디지털 헬스

Digital health
시스템의 "상태"에 대해서는 멀웨어를 참조하십시오.

디지털 의료는 의료 제공의 효율성을 높이고 보다 개인화되고 정확한 [1][2][3][4]의료를 만들기 위해 디지털 의료 프로그램, 의료, 의료, 생활 및 사회를 포함한 기술을 포함하는 분야입니다.의료 및[4] 사회적 처방을 받는 사람들이 직면한 건강 문제 및 과제에 대한 이해를 보다 개인화되고 정확한 방법으로 용이하게 하기 위해 정보통신 기술을 사용합니다.디지털 건강 및 디지털 건강의 정의는 보건 및 의료 정보학 정의와 여러 가지 면에서 겹칩니다.

전자 의료 기록의 전 세계적인 채택은 1990년 이후 증가 추세에 있으며 보편적 의료의 [5]존재와 밀접한 관련이 있다.디지털 헬스는 의료, 엔지니어링, 사회과학, 공중보건, 보건경제학 및 데이터 [6]관리에 광범위한 전문 지식을 가진 임상 의사, 연구자 및 과학자를 포함한 많은 이해 관계자가 참여하는 다분야 영역입니다.

디지털 의료 기술에는 원격 의료, 웨어러블 기기, 증강 현실 및 가상 [7][8]현실을 포함한 하드웨어 및 소프트웨어 솔루션과 서비스가 모두 포함됩니다.일반적으로 디지털 의료는 의료 시스템을 상호 연결하여 계산 기술, 스마트 장치, 계산 분석 기술 및 통신 미디어의 사용을 개선함으로써 의료 전문가와 환자의 질병 및 건강 위험을 관리하고 건강과 [4][8]복지를 증진합니다.

디지털 헬스 플랫폼에서는 신속하고 저렴한 커뮤니케이션이 가능하지만, 개인 헬스 데이터의 프라이버시 침해나 디지털 헬스가 사회 다수 집단과 소수 집단 간의 건강 및 디지털 격차를 증가시켜 디지털 헬스 시스템 사용에 대한 불신과 망설임으로 이어질 수 있다는 지적이 나오고 있습니다.ems.[9][10]

요소들

디지털 혁명의 한 갈래 디지털 진료의"대량 생산과 디지털 논리 회로, 그리고 그것의 파생 기술의 컴퓨터, 디지털 휴대 전화, 인터넷 등 광범위한 사용"[11]핵심 요소의 특징으로서 무선 장치, 하드웨어 센서와 소프트웨어 감지 기술 마이크로 프로세서를 포함한다.한 있습니다.d 집적회로, 인터넷, 소셜 네트워킹, 모바일/휴대전화 네트워크 및 신체 영역 네트워크, 건강 정보 기술, 유전체학 및 개인 유전 정보.[4][8][6][12][page needed][13]

디지털 헬스 요소

테크놀로지

디지털 의료 기술은 다양한 형태로 제공되며 의료의 다양한 부분으로 확장됩니다.새로운 테크놀로지가 발전함에 따라 디지털 헬스는 분야로서 각각 변화하고 있습니다.디지털 의료 기술의 가장 인기 있는 세 가지 분야는 원격 의료, 웨어러블 기술, 증강 및 가상 현실입니다.원격진료는 의사가 원격으로 환자를 치료하는 방법과 프로세스를 보다 효율적이고 빠르게 [14]만드는 데 필요한 다양한 기술입니다.디지털 헬스의 또 다른 주요 측면은 데이터 수집과 웨어러블을 발생시킨 환자에게 온디맨드 의료 정보를 제공하는 방법입니다.웨어러블 테크놀로지는 모든 사용자에게 [15]개인화된 데이터 및 건강 관련 추적을 제공할 수 있는 가능성을 내포하고 있습니다.디지털화된 치료의 관점에서, 증강 및 가상 현실은 여러 [16]가지 상태를 치료하기 위해 반복되고 맞춤화할 수 있는 환자 맞춤형 요법을 만들 수 있습니다.

실제로 이러한 기술 중 일부는 스타트업 공간에서 추진되고 있으며, 이는 인터넷이나 디지털 건강 기업가에 대한 팟캐스트와 같은 온라인 미디어 소스를 통해 추적되고 있습니다.

원격 의료

원격진료는 디지털 헬스의 가장 광범위한 분야 중 하나입니다.여기에는 의료 기록의 디지털화, 원격 진료, 예약, 자가 증상 검사기, 환자 결과 보고 등이 [14]포함됩니다.디지털 및 원격 클리닉은 환자와 의사 모두의 [14]시간을 절약하는 신속하고 긴급하지 않은 상담을 제공하기 위해 일반적으로 사용됩니다.특히 COVID-19 대유행의 경우, 이러한 유형의 치료는 의사가 환자를 보는 주요 방식이 되었고 대면 [17][18]예약만큼 효과적일 수 있다.이러한 유형의 디지털 치료는 양 당사자를 안전하게 유지하며, 의사가 유행병이 [17]끝난 후에도 정기적인 검사를 위해 사용할 수 있는 신뢰할 수 있는 방법입니다.

원격진료는 또한 환자와 의사 모두 관련 정보에 [14]항상 액세스할 수 있는 온라인 건강 기록도 포함합니다.이 모든 디지털 정보는 의료 전문직 종사자가 환자 데이터에 액세스할 수 있다는 것을 의미하며, 이를 분석하여 보다 효율적이고 현명한 [14]치료 계획을 수립할 수 있다는 것을 의미합니다.이를 통해 환자가 자신의 상태를 더 잘 이해할 수 있도록 돕고 더 긍정적인 결과를 얻을 [14]수 있는 보다 개인화된 의료 시스템을 구축할 수 있습니다.

웨어러블 테크놀로지

웨어러블 기술은 스마트워치, 온바디 센서 등 다양한 형태로 제공됩니다.스마트워치는 자가 감시를 촉진한 최초의 웨어러블 기기 중 하나이며 일반적으로 피트니스 [19]추적과 관련이 있습니다.많은 사람들이 "체질량 지수, 연소 칼로리, 심박수, 신체 활동 패턴"[19]과 같은 건강 관련 데이터를 기록합니다.연구진은 스마트워치 외에도 패치, 의류, 액세서리 등 스마트 관련 보디웨어를 개발하여 "주문형 약물 방출"[15]을 관리하고 있습니다.이 기술은 중증 및 비중증 환자를 위한 스마트 임플란트로 확장될 수 있으며, 의사들은 모바일 [15]기술이 없었다면 불가능했을 더 나은 동적 치료 프로토콜을 만들 수 있습니다.

이러한 기술은 하루 [15]종일 환자에 대한 데이터를 수집하는 데 사용됩니다.의사들은 더 이상 필요한 데이터를 수집하기 위해 환자를 사무실로 불러들일 필요가 없기 때문에 데이터를 통해 더 나은 치료 계획과 환자 [15]모니터링으로 이어질 수 있습니다.의사들은 특정 약이 얼마나 [15]잘 작용하는지에 대한 더 나은 지식을 갖게 될 것이다.또한 이 데이터를 통해 지속적으로 학습하고 필요할 [15]때 개입하는 원래의 치료 계획을 개선할 수 있습니다.

증강현실 및 가상현실

디지털 건강에서 증강현실 기술은 컴퓨터화된 감각 정보로 실제 경험을 향상시키고 의료 [20]전문가를 위한 스마트 기기를 만드는 데 사용됩니다.현재 환자 관련 정보의 대부분이 휴대용 기기에서 나오기 때문에 스마트 안경은 의사가 환자의 병력을 [20]볼 수 있는 새로운 핸즈프리 증강 방법을 제공합니다.이 기술은 환자를 [20]치료할 때 스마트 안경을 착용함으로써 데이터 기반 진단, 증강 환자 문서 또는 향상된 치료 계획까지 모두 적용할 수 있습니다.

또 다른 유사한 기술 공간은 가상 현실입니다. 가상 현실에서는 실제 시나리오를 모방한 대화형 시뮬레이션을 생성하고 맞춤형 [16]치료에 맞게 조정할 수 있습니다.많은 뇌졸중 환자는 표준 치료 프로토콜에 따라 운동 범위를 잃는다. 환자의 55%에서 75%는 하체가 주로 치료 [16]중에 목표물이 되기 때문에 장기 상부의 근육 기능 장애를 가지고 있다.반복적인 행동과 치료 기간은 [16]회복을 향한 긍정적인 진전을 보여주는 두 가지 주요 요인이다.가상현실 기술은 현실에서는 대체하기 어렵지만 환자의 운동 [16]재훈련에 필요한 다양한 3D 환경을 만들 수 있다.이러한 시뮬레이션은 특정 신체 부위를 대상으로 할 수 있을 뿐만 아니라 환자가 개선되고 더 어려운 [16]작업을 요구함에 따라 강도도 증가할 수 있다.

다른이들

다른 기술로는 장애인이 일상 업무를 독립적으로 수행할 수 있도록 도와주는 보조 기술, 재활 로봇 공학 및 눈에 띄지 않는 모니터링 센서가 있습니다.계산 시뮬레이션, 모델링 및 기계 학습(예: FG-AI4H) 접근방식은 건강 관련 [21]결과를 모델링할 수 있다.이러한 고급 시뮬레이션은 모든 연구 [21]영역에 반복, 복제 및 맞춤화할 수 있습니다.의료 이미징에서 이 기술의 응용 프로그램은 의료 전문가들이 유전자, 뇌 구조 및 인체 [21]해부학의 다른 많은 구성 요소를 시각화할 수 있도록 도와줍니다.또, 이 테크놀로지의 유연성은, 보다 [21]긍정적이고 정확한 결과를 가능하게 합니다.모바일 헬스(또는 mhealth)는 모바일 [22]디바이스에서 지원되는 의료 및 공중보건 활동입니다.

의료 시스템 엔지니어링은 지식 발견, 의사결정, 최적화, 인적 요소 엔지니어링, 품질 엔지니어링, 정보 기술 및 통신 등 다른 엔지니어링 업계를 활용하여 애플리케이션을 개선하는 디지털 헬스의 또 다른 서브셋입니다.자연어 처리, 음성 인식 기술 및 의료 기기를 위한 음성 및 청각 시스템은 말과 청각에 도움을 줄 수 있다(예: 달팽이관 이식).[23]디지털 보청기는 다양한 알고리즘을 사용하여 배경 소음을 줄이고 지각 성능을 개선하는데, 이는 일반 [23]보청기보다 크게 개선된 것입니다.

실행

국가 전자 건강 기록(EHR) 시스템 국가 디지털 프로그램은 의료 서비스를 지원하고, 의미 있는 지표를 형성하며, 임상적으로 확보한 데이터를 오픈 소스 및 표준화된 디지털 형식으로 제공함으로써 인구 기반 연구를 촉진하기 위해 존재합니다.이러한 정보는 공공 보건 결정에 정보를 제공할 수 있으며, 이는 특히 저자원 [24]환경에서 중요합니다.세계보건기구(WHO)의 Global Observatory for eHealth(GOE)는 세계 194개 회원국을 대상으로 EHR 구현 진척 상황 및 보편적 의료 적용 범위에 대한 조사를 실시하여 보고합니다.2015년 최신호에서 73개 회원국(58%)이 eHealth 전략을 시행하고 있다고 응답했는데,[5] 이는 1990년 이후 증가한 수치입니다.이 코호트 내에서 고소득 국가는 과잉 대표되며, 대다수는 보편적 의료(UHC) 국가이다.

환자 및 프로바이더 등록부의 핵심 시스템, 임상 및 진단 영상 시스템, 임상 보고서 및 예방 [25]접종을 기반으로 구축된 Canada Health Infoway와 같은 국가 디지털 프로그램이 의료 서비스를 지원하기 위해 존재합니다.2014년까지 캐나다 의사 중 75%가 전자 [26]진료 기록을 사용하고 있었습니다.

우간다와 모잠비크에서는 휴대전화 환자, 지방정부 및 지방정부, 기술자, 비정부기구, 학계 및 산업계 간의 파트너십이 mHealth 솔루션을 [27]가능하게 했습니다.

영국에서는 NHS(National Health Service)가 차세대 의약품에 [28]디지털 의료 기술을 통합하는 방법에 대한 보고서를 의뢰했습니다.Topol Review는 환자와 전체 게놈 염기서열 분석 등 차세대 기술 제공자 모두를 위한 교육 확대를 권고하고 보건 [29]전문가들을 위한 디지털 펠로우십도 만들었다.미국은 또한 전세계 연구자들을 위한 다양한 건강 지표들을 디지털 형식으로 모으기 위해 '우리 모두의 건강'으로 알려진 전국적인 건강 연구에 착수했다.[30]

한편, 이러한 이노베이션의 실시에 의해서, 보건 부문의 현재의 거버넌스 구조에 확실히 도전하고 있는 사회적 리스크와 규제 요구도 밝혀지고 있다.

이노베이션 사이클

디지털 헬스를 위한 혁신 프로세스는 의료 문제, 연구, 디지털 솔루션 및 솔루션 평가에서 임상 [4][7]실무에 대한 구현까지 5가지 주요 활동 프로세스로 분류할 수 있는 기술 솔루션의 반복 주기입니다.디지털 헬스는 설계 사고 및 신속한 소프트웨어 개발 [31][32]등 소프트웨어 엔지니어링에서 채택한 방법과 도구를 포함할 수 있습니다.이들은 일반적으로 실제 데이터를 사용하여 일상 생활에서 주제별 [32]전문가가 평가하는 사용자 중심의 설계 방식을 따른다.

미국 식품의약국

2019년에 FDA는 오버헤드 비용 절감, 접근성 개선, 서비스 품질 향상 및 [8]개인별 의약품 적합성을 높이기 위한 노력의 일환으로 의사들의 비효율성을 줄이는 디지털 건강 혁신 실행 계획을 발표했다.혁신 계획의 주제는 무선 기기, 원격 의료, 소프트웨어, 사이버 보안 [8]등입니다.FDA 가이드라인에 따르면, 만약 당신이 의학적 상태를 가진 사람을 돕기 위해 고안된 앱을 출시한다면, 그것은 의료 기기로 간주됩니다.FDA는 모든 의료 앱을 규제할 수 없기 때문에 "강제 재량권"을 사용하며, 2020년까지 모든 디지털 의료 프로그램과 앱을 규제하지 않기로 결정했다.그러나 치료라는 단어를 사용하거나, 상태를 진단 또는 치료하려는 프로그램 또는 안전하지 않다고 간주되는 프로그램은 [33]FDA에 의해 규제되고 있습니다.COVID-19 대유행 기간 동안 디지털 정신 의학 앱의 규제와 시행이 완화되어 사용을 촉진하고 직접 [34]접촉하는 것을 줄였다.

국제 표준

정부 간 차원에서 세계보건기구는 유엔 보건 전문 기구이며, 국제 전기통신 연합은 유엔 정보통신기술 전문 기구이며, 이 기관들은 안전한 청취에 관한 H.870 표준과 같은 디지털 보건에 관한 작업과 ITU-who-Focus on Infantia 그룹에 대한 포커스를 협력한다.l ITU-T Study Group 16의 자회사인 Intelligence for Health.

비판

디지털 의료는 저렴한 의료법 및 HITECH [35]법 통과 이후 미국 의료 정책의 주요 초점이 되었습니다.이로 인해 전자 의료 기록(EMR)[citation needed]으로 알려진 디지털 의료 도구와 연계하는 의사의 수가 폭발적으로 증가하고 있습니다.그러나 의사는 환자 치료를 위한 EMR의 효용성에 대해 매우 비판적이며, EMR의 사용이 의사 [36][37]소진의 중요한 구성 요소로서 증가하고 있다고 지적한다.

상태 데이터 문제의 소유권

디지털 의료 솔루션의 구현은 모든 출생과 사망을 기록하는 단순한 통계에서 질병, 발병 및 만성 상태를 추적하는 보다 정교한 메트릭에 이르기까지 대규모 데이터 세트에 의존합니다.이러한 시스템은 환자 기록, 혈액 검사 결과, 심전도, MRI, 청구 기록, 약물 처방 및 기타 개인 의료 정보와 같은 데이터를 기록합니다.의료 전문가들은 이 데이터를 사용하여 환자 치료에 대한 보다 데이터 중심적인 결정을 내릴 수 있으며, 소비자 스스로 이 데이터를 사용하여 자신의 [38]건강에 대한 정보에 입각한 선택을 할 수 있습니다.수집되는 데이터의 개인적 특성을 고려할 때, 디지털 건강 솔루션에 의해 야기되는 과제 중 하나인 건강 [39]데이터의 소유에 대해 이해관계자들 사이에서 중요한 논쟁이 일어났다.대부분의 경우 정부 및 빅데이터 및 기술 기업이 시민의 의료 정보를 저장하여 데이터의 사용 방법 및/[39]또는 액세스 권한이 있는 사람에 대한 우려를 낳고 있습니다.이러한 질문에 대한 자세한 내용은 읽기 [39]어려운 복잡한 용어 및 조건에 숨겨져 있는 경우가 많기 때문에 더욱 복잡해집니다.디지털 의료 분야에서 데이터 개인 정보 보호 침해의 주목할 만한 사례가 [40]2016년에 발생했습니다.구글은 자사의 인공지능 부문인 딥마인드가 160만 [40]영국 환자의 개인 의료 데이터에 접근할 수 있도록 한 데이터 공유 협약에 대해 큰 소송에 직면했다.구글은 환자의 동의와 [40]익명을 보장하지 못했다.또 다른 개념은 데이터가 공공재의 한 형태로 간주된다는 것이다.스탠포드 대학의 연구원들은 데이터와 AI의 개발에 대해 생각하기 위해 그러한 프레임워크를 사용할 것을 제안했다;[41] 그들은 구체적으로 방사선 데이터에 대해 생각하고 있었다.그들은 임상 데이터가 미래 환자의 이익을 위해 사용되는 공공재의 한 형태여야 하며, 데이터는 미래 환자에게 혜택을 줄 수 있는 지식과 도구 개발에 널리 이용되어야 한다고 결론지었다.이것으로부터, 그들은 세 가지 주요 결론을 도출했다.첫째, 임상 데이터가 정말로 어느 누구에게도 소유되지 않는 경우, 그 데이터와 상호작용하는 사람들은 그 데이터가 사회의 미래 환자들의 이익을 위해 사용되도록 보장할 의무가 있다.둘째, 이 데이터는 연구 개발을 위해 널리 공유되어야 하며, 그 데이터에 접근할 수 있는 모든 개인과 실체가 기본적으로 해당 데이터의 관리인이 되어 프라이버시를 신중하게 보호하고 데이터가 선을 위한 지식과 도구를 개발하는 데 사용될 수 있도록 보장할 책임이 있어야 한다.셋째, 윤리적 기준을 확실히 준수할 수 있는 메커니즘이 있는 한 데이터가 AI 개발, 훈련 및 테스트와 같은 2차 목적으로 사용되기 전에 환자의 동의가 반드시 필요한 것은 아닙니다.이 제안된 프레임워크에 따르면, 저자들은 금전적 또는 비용을 초과하는 모든 종류의 지불과 교환하여 독점적 접근을 허용함으로써 제3자에게 데이터를 판매하는 것은 비윤리적이라고 제안한다.

데이터의 오역

개인화된 건강 플랫폼에 의해 제공되는 데이터와 정보는 사용자에게 안도감을 줄 수 있지만, 동시에 불안감과 강박적인 [42]행동을 유발할 수 있습니다.WebMD와 같은 플랫폼에서 볼 수 있듯이 데이터를 잘못 해석하는 것은 환자의 히스테리를 더욱 부추길 수 있습니다.자신의 정보에 대한 접근을 늘린다고 해서 항상 [42]긍정적인 것은 아닙니다.극단적인 시나리오에서는 환자가 이러한 접근권을 가지고 있다는 것을 알고 잘못된 안전감을 느낄 수 있습니다. 즉,[43] 필요한 경우에도 의사의 조언이나 도움을 구하지 않습니다.

제도적 연령주의

연령차별은 [44]노인에 대한 제도적 차별의 과정으로 정의된다.디지털 헬스가 우리 사회에 보급됨에 따라 강력한 디지털 기술과 이러한 플랫폼을 탐색하는 데 필요한 기술적 노하우가 부족한 사람들은 [45]불리한 입장에 놓이게 될 것입니다.이것은 현재의 [45]노인들에게만 해당되는 것이 아니다.새로운 디지털 테크놀로지는 매년 대중화 되어 낡은 테크놀로지는 [45]시대에 뒤떨어지고 있습니다.즉, 의료 회사가 이러한 [45]격차를 최소화하기 위해 적극적으로 노력하지 않는 한 이러한 정보 격차는 항상 존재하게 됩니다.말할 것도 없이, 노인들은 만성적인 건강 문제에 [46]더 잘 노출되기 때문에 디지털 건강 플랫폼을 가장 필요로 하는 그룹 중 하나라는 것을 의미합니다.이들은 미사용 사용자 [46]그룹을 나타냅니다.

정보격차

미국에서는 1,900만 명의 사람들이 신뢰할 수 있는 접속 [47]접속 접속을 가지고 있지 않습니다.UN은 전세계적으로 38억 명의 사람들이 오프라인 [48]상태라고 추정한다.시골 지역 사회와 교육 수준이 낮은 사람들은 많은 디지털 의료 [42]플랫폼을 사용하는 데 필요한 신뢰할 수 있는 광대역의 부족과 기본적인 디지털 사용 능력의 부족과 같은 상당한 장벽이 부족하다.그 결과, 저소득 인구와 고소득 인구 사이의 이미 존재하는 건강 격차는 부상하고 있는 건강 기술에 [42]의해 더욱 악화될 수 있다.효과적인 디지털 의료 솔루션은 플랫폼 사용자 사이에서 의료 사용 능력 기술의 개발을 촉진하여 기술이 의도한 대로[49] 사용되도록 해야 합니다.

바이오 서베이런스 리스크

COVID-19 대유행의 시대에 질병 확산을 억제하기 위한 수단으로 디지털 건강 플랫폼을 사용하는 것이 전세계적으로 [50]가속화되었다.예를 들어, 한국에서는 정부가 검역 [51]지침을 준수하는지 확인하기 위해 감염된 사람들의 스마트폰 위치를 엄격하게 추적한다.이와 같은 프로그램은 이탈리아, [50]중국,[51] 폴란드 등과 [50]같은 국가에서 전 세계적으로 시행되고 있습니다.비판론자들은 확산과 싸우는 데는 유익하지만 개인들이 개인 의료 데이터를 정부 기관에 넘기는 것과 관련된 시민의 자유에 대한 잠재적 손실과 이러한 "감소된 규제"가 빈혈 이후 [51]세계에서 유지될지에 대해 우려하고 있다.

기존 규정의 결여

COVID-19 대유행은 디지털 의료 [52]분야에 존재하는 기존 규제 부족이 드러나게 했다.Electronic Health Record 플랫폼(EHR)을 살펴보면, 1996년 HIPAA(Health Insurance Portability and Accountability Act)가 [52]환자의 개인 데이터를 보호하기 위한 최초의 포괄적인 프레임워크였다.2009년 경제 및 임상 건강을 위한 건강 정보 기술(HITECH) 법으로 개정되었으며, 민간 부문을 통해 개인 건강 데이터 개인 정보 보호법을 검토하고 HIPAA의 [52]시행을 증가시키려 하고 있다.이러한 행위를 비판하는 사람들은 명시적인 [52]동의 없이 환자 데이터에 접근할 수 있는 약 60만 개의 사업체가 아직 있기 때문에 이러한 행위들은 충분히 멀리 가지 않는다고 주장한다.말할 것도 없이, HIPAA 규제가 지속적으로 위반되고 있다는 것을 증명하는 광범위한 보고서들이 있어, 일부 사람들은 정부가 그들이 [53]시행한 법을 집행할 능력조차 있는지 의심하게 만든다.페이스북과 애플과 같은 주요 기업들이 디지털 헬스로 이행하면서, 비평가들은 기존의 규제들이 충분히 [54]포괄적인지 의문을 제기하고 있다.

레퍼런스

  1. ^ Fadahunsi KP, O'Connor S, Akinlua JT, Wark PA, Gallagher J, Carroll C, et al. (May 2021). "Information Quality Frameworks for Digital Health Technologies: Systematic Review". Journal of Medical Internet Research. 23 (5): e23479. doi:10.2196/23479. PMC 8167621. PMID 33835034.
  2. ^ Fadahunsi KP, Akinlua JT, O'Connor S, Wark PA, Gallagher J, Carroll C, et al. (March 2019). "Protocol for a systematic review and qualitative synthesis of information quality frameworks in eHealth". BMJ Open. 9 (3): e024722. doi:10.1136/bmjopen-2018-024722. PMC 6429947. PMID 30842114.
  3. ^ Chen CE, Harrington RA, Desai SA, Mahaffey KW, Turakhia MP (June 2019). "Characteristics of Digital Health Studies Registered in ClinicalTrials.gov". JAMA Internal Medicine. 179 (6): 838–840. doi:10.1001/jamainternmed.2018.7235. PMC 6547144. PMID 30801617.
  4. ^ a b c d e Bhavnani SP, Narula J, Sengupta PP (May 2016). "Mobile technology and the digitization of healthcare". European Heart Journal. 37 (18): 1428–38. doi:10.1093/eurheartj/ehv770. PMC 4914890. PMID 26873093.
  5. ^ a b "WHO Global diffusion of eHealth: Making universal health coverage achievable". WHO. Archived from the original on 29 December 2016. Retrieved 5 November 2020.
  6. ^ a b O'Donoghue J, Herbert J (1 October 2012). "Data Management within mHealth Environments: Patient Sensors, Mobile Devices, and Databases". Journal of Data and Information Quality. 4 (1): 1–20. doi:10.1145/2378016.2378021. S2CID 2318649.
  7. ^ a b Widmer RJ, Collins NM, Collins CS, West CP, Lerman LO, Lerman A (April 2015). "Digital health interventions for the prevention of cardiovascular disease: a systematic review and meta-analysis". Mayo Clinic Proceedings. 90 (4): 469–80. doi:10.1016/j.mayocp.2014.12.026. PMC 4551455. PMID 25841251.
  8. ^ a b c d e "Digital health". US Food and Drug Administration. 19 July 2019. Retrieved 23 September 2019.
  9. ^ Mclaughlin M, Delaney T, Hall A, Byaruhanga J, Mackie P, Grady A, et al. (February 2021). "Associations Between Digital Health Intervention Engagement, Physical Activity, and Sedentary Behavior: Systematic Review and Meta-analysis". Journal of Medical Internet Research. 23 (2): e23180. doi:10.2196/23180. PMC 8011420. PMID 33605897.
  10. ^ Donkin L, Christensen H, Naismith SL, Neal B, Hickie IB, Glozier N (August 2011). "A systematic review of the impact of adherence on the effectiveness of e-therapies". Journal of Medical Internet Research. 13 (3): e52. doi:10.2196/jmir.1772. PMC 3222162. PMID 21821503.
  11. ^ Perez-Uribe R, Salcedo-Perez C, Ocampo-Guzman D (13 April 2018). Handbook of Research on Intrapreneurship and Organizational Sustainability in SMEs. IGI Global. ISBN 9781522535447.
  12. ^ Topol EJ (2012). The Creative Destruction of Medicine: How the Digital Revolution Will Create Better Health Care. Basic Books. ISBN 978-0-465-02550-3. OCLC 868260493 – via Internet Archive.
  13. ^ Iyawa GE, Herselman M, Botha A (2016). "Digital Health Innovation Ecosystems: From Systematic Literature Review to Conceptual Framework". Procedia Computer Science. 100: 244–252. doi:10.1016/j.procs.2016.09.149.
  14. ^ a b c d e f El-Miedany Y (1 January 2017). "Telehealth and telemedicine: how the digital era is changing standard health care". Smart Homecare Technology and TeleHealth. 4: 43–52. doi:10.2147/SHTT.S116009.
  15. ^ a b c d e f g Amft O (January 2018). "How Wearable Computing Is Shaping Digital Health". IEEE Pervasive Computing. 17 (1): 92–98. doi:10.1109/MPRV.2018.011591067. ISSN 1558-2590. S2CID 3921043.
  16. ^ a b c d e f Merians AS, Jack D, Boian R, Tremaine M, Burdea GC, Adamovich SV, et al. (September 2002). "Virtual reality-augmented rehabilitation for patients following stroke". Physical Therapy. 82 (9): 898–915. doi:10.1093/ptj/82.9.898. PMID 12201804.
  17. ^ a b Monaghesh E, Hajizadeh A (August 2020). "The role of telehealth during COVID-19 outbreak: a systematic review based on current evidence". BMC Public Health. 20 (1): 1193. doi:10.1186/s12889-020-09301-4. PMC 7395209. PMID 32738884.
  18. ^ Byaruhanga J, Atorkey P, McLaughlin M, Brown A, Byrnes E, Paul C, et al. (September 2020). "Effectiveness of Individual Real-Time Video Counseling on Smoking, Nutrition, Alcohol, Physical Activity, and Obesity Health Risks: Systematic Review". Journal of Medical Internet Research. 22 (9): e18621. doi:10.2196/18621. PMC 7519427. PMID 32915156.
  19. ^ a b Rich E, Miah A (2 January 2017). "Mobile, wearable and ingestible health technologies: towards a critical research agenda" (PDF). Health Sociology Review. 26 (1): 84–97. doi:10.1080/14461242.2016.1211486. ISSN 1446-1242. S2CID 151558809.
  20. ^ a b c Klinker K, Wiesche M, Krcmar H (25 June 2019). "Digital Transformation in Health Care: Augmented Reality for Hands-Free Service Innovation". Information Systems Frontiers. 22 (6): 1419–1431. doi:10.1007/s10796-019-09937-7. ISSN 1572-9419. S2CID 195330313.
  21. ^ a b c d Chang V (November 2017). "Computational Intelligence for Medical Imaging Simulations". Journal of Medical Systems. 42 (1): 10. doi:10.1007/s10916-017-0861-x. PMID 29177790. S2CID 13049464.
  22. ^ Silva BM, Rodrigues JJ, de la Torre Díez I, López-Coronado M, Saleem K (August 2015). "Mobile-health: A review of current state in 2015". Journal of Biomedical Informatics. 56: 265–72. doi:10.1016/j.jbi.2015.06.003. PMID 26071682.
  23. ^ a b Jiang T, Liang R, Wang Q, Bao Y (March 2018). "Speech Noise Reduction Algorithm in Digital Hearing Aids Based on an Improved Sub-band SNR Estimation". Circuits, Systems, and Signal Processing. 37 (3): 1243–1267. doi:10.1007/s00034-017-0605-7. ISSN 0278-081X. S2CID 3484142.
  24. ^ Fritz F, Tilahun B, Dugas M (March 2015). "Success criteria for electronic medical record implementations in low-resource settings: a systematic review". Journal of the American Medical Informatics Association. 22 (2): 479–88. doi:10.1093/jamia/ocu038. PMID 25769683.
  25. ^ "Progress in Canada". Canada Health Infoway. 2016. Archived from the original on 12 November 2016. Retrieved 11 November 2016.
  26. ^ Collier R (January 2015). "National Physician Survey: EMR use at 75%". CMAJ. 187 (1): E17–E18. doi:10.1503/cmaj.109-4957. PMC 4284187. PMID 25487665.
  27. ^ Källander K, Tibenderana JK, Akpogheneta OJ, Strachan DL, Hill Z, ten Asbroek AH, et al. (January 2013). "Mobile health (mHealth) approaches and lessons for increased performance and retention of community health workers in low- and middle-income countries: a review". Journal of Medical Internet Research. 15 (1): e17. doi:10.2196/jmir.2130. PMC 3636306. PMID 23353680. open access
  28. ^ "Topol review". Health Education England. 21 February 2018. Retrieved 8 March 2020.
  29. ^ "The Topol Review". The Topol Review – NHS Health Education England. Retrieved 8 March 2020.
  30. ^ "National Institutes of Health (NIH)". National Institutes of Health (NIH) — All of Us. 1 June 2020. Retrieved 12 May 2021.
  31. ^ Plattner H, Schapranow MP, eds. (2013). High-Performance In-Memory Genome Data Analysis. Springer.
  32. ^ a b Benjamin K, Potts HW (27 February 2018). "Digital transformation in government: Lessons for digital health?". Digital Health. 4: 2055207618759168. doi:10.1177/2055207618759168. PMC 6005404. PMID 29942624.
  33. ^ FDA (26 September 2019). "Examples of Software Functions for Which the FDA Will Exercise Enforcement Discretion". U.S. Food and Drug Administration. Retrieved 8 June 2020.
  34. ^ Center for Devices and Radiological Health (16 April 2020). "Enforcement Policy for Digital Health Devices For Treating Psychiatric Disorders During the Coronavirus Disease 2019 (COVID-19) Public Health Emergency". U.S. Food and Drug Administration. Retrieved 30 July 2020.
  35. ^ Agrawal R, Prabakaran S (April 2020). "Big data in digital healthcare: lessons learnt and recommendations for general practice". Heredity. 124 (4): 525–534. doi:10.1038/s41437-020-0303-2. PMC 7080757. PMID 32139886.
  36. ^ Daniel Essin MA (6 February 2012). "Improve EHR Systems by Rethinking Medical Billing". Physicians Practice. Retrieved 8 March 2020.
  37. ^ Gawande A. "Why Doctors Hate Their Computers". The New Yorker. Retrieved 8 March 2020.
  38. ^ Center for Devices and Radiological Health (22 September 2020). "What is Digital Health?". FDA.
  39. ^ a b c Torous J, Roberts LW (May 2017). "Needed Innovation in Digital Health and Smartphone Applications for Mental Health: Transparency and Trust". JAMA Psychiatry. 74 (5): 437–438. doi:10.1001/jamapsychiatry.2017.0262. PMID 28384700.
  40. ^ a b c Sharon T (1 July 2018). "When digital health meets digital capitalism, how many common goods are at stake?". Big Data & Society. 5 (2): 2053951718819032. doi:10.1177/2053951718819032. ISSN 2053-9517. S2CID 150255521.
  41. ^ Larson DB, Magnus DC, Lungren MP, Shah NH, Langlotz CP (June 2020). "Ethics of Using and Sharing Clinical Imaging Data for Artificial Intelligence: A Proposed Framework". Radiology. 295 (3): 675–682. doi:10.1148/radiol.2020192536. PMID 32208097. S2CID 214643087.
  42. ^ a b c d Lupton D (2014). "Critical Perspectives on Digital Health Technologies". Sociology Compass. 8 (12): 1344–1359. doi:10.1111/soc4.12226. ISSN 1751-9020.
  43. ^ Becker S, Miron-Shatz T, Schumacher N, Krocza J, Diamantidis C, Albrecht UV (May 2014). "mHealth 2.0: Experiences, Possibilities, and Perspectives". JMIR mHealth and uHealth. 2 (2): e24. doi:10.2196/mhealth.3328. PMC 4114478. PMID 25099752.
  44. ^ Lloyd-Sherlock PG, Ebrahim S, McKee M, Prince MJ (August 2016). "Institutional ageism in global health policy". BMJ. 354: i4514. doi:10.1136/bmj.i4514. PMID 27582131. S2CID 41312322.
  45. ^ a b c d "The Effect of Ageism on the Digital Divide Among Older Adults". heraldopenaccess.us. Retrieved 3 November 2020.
  46. ^ a b Loader BD (13 January 2009). Loader B, Hardey M, Keeble L (eds.). Digital Welfare for the Third Age. doi:10.4324/9780203886533. ISBN 9780203886533.
  47. ^ "Eighth Broadband Progress Report". Federal Communications Commission. 21 August 2012. Retrieved 3 November 2020.
  48. ^ "Press Release". www.itu.int. Retrieved 3 November 2020.
  49. ^ Dunn P, Hazzard E (October 2019). "Technology approaches to digital health literacy". International Journal of Cardiology. 293: 294–296. doi:10.1016/j.ijcard.2019.06.039. PMID 31350037. S2CID 196519877.
  50. ^ a b c "The rise of the bio-surveillance state". www.newstatesman.com. 25 March 2020. Retrieved 3 November 2020.
  51. ^ a b c "Coronavirus bio-surveillance around the globe". Big Think. 27 March 2020. Retrieved 3 November 2020.
  52. ^ a b c d Solove DJ (4 April 2013). "HIPAA Turns 10: Analyzing the Past, Present, and Future Impact". Rochester, NY. SSRN 2245022. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  53. ^ Miron-Scahtz T, Elwyn G (30 June 2011). "To serve and protect? Electronic health records pose challenges for privacy, autonomy and person-centered medicine". International Journal of Person Centered Medicine. 1 (2): 405–409. doi:10.5750/ijpcm.v1i2.84.
  54. ^ Sharon T (July 2020). "Blind-sided by privacy? Digital contact tracing, the Apple/Google API and big tech's newfound role as global health policy makers". Ethics and Information Technology. 23 (Suppl 1): 45–57. doi:10.1007/s10676-020-09547-x. PMC 7368642. PMID 32837287.

외부 링크