大數據在災難護理全期管理的運用

臺灣的地理與社會環境發生天然、人為與複合式災難的機會極高，自1999年921大地震以來，在2003年SARS、2009年莫拉克風災、2014年高雄氣爆、2015年八仙塵爆、2016年美濃地震，以及2018年花蓮地震等災難後所蒐集到的大數據以及衍生資訊，可以做為日後對應災難前期準備、中期應變、後期復原的參考。雖然大數據在護理照護領域的定義仍待更明確的共識，但學者所提出五項定義標準: volume, velocity, variety, veracity與value，可作為對應災難護理運用大數據的參考。此五個「V」分別代表大數據的規模、大數據產生的速度、大數據不同的資料形態來源或起因、大數據的正確性、大數據的價值；此五項原則，在災難中不論是大數據的定義、來源、收集方式，正確性的驗證，以及衍生訊息與運用價值，都是因應著災難前、中、後期的特性，雖有所變異卻又息息相關。當面對大數據與衍生資料的運用上，DRIP (Data Rich, Information Poor)值得大家的省思；若未有效將資料轉換成有意義資訊時，就像drip英文字義一樣，當資料隨著時間一點一滴流逝而無法有效運用時，再大的數據也將不具意義。也因此運用大數據在災難護理全期管理時，如何界定災難護理敏感性的數據，並快速蒐集與衍生出正確而有效訊息，提供災難護理照護決策判斷依據，應是所有參與災難照護的護理人員應該關注與學習的課題。