INITIATIVE BIG DATA IN NURSING

Diajukan Sebagai Tugas Sistem Informasi Keperawatan

Dosen Pengampu : Julianto, Ns.,M.Kep

Haifa Nurpidah NPM : 1814201110025

PROGRAM STUDI S1 KEPERAWATAN A REGULER

FAKULTAS KEPERAWATAN DAN ILMU KESEHATAN

UNIVERSITAS MUHAMMADIYAH BANJARMASIN

TAHUN AJARAN 2019/2020

 Initiative Big Data in Nursing

Keperawatan dan keperawatan servis berdiri untuk manfaat dari penerapan metode ilmiah
data ke sejumlah besar data sekarang muncul dari sensor lingkungan, penilaian klinis, dan
pencitraan dan laboratorium penelitian. Jumlah ini besar data, disebut sebagai “big data,” dapat
memegang wawasan tentang pengalaman pasien sampai sekarang tidak tersedia melalui proaches
penelitian tradisional. Partisipasi keperawatan dalam inisiatif data dan ilmu data besar sekarang
sedang berjalan adalah penting untuk memastikan bahwa penemuan tidak hanya dibentuk oleh
under unik profesionalisasi kami sion initanding dari pengalaman pasien tetapi juga bahwa
penemuan mengakibatkan pengetahuan yang berguna untuk menyusui. (Brennan & Bakken,
2015)

Ungkapan “big data” muncul selama dekade terakhir untuk mencakup fenomena
sejumlah besar data yang muncul dari sensor, teknik penelitian baru, dan teknologi informasi di
mana-mana. Data besar adalah pertama dan terutama metrik ukuran, mencerminkan awalnya ide
bahwa data set jauh melebihi yang biasa ditemukan dalam penelitian atau praktek bisnis yang
sekarang tersedia dan membutuhkan cara-cara baru untuk mengelola dan metode baru untuk
analisis. Apa yang muncul adalah realisasi bahwa data yang “besar” tidak hanya karena ukuran
(volume data), tetapi juga karena karakteristik lainnya. Acteristics Char ini termasuk berbagai,
kecepatan, kejujuran, dan nilai (Laney, 2001). Ragam mencerminkan keragaman jenis data,
termasuk namun tidak terbatas pada data yang alfanumerik, data gambar, dan data aliran kontinu,
seperti streaming video atau aliran darah pemantauan. (Brennan & Bakken, 2015)

Ada pendekatan untuk analisis set data besar memberikan perlu tetapi tidak dasar yang
cukup untuk keperawatan untuk berpartisipasi dalam data revolusi atau keinginan besar.
Keperawatan Pernyataan Kebijakan Sosial menuntun, perspektif etika berprinsip pada data besar
dan ilmu pengetahuan data. Ada implikasi untuk perawat klinis praktek dasar dan lanjutan dalam
praktek, untuk ilmuwan perawat yang bekerja sama dengan para ilmuwan data, dan untuk
ilmuwan perawat data. (Brennan & Bakken, 2015)

Ilmu Data adalah suatu filosofi dan satu set teknik data alamat yang terbuka diakses dan
didistribusikan di beberapa lokasi, dieksplorasi dan dianalisis dengan rutinitas dibagikan, dan
penuh dengan ketidakpastian, sehingga asal data (jejak sumber data dan semua modifikasi
berikutnya) adalah sebagai penting dalam eksplorasi data yang besar sebagai variabel yang tepat
definisi yang dalam tradisial penyelidikan. Data muncul sebagai sekunder untuk beberapa proses
lain, seperti mengirim feed Twitter tentang flu atau mengevaluasi kehadiran artikel tertentu
dalam eksplorasi genotipe. (Brennan & Bakken, 2015)

Contoh terbaru dari inisiatif tingkat negara yang sukses, yang diciptakan oleh peserta Big
data Conference, termasuk balasan Minnesota untuk kebutuhan masuknya istilah keperawatan
dalam pengaturan kesehatan. Minnesota Komisaris Kesehatan, dalam menanggapi e-Health
Komite Penasehat Minnesota, merekomendasikan penggunaan terminologi keperawatan di setiap
pengaturan kesehatan di seluruh negara bagian. Memperluas inisiatif ini ke tingkat nasional,
Dewan ANA dan Kantor Koordinator Nasional membuat rekomendasi serupa:

1. Semua pengaturan kesehatan harus membuat rencana untuk imple menting sebuah
terminologi ANA diakui mendukung praktik keperawatan dalam EHRs mereka.
2. Setiap jenis pengaturan harus mencapai konsensus pada stan terminologi dard yang
paling sesuai dengan kebutuhan mereka dan pilih bahwa terminologi untuk EHRs
mereka, baik secara individu atau secara kolektif sebagai sebuah kelompok (misalnya,
EHR kelompok pengguna).
3. Pendidikan harus tersedia dan bimbingan harus dikembangkan untuk memilih
terminologi diakui yang paling sesuai dengan kebutuhan untuk pengaturan khusus.
4. Ketika bertukar Continuity Konsolidasi Perawatan Arsitektur dengan pengaturan lain,
sistematis Tidak ada menclature of Medicine-Clinical Syarat (SNOMED CT) dan Nama
Identifier Logical Observasi dan Kode (LOINC) harus digunakan untuk
pertukaranmasalah dan rencana perawatan. LOINC harus digunakan untuk pengkodean
penilaian keperawatan dan hasil, dan SNOMED CT harus digunakan untuk masalah,
intervensi, dan observasi findings.
5. Kesehatan pertukaran informasi antara penyedia menggunakan terminologi yang sama
tidak memerlukan konversi dari sion data untuk kode SNOMED CT atau LOINC.
6. Pengembangan repositori data klinis yang mencakup beberapa terminologi diakui harus
didasarkan padaterminologi yang diakui secara nasional Klasifikasi Internasional
Penyakit, Kesembilan Revisi (atau Revisi Kesepuluh), sekarang prosedural Terminologi,
 RxNorm, SNOMED CT, dan LOINC. (Delaney, Pruinelli, Alexander, & Westra, 2016)

Selain rekomendasi tersebut, Keperawatan Manajemen Minimum Set Data telah diperbarui
dan didistribusikan melalui LOINC. Keperawatan Manajemen Minimum data Set meliputi istilah
dan definisi yang menggambarkan konteks perawatan di mana perawat memberikan kontribusi
praktek untuk ef perawatan fective. Upaya kolaboratif dari perawat dalam praktek, vendor EHR,
akademisi, dan anggota organisasi profesional membuat kemajuan menuju pembentukan
kebijakan kesehatan yang mendukung pelaksanaan data keperawatan sharable dan sebanding.
(“2018 Nursing Knowledge Big Data Science Initiative : CIN: Computers, Informatics,
Nursing,” n.d.; Delaney et al., 2016)

 Kebutuhan Keperawatan Big Data dan Ilmu data

Relevansi data yang besar dan ilmu data ke ilmu keperawatan multifaset. Pertama, karena ini
sumber data yang unik dan besar yang lebih mudah diakses, data besar memiliki potenesensial
untuk menerangi fenomena keperawatan dengan cara yang lebih kaya dan bersemangat. Sumber
data tradisional tentang gejala:

Gambar 1. peran teori dalam penelitian keperawatan ilmu-driven tradisional dan data.

Status, strategi manajemen, dan hasil seperti laporan pasien, tindakan survei standar, dan
data EHR sekarang dapat dilengkapi dengan sumber data lain untuk meningkatkan pemahaman
dari pengalaman gejala dan intervensi penjahit strategi. Ini termasuk biosensor, aplikasi mobile,
dan “-omics” seperti data yang berkaitan dengan genom (misalnya, mutasi SNP), metabolome,
dan bioma mikro. Kedua, jaringan didistribusikan mengaktifkan pengolahan dan analisis data
besar di ratusan node menggunakan query dan platform analitik didukung oleh ribuan
pengembang. Dengan demikian, ada modeling besar dan sumber daya analitik. Ketiga, data besar
menyediakan jalur baru untuk pengetahuan informasi tetapi tidak dibatasi oleh teori (Gambar 1).
(Brennan & Bakken, 2015)

Hasil pengetahuan dari proses. Dalam Gambar 1, gambar kiri menggambarkan pendekatan
tradisional untuk penelitian dan mencerminkan pendekatan familiar-to-keperawatan heory-
driven, di mana interaksi kompleks antara pertanyaan dan resolves teori dengan pemilihan teori
untuk memandu penelitian. Teori kemudian drive data apa yang dicari dan apa yang ditolak
(Brennan, 2008), dan bagaimana data disimpan, terstruktur, dieksplorasi melalui visualisasi dan
pendekatan lainnya, dan dimanipulasi di proses analisis dari mana pengetahuan akhirnya
menghasilkan dan ditafsirkan. (Brennan & Bakken, 2015)

Sebaliknya, gambar di sebelah kanan pada Gambar 1 menggambarkan pendekatan ilmu Data
dimana data sudah ada dan penyimpanan data yang keluar dari kendali tim investigasi. Teori
memasuki proses pada titik penataan data untuk penyelidikan, dan pada titik-titik berikutnya.
Teori memastikan pendekatan yang efisien untuk eksplorasi melalui visualisasi dan manipulasi,
mencegah random walk pepatah melalui data yang mencari dan menemukan penemuan,
kebetulan hanya setelah pengeluaran sumber daya yang besar. (Brennan & Bakken, 2015)

DAFTAR PUSTAKA
2018 Nursing Knowledge Big Data Science Initiative : CIN: Computers, Informatics, Nursing.
(n.d.). Retrieved December 25, 2019, from
https://journals.lww.com/cinjournal/Citation/2018/10000/2018_Nursing_Knowledge_Big_
Data_Science_Initiative.2.aspx

Brennan, P. F., & Bakken, S. (2015). Nursing Needs Big Data and Big Data Needs Nursing.
Journal of Nursing Scholarship, 47(5), 477–484. https://doi.org/10.1111/jnu.12159

Delaney, C. W., Pruinelli, L., Alexander, S., & Westra, B. L. (2016). 2016 Nursing Knowledge
Big Data Science Initiative. CIN: Computers, Informatics, Nursing, 34(9), 384–386.
https://doi.org/10.1097/CIN.0000000000000288