เหตุใดการเคลื่อนไหว #QuantifiedSelf จึงยังคงดำเนินต่อไปในด้านการแพทย์

ตัดตอนมาจากบทความในบล็อก Medtech Pulse:

“ หลายคนที่มาที่สำนักงานของฉัน…มาเพราะการแพทย์แผนปัจจุบันทำให้พวกเขาล้มเหลวไม่ทางใดก็ทางหนึ่งหรือพวกเขาใช้อำนาจจนหมดเพื่อช่วยพวกเขาและพวกเขาไม่รู้จะทำอะไรอีก” - ราเชลนาโอมิเรเมน, MD

เมื่อสองสามสัปดาห์ก่อนที่ Stanford Medicine X Paul Abramson MD ใช้คำพูดดังกล่าวเพื่อเริ่มการนำเสนอเกี่ยวกับการเคลื่อนไหวของ Quantified Self ที่ตัดกับยา Abramson เดิมเป็นวิศวกรไฟฟ้าจากการฝึกอบรมพบว่าเขามีแรงบันดาลใจจากการฟังเรื่องราวของผู้คนและพยายามช่วยเหลือพวกเขามากกว่าการทำวิจัยด้านวิศวกรรม จากนั้นเขาก็เข้าเรียนในโรงเรียนแพทย์และในที่สุดก็เริ่มฝึกเวชศาสตร์ครอบครัว ต่อมาเขาเริ่มตะลุยติดตามตัวเองเพื่อหาสาเหตุที่ทำให้เขาปวดหัวซ้ำซาก ต่อมาเขาใช้ข้อมูลที่ได้จากการทดลองเพื่อเชื่อมโยงอาการปวดหัวกับปัญหาการนอนหลับและมีความศักดิ์สิทธิ์:“ ทำไมเราไม่สามารถทำ [สิ่งที่คล้ายกัน] สำหรับผู้คนจำนวนมากได้”

ในบรรดาปัญหาที่ใหญ่ที่สุดในด้านการแพทย์ดังที่ Abramson เห็นคือการขาดการเสริมสร้างศักยภาพของผู้ป่วยและการบริการลูกค้าที่ไม่ดี เขาอธิบายการเคลื่อนไหว Quantified Self เพื่อช่วยแก้ไขปัญหาดังกล่าว ในหลาย ๆ ด้านสิ่งที่ผู้ติดตามสุขภาพกำลังทำอยู่นี้เป็นการขยายประเพณีทางการแพทย์ที่ยาวนาน “ แพทย์ได้สั่งบันทึกอาการปวดหัวสำหรับผู้ที่เป็นไมเกรนและบันทึกการกินอาหาร [มาเป็นเวลานานแล้ว] "ในขณะที่การเคลื่อนไหวด้วยตนเองในเชิงปริมาณให้พลังใหม่ในการตรวจสอบสุขภาพของตนเอง แต่คนส่วนใหญ่ประสบความสำเร็จอย่าง จำกัด ในการติดตามตนเองเว้นแต่ว่า เขายอมรับว่ามีแรงจูงใจสูง เพื่อจัดการกับปัญหาดังกล่าวอับรามสันได้คิดกระบวนทัศน์ในการปฏิบัติทางการแพทย์ของเขาเพื่อให้ผู้ป่วยติดต่อกับโค้ชการติดตามข้อมูลและแพทย์ “ มันเป็นวิธีการที่ใช้ทีม แต่มันขึ้นอยู่กับแบบจำลองการสำรวจตนเองนี้จริงๆ” Quant Coach ทำงานร่วมกับผู้ป่วยในฐานะเพื่อนเพื่อช่วยกระตุ้นและตีความข้อมูลสุขภาพของพวกเขา

คุณสามารถค้นหาบทความต้นฉบับได้ที่นี่: http://www.qmed.com/mpmn/medtechpulse/why-quantified-self-movement-will-continue-make-inroads-medicine

และดร. อับรามสัน บล็อก Quantified Doctor ที่นี่

 

เขียนความเห็น

ที่อยู่อีเมลของคุณจะไม่ถูกเผยแพร่ ช่องที่ต้องการถูกทำเครื่องหมาย *

ไซต์นี้ใช้ Akismet เพื่อลดสแปม เรียนรู้วิธีการประมวลผลข้อมูลความคิดเห็นของคุณ.