База данных медицина

Основные
идеи,
которые лежат в основе концепции базы
данных:


Изолировать
любую прикладную программу от влияния
изменений
в других программах через общие данные
путем размежевания логических записей,
которые используются прикладными
программами, от записей, которые физически
запоминаются на магнитных носителях.


Устранить
чрезмерное дублирование данных.

Итак,
суть концепции баз данных состоит
в интегрированном сохранении и
дифференцированном использовании
прикладными программами всей информации
об объектах предметной области, которые
представляют определенный интерес для
организации.

Все
данные размещаются в едином
хранилище. Пользователи автоматизированных
информационных систем (АИС)
имеют возможность обращаться к любым
данным, которые их
интересуют. Одни и те же данные могут
быть в разных комбинациях и по-разному
представленные соответственно
потребностям пользователей (прикладных
программ). Это обеспечивается за счет
системы управление
базами данных (СУБД).

БД– это совокупность сведений
о конкретных объектах реального мира
в какой-либо предметной области. Синоним
термина«база данных» – «банк данных».

Под
предметной
областью (ПрО)
принят
понимать часть реального мира,
который
подлежит изучению для организации
управления, например, предприятие, ВНЗ
и т.п..

БД может быть основана на одной
модели или на совокупности нескольких
моделей. Любую модель данных можно
рассматривать как объект, который
характеризуется своими свойствами
(параметрами), и над ней, как над объектом,
можно производить какие-либо действия.

СУБД
называется
совокупность языковых
и программных средств, предназначенных
для создания, управления и совместного
использования БД
многими пользователями.

Основные
требования к базам данных и систем
управление
базами данных:


Возможность представления адекватных
реальной предметной области структур
данных (построение адекватной
информационной модели предметной
области).


Простота и малые
затраты ресурсов на развитие системы
(быстрая
и дешевая модификация старых и разработка
новых программных приложений
в рамках автоматизированной информационной
системы).


Простота и оперативность доступа
к данным, возможность поиска информации
разными методами.


Возможность одновременного эффективного
обслуживания большого количества
пользователей.


Возможность использования в распределенных
вычислительных сетях компьютеров.


Обеспечение
режима разграниченного доступа
к данным и программам, исключение
возможности их несанкционированного
применения.


Обеспечение
представления данных пользователям в
удобном виде
для их дальнейшего применения.


Обеспечение
необходимой скорости решения
задач при ограниченных затратах ресурсов
компьютеров.


Обеспечение
защиты информации в
БД
от сбоев и отказов в работе технических
средств и ошибок пользователей.

Основными
преимуществами относительно применения
БД
и СУБД
во время реализации на их основе
автоматизированных поисково-информационных
систем есть:


Сокращение
лишней чрезмерности данных, которые
сохраняются. Данные, которые используются
несколькими программами, интегрируются
и сохраняются в одном месте. Чрезмерность
данных есть,
но она минимальная и необходимая только
для обеспечения взаимосвязи разных
данных определенной предметной области.


Устраняется противоречивость данных,
что может возникать, если одни и те же
данные, которые используются разными
программами, подаются несколько раз и
если в случае необходимости их изменения
не все копии восстановлены.


Данные, которые сохраняются, используются
совместно. Это предоставляет возможность
разрабатывать новые программные
приложения
над уже
существующей базой данных с
минимальными затратами.


Обеспечивается более
простое, быстрое
и дешевое развитие автоматизированных
систем за счет обеспечения логической
взаимной независимости программ и
данных в
БД.


Упрощается поддержка целостности
данных (адекватности и согласованности).


Обеспечивается возможность быстрого
предоставления данных на нестандартные
(заранее непредвиденные) запросы
пользователей без дополнительной
разработки прикладных программ.


Создается возможность комплексной
автоматизации параметров АИС,
возможное благодаря централизованному
управлению базой данных.


В случае централизованного управления
базой данных упрощается стандартизация
и унификация представления данных в
АИС.

Основными
недостатками, с
которыми могут встретиться пользователи
и разработчики программного обеспечения
во время применения БД
и СУБД,
есть:


дополнительные затраты аппаратных
ресурсов (например памяти) во время
размещения и работы СУБД;


дополнительные затраты на установление
и поддержку СУБД
в рабочем состоянии;


необходимость
квалифицированного персонала для
централизованного управления базой
данных (администрации БД),
а и
также
дополнительные затраты.


разные типы представления данных и
операции над ними (в том числе
фактографических, документальных,
карто-графических
данных);


естественное и эффективное представление
в
БД
разных отношений между объектами
(например, визуализация данных, которые
характеризуются параметрами пространства
и времени);


проверку данных на непротиворечивость;


дедуктивный вывод (дедуктивные БД);


управление
распределенными БД
и интеграцию неоднородных БД;


централизацию и интеграцию данных в
сетях ПК.

Создавая
базу данных, пользователь стремится
привести в порядок информацию о разных
признаках объектов и быстро получить
выборку данных с
произвольным соединением признаков.
Сделать это возможно только если данные
структурированные.

Структурирование
— это введения
соглашений о способах представления
данных. Неструктурированными называют
данные, записанные, например, в текстовом
файле.

Системы управления базами данных

Базы
данных служат для сбора, накопления,
хранения и использования медицинской
информации. К ним можно отнести
электронные медицинские карты стационарных
и амбулаторных больных, архивы результатов
различных исследований, электронные
системы учета лекарственных препаратов
и т.д. Они позволяют не только компактно
хранить соответствующую информацию и
оперативно визуализировать ее, но и
содержат средства сортировки, фильтрации
и преобразования информации с созданием
отчетных документов. Кроме того, базы
данных допускают расширение и
редактирование в зависимости от
потребностей пользователя и позволяют
организовать защиту информации от
утраты и несанкционированного доступа.
Благодаря
этим свойствам электронные базы данных
служат мощным инструментом автоматизации
работы врача.

Следует отметить,
что значительная часть информации,
используемой в управленческой
деятельности, существует в форме
документов. Особенно актуально это
положение для здравоохранения. Нельзя
не учитывать, что документационное
обеспечение управления представляет
собой отдельную и достаточно сложную
отрасль современной науки, а грамотное
оформление документов является
обязательным условием успешной
деятельности, как каждого специалиста,
так и учреждения в целом.

Одно из перспективных
направлений применения информационных
технологий в здравоохранении – это
использование вычислительной техники
для обработки медицинской документации.
АРМ позволяет вести централизованную
базу данных пациентов, включая всю
информацию об обследованиях и проводимом
лечении. При использовании АРМ и
правильной организации системы хранения
данных карта пациента никогда не
потеряется, а поиск ее будет максимально
упрощен. Кроме того, все заключения и
результаты обследования и лечения могут
быть в любой момент распечатаны на
принтере и выданы на руки пациенту.
Современная концепция медицинских
информационных систем предполагает
объединение электронных записей о
больных с архивами медицинских
изображений, результатами работы
автоматизированных лабораторий и
следящих систем, а также наличие
современных средств обмена информацией
(электронной почты, Интернета,
видеоконференций). Обслуживание пациентов
становится более удобным и для врачей,
и для самих пациентов.

Рассмотрим
некоторые преимущества электронных
карт перед рукописными:

Существуют
некоторые проблемы внедрения
компьютеризированных историй болезни.
Это высокие первоначальные финансовые
и временные затраты на заказ и установку
аппаратного и программного обеспечения,
обучение персонала; последующие
эксплутационные траты на поддержание
нормального бесперебойного функционирования,
обслуживание и модернизацию системы,
доступ к сетям связи. Однако, при грамотной
организации АРМ эти затраты не столь
велики и быстро окупаются быстротой и
удобством работы.

Соседние файлы в папке Дополнительные материалы

Цель
занятия: сформировать
у студента представление об основных
принципах поиска и оценки доказательной
информации, полученной в результате
проведения эпидемиологических
исследований.

В
результате изучения темы студенты
должны знать:

• информационные
системы в медицине;

• базы
данных: определение, классификация;

• типы
и особенности формулировки вопросов,
возникающих при оценке эффективности
профилактики и лечения;

• электронные
источники доказательной информации;
содержание и ха­рактеристики конкретных
БД, содержащих сведения по доказательной
медицине;

• поисковые
системы в БД; операторы булевой алгебры,
используемые при поиске информации;

• стратегии
формирования поискового запроса в
различных поисковых сис­темах и БД в
зависимости от типа клинического
вопроса;

В
результате изучения темы студенты
должны уметь:

• определять
вид и структуру эпидемиологических
исследований, позво­ляющих получить
доказательную информацию для решения
конкретной практической задачи;

• составлять
алгоритм поиска (стратегия поиска)
публикаций, посвящен­ных определенному
типу эпидемиологических исследований
в соответст­вующих базах данных;

• проводить
поиск исследований в базе MEDLINE
с помощью фильтров ме­тодологии
«Clinical
Queries*
(клинические запросы);

• оценивать
значимость найденной информации для
решения практической задачи.

В
процессе самоподготовки студенты
изучают рекомендованную ли­тературу
и информационный материал, приведенный
в данной главе.

1.
Определение понятия база
данных.

2.
Типы
вопросов, возникающих при решении задач
в медицинской практике.

3.
Формулировка вопроса. Выделение в
вопросе составных частей по формуле
Пациент-Вмешательство-Сравнение-Исход
(формула
— ПВСИ или PICO).

4.
Соответствие часто встречающихся типов
практических вопросов в ме­дицине
определенным структурам эпидемиологических
исследования.

I,
Поисковые системы. Применение операторов
булевой логики для по­иска информации.

6.
Источники доказательной информации.

7.
Принципы
работы с БД MEDLINE,
размещенной на сайте www.pubmed.com.
Использование фильтров поиска информации
в зависимости от методологии исследования:
Clinical
Queries
(кли­нические запросы) и Special
Queries
(специальные запросы).

Задача
1.
Найдите в БД MEDLINE,
доступной на сайте www.
pubmed.
com,
следующие
статьи, посвященные вопросам
эпидемиологических исследований и
доказательной медицине.

• Статью
С. Л. Плавинского, опубликованную в
журнале Nutrition,
Metabo­lism
and
Cardiovascular
Diseases,
в которой проводилось сравнение уровней
общего холестерина плазмы крови и
ХСЛПВПсреди жителей Санкт-Пе­тербурга
и Лейпцига.

• Систематический
обзор Крейг (Craig)
с соавторами по оценке мето­дов
измерения у детей температуры тела в
ушной раковине и в прямой кишке,
опубликованный в известном англоязычном
журнале примерно в 2000г.

• Серию
статей Дэвида Граймза и Кеннета Шульца
(David
A.
Grimes
и Kenneth
F.
Schulz),
посвященных дизайну эпидемиологических
исследо­ваний опубликованных в 2002г.
в журнале Lancet.

• Найдите
максимальное количество статей,
написанных профессором Дэвидом Сакеттом
(David
Sackett),
для которых предложены ссылки к
полнотекстовому доступу.

Задача
2.
Воспользовавшись фильтрами Clinical
Queries,
размещен­ными на сайте www.
pubmed.
com,
найдите не менее трех статей и обзоров
(лучше систематических), посвященных
следующим аспектам проблемы рака
молочной железы:

• оценке
эффективности лечения;

БД
— один из основных компонентов современных
информацион­ных систем. Информационная
система — взаимосвязанная
совокупность средств, методов и персонала,
используемых для хранения, обработки
и выдачи информации.

Цель
любой информационной системы — обработка
информации конкретной предметной
области. Пример — системы поддержки
кли­нических решений. Обычно они
представляют БД, которые объединяют
электронные истории болезни со
специальными инструментами, та­кими
как автоматические напоминания или
калькуляторы дозировки ЛС, предназначенные
для использования клиницистами в
процессе при­нятия решений. В основу
систем поддержки должны быть положены
на­учно обоснованные руководства по
клинической практике или другие
достоверные данные научных исследований.

В
настоящее время медицинские информационные
системы — одна из приоритетных областей
разработки программных средств во всем
мире и представляют трудоемкую задачу
из-за целого ряда факторов:

• множества
факторов и сложности их взаимодействия
в процессе при­нятия медицинских
решений;

• отсутствия
стандартизации в терминологии, формате,
шкалах изме­рения;

• высоких
требований к параметрам компьютеров
по скоростям до­ступа, объемам памяти,
обработке графики.

Базы
данных. БД
можно определить как организованную
совокуп­ность взаимосвязанных хранимых
вместе данных, представленных на
электронных носителях, предназначенных
и пригодных для реше­ния специальных
задач с использованием средств
вычислительной техники.

Особенности
такой совокупности данных:

• большие
объемы информации;

• максимально
возможная компактность хранения данных;

• возможность
извлечения из БД разнообразной информации
в опре­деленной предметной области;

• удобные
для пользователя вид и форма извлекаемой
информации;

• высокая
скорость доступа к данным;

• надежность
хранения информации и возможность
предоставления санкционированного
доступа к данным для отдельных
пользова­телей;

• удобство
и простота конструирования пользователем
запросов, форм и отчетов для выборки
данных.

Создание
БД, ее поддержка и обеспечение доступа
пользователей к ней осуществляют с
помощью специального программного
инстру­мента — системы управления
базами данных. Система
управления базами данных (СУБД) —
программное обеспечение для создания
и редактирова­ния баз данных, просмотра
и поиска информации в них.

По
технологии обработки и хранения данных
БД делят на централи­зованные и
распределенные.

Централизованные
БД по способу доступа делят на:

• БД
с локальным доступом (данные и процедуры
их обработки хра­нятся на одной
машине);

• БД
с удаленным (сетевым) доступом. Системы
управления базами данных с удаленным
доступом могут быть построены с
использова­нием архитектур файл-сервер
и клиент-сервер.

Принцип
организации: одна машина выделена в
качестве централь­ной (сервер файлов),
на ней хранится централизованная БД.
Остальные машины сети выполняют функции
рабочих станций. Файлы БД в со­ответствии
с пользовательскими запросами рабочих
станций переда­ются на эти станции и
там обрабатываются. Производительность
такой системы падает, если требуется
интенсивный одновременный доступ к
одним и тем же данным. В настоящее время
эту архитектуру считают устаревшей.

Принцип
организации: центральная машина (сервер
БД) хранит цен­трализованную БД и
процедуры обработки. Клиент посылает
запрос, он обрабатывается сервером, и
данные, полученные по запросу, передаются
клиенту.

Распределенная
БД состоит из нескольких частей, хранимых
на раз­личных компьютерах вычислительной
сети. Этот способ обработки под­разумевает
наличие нескольких серверов (обслуживающих
компьютеров), на которых может храниться
пересекающаяся или даже дублирующая
ин­формация. Для работы с такой БД
используют систему управления
рас­пределенными БД.

По
используемой модели БД разделяют на
иерархические, сетевые ре­ляционные,
объектно-ориентированные и гибридные.

Иерархическая
модель БД
состоит из объектов с указателями от
ро­дительских объектов к потомкам,
соединяя вместе связанную инфор­мацию.

К
основным понятиям сетевой
модели БД
относят: уровень, элемент (узел) и связь.
Узел — совокупность атрибутов данных,
описывающих некоторый объект. В сетевой
структуре каждый элемент бывает связан
с любым другим элементом. Сетевые БД
подобны иерархическим, за ис­ключением
того, что в них имеются указатели в обоих
направлениях, ко­торые соединяют
родственную информацию.

Реляционная
модель (англ.
relation
— отношение)
БД ориентирована на организацию данных
в виде двумерных таблиц. Для этих моделей
ха­рактерна простота структуры данных,
удобное для пользователя таблич­ное
представление. В реляционных БД используют
язык Structured
Query
Language
— язык
структурированных запросов — универсальный
язык, применяемый для создания, модификации
и управления данными.

В
объектно-ориентированных
базах
данные хранятся в виде объектов. С
объектно-ориентированными базами данных
удобно работать, приме­няя
объектно-ориентированное программирование.
Однако сегодня та­кие базы данных еще
не достигли такой популярности, как
реляционные, поскольку значительно
уступают им в производительности.

Гибридные
СУБД
совмещают в себе возможности реляционных
и объ­ектно-ориентированных баз
данных.

Сегодня
БД — мощный инструмент совершенствования
процессов оказания медицинской помощи.
Появление в конце XX в. медицинских БД,
доступных широкому кругу пользователей,
позволило проводить быстрый поиск,
анализ и обобщение информации о
результатах эпидеми­ологических и
других исследований и способствовало
развитию подхода к оказанию медицинской
помощи, получившему название «медицина,
основанная на доказательствах»
(научно-обоснованная медицинская
практика).

Выбор
стратегии поиска информации

Часто
встречающиеся типы вопросов в медицинской
практике

Из
множества вопросов, которые могут
интересовать медицинских работников
можно выделить наиболее часто встречаемые
типы. Это воп­росы, касающиеся
клинических данных, симптомов заболевания,
про­гноза, профилактики, этиологии и
причин заболевания, вреда и риска,
диагностических тестов, дифференциальной
диагностики, качества жизни, терапии,
экономической эффективности и др.

Для
целей разработки стратегий информационного
поиска можно указать 5 общих типов
клинических вопросов, которые включают
в себя все прочие типы.

• Лечение
(терапия)
— вопросы о том, какое лечение (если
таковое воз­можно) надо назначить и
какими могут быть результаты различных
методов лечения. Эта группа включает
также вопросы относительно профилактики,
организации программ скрининга, повышения
качес­тва медицинской помощи.

• Диагностика
— вопросы
относительно степени надежности и
клини­ческой полезности конкретного
теста, которые обычно ставят, чтобы
определить, принесет ли данный тест
достаточную пользу конкрет­ному
пациенту. В большинстве статей по
диагностике результаты ис­следуемого
диагностического теста сравнивают с
результатами дру­гого, стандартного
теста, который рассматривают как
эталонный или авторитетный («золотой
стандарт»). Сюда же относят вопросы по
дифференциальной диагностике.

• Прогноз

вопросы относительно будущего состояния
здоровья па­циента, продолжительности
и качества его жизни при выборе того
или иного конкретного варианта лечения.

• Этиология/побочные
эффекты — вопросы
относительно взаимосвязей между болезнью
и возможными ее причинами, включая
побочные эф­фекты, связанный с
различными вариантами лечения (ЛС,
терапев­тическими и диагностическими
вмешательствами).

• Экономическая
эффективность — вопросы
относительно экономичес­кой
эффективности различных лечебных,
профилактических и диа­гностических
процедур.

Использование
технологии доказательной медицины
предполагает поиск информации в
литературе и БД. Первоочередной шаг
научно обос­нованной практики
(доказательной медицины) — точная
формулировка «сфокусированного»
вопроса.

В
1995 г. группа ученных во главе с Richardson
предложили своеобраз­ную «анатомию»
хорошо сформулированного вопроса,
которая носит название «формула ПВСИ
(Р1СО)» и позволяет практикующим
меди­цинским работникам определить
четыре компонента правильно
сфор­мулированного вопроса.

Таким
образом, эти четыре компонента позволяют
выбрать дизайн эпидемиологических
исследований, результаты которых можно
исполь­зовать для решения соответствующих
практических задач в медицине.

Типы
вопросов
и соответствующий им дизайн
эпидемиологических исследований

• Лечение
— систематические
обзоры и мета-анализы, рандомизирован­ные
контролируемые испытания.

• Диагностика

перекрестные экспериментальные
исследования (пред­почтительнее
сравнение с «золотым стандартом»).

• Прогноз
— когортные
исследования.

• Этиология/побочные
эффекты —
когортные исследования, исследова­ния
типа «случай—контроль».

• Экономическая
эффективность — рандомизированные
контролируемые испытан
ия,систематическиеобзоры,моделианализапринятия
решений.

Таблица
6-1 демонстрирует плюсы и минусы доступных
источников информации.

Таблица
6-1. Наиболее доступные источники
медицинской информации

С
точки зрения представления и обобщения
данных существуют раз­ные виды ресурсов
(как первичных, так и вторичных): журналы,
книги, отчеты, руководства, БД. Информацию
о клинической эффективности сейчас
можно найти во множестве журналов по
медицине и здравоохра­нению — как
национальных, так и международных.

Существуют
журналы, публикующие именно вторичную
информа­цию — обзоры и резюме
доказательных данных. ACР
Journal
Club

Это
совместное
издание
British Medical Journal (BMJ) Publishing Group и
American College of Physicians выходит
раз
в
два
месяца
и
использует
ме­нее
строгие
критерии
отбора,
чем
АСР
Journal Club. ЕВМ
публикует рефе­раты, представляющие
особый интерес по терапии, хирургии,
педиатрии, акушерствуй гинекологии.
Этот журнал имеет сильный европейский
ук­лон. Бесплатный доступ для
развивающихся стран.

Цель
издания Evidence-Based
Mental
Health
состоит в том, чтобы информировать
психиатров-клиницистов о важных и
применимых в клинических условиях
достижениях в области лечения (включая
спе­цифические вмешательства и системы
обслуживания), диагностики, этиологии,
прогнозирования и исследования
результатов, улучшения ка­чества,
повышения квалификации и экономической
оценки. Для этого сотрудники журнала
отбирают оригинальные и обзорные статьи,
ре­зультаты которых представляются
наиболее точными и клинически по­лезными.
Затем эти статьи обобщают в виде рефератов
и дополняют комментариями
экспертов-клиницистов. Бесплатный
доступ для раз­вивающихся стран.

Ежеквартальный
журнал, выпускаемый Королевским колледжем
мед­сестринского дела и BMJ
Publishing.
Чтобы помочь медсестрам, он нахо­дит
и оценивает высококачественные и
клинически важные исследова­ния,
публикуя сжатые информативные критические
резюме таких статей с комментариями
практикующих медсестер, способных
определить место нового исследования
в рамках данной области медицины.
Бесплатный доступ для развивающихся
стран.

Международный
журнал медицинской практики (на
русском языке) URL:
http://www.
mediasphera.
ru/mimp/mimp-mn.
htm#
Журнал
публикует структурированные рефераты
ключевых, важных для практикующих врачей
клинических и эпидемиологических
иссле­дований с комментариями,
клинические рекомендации, статьи по
мето­дологии проведения клинических
и аналитических исследований,
био­медицинской статистике. На сайте
представлены полные тексты всех статей.
Издание возобновлено.

Базы
данных первичной информации MEDLINE

БД
Национальной медицинской библиотеки
США, содержащая биб­лиографические
описания статей и их рефераты (70% статей
имеют ре­фераты). В настоящее время
БД охватывает почти 4500 журналов,
из­даваемых в США и более чем в 70 других
странах. MEDLINE
включает описания 12 млн. статей,
опубликованных с 1966 года по настоящее
время. Новые записи добавляются
еженедельно, 400 000 записей в год. Для
каж­дой записи в MEDLINE
задаются медицинские предметные рубрики
(MeSH
Terms)
и типы публикаций (Publication
Types)
из словаря, контро­лируемого Национальной
медицинской библиотекой США.
Библиогра­фические описания и рефераты
MEDLINE
образуют основу и доступны в составе
БД Национальной медицинской библиотеки
США PubMed,
в которой можно проводить поиск через
Интернет. MEDLINE
содержит более 13 миллионов записей.
Хотя сама БД не включает полных текстов
статей, но их можно найти по ссылке на
другом сайте (где они представ­лены
бесплатно или платно).

База
содержит информацию по биомедицине и
фармацевтике, вклю­чая биологические
науки, биохимию, клиническую медицину,
судебную медицину, педиатрию, фармацию,
фармакологию и лекарственную те­рапию,
фармакоэкономику, психиатрию,
здравоохранение, биомеди­цинскую
инженерию и инструментарий, окружающую
среду. Источники EMBASE
— более чем 3 800 журналов из 70 стран,
монографии, труды конференций, диссертации
и отчеты. Поиск можно проводить по
биб­лиографической информации,
индексируемым терминам, рефератам,
названиям химических веществ, торговым
названиям ЛС, названиям фирм-производителей
Л С, торговым названиям медицинских
устройств, именам их производителей,
молекулярным последовательностям

Базы
данных вторичной информации

Кохрановская
библиотека — The
Cochrane
Library
URL:
http://www.
theCochraneLibrarv.
com
Библиотека
содержит четыре БД:

• БД
систематических обзоров;

• базу
рефератов эффективности лечебных
вмешательств;

• регистр
контролируемых КИ;

• базу
работ по методологии обзоров.

Кохрановская
библиотека доступна в сети Интернет,
либо ее можно купить на CD.
Опубликованные статьи вводят в
Кохрановские БД учас­тники Кохрановского
сотрудничества. Каждый участник проводит
вруч­ную поиск определенного
клинического журнала вплоть до его
первого номера. Используя строгие
методологические критерии, эти люди
клас­сифицируют каждую статью в
соответствии с видом публикации (РКИ,
другое контролируемое КИ, эпидемиологический
обзор и т.д.) и готовят структурированные
рефераты. Количественные данные в
обзорах пред­ставлены в стандартном
графическом виде для того, чтобы врач
мог быс­тро и объективно их оценить.

Доказательная
медицина. Бесплатный доступ для стран
с развиваю­щейся экономикой

Этот
ресурс имеет ряд особенностей.

• Его
содержание формируется исходя из
вопросов, а не из наличия доказательных
исследований. Здесь выявляют важные
клинические вопросы, а уже затем ищут
и обобщают лучшие из имеющихся
дока­зательных данных для ответа на
них.

• Постоянно
обновляется (полный литературный поиск
по каждой теме проводят каждые восемь
месяцев).

Clinical
Evidence
специально не дает рекомендаций, а
предоставляет материал для разработки
клинических рекомендаций локального
приме­нения, для клиницистов и
пациентов, стремящихся составить
собствен­ное представление об
оптимальном курсе лечения. В настоящее
время этот ресурс публикуется на русском
языке — http://www.
mediasphera.
ш/ clinicalevidence/.

UpToDate
— клинический информационный ресурс,
который раз­работан сообществом из
Зтыс. опытных клиницистов и предназначен
для того, чтобы врачи могли прямо на
рабочем месте получать краткие и
конкретные ответы на клинические
вопросы. Тематические разделы UpToDate
обобщают опубликованные доказательства
(включая Кохра-новские обзоры) и предлагают
практические рекомендации по лечению
пациентов, что позволяет врачам:

• получать
самую современную информацию по своей
специальности;

• распознавать
клинические признаки множества
заболеваний и оп­ределять реальные
возможности диагностики и лечения, в
том числе эффективность, дозировки и
сочетаемость медикаментов;

• вырабатывать
оптимальные стратегии скрининга и
профилактики. UpToDate
— официальная образовательная программа,
которую ре­комендуют или готовят в
сотрудничестве с восьмью ведущими
про­фессиональными медицинскими
ассоциациями США.

BEME
Collaboration — Best Evidence Medical Education URL:
http://www.
bemecollahoration. org/

Сотрудничество
в области развития доказательных
подходов в ме­дицинском образовании
BEME
Collaboration
представляет собой объ­единение лиц
и учреждений, которые ставят своей
задачей развитие до­казательных
подходов в медицинском образовании.
Способы решения этой задачи: распространение
информации, позволяющей преподавате­лям,
учреждениям и всем, кто причастен к
медицинскому образованию, принимать
решения, опираясь на самые достоверные
научные данные; подготовка систематических
обзоров медицинского образования,
отра­жающих наиболее достоверные
имеющиеся данные и отвечающих пот­ребностям
пользователя; культивирование
доказательных подходов в ме­дицинском
образовании среди преподавателей,
учреждений и ведомств. Ряд тематических
групп ВЕМЕ находятся на заключительном
этапе под­готовки своих докладов.

Evidence
for Policy and Practice Information and Coordinating Centre —
EPPI-Centre

URL:
http://eppi.
ioe. ac. uk/EPPIWeb/home. aspx

Информационно-координационный
центр доказательных данных в области
политики и практики — EPPI-Центр.
EPPI-Центр
входит в со­став Отделения социологических
исследований Института образования
Лондонского университета. EPPI-Центр
был учрежден 1993 г. для реали­зации
систематического подхода к организации
и анализу социальных вмешательств на
основе доказательных данных. Деятельность
и публика­ции Центра направлены на
привлечение ответственных руководителей,
практических работников и потребителей
услуг здравоохранения и обра­зования
к обсуждению путей повышения актуальности
проводимых ис­следований и способов
применения их результатов. EPPI-Центр
— офи­циальный партнер организации
Campbell
Collaboration
(Кэмпбелловское сотрудничество), ас
1996 г. участвует в совместном руководстве
Кохра-новской группой по пропаганде
здорового образа жизни и охране здоро­вья
населения (Cochrane
Health
Promotion
& Public
Health
Field).

Кэмпбелловское
сотрудничество — международная
некоммерческая организация, которая
ставит перед собой цель помочь людям в
приня­тии компетентных решений,
касающихся вмешательств в социальной,
поведенческой и образовательной сферах.
Задачи С2 — подготовка, со­провождение
и распространение систематических
обзоров исследований, посвященных
различным вмешательствам. На основе
результатов иссле­дований С2
подготавливает резюме и выпускает
электронные брошюры с обзорами и
отчетами, предназначенные для ответственных
руководите­лей, практических работников,
исследователей и населения. Сайт
орга­низации открывает доступ к двум
бесплатным БД: С2 SPECTR
(Регистр социальных, психологических,
педагогических и криминологических
ис­следований) и С2 RIPE
(Регистр оценки вмешательств и политики).
БД C2-RIPE
содержит обзоры и связанные с ними
документы, представля­ющие интерес
для исследователей, ответственных
руководителей, прак­тических работников
и населения.

Для
поиска информации по доказательной
медицине существуют спе­циальные
инструменты поиска:

«Метапоисковая
служба», которая ведет поиск в следующих
ресурсах:

• учебники
и руководства; по умолчанию используется
руководство Merck
Manual;

• MEDLINE
— поиск обзорных и редакционных статей
из общих жур­налов высокого качества,
которые предоставляют полнотекстовый
доступ;

• National
Guideline
Clearinghouse
— практические руководства Агентс­тва
по исследованиям и качеству медицинского
обслуживания США;

• реферативная
БД обзоров по эффективности медицинских
вмеша­тельств: • MEDLINE
— поиск оригинальных исследований.

Для
поиска в SUMSearch
можно использовать следующие фильтры:
Intervention,
Prognosis,
Diagnosis,
Etiology/causation,
Physical
findings,
Screening/Prevention,
Adverse
treatment
effects

БД
TRIP
обеспечивает поиск по 75 сайтам, содержащим
медицинскую информацию высокого
качества. TRIP
предоставляет прямой гипертекс­товый
доступ к крупнейшему собранию «научно
обоснованных» матери­алов в Сети
Интернет, а также к онлайновым статьям
из таких ведущих журналов, как BMJ,
JAMA,
NEJM
и др. Ежемесячно в базу добавляется
около 300—400 статей.

Таблица
6-2. Основные сведения по источникам
медицинской информации

Основы
поиска доказательной информации в БД
(на примере поиска в БД MEDLINE, размещенной
на сайте www.PubMed.com).

Информационный
поиск в области доказательной медицины
требует использования системного
подхода. Для успешного поиска необходимой
информации по вопросам доказательной
медицины большое значение имеют выбор
соответствующих БД и применение
оптимальной методо­логии поиска
(использование рубрикации, поиск в
определенных полях БД). Однако даже при
самом тщательном и квалифицированном
по­иске не всегда удается найти
необходимую информацию о проведенных
КИ (например, из-за некачественного
индексирования или нежелания фирм-спонсоров
публиковать отрицательные результаты
КИ). По этой причине при поиске доказательной
информации компьютерный отбор необходимо
дополнять другими методами поиска:
«ручным» поиском информации о КИ,
описание которых отсутствует в электронных
БД; изучением списков литературы в
найденных статьях; запросами иссле­дователям
и производителям ЛС.

Для
проведения поиска в большинстве
электронных БД необходимо использовать
операторы булевой логики (Джордж Буль
— английский математик, 1815-1864 гг.): AND,
OR,
NOT.

В
большинстве БД операторы булевой логики
следует вводить верх­нем регистре.

Оператор
AND
— «и» обозначает, что будут найдены
статьи содержа­щие оба термина.
Например, при поиске статей по
лапароскопической холецистэктомии
надо написать следующий запрос:
«laparoscopic
AND
cholecystectomy*.

Оператор
OR
— «или», то есть когда надо подобрать
статьи, содержа­щие и один и второй
(логически) связанные термины. Например,
необхо­димо подобрать статьи о
применении холецистэктомии и
холецистостомии, то есть все статьи, в
которых содержатся первый или второй
термин. Запрос будет выглядеть следующим
образом: «cholecystecomy
OR
cholecystostomy».

Оператор
NOT
— «не». Когда надо исключить заведомо
ненужные темы. Например, вы ищите
информацию о лапароскопической
холецис­тэктомии, но надо исключить
все статьи о традиционной (лапаротом-ной)
холецистэктомии. Запрос будет выглядеть
так: «laparoscopic
AND
cholecystectomy
NOT
laparotomy*.

Поиск
в БД можно проводить в конкретном поле.
Часто для по­иска достаточно только
внести термин и указать поле поиска при
по­мощи соответствующего суффикса
(аббревиатуры): год публикации, место
публикации, поиск по авторам и т.д. Для
обозначения полей ис­пользуют суффиксы,
которые используют при построении
поисковых запросов. Синтаксис суффиксов
может различаться в различных по­исковых
системах. Так, на сайте PubMed
суффиксы следует вводить в квадратных
скобах. Обычно на носителе или на сайте,
на котором предоставляется MEDLINE-ссылка
указана на полный перечень по­лей. На
сайте PubMed
предоставляется ссылка на файл помощи,
с кото­рым следует ознакомиться перед
началом работы с этим сайтом. (URL:
http://www.ncbi.nlm.nih.gov/books/bookres.
fcgi/helppubmed/pubmed-help. pdf).

Предметные
области представлены в табл. 6-3.

База данных медицина

Использование
предметных рубрик системы индексации
mesh при поиске статей в базе данных
medline

MeSH
— medical
subject
heading
(медицинские предметные рубрики) —
список терминов (ключевых слов), при
помощи которых индексируются статьи в
БД MEDLINE.
Подбор MeSH-термина
или терминов можно сделать в два этапа.
На первом этапе эмпирически подобрать
термин, а затем посмотреть полученный
результат в тех статьях, которые
подхо­дят, выбрать ключевые слова и
использовать их в дальнейшем поиске.
На втором этапе на сайте PubMed
можно выбрать ссылку на базу клю­чевых
слов MeSH
и просмотреть иерархическое расположение
термина и его подрубрики.

Символ
«*» в MEDLINE
(PubMed)

Символ
«*» используют в двух вариантах.

• Для
поиска всех возможных окончаний слова,
при этом число вари­антов ограничивается
600, первыми найденными. Например, вариант
«epidemiol*»
уже дает более 410 вариантов, а при поиске
«epid*»
вари­антов слова более 600.

Использование
суффиксов подрубрик MeSH

Один
из способов конкретизировать поиск —
использование под­рубрик системы
MeSH.
Подрубрики — дополнительная надстройка
системы индексирования в MEDLINE.
При помощи подрубрик статьи в MEDLINE
в зависимости от MeSH-термина
могут быть классифици­рованы на
этиологию, профилактику, лечение,
побочные эффекты и т.д. Наиболее полезные
подрубрики представлены в табл. 6-5.

Таблица
6-5. Наиболее часто используемые подрубрики
MeSH

База данных медицина

Обратите
внимание на то, что подрубрика /th
относится к немедика­ментозному
лечению заболеваний, а подрубрика/dt
означает лекарствен­ную терапию.
Подрубрику /tu
используют исключительно для ЛС и она
означает «терапевтическое применение
чего-либо». Подрубрику /рх ис­пользуют
для непсихических заболеваний, как в
этом примере — diabetes/
рх = психология диабета.

Типы
вопросов и стратегии поиска

Эффективный
поиск в MEDLINE
предполагает сочетание поиска по
медицинским предметным рубрикам
(ключевым словам) с поиском по словам
из текста (слова, содержащиеся в названии
и реферате статьи) — только таким образом
можно выбрать все публикации по
интересующей вас теме.

Следующие
простейшие варианты запросов в комбинации
с ключе­выми словами (например
MeSH-терминами)
могут быть использованы для таких типов
эпидемиологических исследований в
области изучения:

Ниже
представлены более эффективные стратегии
поиска в PubMed
MEDLINE
в зависимости от типа вопроса. Лечение

Чтобы
найти статьи по терапии:

• введите
название болезни (термин MeSH);

• выберите
подрубрики /th
(therapy
— терапия), /dt
(drug
therapy
— лекарст­венная терапия), /рс
(prevention
and
control
— профилактика и контроль);

• введите
название воздействия (название ЛС)
(термин MeSH);

• и
выберите подрубрику /tu
(therapeutic
use
— терапевтическое приме­нение);

• объедините
результаты этих двух поисков оператором
AND.
Можно также присоединить (AND)
к результатам рубрику MeSH

«double-blind
method» (двойной
слепой
метод).
Это
ограничит ваш по­иск исследованиями,
использующими двойной слепой метод
контроля, который наиболее надежен.
Диагностические
исследования

Самый
быстрый и эффективный путь поиска
достоверных статей по диагностике
состоит в том, чтобы в базе MeSH:

• ввести
диагноз и использовать соответствующий
термин MeSH;

• ввести
название диагностического теста;

• соединить
результаты первого и второго списка
AND;

шая
простая стратегия поиска состоит в том,
чтобы провести поиск с ва­шей темой
по рубрикам Risk
и Cohort
Study
и затем объединить резуль­таты,
используя, оператор OR.
Clinical
Queries

Клинические
запросы — фильтры методологи
эпидемиологических исследований

На
сайте PubMed
расположена встроенная система фильтров
Clinical
Queries
(рис. 6-1), разработанная на основе
определенных стратегий и позволяющая
проводить поиск исследований по
этиологии, лечению, диагностики, прогнозу,
а также клинических рекомендаций.

База данных медицина

Для
того чтобы воспользоваться системой
фильтров, необходимо ука­зать один
или несколько терминов, связанных
операторами булевой ло­гики, затем
выбрать категорию, и отметить расширенный
(чувствитель­ный) или более узкий
(специфичный) поиск.

Эталоны
ответов к заданиям для самоподготовки

Данную
статью легко найти, используя названия
городов, где прово­дились исследования
«St.
Petersburg1
или «Petersburg»
и «Leipzig»
(назва­ния можно посмотреть в словарях.).

статей,
в том числе искомая. поэтому если добавить
Названия городов указанны в заголовке
ста^ заголовке:
Petersburg

The
total and HDL-cholesterol levels m populate’ Aue9(4)T 84-91

and
Leipzig (Germany). Nutr Metab Cardiovasc ■

PMID:
10614060 ; tD
the medical literature*. Да-

из
нужных публикаций данного руководства’

щему
алгоритму:

3.
Поиск
статьи можно выполнить.по^ chMnn
в
ре_
в строке поиска набрать термины: ear
AN
л0
восьмидесяти
статей, зультате данного запроса будут
найдены, о* именно
данную
среди
которых будет искомая. Для того, чт
Сначала
необходимо статью следует задать более
ограниченный п ицы
найти
раздел
перейти
в раздел «Limits».
В этом разделе вн^

База данных медицина

под
отдельными номерами. Следует уточнить
номер интересующих нас запросов.

Теперь
комбинируем эти запросы при помощи
оператора AND:

Будет
получена следующая статья:

Craig
JV, Lancaster GA, Taylor S, Williamson PR, Smyth RL. Infrared ear
thermometry compared with rectal thermometry in children: a
systematic review. Lancet. 2002 Aug 24;360(9333):603—9. Review.
PMID: 12241932

4.
Перейти
в
«Limits»; выбрать
журнал
— «Lancet»; вести
авторов:
Grimes DA, Schulz KF; указать
интервал
дат
публикации
2001 — 2003 гг.
Получаем
одиннадцать статей.

5.
В «Limits»
необходимо найти все варианты написания
имени автора. И добавить их в строку
поиска при помощи оператора булевой
логики «OR».
Можно использовать контекстное меню.
Поиск будет иметь следу­ющий вид:

Затем
следует ограничить поиск полнотекстовыми
статьями (в «Lim-its»
отметить «Links
toifree
full
text»)
и получить набор около 100 статей.

База данных медицина

довательно
выбрать ту и иную методологию исследований,
оставив ис­пользуемый по умолчанию
специфичный (узкий) тип поиска (narrow,
specific
search).

Далее
следует просмотреть найденное и отобрать,
интересующие статьи. Следует отметить,
что в основном окне поиска высвечивается
стратегия, используемая фильтром. Для
ее уточнения можно также нажать на
кнопку «Details»
и посмотреть, как выглядит используемый
запрос.

Для
поиска обзоров следует воспользоваться
«Limits2
и, например вы­брать в «Publication
type3
выбрать «review».

Вопросы
для отработки на практическом занятии

1.
Информационные системы в медицине.

2.
Содержание и особенности поиска БД,
содержащих сведения по до­казательной
медицине. (Задачи №1 и 2).

3.
Стратегии поискового запроса в зависимости
от типа клинического вопроса (Задачи №
1 и 2).

4.
Чувствительность и специфичность поиска
при использовании мето­дологических
фильтров на сайте PubMed.
(Задача № 2).

5.
использование найденной информациидля
принятия практических решений (Задачи
№1 и 2).

Указанные
вопросы отрабатываются на ситуационных
задачах: Ситуационные
задачи

Задача
1.
Найдите доказательную информацию для
ответа на пред­ставленные ниже вопросы,
выполнив следующую последовательность
действий:

• определите
тип представленного вопроса;

• проведите
анализ вопроса по формуле ПВСИ (PICO);

• определите
наиболее пригодный дизайн эпидемиологического
иссле­дования, позволяющий получить
ответ на поставленный вопрос;

• найдите
в БД MEDLINE
набор из 3 статей, дающих ответ на данный
вопрос;

• проведите
аналогичный поиск в Кохрановской
библиотеке, отдавая предпочтения
систематическим обзорам.

1.
Целесообразно ли использовать
антидепрессанты для профилак­тики
депрессии в послеродовый период?

2.
Влияют ли аборты на риск возникновения
рака молочной железы?

3.
Эффективно ли и безопасно внутривенное
введение иммуноглобу­лина для лечения
болезни Кавасаки у детей?

4.
Обусловлена ли высокая заболеваемость
ишемической болезнью сердца в этнических
группах в Азии различиями в уровне
инсулина?

5.
Какие факторы связаны с риском развития
ожирения у детей?

6.
Следует ли применять ПЦРтестдля скрининга
хламидиоза у моло­дых людей, ведущих
активную половую жизнь?

7.
Эффективно ли применение вакцины БЦЖ
для иммунотерапии туберкулеза?

8.
Эффективно ли использование плацебо
для лечения больных пси­хическими
растройствами?

9.
Насколько точно выявляет компьютерная
томография аневризмы головного мозга.

10.
Следует ли применять гипербарическую
оксигенацию при лечении ишемического
инсульта?

11.
Снижает ли назначение витамина Е риск
смерти недоношенных?

12.
Следует ли назначать нистатин как
профилактическое и лечебное средство
для лечения больных с тяжелыми
иммунодефицитами?

13.
Как изменяется вероятность смерти от
всех причин при отказе от курения улиц
с коронарной болезнью сердца.

14.
Насколько точно можно пересказать
преждевременное начало ро­дов
основываясь на результатах
цервиковагинального теста на фибрино-эктин?

15.
Какова точность гистероскопии для
диагностики гиперплазии и рака эндометрия?

Задача
2. Используя
возможность чувствительного поиска
фильтров Clinical
Queries,
размещенные на сайте www.pubmed.com,
найдите не ме­нее 4 статей, посвященных
исследованию:

• эффективности
профилактических вмешательств и ЛС при
следую­щих нозологических формах: О
рак
предстательной железы; О
рак
пищевода;

О
синдром
хронической усталости; О
аллопеция;

О
аневризма
левого желудочка сердца; О
болезнь
Кавасаки; О
болезнь
Меньера.

Выполните
задания и ответьте на вопросы

1.
Выполните следующую последовательность
действий.

а)
сформулируйте один вопрос по любой теме
которая вас интересует (или может стать
темой для систематического обзора
стандартной практики);

б)
разбейте его на максимальное (из 4
возможных) число ПВСИ (Р1СО)-составляющих;

в)
определите тип своего вопроса;

г)
определите тип эпидемиологического
исследования, которое поз­волит найти
ответ на этот вопрос.

2.
Назовите 5 зарубежных или отечественных
периодических изданий, публикующих
первичную медицинскую информацию.

3.
Назовите 5 источников медицинской
информации, публикующих вторичные
материалы (резюме РКИ и систематических
обзоров, сис­тематические обзоры),

4.
Укажите достоинства и недоставки
следующих источников медицин­ской
информации:

а)
журналы первичной информации;

б)
журналы вторичной информации;

е)
World Wide Web.

5.
Перечислите основные возможности поиска
в PubMed?

6.
Укажите принципы поиска научных статей
в системе Clinical
Queries
на сайте PubMed
MEDLINE?

Медицинская база данных (БД) — достаточно объемный набор хорошо структурированных по единым правилам данных в области медицины на машинных носителях. Такой набор имеет единые способы и методы обработки данных в различных медицинских проблемах. В любой БД задаётся порядок, например, ключевыми полями. Поиск информации осуществляется по этим ключам. Реализуется поиск и вся поддержка БД соответствующими системами управления (СУБД).

Например, к БД «Городская больница» можно организовать запрос по ключу «Врач». Возможный ответ — врач Иванов И.И.

В последнее время используется технология удалённого сервера баз данных, с коллективным доступом пользователей к данным базы на сервере (высокопроизводительном компьютере) по компьютерным сетям и Интернет. Медицинские данные — продукт запросов пользователей.

Особенностями этой технологии:

При локальной работе врач может с компьютера на своем рабочем столе найти, например, данные по пациенту в локальной базе самой больницы, а в удаленном режиме — в областной клинике.
СУБД — программная система, которая обеспечивает этот процесс, а именно:

Переход к электронной медицине наберет необходимую скорость только после создания системы взаимосвязанных и распределенных БД под управлением развитых СУБД (например, SQL).

12 сентября 2012,

Комментировать

Для рассылок email, whatsapp, telegram и др.

По всей России за 2023 год

Скачайте базу компаний в Excel

23 200 записей

Включает база действующих медицинских центров и клиник

5,6 миллионов сайтов

Провели парсинг всех веб-сайтов рунета

3,5 миллионов компаний

Был выполнен парсинг известных каталогов фирм

Пример базы медицинских центров

Данные сохранены в виде таблицы в файле Excel.

Формат Excel удобен тем, что файл можно с легкостью импортировать в вашу CRM или в базу данных для дальнейшей работы.

Так же вы можете полноценно работать в самой программе Microsoft Excel. Она позволяет находить клиники по ключевым словам, подсчитывать количество записей и подсвечивать их с помощью встроенного поиска.

Другие базы компаний

Наш каталог содержит 113 баз компаний.Все базы актуальны и обновляются несколько раз в месяц

Посмотреть все базы

Какие данные содержит база медицинских центров

База содержит все действующие и доступные медицинские центры, осуществляющие свою деятельность на территории России. Медицинские центры отсортированы в файле так, чтобы самые подходящие под критерии поиска стояли на первом месте.

В общей сложности в базе медицинских центров и клиник имеется более 23 200 записей. В каждой записи есть сведения о номере телефона, email адресе, ИНН, ОГРН (ОГРНИП), названии и кратком описании компании в точности так, как это указано на сайте.

Наш парсер работает круглосуточно и обходит более 5 миллионов доменов. Мы регулярно обновляем базу медицинских центров. В среднем, обновление происходит несколько раз в месяц и итоговое количество записей будет немного отличаться от указанных.

Основные данные

Мы собрали в одном месте контактную информацию о всех медицинских центрах и клиниках. В Excel файле представлены компании различных тематик, например: косметология, гинекология, стоматология, дерматология.

Дополнительные данные

Мы постоянно улучшаем качество наших баз. Работая с большим набором данных, мы постоянно анализируем информацию и совершенствуем алгоритмы парсинга медицинских центров и клиник.

Мы будем расширять текущие данные дополнительной, не менее важной информацией: ФИО директора и учредителей, финансовой информацией, уставным капиталом компании, информацией о долгах, посещаемостью сайта и т.д.

Структура базы медицинских центров

Каждая запись медицинских центров имеет однородный формат, который мы строго соблюдаем для возможности автоматической работы с базой.

Например, номера телефонов начинаются с «8», а списки элементов (email, ИНН, ОГРН) указаны через запятую с одним пробелом.

Сколько всего данных в базе медицинских центров

Так как данные постоянно обновляются, в базе может находиться немного другое количество элементов

Каждая запись медицинских центров имеет только уникальные контактные данные. Некоторые компании могут иметь несколько сайтов в интернете, поэтому контактные телефоны, email, номера ИНН и ОГРН могут повторяться в одной базе. Мы храним в базе только те компании, которые обязательно имеют контактную информацию

Какие слова мы используем при поиске

Мы используем следующие слова и словосочетания для фильтрации медицинских центров, а так же стоп-слова для отсева ненужных компаний.

Заказать базу компаний

Для получения индивидуальной базы компаний по вашим параметрам отправьте заявку. Расскажите о том, какие компании вам нужны максимально подробно.

В ближайшее время мы рассмотрим вашу заявку и ответим вам

Понравилась статья? Поделиться с друзьями:
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: