TEDMED 2010
Thomas Goetz: It's time to redesign medical data
Τόμας Γκοτζ: Είναι καιρός να επανασχεδιάσουμε τα ιατρικά δεδομένα
Filmed:
Readability: 3.5
587,895 views
O ιατρικός σας φάκελος: δύσκολα προσβάσιμος, αδύνατον να διαβασθεί - και γεμάτος με πληροφορίες που θα σας έκαναν υγιέστερο αν γνωρίζετε έστω πώς να τον χρησιμοποιήσετε. Στο TEDMED, o Τόμας Γκοτζ εξετάζει τα ιατρικά δεδομένα, και μας κάνει μια τολμηρή πρόταση να τα επανασχεδιάσουμε και να μάθουμε περισσότερα από αυτά.
Thomas Goetz - Healthcare communicator
Thomas Goetz is the co-founder of Iodine and author of "The Decision Tree: Taking Control of Your Health in the New Era of Personalized Medicine.” Full bio
Thomas Goetz is the co-founder of Iodine and author of "The Decision Tree: Taking Control of Your Health in the New Era of Personalized Medicine.” Full bio
Double-click the English transcript below to play the video.
00:15
I'm going to be talking to you
0
0
2000
Θα σας μιλήσω
για το πώς μπορούμε
να χρησιμοποιήσουμε
να χρησιμοποιήσουμε
00:17
about how we can tap
1
2000
2000
έναν σχεδόν αναξιοποίητο πόρο
στη δημόσια υγεία,
στη δημόσια υγεία,
00:19
a really underutilized resource in health care,
2
4000
2000
00:21
which is the patient,
3
6000
2000
δηλαδή τον ασθενή,
00:23
or, as I like to use the scientific term,
4
8000
3000
ή επειδή μου αρέσει να χρησιμοποιώ
τον επιστημονικό όρο,
τον επιστημονικό όρο,
00:26
people.
5
11000
2000
τους ανθρώπους.
00:28
Because we are all patients, we are all people.
6
13000
2000
Γιατί είμαστε όλοι ασθενείς,
είμαστε όλοι άνθρωποι.
είμαστε όλοι άνθρωποι.
00:30
Even doctors are patients at some point.
7
15000
2000
Ακόμη και οι γιατροί
ασθενούν κάποια στιγμή.
ασθενούν κάποια στιγμή.
00:32
So I want to talk about that
8
17000
2000
Θέλω να σας μιλήσω γι' αυτό
00:34
as an opportunity
9
19000
2000
σαν μια ευκαιρία
00:36
that we really have failed to engage with very well in this country
10
21000
3000
που πραγματικά αποτύχαμε
να χειριστούμε καλά σ΄ αυτή τη χώρα
να χειριστούμε καλά σ΄ αυτή τη χώρα
00:39
and, in fact, worldwide.
11
24000
2000
και στην πραγματικότητα, παγκοσμίως.
00:41
If you want to get at the big part --
12
26000
2000
Αν θέλετε να δείτε τη μεγάλη εικόνα -
00:43
I mean from a public health level, where my training is --
13
28000
3000
εννοώ από άποψη δημόσιας υγείας,
όπου και έχω εκπαιδευθεί -
όπου και έχω εκπαιδευθεί -
00:46
you're looking at behavioral issues.
14
31000
2000
εξετάζετε θέματα συμπεριφορών.
00:48
You're looking at things where people are actually given information,
15
33000
3000
Εξετάζετε τα σημεία όπου οι άνθρωποι
παίρνουν πληροφορίες,
παίρνουν πληροφορίες,
00:51
and they're not following through with it.
16
36000
2000
όμως δεν τις αξιοποιούν.
00:53
It's a problem that manifests itself in diabetes,
17
38000
4000
Πρόκειται για ένα πρόβλημα
που παρουσιάζεται στον διαβήτη,
που παρουσιάζεται στον διαβήτη,
00:57
obesity, many forms of heart disease,
18
42000
2000
την παχυσαρκία,
πολλές μορφές καρδιοπαθειών,
πολλές μορφές καρδιοπαθειών,
00:59
even some forms of cancer -- when you think of smoking.
19
44000
3000
ακόμα και μερικές μορφές καρκίνου
- σχετικά με το κάπνισμα.
- σχετικά με το κάπνισμα.
01:02
Those are all behaviors where people know what they're supposed to do.
20
47000
3000
Όλες αυτές είναι συμπεριφορές όπου
οι άνθρωποι ξέρουν τι πρέπει να κάνουν.
οι άνθρωποι ξέρουν τι πρέπει να κάνουν.
01:05
They know what they're supposed to be doing,
21
50000
2000
Γνωρίζουν το σωστό,
01:07
but they're not doing it.
22
52000
2000
αλλά δεν το κάνουν.
01:09
Now behavior change is something
23
54000
2000
Η αλλαγή συμπεριφοράς είναι
01:11
that is a long-standing problem in medicine.
24
56000
2000
ένα μακροχρόνιο πρόβλημα στην ιατρική.
01:13
It goes all the way back to Aristotle.
25
58000
2000
Πάει πίσω στην εποχή του Αριστοτέλη.
01:15
And doctors hate it, right?
26
60000
2000
Δεν αρέσει καθόλου στους γιατρούς, σωστά?
01:17
I mean, they complain about it all the time.
27
62000
2000
Διαμαρτύρονται συνέχεια γι' αυτό.
01:19
We talk about it in terms of engagement, or non-compliance.
28
64000
3000
Μιλάμε γι' αυτό με όρους δέσμευσης,
ή μη συμμόρφωσης.
ή μη συμμόρφωσης.
01:22
When people don't take their pills,
29
67000
2000
Όταν οι άνθρωποι
δεν παίρνουν τα χάπια τους,
δεν παίρνουν τα χάπια τους,
01:24
when people don't follow doctors' orders --
30
69000
2000
όταν δεν ακολουθούν
τις οδηγίες των γιατρών -
τις οδηγίες των γιατρών -
01:26
these are behavior problems.
31
71000
2000
αυτά είναι προβλήματα συμπεριφοράς.
01:28
But for as much as clinical medicine
32
73000
2000
Αλλά όσο κι αν η κλινική ιατρική
01:30
agonizes over behavior change,
33
75000
2000
ταλανίζεται με την αλλαγή συμπεριφοράς,
01:32
there's not a lot of work done
34
77000
2000
δεν γίνεται πολλή δουλειά
01:34
in terms of trying to fix that problem.
35
79000
3000
όσον αφορά τη λύση αυτού του προβλήματος.
01:37
So the crux of it
36
82000
2000
Έτσι, η επιτομή του προβλήματος
01:39
comes down to this notion of decision-making --
37
84000
2000
είναι η έννοια της λήψης αποφάσεων --
01:41
giving information to people in a form
38
86000
2000
να δίνεται πληροφόρηση
στους ανθρώπους σε μορφή
στους ανθρώπους σε μορφή
01:43
that doesn't just educate them
39
88000
2000
που όχι μόνο τους εκπαιδεύει
01:45
or inform them,
40
90000
2000
ή τους πληροφορεί,
01:47
but actually leads them to make better decisions,
41
92000
2000
αλλά τους οδηγεί να παίρνουν
καλύτερες αποφάσεις,
καλύτερες αποφάσεις,
01:49
better choices in their lives.
42
94000
2000
καλύτερες επιλογές στη ζωή τους.
01:51
One part of medicine, though,
43
96000
2000
Όμως ένα τμήμα της ιατρικής,
01:53
has faced the problem of behavior change pretty well,
44
98000
4000
έχει αντιμετωπίσει πολύ καλά το πρόβλημα
της αλλαγής συμπεριφοράς,
της αλλαγής συμπεριφοράς,
01:57
and that's dentistry.
45
102000
2000
πρόκειται για την οδοντιατρική.
Η οδοντιατρική φαίνεται
01:59
Dentistry might seem -- and I think it is --
46
104000
2000
- και νομίζω πως είναι -
02:01
many dentists would have to acknowledge
47
106000
2000
πολλοί οδοντίατροι θα δέχονταν ότι
02:03
it's somewhat of a mundane backwater of medicine.
48
108000
2000
αποτελεί τα ανιαρά απόνερα της ιατρικής.
02:05
Not a lot of cool, sexy stuff happening in dentistry.
49
110000
3000
Δεν συμβαίνουν πολλά σπουδαία,
σέξι πράγματα στην οδοντιατρική.
σέξι πράγματα στην οδοντιατρική.
02:08
But they have really taken this problem of behavior change
50
113000
3000
Αλλά ασχολήθηκαν μ' αυτό
το πρόβλημα αλλαγής συμπεριφοράς
το πρόβλημα αλλαγής συμπεριφοράς
02:11
and solved it.
51
116000
2000
και το έλυσαν.
Είναι η μεγάλη επιτυχία
της προληπτικής ιατρικής
της προληπτικής ιατρικής
02:13
It's the one great preventive health success
52
118000
2000
02:15
we have in our health care system.
53
120000
2000
που έχουμε στο σύστημα υγείας μας.
02:17
People brush and floss their teeth.
54
122000
2000
Ο κόσμος βουρτσίζει
και περνά με νήμα τα δόντια του.
και περνά με νήμα τα δόντια του.
02:19
They don't do it as much as they should, but they do it.
55
124000
3000
Δεν το κάνουν όσο συχνά
θα έπρεπε, αλλά το κάνουν.
θα έπρεπε, αλλά το κάνουν.
02:22
So I'm going to talk about one experiment
56
127000
2000
Γι' αυτό θα μιλήσω για ένα πείραμα
02:24
that a few dentists in Connecticut
57
129000
2000
που μερικοί οδοντίατροι στο Κονέκτικατ
02:26
cooked up about 30 years ago.
58
131000
2000
επινόησαν πριν 30 περίπου χρόνια.
02:28
So this is an old experiment, but it's a really good one,
59
133000
2000
Είναι ένα παλιό αλλά πολύ καλό πείραμα,
02:30
because it was very simple,
60
135000
2000
διότι είναι πολύ απλό,
02:32
so it's an easy story to tell.
61
137000
2000
γι' αυτό είναι πολύ εύκολο να το διηγηθώ.
02:34
So these Connecticut dentists decided
62
139000
2000
Οι οδοντίατροι στο Κονέκτικατ
αποφάσισαν ότι ήθελαν
αποφάσισαν ότι ήθελαν
02:36
that they wanted to get people to brush their teeth and floss their teeth more often,
63
141000
3000
να κάνουν τον κόσμο να περιποιείται
τα δόντια του πιο συχνά,
τα δόντια του πιο συχνά,
02:39
and they were going to use one variable:
64
144000
2000
και χρησιμοποίησαν μία μεταβλητή:
02:41
they wanted to scare them.
65
146000
2000
ήθελαν να τους τρομάξουν.
02:43
They wanted to tell them how bad it would be
66
148000
3000
Ηθελαν να τους πουν πόσο κακό θα ήταν
αν δεν βούρτσιζαν και δεν περνούσαν
με νήμα τα δόντια τους.
με νήμα τα δόντια τους.
02:46
if they didn't brush and floss their teeth.
67
151000
2000
02:48
They had a big patient population.
68
153000
3000
Είχαν μεγάλο αριθμό ασθενών,
02:51
They divided them up into two groups.
69
156000
2000
τους μοίρασαν σε δύο ομάδες.
02:53
They had a low-fear population,
70
158000
2000
Είχαν πληθυσμό που φοβόταν λίγο,
02:55
where they basically gave them a 13-minute presentation,
71
160000
2000
στους οποίους έκαναν
μια παρουσίαση 13 λεπτών,
μια παρουσίαση 13 λεπτών,
02:57
all based in science,
72
162000
2000
επιστημονικά τεκμηριωμένη,
02:59
but told them that, if you didn't brush and floss your teeth,
73
164000
3000
αλλά τους είπαν:
αν δεν περιποιείστε τα δόντια σας,
αν δεν περιποιείστε τα δόντια σας,
03:02
you could get gum disease. If you get gum disease, you will lose your teeth,
74
167000
3000
θα κάνετε ουλίτιδα και στο τέλος
θα χάσετε τα δόντια σας,
θα χάσετε τα δόντια σας,
03:05
but you'll get dentures, and it won't be that bad.
75
170000
2000
θα βάλετε μασέλα,
και θα δε θα είναι τόσο κακό.
και θα δε θα είναι τόσο κακό.
03:07
So that was the low-fear group.
76
172000
2000
Αυτά για την ομάδα
που φοβόταν λίγο.
που φοβόταν λίγο.
03:09
The high-fear group, they laid it on really thick.
77
174000
3000
Για την ομάδα που φοβόταν πολύ,
δυσκόλεψαν τα πράγματα.
δυσκόλεψαν τα πράγματα.
03:12
They showed bloody gums.
78
177000
2000
Έδειξαν ματωμένα ούλα,
03:14
They showed puss oozing out from between their teeth.
79
179000
3000
Έδειξαν πύον να τρέχει
ανάμεσα απ' τα δόντια τους.
ανάμεσα απ' τα δόντια τους.
03:17
They told them that their teeth were going to fall out.
80
182000
2000
Τους είπαν ότι τα δόντια τους θα έπεφταν.
03:19
They said that they could have infections
81
184000
2000
Είπαν ότι θα μπορούσαν να πάθουν μολύνσεις
03:21
that would spread from their jaws to other parts of their bodies,
82
186000
3000
που θα εξαπλώνονταν στις σιαγώνες
και άλλα μέρη του σώματός τους,
και άλλα μέρη του σώματός τους,
03:24
and ultimately, yes, they would lose their teeth.
83
189000
2000
και τέλος, θα έχαναν τα δόντια τους.
03:26
They would get dentures, and if you got dentures,
84
191000
2000
Θα έβαζαν μασέλες, κι αν έβαζαν μασέλες,
03:28
you weren't going to be able to eat corn-on-the-cob,
85
193000
2000
δεν θα μπορούσαν να φάνε
καλαμπόκι με το κοτσάνι,
καλαμπόκι με το κοτσάνι,
03:30
you weren't going to be able to eat apples,
86
195000
2000
δεν θα μπορούσαν να φάνε μήλα,
03:32
you weren't going to be able to eat steak.
87
197000
2000
δεν θα μπορούσαν να φάνε μπριζόλα.
03:34
You'll eat mush for the rest of your life.
88
199000
2000
Θα έτρωγαν πουρέ την υπόλοιπη ζωή τους.
03:36
So go brush and floss your teeth.
89
201000
3000
Γι' αυτό βουρτσίστε και περάστε
με νήμα τα δόντια σας.
με νήμα τα δόντια σας.
03:39
That was the message. That was the experiment.
90
204000
2000
Αυτό ήταν το μήνυμα.
Αυτό ήταν το πείραμα.
Αυτό ήταν το πείραμα.
03:41
Now they measured one other variable.
91
206000
2000
Μετά μέτρησαν μία ακόμη παράμετρο.
03:43
They wanted to capture one other variable,
92
208000
2000
Ήθελαν να πιάσουν μία ακόμη παράμετρο,
03:45
which was the patients' sense of efficacy.
93
210000
3000
που ήταν η αίσθηση
αποτελεσματικότητας των ασθενών.
αποτελεσματικότητας των ασθενών.
Αυτή ήταν η έννοια
αν οι ασθενείς αισθάνονταν
αν οι ασθενείς αισθάνονταν
03:48
This was the notion of whether the patients felt
94
213000
2000
03:50
that they actually would go ahead and brush and floss their teeth.
95
215000
3000
ότι όντως θα προχωρούσαν
στη σωστή περιποίηση των δοντιών.
στη σωστή περιποίηση των δοντιών.
03:53
So they asked them at the beginning,
96
218000
2000
Έτσι τους ρώτησαν στην αρχή,
«Νομίζετε ότι μπορείτε
να τηρήσετε αυτό το πρόγραμμα;»
να τηρήσετε αυτό το πρόγραμμα;»
03:55
"Do you think you'll actually be able to stick with this program?"
97
220000
2000
03:57
And the people who said, "Yeah, yeah. I'm pretty good about that,"
98
222000
2000
και οι ασθενείς που είπαν,
«Ναι, είμαι σίγουρος».
«Ναι, είμαι σίγουρος».
03:59
they were characterized as high efficacy,
99
224000
2000
χαρακτηρίστηκαν πολύ αποτελεσματικοί,
04:01
and the people who said,
100
226000
2000
και όσοι είπαν,
«Δεν θα τα καταφέρω να περιποιηθώ
τα δόντια μου αρκετά»
τα δόντια μου αρκετά»
04:03
"Eh, I never get around to brushing and flossing as much as I should,"
101
228000
2000
04:05
they were characterized as low efficacy.
102
230000
2000
χαρακτηρίστηκαν λίγο αποτελεσματικοί.
04:07
So the upshot was this.
103
232000
3000
Έτσι το συμπέρασμα ήταν αυτό.
04:10
The upshot of this experiment
104
235000
2000
Το συμπέρασμα του πειράματος
04:12
was that fear was not really a primary driver
105
237000
3000
ήταν ότι ο φόβος δεν ήταν
καθόλου το βασικό κίνητρο
καθόλου το βασικό κίνητρο
04:15
of the behavior at all.
106
240000
2000
συμπεριφοράς.
04:17
The people who brushed and flossed their teeth
107
242000
2000
Όσοι περιποιούνταν τα τα δόντια τους
04:19
were not necessarily the people
108
244000
2000
δεν ήταν απαραίτητα αυτοί
04:21
who were really scared about what would happen --
109
246000
2000
που πράγματι φοβούνταν
τι θα μπορούσε να συμβεί
τι θα μπορούσε να συμβεί
04:23
it's the people who simply felt that they had the capacity
110
248000
3000
ήταν αυτοί που απλά πίστευαν
ότι ήταν ικανοί
ότι ήταν ικανοί
04:26
to change their behavior.
111
251000
2000
να αλλάξουν την συμπεριφορά τους.
04:28
So fear showed up as not really the driver.
112
253000
3000
Έτσι ο φόβος αποδείχθηκε ότι
δεν αποτελεί στ' αλήθεια κίνητρο.
δεν αποτελεί στ' αλήθεια κίνητρο.
04:31
It was the sense of efficacy.
113
256000
3000
Ήταν η αίσθηση της αποτελεσματικότητας.
04:34
So I want to isolate this,
114
259000
2000
Θέλω λοιπόν να το απομονώσω αυτό,
04:36
because it was a great observation --
115
261000
2000
επειδή είναι μια σπουδαία παρατήρηση --
04:38
30 years ago, right, 30 years ago --
116
263000
2000
πριν 30 χρόνια, ναι, πριν 30 χρόνια --
04:40
and it's one that's laid fallow in research.
117
265000
3000
και αυτό είναι κάτι
που δεν έχει απασχολήσει την έρευνα.
που δεν έχει απασχολήσει την έρευνα.
04:43
It was a notion that really came out
118
268000
2000
Ηταν μια αντίληψη που προήλθε από
04:45
of Albert Bandura's work,
119
270000
2000
τη δουλειά του Άλμπερτ Μπαντούρα,
04:47
who studied whether
120
272000
2000
που μελέτησε αν
04:49
people could get a sense of empowerment.
121
274000
3000
οι άνθρωποι μπορούν να αποκτήσουν
μια αίσθηση ενδυνάμωσης.
μια αίσθηση ενδυνάμωσης.
04:52
The notion of efficacy basically boils down to one -- that
122
277000
3000
Η έννοια της αποτελεσματικότητας
βασικά είναι η εξής -
βασικά είναι η εξής -
04:55
if somebody believes that they have the capacity to change their behavior.
123
280000
3000
αν κάποιος πιστεύει ότι έχει την ικανότητα
να αλλάξει την συμπεριφορά του.
να αλλάξει την συμπεριφορά του.
04:58
In health care terms, you could characterize this
124
283000
3000
Με όρους υγείας,
θα μπορούσατε να το χαρακτηρίσετε
θα μπορούσατε να το χαρακτηρίσετε
05:01
as whether or not somebody feels
125
286000
2000
ως το αν κάποιος αισθάνεται ή όχι
05:03
that they see a path towards better health,
126
288000
2000
ότι βλέπει μια διέξοδο για καλύτερη υγεία,
05:05
that they can actually see their way towards getting better health,
127
290000
2000
ότι τώρα βλέπει πως μπορεί
να βελτιώσει την υγεία του,
να βελτιώσει την υγεία του,
05:07
and that's a very important notion.
128
292000
2000
και είναι μια πολύ σημαντική έννοια.
05:09
It's an amazing notion.
129
294000
2000
Είναι μια θαυμάσια έννοια.
05:11
We don't really know how to manipulate it, though, that well.
130
296000
3000
Δεν γνωρίζουμε όμως
πώς να τη χειριστούμε, τόσο καλά.
πώς να τη χειριστούμε, τόσο καλά.
05:14
Except, maybe we do.
131
299000
3000
Όμως, ίσως γνωρίζουμε.
05:17
So fear doesn't work, right? Fear doesn't work.
132
302000
2000
Λοιπόν ο φόβος δεν λειτουργεί, έτσι;
05:19
And this is a great example
133
304000
2000
Αυτό είναι ένα σπουδαίο παράδειγμα
05:21
of how we haven't learned that lesson at all.
134
306000
3000
ότι δεν έχουμε μάθει
καθόλου τούτο το μάθημα.
καθόλου τούτο το μάθημα.
05:24
This is a campaign from the American Diabetes Association.
135
309000
3000
Αυτή είναι μια καμπάνια
του Αμερικανικού Συνδέσμου Διαβήτη.
του Αμερικανικού Συνδέσμου Διαβήτη.
05:27
This is still the way we're communicating messages about health.
136
312000
3000
Έτσι επικοινωνούμε ακόμη
τα μηνύματα για την υγεία.
τα μηνύματα για την υγεία.
05:30
I mean, I showed my three-year-old this slide last night,
137
315000
3000
Έδειξα στον τρίχρονο γιο μου
αυτή τη διαφάνεια χθες το βράδυ,
αυτή τη διαφάνεια χθες το βράδυ,
05:33
and he's like, "Papa, why is an ambulance in these people's homes?"
138
318000
4000
και μου λέει, «Μπαμπά, γιατί είναι
το ασθενοφόρο στα σπίτια τους;»
το ασθενοφόρο στα σπίτια τους;»
05:37
And I had to explain, "They're trying to scare people."
139
322000
3000
Έπρεπε να εξηγήσω, «προσπαθούν
να φοβίσουν τους ανθρώπους».
να φοβίσουν τους ανθρώπους».
05:40
And I don't know if it works.
140
325000
2000
Και δεν ξέρω άν αυτό έχει αποτέλεσμα.
05:42
Now here's what does work:
141
327000
2000
Να τώρα τι λειτουργεί:
05:44
personalized information works.
142
329000
2000
η εξατομικευμένη πληροφόρηση λειτουργεί.
05:46
Again, Bandura recognized this
143
331000
2000
Πάλι, ο Μπαντούρα το αναγνώρισε
05:48
years ago, decades ago.
144
333000
2000
πριν από δεκαετίες.
05:50
When you give people specific information
145
335000
2000
Aν δώσετε στο κόσμο
συγκεκριμένη πληροφόρηση
συγκεκριμένη πληροφόρηση
05:52
about their health, where they stand,
146
337000
2000
για την υγεία τους, πού βρίσκονται,
05:54
and where they want to get to, where they might get to,
147
339000
2000
και πού θέλουν να πάνε,
πού θα μπορούσαν να φθάσουν,
πού θα μπορούσαν να φθάσουν,
05:56
that path, that notion of a path --
148
341000
2000
αυτή η αντίληψη πορείας -
05:58
that tends to work for behavior change.
149
343000
2000
τείνει να λειτουργεί
στην αλλαγή συμπεριφοράς.
στην αλλαγή συμπεριφοράς.
06:00
So let me just spool it out a little bit.
150
345000
2000
Ας το αναπτύξω λίγο.
06:02
So you start with personalized data, personalized information
151
347000
3000
Ξεκινάτε με προσωποποιημένα
δεδομένα, πληροφορίες
δεδομένα, πληροφορίες
06:05
that comes from an individual,
152
350000
2000
που προέρχονται από ένα άτομο,
06:07
and then you need to connect it to their lives.
153
352000
3000
και μετά πρέπει να τις συνδέσετε
με τις ζωές τους.
με τις ζωές τους.
06:10
You need to connect it to their lives,
154
355000
2000
Πρέπει να τις συνδέσετε,
όχι βασισμένοι στον φόβο,
αλλά με έναν κατανοητό τρόπο.
αλλά με έναν κατανοητό τρόπο.
06:12
hopefully not in a fear-based way, but one that they understand.
155
357000
2000
06:14
Okay, I know where I sit. I know where I'm situated.
156
359000
3000
Εντάξει, ξέρω πού κάθομαι.
Ξέρω την κατάστασή μου.
Ξέρω την κατάστασή μου.
06:17
And that doesn't just work for me in terms of abstract numbers --
157
362000
3000
Και για μένα οι αφηρημένοι αριθμοί
δεν λειτουργούν --
δεν λειτουργούν --
06:20
this overload of health information
158
365000
2000
αυτή η υπερφόρτωση πληροφορίας της υγείας
06:22
that we're inundated with.
159
367000
2000
που μας κατακλύζει.
06:24
But it actually hits home.
160
369000
2000
Αλλά έχει σημασία για μας.
Δεν αγγίζει απλώς το νου μας,
06:26
It's not just hitting us in our heads; it's hitting us in our hearts.
161
371000
2000
αλλά τις καρδιές μας.
06:28
There's an emotional connection to information
162
373000
2000
Υπάρχει μια συναισθηματική σύνδεση
με την πληροφορία
με την πληροφορία
06:30
because it's from us.
163
375000
2000
επειδή προέρχεται από εμάς.
06:32
That information then needs to be connected to choices,
164
377000
3000
Αυτή η πληροφορία πρέπει μετά
να συνδεθεί με επιλογές,
να συνδεθεί με επιλογές,
06:35
needs to be connected to a range of options,
165
380000
2000
πρέπει να συνδεθεί
με ένα εύρος επιλογών,
με ένα εύρος επιλογών,
06:37
directions that we might go to --
166
382000
2000
κατευθύνσεις στις οποίες μπορεί να πάμε --
06:39
trade-offs, benefits.
167
384000
2000
ανταλλάγματα, οφέλη.
06:41
Finally, we need to be presented with a clear point of action.
168
386000
3000
Τελικά, πρέπει να μας δώσουν
έναν ξεκάθαρο τρόπο δράσης.
έναν ξεκάθαρο τρόπο δράσης.
06:44
We need to connect the information
169
389000
2000
Πρέπει να συνδέσουμε την πληροφορία
06:46
always with the action,
170
391000
2000
πάντα με τη δράση,
06:48
and then that action feeds back
171
393000
2000
και μετά αυτή η δράση
ανατροφοδοτεί
ανατροφοδοτεί
06:50
into different information,
172
395000
2000
διαφορετικές πληροφορίες,
06:52
and it creates, of course, a feedback loop.
173
397000
2000
κι έτσι έχουμε έναν βρόχο ανάδρασης.
06:54
Now this is a very well-observed and well-established notion
174
399000
3000
Αυτή η αντίληψη έχει παρατηρηθεί
κι έχει καθιερωθεί
κι έχει καθιερωθεί
06:57
for behavior change.
175
402000
2000
για την αλλαγή συμπεριφοράς.
06:59
But the problem is that things -- in the upper-right corner there --
176
404000
3000
Αλλά το πρόβλημα είναι ότι --
στην πάνω δεξιά γωνία εκεί --
07:02
personalized data, it's been pretty hard to come by.
177
407000
2000
τα προσωποποιημένα δεδομένα,
είναι πολύ δύσκολο να τα βρούμε.
07:04
It's a difficult and expensive commodity,
178
409000
3000
Είναι ένα δύσκολο και ακριβό προϊόν,
07:07
until now.
179
412000
2000
μέχρι τώρα.
07:09
So I'm going to give you an example, a very simple example of how this works.
180
414000
3000
Θα σας δώσω ένα πολύ
απλό παράδειγμα πώς λειτουργεί.
απλό παράδειγμα πώς λειτουργεί.
07:12
So we've all seen these. These are the "your speed limit" signs.
181
417000
3000
Όλοι τα έχουμε δει αυτά.
Είναι τα σήματα με την «ταχύτητά σας».
Είναι τα σήματα με την «ταχύτητά σας».
07:15
You've seen them all around,
182
420000
2000
Τα έχετε δει παντού,
07:17
especially these days as radars are cheaper.
183
422000
2000
ιδίως τώρα που τα ραντάρ
είναι φθηνότερα.
είναι φθηνότερα.
07:19
And here's how they work in the feedback loop.
184
424000
2000
Να πώς λειτουργούν στον βρόχο ανάδρασης.
07:21
So you start with the personalized data
185
426000
2000
Ξεκινάτε με τα εξατομικευμένα δεδομένα
07:23
where the speed limit on the road that you are at that point
186
428000
2000
όπου το όριο ταχύτητας
στον δρόμο σας
στον δρόμο σας
07:25
is 25,
187
430000
2000
είναι 40 χιλιόμετρα,
07:27
and, of course, you're going faster than that.
188
432000
2000
και φυσικά εσείς πάτε πιο γρήγορα.
07:29
We always are. We're always going above the speed limit.
189
434000
3000
Πάντα το κάνουμε.
Πάντα υπερβαίνουμε το όριο ταχύτητας.
Πάντα υπερβαίνουμε το όριο ταχύτητας.
07:32
The choice in this case is pretty simple.
190
437000
2000
Η επιλογή εδώ είναι αρκετά απλή.
07:34
We either keep going fast, or we slow down.
191
439000
2000
Θα συνεχίσουμε να τρέχουμε,
ή θα επιβραδύνουμε.
07:36
We should probably slow down,
192
441000
2000
Μάλλον θα επιβραδύνουμε,
07:38
and that point of action is probably now.
193
443000
2000
και το σημείο δράσης είναι μάλλον τώρα.
07:40
We should take our foot off the pedal right now,
194
445000
3000
Θα πρέπει να βγάλουμε το πόδι από το γκάζι
07:43
and generally we do. These things are shown to be pretty effective
195
448000
3000
κι αυτό γενικά κάνουμε. Φαίνεται ότι
τούτα είναι αποτελεσματικά
τούτα είναι αποτελεσματικά
07:46
in terms of getting people to slow down.
196
451000
2000
για να κάνουμε τον κόσμο
να κόψει ταχύτητα.
να κόψει ταχύτητα.
07:48
They reduce speeds by about five to 10 percent.
197
453000
2000
Κόβουμε ταχύτητα περίπου κατά 10%.
07:50
They last for about five miles,
198
455000
2000
Αυτό κρατάει για περίπου οχτώ χιλιόμετρα,
07:52
in which case we put our foot back on the pedal.
199
457000
2000
και τότε ξαναπατάμε το γκάζι.
07:54
But it works, and it even has some health repercussions.
200
459000
2000
Αλλά λειτουργεί,
μάλιστα με αντίκτυπο στην υγεία.
07:56
Your blood pressure might drop a little bit.
201
461000
2000
Ίσως πέσει λίγο η πίεσή σας.
07:58
Maybe there's fewer accidents, so there's public health benefits.
202
463000
3000
Ίσως γίνουν λιγότερα ατυχήματα,
ωφελώντας έτσι τη δημόσια υγεία.
ωφελώντας έτσι τη δημόσια υγεία.
08:01
But by and large, this is a feedback loop
203
466000
2000
Γενικά, αυτός είναι ένας βρόχος ανάδρασης
08:03
that's so nifty and too rare.
204
468000
3000
ιδιαίτερα φίνος και πολύ σπάνιος.
08:06
Because in health care, most health care,
205
471000
2000
Επειδή συνήθως στην υγειονομική περίθαλψη,
08:08
the data is very removed from the action.
206
473000
3000
τα δεδομένα αποσυνδέονται απ' τη δράση.
08:11
It's very difficult to line things up so neatly.
207
476000
3000
Είναι πολύ δύσκολο να μπουν
τα πράγματα τόσο καλά σε μια σειρά.
τα πράγματα τόσο καλά σε μια σειρά.
08:14
But we have an opportunity.
208
479000
2000
Αλλά έχουμε μια ευκαιρία.
08:16
So I want to talk about, I want to shift now to think about
209
481000
2000
Τώρα θέλω να στραφώ στο πώς παρέχουμε
08:18
how we deliver health information in this country,
210
483000
2000
υγειονομικές πληροφορίες σε αυτή τη χώρα,
08:20
how we actually get information.
211
485000
3000
πώς πληροφορούμαστε.
08:23
This is a pharmaceutical ad.
212
488000
3000
Αυτή είναι μια φαρμακευτική διαφήμιση.
08:26
Actually, it's a spoof. It's not a real pharmaceutical ad.
213
491000
2000
Βασικά είναι παρωδία.
Δεν είναι πραγματική.
Δεν είναι πραγματική.
08:28
Nobody's had the brilliant idea
214
493000
2000
Κανείς δεν είχε την φαεινή ιδέα
08:30
of calling their drug Havidol quite yet.
215
495000
3000
να ονομάσει το φάρμακό του Χαβιντόλ ακόμη.
08:34
But it looks completely right.
216
499000
2000
Αλλά φαίνεται εντελώς σωστό.
08:36
So it's exactly the way we get
217
501000
2000
Ακριβώς έτσι παίρνουμε
08:38
health information and pharmaceutical information,
218
503000
3000
υγειονομικές και
φαρμακευτικές πληροφορίες,
φαρμακευτικές πληροφορίες,
08:41
and it just sounds perfect.
219
506000
2000
κι όλα μοιάζουν τέλεια.
08:43
And then we turn the page of the magazine,
220
508000
2000
Και μετά γυρνάμε τη σελίδα του περιοδικού,
08:45
and we see this --
221
510000
3000
και βλέπουμε αυτό --
08:48
now this is the page the FDA requires pharmaceutical companies
222
513000
3000
είναι η σελίδα που απαιτεί ο ΕΟΦ
από τις φαρμακευτικές εταιρίες
από τις φαρμακευτικές εταιρίες
08:51
to put into their ads, or to follow their ads,
223
516000
3000
να βάζουν στις διαφημίσεις τους,
ή μετά απ' αυτές,
ή μετά απ' αυτές,
08:54
and to me, this is one of the most
cynical exercises in medicine.
cynical exercises in medicine.
224
519000
4000
και για μένα, αυτό είναι μία από
τις πιο κυνικές πρακτικές στην ιατρική.
τις πιο κυνικές πρακτικές στην ιατρική.
08:58
Because we know.
225
523000
2000
Επειδή γνωρίζουμε.
Ποιος από εμάς θα έλεγε ότι
ο κόσμος όντως το διαβάζει;
ο κόσμος όντως το διαβάζει;
09:00
Who among us would actually say that people read this?
226
525000
2000
09:02
And who among us would actually say
227
527000
2000
Και ποιος από εμάς θα έλεγε
09:04
that people who do try to read this
228
529000
2000
ότι όσοι προσπάθησαν να το διαβάσουν
09:06
actually get anything out of it?
229
531000
2000
κατάλαβαν το παραμικρό;
09:08
This is a bankrupt effort
230
533000
2000
Αυτή είναι μια χρεοκοπημένη προσπάθεια
09:10
at communicating health information.
231
535000
3000
επικοινωνίας υγειονομικής πληροφορίας.
09:13
There is no good faith in this.
232
538000
2000
Δεν υπάρχει καλή πίστη σε αυτό.
09:15
So this is a different approach.
233
540000
2000
Αυτή είναι μια διαφορετική προσέγγιση.
09:17
This is an approach that has been developed
234
542000
3000
Είναι μια προσέγγιση
που έχει αναπτυχθεί
που έχει αναπτυχθεί
09:20
by a couple researchers at Dartmouth Medical School,
235
545000
3000
από δύο ερευνητές
στην Ιατρική Σχολή του Ντάρτμουθ,
στην Ιατρική Σχολή του Ντάρτμουθ,
09:23
Lisa Schwartz and Steven Woloshin.
236
548000
2000
την Λίζα Σβάρτζ και τον Στίβεν Ουόλοσιν.
09:25
And they created this thing called the "drug facts box."
237
550000
3000
Δημιούργησαν κάτι που λέγεται
το «πλαίσιο δεδομένων φαρμάκου».
το «πλαίσιο δεδομένων φαρμάκου».
09:28
They took inspiration from, of all things,
238
553000
2000
Φανταστείτε ότι εμπνεύστηκαν
09:30
Cap'n Crunch.
239
555000
2000
από τα δημητριακά.
09:32
They went to the nutritional information box
240
557000
3000
Πήγαν στο πλαίσιο
με τις διατροφικές πληροφορίες
με τις διατροφικές πληροφορίες
09:35
and saw that what works for cereal, works for our food,
241
560000
3000
και είδαν ότι αυτό λειτουργεί
για τα δημητριακά, το φαγητό,
για τα δημητριακά, το φαγητό,
09:38
actually helps people understand what's in their food.
242
563000
3000
βοηθάει όντως τον κόσμο
να καταλάβει τι περιέχει το φαγητό τους.
να καταλάβει τι περιέχει το φαγητό τους.
Θεός φυλάξοι για τη χρήση
του ίδιου πρότυπου
του ίδιου πρότυπου
09:42
God forbid we should use that same standard
243
567000
2000
το οποίο βάζουμε να ακολουθούν
τα δημητριακά
τα δημητριακά
09:44
that we make Cap'n Crunch live by
244
569000
2000
09:46
and bring it to drug companies.
245
571000
3000
και να το φέρουμε
στις φαρμακευτικές εταιρίες.
στις φαρμακευτικές εταιρίες.
09:49
So let me just walk through this quickly.
246
574000
2000
Ας το δούμε λοιπόν στα γρήγορα.
09:51
It says very clearly what the drug is for, specifically who it is good for,
247
576000
3000
Λέει ξεκάθαρα τι είναι το φάρμακο,
για ποιον ακριβώς είναι καλό,
για ποιον ακριβώς είναι καλό,
09:54
so you can start to personalize your understanding
248
579000
2000
έτσι μπορείτε να εξατομικεύσετε
την κατανόησή σας
την κατανόησή σας
09:56
of whether the information is relevant to you
249
581000
2000
για το αν η πληροφορία σας αφορά
09:58
or whether the drug is relevant to you.
250
583000
2000
ή αν το φάρμακο σας αφορά.
10:00
You can understand exactly what the benefits are.
251
585000
3000
Καταλαβαίνετε ακριβώς ποια είναι τα ωφέλη.
10:03
It isn't this kind of vague promise that it's going to work no matter what,
252
588000
3000
Δεν είναι μια αόριστη υπόσχεση
πως θα δουλέψει ό,τι κι αν γίνει,
πως θα δουλέψει ό,τι κι αν γίνει,
10:06
but you get the statistics for how effective it is.
253
591000
3000
αλλά βλέπετε τα στατιστικά
της αποτελεσματικότητάς του.
της αποτελεσματικότητάς του.
10:09
And finally, you understand what those choices are.
254
594000
3000
Και τέλος, καταλαβαίνετε
ποιες είναι αυτές οι επιλογές.
ποιες είναι αυτές οι επιλογές.
10:12
You can start to unpack the choices involved
255
597000
2000
Μπορείτε να ξεδιπλώσετε τις επιλογές
10:14
because of the side effects.
256
599000
2000
λόγω των παρενεργειών.
10:16
Every time you take a drug, you're walking into a possible side effect.
257
601000
3000
Κάθε φορά που παίρνετε ένα φάρμακο,
υπάρχει πιθανότητα παρενέργειας.
υπάρχει πιθανότητα παρενέργειας.
10:19
So it spells those out in very clean terms,
258
604000
2000
Τα λέει λοιπόν με ξεκάθαρους όρους
10:21
and that works.
259
606000
2000
και αυτό λειτουργεί.
10:23
So I love this. I love that drug facts box.
260
608000
2000
Μου αρέσει το πλαίσιο δεδομένων φαρμάκου.
10:25
And so I was thinking about,
261
610000
2000
Και σκεφτόμουν,
10:27
what's an opportunity that I could have
262
612000
2000
ποια ευκαιρία θα μπορούσα να έχω
10:29
to help people understand information?
263
614000
3000
για να βοηθήσω τον κόσμο
να καταλάβει τις πληροφορίες;
να καταλάβει τις πληροφορίες;
10:32
What's another latent body of information that's out there
264
617000
4000
Ποιος αφανής όγκος πληροφοριών
βρίσκεται εκεί έξω,
βρίσκεται εκεί έξω,
10:36
that people are really not putting to use?
265
621000
3000
που δεν τις πολυχρησιμοποιεί ο κόσμος;
10:39
And so I came up with this: lab test results.
266
624000
3000
Και έτσι σκέφτηκα αυτό:
Αποτελέσματα εργαστηριακών εξετάσεων.
Αποτελέσματα εργαστηριακών εξετάσεων.
Τα αποτελέσματα εξετάσεων αίματος
είναι εξαιρετική πηγή πληροφοριών.
είναι εξαιρετική πηγή πληροφοριών.
10:42
Blood test results are this great source of information.
267
627000
3000
10:45
They're packed with information.
268
630000
2000
Είναι γεμάτα πληροφορίες.
10:47
They're just not for us. They're not for people. They're not for patients.
269
632000
3000
Δεν είναι μόνο για μας, για τον κόσμο,
για τους ασθενείς.
για τους ασθενείς.
10:50
They go right to doctors.
270
635000
2000
Πάνε απευθείας στους γιατρούς.
10:52
And God forbid -- I think many doctors, if you really asked them,
271
637000
3000
Και Θεός φυλάξοι -- νομίζω πολλοί γιατροί,
αν τους ρωτήσετε,
αν τους ρωτήσετε,
10:55
they don't really understand all this stuff either.
272
640000
3000
ούτε κι οι ίδιοι τα καταλαβαίνουν όλα αυτά.
10:58
This is the worst presented information.
273
643000
3000
Αυτές είναι οι πληροφορίες
με τη χειρότερη παρουσίαση
με τη χειρότερη παρουσίαση
11:01
You ask Tufte, and he would say,
274
646000
3000
Αν ρωτούσατε τον Τάφτυ, θα σας έλεγε
11:04
"Yes, this is the absolute worst presentation of information possible."
275
649000
3000
«Ναι, είναι η χειρότερη δυνατή
παρουσίαση πληροφοριών».
παρουσίαση πληροφοριών».
11:07
What we did at Wired
276
652000
2000
Αυτό που κάναμε στο Wired ήταν
ότι πήγαμε κι αναθέσαμε
στο τμήμα γραφιστικής
στο τμήμα γραφιστικής
11:09
was we went, and I got our graphic design department
277
654000
2000
11:11
to re-imagine these lab reports.
278
656000
2000
να ξανασχεδιάσουν
τις εργαστηριακές αναφορές.
τις εργαστηριακές αναφορές.
11:13
So that's what I want to walk you through.
279
658000
2000
Αυτό θα σας εξηγήσω.
11:15
So this is the general blood work before,
280
660000
3000
Αυτές είναι οι γενικές
εξετάσεις αίματος πριν,
εξετάσεις αίματος πριν,
και αυτές είναι μετά,
όπως τις σχεδιάσαμε.
όπως τις σχεδιάσαμε.
11:18
and this is the after, this is what we came up with.
281
663000
2000
Πήραμε ένα κατεβατό τεσσάρων σελίδων --
11:20
The after takes what was four pages --
282
665000
2000
11:22
that previous slide was actually
283
667000
2000
η προηγούμενη διαφάνεια ήταν
11:24
the first of four pages of data
284
669000
2000
η πρώτη από τέσσερις σελίδες δεδομένων
11:26
that's just the general blood work.
285
671000
2000
της γενικής αίματος.
Τραβάει μακριά, όλες αυτές οι τιμές
και τα νούμερα που δεν γνωρίζετε.
και τα νούμερα που δεν γνωρίζετε.
11:28
It goes on and on and on, all these values, all these numbers you don't know.
286
673000
3000
11:31
This is our one-page summary.
287
676000
3000
Φτιάξαμε περίληψη μιας σελίδας.
11:34
We use the notion of color.
288
679000
2000
Χρησιμοποιούμε χρώματα
11:36
It's an amazing notion that color could be used.
289
681000
3000
Είναι σπουδαία ιδέα
να χρησιμοποιήσουμε χρώμα.
να χρησιμοποιήσουμε χρώμα.
11:39
So on the top-level you have your overall results,
290
684000
3000
Στο πάνω μέρος έχετε
τα γενικά αποτελέσματα,
τα γενικά αποτελέσματα,
11:42
the things that might jump out at you from the fine print.
291
687000
3000
αυτά που μπορεί να ξεπεταχτούν
μέσα από τα ψιλά γράμματα.
μέσα από τα ψιλά γράμματα.
11:45
Then you can drill down
292
690000
2000
Μετά μπορείτε να εμβαθύνετε
11:47
and understand how actually we put your level in context,
293
692000
3000
και να δείτε πώς φέραμε
την πληροφορία στο δικό σας επίπεδο
την πληροφορία στο δικό σας επίπεδο
11:50
and we use color to illustrate
294
695000
2000
με χρήση χρώματος στις απεικονίσεις
11:52
exactly where your value falls.
295
697000
2000
πού ακριβώς πέφτουν οι τιμές σας.
11:54
In this case, this patient is slightly at risk of diabetes
296
699000
3000
Σε αυτή την περίπτωση, ο ασθενής
έχει ελαφρύ κίνδυνο διαβήτη
έχει ελαφρύ κίνδυνο διαβήτη
11:57
because of their glucose level.
297
702000
2000
λόγω του επιπέδου γλυκόζης.
11:59
Likewise, you can go over your lipids
298
704000
2000
Πσρομοίως, μπορείτε
να δείτε τα λιπίδιά σας
να δείτε τα λιπίδιά σας
12:01
and, again, understand what your overall cholesterol level is
299
706000
3000
και πάλι να καταλάβετε το γενικό
επίπεδο της χοληστερίνης σας
επίπεδο της χοληστερίνης σας
12:04
and then break down into the HDL and the LDL if you so choose.
300
709000
3000
και μετά να το χωρίσετε
σε HDL και LDL αν θέλετε.
σε HDL και LDL αν θέλετε.
12:07
But again, always using color
301
712000
2000
Πάντα χρησιμοποιώντας χρώμα
12:09
and personalized proximity
302
714000
2000
κι εξατομικευμένη αμεσότητα
12:11
to that information.
303
716000
2000
γι' αυτήν την πληροφορία.
12:13
All those other values,
304
718000
2000
Όλα τα υπόλοιπα δεδομένα,
12:15
all those pages and pages of values that are full of nothing,
305
720000
2000
τις σελίδες με τιμές που δε λένε τίποτα,
12:17
we summarize.
306
722000
2000
τις κάνουμε περίληψη.
12:19
We tell you that you're okay, you're normal.
307
724000
2000
Σας λέμε ότι είστε εντάξει, φυσιολογικός.
12:21
But you don't have to wade through it. You don't have to go through the junk.
308
726000
3000
Αλλά δεν χρειάζεται να εντρυφήσετε
σε όλη αυτή τη σαβούρα.
σε όλη αυτή τη σαβούρα.
Μετά κάνουμε δύο άλλα
πολύ σημαντικά πράγματα
πολύ σημαντικά πράγματα
12:24
And then we do two other very important things
309
729000
2000
12:26
that kind of help fill in this feedback loop:
310
731000
2000
που βοηθούν αυτόν το βρόχο ανάδρασης:
Βοηθάμε τον κόσμο να καταλάβει
πιο λεπτομερώς
πιο λεπτομερώς
12:28
we help people understand in a little more detail
311
733000
2000
12:30
what these values are and what they might indicate.
312
735000
3000
τι είναι αυτές οι τιμές
και τι μπορεί να δείχνουν.
και τι μπορεί να δείχνουν.
12:33
And then we go a further step -- we tell them what they can do.
313
738000
3000
Μετά πάμε ένα βήμα παραπέρα
-- τους λέμε τι μπορούν να κάνουν.
-- τους λέμε τι μπορούν να κάνουν.
12:36
We give them some insight
314
741000
2000
Τους παρέχουμε λίγη γνώση
για τις επιλογές και τις ενέργειες
που μπορούν κάνουν.
που μπορούν κάνουν.
12:38
into what choices they can make, what actions they can take.
315
743000
3000
12:41
So that's our general blood work test.
316
746000
3000
Αυτή είναι λοιπόν
η δική μας γενική αίματος.
η δική μας γενική αίματος.
Πάμε σε μια εξέταση
C-αντιδρώσας πρωτεΐνης, CRP.
C-αντιδρώσας πρωτεΐνης, CRP.
12:44
Then we went to CRP test.
317
749000
2000
12:46
In this case, it's a sin of omission.
318
751000
2000
Εδώ έχουμε μια "αμαρτία παράλειψης"
12:48
They have this huge amount of space,
319
753000
2000
Έχουν αυτόν τον τεράστιο χώρο,
χωρίς καμιά χρήση,
εμείς όμως τον αξιοποιούμε.
εμείς όμως τον αξιοποιούμε.
12:50
and they don't use it for anything, so we do.
320
755000
2000
12:52
Now the CRP test is often done
321
757000
2000
Η CRP συχνά μετριέται
12:54
following a cholesterol test,
322
759000
2000
μετά από μια εξέταση χοληστερίνης,
12:56
or in conjunction with a cholesterol test.
323
761000
2000
ή σε συνδυασμό
με μια εξέταση χοληστερίνης.
με μια εξέταση χοληστερίνης.
12:58
So we take the bold step
324
763000
2000
Έτσι κάνουμε το γενναίο βήμα
13:00
of putting the cholesterol information on the same page,
325
765000
3000
να βάλουμε τις πληροφορίες
της χοληστερίνης στην ίδια σελίδα,
της χοληστερίνης στην ίδια σελίδα,
13:03
which is the way the doctor is going to evaluate it.
326
768000
2000
αφού έτσι θα τις αξιολογήσει ο γιατρος.
13:05
So we thought the patient might actually want to know the context as well.
327
770000
3000
Σκεφτήκαμε ότι ο ασθενής
ίσως θέλει να γνωρίζει το συσχετισμό.
ίσως θέλει να γνωρίζει το συσχετισμό.
Είναι μια πρωτεΐνη που εμφανίζεται
13:08
It's a protein that shows up
328
773000
2000
όταν τα αιμοφόρα σας αγγεία
έχουν πιθανόν φλεγμονή,
έχουν πιθανόν φλεγμονή,
13:10
when your blood vessels might be inflamed,
329
775000
2000
13:12
which might be a risk for heart disease.
330
777000
2000
που ίσως προκαλεί κίνδυνο
καρδιοπάθειας.
καρδιοπάθειας.
13:14
What you're actually measuring
331
779000
2000
Αυτό που στην πραγματικότητα μετράτε
13:16
is spelled out in clean language.
332
781000
2000
εμφανίζεται σε ευδιάκριτη γλώσσα.
13:18
Then we use the information
333
783000
2000
Μετά χρησιμοποιούμε την πληροφορία
13:20
that's already in the lab report.
334
785000
2000
που είναι ήδη στην εργαστηριακή αναφορά.
Χρησιμοποιούμε την ηλικία
και το φύλο του ατόμου
και το φύλο του ατόμου
13:22
We use the person's age and their gender
335
787000
2000
13:24
to start to fill in the personalized risks.
336
789000
3000
για να συμπληρώσουμε
τους εξατομικευμένους κινδύνους.
τους εξατομικευμένους κινδύνους.
13:27
So we start to use the data we have
337
792000
2000
Χρησιμοποιούμε τα δεδομένα που έχουμε
13:29
to run a very simple calculation
338
794000
2000
για να κάνουμε έναν απλό υπολογισμό
13:31
that's on all sorts of online calculators
339
796000
2000
που κάνουν όλες
οι διαδικτυακές αριθμομηχανές
οι διαδικτυακές αριθμομηχανές
13:33
to get a sense of what the actual risk is.
340
798000
3000
για να έχετε μια ιδέα
του πραγματικού ρίσκου.
του πραγματικού ρίσκου.
13:36
The last one I'll show you is a PSA test.
341
801000
2000
Τέλος θα σας δείξω μια εξέταση PSA.
13:38
Here's the before, and here's the after.
342
803000
3000
Εδώ είναι το πριν κι εδώ το μετά.
13:41
Now a lot of our effort on this one --
343
806000
2000
Κάναμε πολύ δουλειά σε αυτό -
13:43
as many of you probably know,
344
808000
2000
όπως πολλοί από εσάς γνωρίζετε,
13:45
a PSA test is a very controversial test.
345
810000
2000
μια εξέταση PSA είναι πολύ αμφιλεγόμενη.
13:47
It's used to test for prostate cancer,
346
812000
2000
Εξετάζει για καρκίνο του προστάτη,
13:49
but there are all sorts of reasons
347
814000
2000
αλλά υπάρχουν πολλοί πιθανοί λόγοι
13:51
why your prostate might be enlarged.
348
816000
2000
για τη διόγκωση του προστάτη σας
13:53
And so we spent a good deal of our time
349
818000
2000
Οπότε σπαταλάμε πολύ χρόνο
13:55
indicating that.
350
820000
2000
για να το επισημάνουμε.
13:57
We again personalized the risks.
351
822000
2000
Πάλι εξατομικεύσαμε τους κινδύνους.
13:59
So this patient is in their 50s,
352
824000
2000
Αυτός ο ασθενής είναι άνω των 50
οπότε μπορούμε να κάνουμε
μια αρκετά ακριβή εκτίμηση
μια αρκετά ακριβή εκτίμηση
14:01
so we can actually give them a very precise estimate
353
826000
2000
14:03
of what their risk for prostate cancer is.
354
828000
2000
του κινδύνου του
για καρκίνο του προστάτη.
για καρκίνο του προστάτη.
14:05
In this case it's about 25 percent, based on that.
355
830000
3000
Εδώ, σύμφωνα με αυτό,
είναι περίπου 25 τοις εκατό.
είναι περίπου 25 τοις εκατό.
14:08
And then again, the follow-up actions.
356
833000
3000
Και πάλι, οι επακόλουθες δράσεις.
14:11
So our cost for this was less than 10,000 dollars, all right.
357
836000
3000
Το κόστος μας γι' αυτό
ήταν λιγότερο από 10.000 δολάρια.
ήταν λιγότερο από 10.000 δολάρια.
14:14
That's what Wired magazine spent on this.
358
839000
3000
Τόσα ξόδεψε το περιοδικό Wired γι' αυτό.
14:17
Why is Wired magazine doing this?
359
842000
2000
Γιατί το περιοδικό Wired το κάνει αυτό;
14:19
(Laughter)
360
844000
3000
(Γέλια)
14:22
Quest Diagnostics and LabCorp,
361
847000
2000
Η Quest Diagnostics και η LabCorp,
14:24
the two largest lab testing companies --
362
849000
3000
οι δύο μεγαλύτερες εταιρείες
εργαστηριακών εξετάσεων -
εργαστηριακών εξετάσεων -
14:27
last year, they made profits of over 700 million dollars
363
852000
3000
πέρσι είχαν κέρδη
πάνω από 700 εκατομμύρια δολάρια
πάνω από 700 εκατομμύρια δολάρια
14:30
and over 500 million dollars respectively.
364
855000
3000
και πάνω από 500 εκατομμύρια δολάρια
αντίστοιχα.
αντίστοιχα.
14:33
Now this is not a problem of resources;
365
858000
2000
Δεν είναι θέμα πόρων,
14:35
this is a problem of incentives.
366
860000
3000
είναι θέμα κινήτρων.
14:38
We need to recognize that the target of this information
367
863000
3000
Πρέπει να αναγνωρίσουμε
ότι ο στόχος αυτών των πληροφοριών
ότι ο στόχος αυτών των πληροφοριών
14:41
should not be the doctor, should not be the insurance company.
368
866000
3000
δεν θα πρέπει να είναι ο γιατρός
ή η ασφαλιστική εταιρεία.
ή η ασφαλιστική εταιρεία.
14:44
It should be the patient.
369
869000
2000
Θα πρέπει να είναι ο ασθενής.
14:46
It's the person who actually, in the end,
370
871000
2000
Είναι το άτομο που στην τελική
14:48
is going to be having to change their lives
371
873000
2000
θα πρέπει να αλλάξει τη ζωή του
14:50
and then start adopting new behaviors.
372
875000
2000
και να υιοθετήσει νέες συμπεριφορές.
14:52
This is information that is incredibly powerful.
373
877000
2000
Αυτές είναι εξαιρετικά
ισχυρές πληροφορίες,
ισχυρές πληροφορίες,
14:54
It's an incredibly powerful catalyst to change.
374
879000
3000
ένας απίστευτα ισχυρός
καταλύτης για την αλλαγή.
καταλύτης για την αλλαγή.
14:57
But we're not using it. It's just sitting there.
375
882000
2000
Αλλά δεν τον αξιοποιούμε.
Απλώς κάθεται εκεί.
Απλώς κάθεται εκεί.
14:59
It's being lost.
376
884000
2000
Χάνεται.
15:01
So I want to just offer four questions
377
886000
2000
Θέλω να συνεισφέρω τέσσερις ερωτήσεις
15:03
that every patient should ask,
378
888000
2000
που θα πρέπει να ρωτά κάθε ασθενής,
15:05
because I don't actually expect people
379
890000
2000
επειδή δεν περιμένω ο κόσμος
να παρουσιάζει έτσι
τις εργαστηριακές αναφορές.
τις εργαστηριακές αναφορές.
15:07
to start developing these lab test reports.
380
892000
2000
15:09
But you can create your own feedback loop.
381
894000
2000
Μπορείτε να φτιάξετε
τον δικό σας βρόχο ανάδρασης.
τον δικό σας βρόχο ανάδρασης.
15:11
Anybody can create their feedback loop by asking these simple questions:
382
896000
3000
Ο καθένας μπορεί να το κάνει,
θέτοντας αυτές τις απλές ερωτήσεις:
θέτοντας αυτές τις απλές ερωτήσεις:
15:14
Can I have my results?
383
899000
2000
Μπορώ να έχω τα αποτελέσματά μου;
15:16
And the only acceptable answer is --
384
901000
2000
Και η μόνη αποδεκτή απάντηση είναι -
15:18
(Audience: Yes.) -- yes.
385
903000
2000
(Κοινό: Ναι.) - ναι.
Τι σημαίνει αυτό;
Βοηθήστε με να καταλάβω τα δεδομένα.
Βοηθήστε με να καταλάβω τα δεδομένα.
15:20
What does this mean? Help me understand what the data is.
386
905000
2000
15:22
What are my options? What choices are now on the table?
387
907000
3000
Ποιες είναι οι επιλογές μου;
Τι επιλογές υπάρχουν τώρα;
Τι επιλογές υπάρχουν τώρα;
15:25
And then, what's next?
388
910000
2000
Και μετά, τι ακολουθεί;
Πώς θα ενσωματώσω αυτή την πληροφορία
15:27
How do I integrate this information
389
912000
2000
στην πορεία της ζωής μου;
15:29
into the longer course of my life?
390
914000
2000
Θέλω να τελειώσω δείχνοντας
15:32
So I want to wind up by just showing
391
917000
2000
ότι ο κόσμος μπορεί
να καταλάβει αυτές τις πληροφορίες.
να καταλάβει αυτές τις πληροφορίες.
15:34
that people have the capacity to understand this information.
392
919000
2000
15:36
This is not beyond the grasp of ordinary people.
393
921000
3000
Δεν είναι πέρα από την αντίληψη
του κοινού ανθρώπου.
του κοινού ανθρώπου.
15:39
You do not need to have the education level of people in this room.
394
924000
3000
Δεν χρειάζεται να έχετε το επίπεδο γνώσης
των ατόμων σε αυτή την αίθουσα.
των ατόμων σε αυτή την αίθουσα.
15:42
Ordinary people are capable of understanding this information,
395
927000
3000
Οι απλοί άνθρωποι μπορούν
να καταλάβουν αυτή την πληροφορία,
να καταλάβουν αυτή την πληροφορία,
15:45
if we only go to the effort of presenting it to them
396
930000
3000
αν μόνο κάνουμε την προσπάθεια
να τους την παρουσιάσουμε
να τους την παρουσιάσουμε
σε μορφή με την οποία
μπορούν να συμπλεχτούν.
μπορούν να συμπλεχτούν.
15:48
in a form that they can engage with.
397
933000
2000
15:50
And engagement is essential here,
398
935000
2000
Η σύμπλεξη είναι ουσιώδης εδώ,
15:52
because it's not just giving them information;
399
937000
2000
επειδή δεν τους δίνει μόνο πληροφορίες,
15:54
it's giving them an opportunity to act.
400
939000
2000
αλλά και μια ευκαιρία για δράση.
Αυτή είναι η σύμπλεξη.
Η συμμόρφωση είναι άλλο πράγμα.
Η συμμόρφωση είναι άλλο πράγμα.
15:56
That's what engagement is. It's different from compliance.
401
941000
2000
15:58
It works totally different from the way we talk about behavior
402
943000
3000
Λειτουργεί τελείως διαφορετικά
από το πώς εννοούμε τη συμπεριφορά
από το πώς εννοούμε τη συμπεριφορά
16:01
in medicine today.
403
946000
2000
στην ιατρική σήμερα.
16:03
And this information is out there.
404
948000
2000
Κι αυτές οι πληροφορίες είναι εκεί έξω.
16:05
I've been talking today about latent information,
405
950000
2000
Μίλησα πρωτύτερα για αφανή πληροφορία,
όλες τις πληροφορίες
που υπάρχουν στο σύστημα
που υπάρχουν στο σύστημα
16:07
all this information that exists in the system
406
952000
2000
16:09
that we're not putting to use.
407
954000
2000
και δεν τις χρησιμοποιούμε.
16:11
But there are all sorts of other bodies of information
408
956000
2000
Αλλά υπάρχουν κάθε είδους πληροφορίες
16:13
that are coming online,
409
958000
2000
που ανεβαίνουν στο διαδίκτυο,
16:15
and we need to recognize the capacity of this information
410
960000
3000
και πρέπει να αναγνωρίσουμε
την ικανότητα αυτών των πληροφοριών
την ικανότητα αυτών των πληροφοριών
16:18
to engage people, to help people
411
963000
2000
για συμπλέξουν τον κόσμο,
να τον βοηθήσουν
να τον βοηθήσουν
16:20
and to change the course of their lives.
412
965000
2000
και ν' αλλάξουν την πορεία της ζωής του.
16:22
Thank you very much.
413
967000
2000
Σας ευχαριστώ πολύ.
16:24
(Applause)
414
969000
3000
(Χειροκρότημα)
ABOUT THE SPEAKER
Thomas Goetz - Healthcare communicatorThomas Goetz is the co-founder of Iodine and author of "The Decision Tree: Taking Control of Your Health in the New Era of Personalized Medicine.”
Why you should listen
Thomas Goetz is the co-founder of Iodine, a new company that gives consumers better information -- and better visualizations -- of their health data. The former executive editor of Wired, Goetz has a Master's of Public Health from UC Berkeley. In 2010 he published The Decision Tree, a fascinating look at modern medical decisionmaking and technology. Former FDA commissioner Dr. David Kessler called the book "a game changer.” His next book, The Remedy, explores the germ theory of disease and the quest to cure tuberculosis.
Thomas Goetz | Speaker | TED.com