIR) เป็นมาตรฐานข้อมูลสุขภาพสากลที่สำคัญและนิยมนำมาใช้พัฒนาระบบข้อมูลสุขภาพในหลายประเทศ การศึกษานี้จึงมีวัตถุประสงค์เพื่อศึกษาการพัฒนาเค้าร่างข้อมูลทางการแพทย์ตามมาตรฐานข้อมูลสุขภาพ FHIR โดยศึกษาจากการวิเคราะห์การเข้าคู่ของข้อมูลในแบบบันทึกข้อมูลผู้ป่วยโรคหลอดเลือดสมองเฉียบพลันชนิดขาดเลือด กับข้อกำหนดคุณลักษณะของมาตรฐานข้อมูลสุขภาพ FHIR และมาตรฐานคำศัพท์ทางการแพทย์ ผลการศึกษา พบว่า รายการข้อมูลทุกรายการสามารถเข้าคู่กับชุดข้อมูลตามข้อกำหนดคุณลักษณะของมาตรฐานข้อมูลสุขภาพ FHIR ได้ โดยร้อยละ 96 เข้าคู่โดยตรงกับแกนชุดข้อมูล และร้อยละ 4 ใช้วิธีสร้างหน่วยข้อมูลย่อยเพิ่ม นอกจากนี้ เค้าร่างข้อมูลตามมาตรฐานข้อมูลสุขภาพ FHIR ยังสามารถใช้ระบบคำศัพท์ทางการแพทย์ ประกอบด้วย SNOMED CT, LOINC, ATC, TMT, HL7 และ ISCO-08 มาเข้าคู่ได้ครอบคลุมข้อมูลทุกประเภท เช่น ข้อมูลทางคลินิก ข้อมูลการตรวจทางห้องปฏิบัติการ ข้อมูลยา ข้อมูลทั่วไปของผู้ป่วยและข้อมูลอาชีพ มาตรฐานข้อมูลสุขภาพ FHIR จึงเหมาะสมและสามารถนำมาพัฒนาระบบข้อมูลทางการแพทย์สำหรับโรคหลอดเลือดสมองเฉียบพลันชนิดขาดเลือดได้
บทคัดย่อ
Electronic health data plays a prominent role in the delivery of patient care. It depends upon the management of vital information exchanged among healthcare providers, as such can lead to more appropriate decision-making and improved quality of care and research. Currently, the lack of adequate health informatics standards in Thailand is a major challenge for data stored and sharing. Fast Healthcare Interoperability Resources (FHIR) is a globally important health data standard for information modeling and transfer. This study, thus, explored 1) how data schema of Acute Ischemic Stroke Care Record Summary (AISCRS) can be modeled on FHIR specification; and 2) in how far the data elements can bind with standard medical terminologies (SMTs). The study employed a data mapping technique for information modelling by identifying and mapping corresponding elements between data models, i.e., AISCRS, FHIR, and SMTs. The results demonstrated that the entire content of the AISCRS can be modeled using FHIR. 96% of the content mapped onto core elements, and 4% of the content were modelled as extensions. Furthermore, the FHIR data schema comprehensively supported medical terminology system binding, including SNOMED CT, LOINC, ATC, TMT, HL7, and ISCO-08. Therefore, FHIR proved a suitable model for the entire AISCRS.
