1. Hasta demografisi: Yaş, cinsiyet, ırk, etnik köken vb.
2. Tıbbi geçmişi: Geçirilmiş hastalıklar, tedaviler, ameliyatlar vb.
3. Aile geçmişi: Ailede geçerli olan sağlık koşulları.
4. Belirtiler: Hastanın neler yaşadığı, ne zaman başladığı, nasıl ilerlediği vb.
5. Yaşamsal belirtiler: Vücut sıcaklığı, kan basıncı, kalp atış hızı, solunum hızı vb.
6. Laboratuvar testleri: Kan tahlili, idrar analizi, görüntüleme testleri vb.
7. Tedavi planları: Hangi tedavilerin sağlandığı, ne zaman sağlandığı, nasıl tolere edildiği vb.
8. Hasta sonuçları: Hastanın durumunun zaman içinde nasıl iyileştiği veya kötüleştiği, iyileşip iyileşmediği veya öldüğü vb.
9. Olumsuz olaylar: Tedavi sonucunda ortaya çıkan olumsuz sonuçlar.
10. Yaşam kalitesi: Hastanın durumunun günlük yaşamdaki fonksiyonlarını nasıl etkilediği.
Araştırmacılar bu sayısal gerçekleri toplayıp analiz ederek yeni tedavilere ve tedavilere yol açabilecek kalıpları ve eğilimleri belirleyebilirler. Örneğin araştırmacılar, belirli bir ilaç kombinasyonunun, belirli bir kanser türünün tedavisinde tek bir ilaca göre daha etkili olduğunu bulabilir. Veya belirli bir genetik mutasyonun, belirli bir hastalığa yakalanma riskinin daha yüksek olmasıyla bağlantılı olduğunu bulabilirler. Bu bilgi daha sonra yeni ilaçlar, tedaviler ve önleme stratejileri geliştirmek için kullanılabilir.
Sayısal veriler, tıp bilimini ilerletmenin yanı sıra hasta bakımını iyileştirmek için de kullanılabilir. Örneğin doktorlar, hastanın tıbbi geçmişini takip etmek ve potansiyel riskleri belirlemek için elektronik sağlık kayıtlarını (EHR'ler) kullanabilir. Verileri tedavi planlarını kişiselleştirmek ve hastanın ilerlemesini izlemek için de kullanabilirler. Bu, hastalar için daha iyi sonuçlara ve sağlık sistemi için maliyetlerin azalmasına yol açabilir.