Wielokryterialne mechanizmy wspomagania podejmowania decyzji medycznych w modelu repozytorium w oparciu o wzorce

• Autorzy: Ameljańczyk A.

Warianty tytułu

EN

Multiple criteria mechanisms supporting clinical decisions making in the model of the repository based on the patterns

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono możliwość zastosowania mechanizmów wnioskowania diagnostycznego wykorzystujących wzorce zdefiniowane w wielokryterialnej przestrzeni danych medycznych pacjenta. Mechanizmy takie mogą być zastosowane w procedurach wspomagania rozstrzygnięć medycznych w węzłach decyzyjnych ścieżek klinicznych na etapie wstępnego diagnozowania. Istotą przedstawionej koncepcji jest wyznaczenie zbioru diagnoz, które są najbardziej prawdopodobne przy stwierdzonych symptomach chorobowych i czynnikach ryzyka, oraz jego rankingu.

EN

In this paper opportunities of usage diagnostics conclusion mechanisms based on patterns defined in multi criteria patient's medical data space were introduced. Such mechanisms might be used in medical resolve's supporting procedures in decision nodes of clinical pathways. The essence of the presented concept is to determine the set of diagnoses of which there are no higher probable ones when obseryed disease symptoms and risk factors.

Słowa kluczowe

PL

komputerowy system wspomagania decyzji medycznych; ścieżka kliniczna; wzorzec medyczny; optymalizacja wielokryterialna; zbiór Pareto

EN

clinical decision support system; clinical pathways; clinical patterns; multicriteria optimization; Pareto set

• Wydawca: Institute of Computer and Information Systems, Faculty of Cybernetics, Military University of Technology
• Czasopismo: Biuletyn Instytutu Systemów Informatycznych
• Rocznik: 2010
• Tom: nr 5
• Strony: 1--6
• Opis fizyczny: Bibliogr. 32 poz., wykr.

Twórcy

autor

Ameljańczyk A.

• Instytut Systemów Informatycznych. Wydział Cybernetyki WAT, ul. S. Kaliskiego 2, 00-908 Warszawa,

Bibliografia

• [1] M. Albin, Fuzzy sets and their applications to medical diagnosis, Berkeley, 1975.
• [2] M. Allan, Crash Course – wywiad i badania przedmiotowe, Elsevier Urban & Partner, Wrocław, 2005.
• [3] A. Ameljańczyk, Optymalizacja wielokryterialna w problemach sterowania i zarządzania, Ossolineum, 1984.
• [4] A. Ameljańczyk, Analiza specyfiki Komputerowych Systemów Wspomagania Decyzji Medycznych w kontekście modelowania i algorytmizacji procesów decyzyjnych, I Krajowa Konferencja „Systemy Komputerowe i Teleinformatyczne w Służbie Zdrowia”, Warszawa, 2009.
• [5] A. Ameljańczyk, Matematyczny model przestrzeni życia w komputerowym systemie wspomagania decyzji medycznych, I Krajowa Konferencja „Systemy Komputerowe i Teleinformatyczne w Służbie Zdrowia”, Warszawa 2009.
• [6] A. Ameljańczyk, O pewnej koncepcji modelowania repozytorium medycznego, POIG.01.03.01-00-145/08/2009, WAT, Warszawa, 2009.
• [7] A. Ameljańczyk, „Analiza wpływu przyjętej koncepcji modelowania systemu wspomagania decyzji medycznych nasposób generowania ścieżek klinicznych”, Bliuletyn ISI, Nr 4/2009.
• [8] A. Ameljańczyk, „Matematyczne aspekty modelowania pajęczynowego obiektów”, Biuletyn ISI, Nr 4/2009.
• [9] ANSI HL7, http://www.hl7.org.
• [10] H. L. C. Beynon i inni, Interpretacja danych klinicznych w pytaniach i opisach przypadków, Elsevier Urban & Partner, Wrocław, 2007.
• [11] J. Błaszczykowski, K. Krawiec, R. Słowiński, J. Stefanowski, Sz. Wilk, Wspomaganie decyzji i komunikacji w systemach telemedycznych, Poznań, 2006.
• [12] P. Długosz, Koncepcja modułu wspomagania decyzji klinicznych w modelu repozytorium z wykorzystaniem metod teorii zbiorów przybliżonych, POIG.01.03.01-00-145/08/2009, WAT, Warszawa, 2009.
• [13] R. Douglas Collins, Algorytmy interpretacji objawów klinicznych, Medipage, Warszawa, 2010.
• [14] F. Kokot, Diagnostyka różnicowa objawów chorobowych,WL PZWL, Warszawa, 2007.
• [15] F. Kokot, S. Kokot, Badania laboratoryjne – zakres norm i interpretacja, WL PZWL, Warszawa, 2002.
• [16] J. Makal, „System ekspertowy do wspomagania diagnozy łagodnego przerostu prostaty”, Pomiary Automatyka i Robotyka, 7-8, 2004.
• [17] Medyczne Systemy Ekspertowe, http://www.computer.privateweb.at/judith/links3.htm
• [18] A. Oniśko i inni, HEPAR I, HEPAR II – komputerowe systemy wspomagania diagnozowania chorób wątroby, XII Konferencja Biocybernetyki i Inżynierii Biomedycznej, Warszawa, 2001.
• [19] Z. Pawlak, „Rough Sets”, International Journal of Computer and Information Sciences, vol. 11, 341-356 (1965).
• [20] Z. Pawlak, Systemy informacyjne – podstawy teoretyczne, WNT, Warszawa, 1983.
• [21] Resultmaker, „Workflow patterns of the Online Consultant”, ver. 1.1, Kopenhaga, 2006.
• [22] E. Sanchez, Inverses of fuzzy relations. Application to possibility distributions and medical diagnosis, Proc. IEEE Conf. Decision and Control, USA, 1977.
• [23] E. Sanchez, „Medical diagnosis and composite fuzzy relations”, Advances in fuzzy sets theory and applications, North-Holland, 1979.
• [24] W. Siegenthaler, Rozpoznanie różnicowe w medycynie wewnętrznej, Tom 1-2, Medipage, Warszawa, 2009.
• [25] P. Smets, „Medical diagnosis: Fuzzy sets and degrees of belief”, Fuzzy sets and System, vol. 5, 1981.
• [26] M. Strawa, Koncepcja modułu wspomagania podejmowania decyzji klinicznych w modelu repozytorium z wykorzystaniem metod sieci bayesowskich, POIG.01.03.01-00-145/08/2009, WAT, Warszawa, 2009.
• [27] Ścieżki kliniczne jako dynamiczne środowisko dostępu do informacji medycznej pacjenta, wersja 0.8, Zintegrowany System Informacji Medycznej o Pacjencie, Bielsko-Biała, Kraków, 2008.
• [28] The Merck Manual. Objawy kliniczne, Elsevier Urban & Partner, Wrocław, 2010.
• [29] H. Wechsler, „Applications of fuzzy logic to medical diagnosis”, Proc. Symp. On Multiple-Valned Logic, Logan 1975.
• [30] Workflow patterns of the Online Consultant, version 1.1, 2006.
• [31] P. L. Yu, G. Leitmann, Compromise solutions, domination structures and Salukwadze’s solution, JOTA, vol. 13, 1974.
• [32] L. A. Zadeh, „Fuzzy Sets”, Information and Computation, vol. 8, 338-353 (1965).