Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Postępy Nauki i Techniki

1 2012

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: probabilistyczne modelowanie incydentów medycznych

Sortuj według:

Ogranicz wyniki do:

Modelowanie łańcuchów przyczynowo-skutkowych w procesach propagacji zagrożeń i oparte o model zarządzanie bezpieczeństwem produktów medycznych

Bartnik G., Marciniak A.

Postępy Nauki i Techniki

2012

Nr 12

13-18

W pracy, na przykładzie kompozytu stomatologicznego przedstawiono problem oceny procesu i wyrobu medycznego z punktu widzenia finalnego niepożądanego zdarzenia określanego jako incydent medyczny oraz zaproponowano opartą o model metodę analizy takich zdarzeń. Rozpoznano cztery niepomijalnie prawdopodobne typy incydentów medycznych związanych ze stosowaniem kompozytu stomatologicznego. Są to: alergie, skaleczenia, zadławienia, zakrztuszenia oraz uszkodzenia tkanki miękkiej. Zidentyfikowan ciągi zdarzeń prowadzących do ich powstania. Wyniki tej identyfikacji zobrazowano za pomocą drzewa zdarzeń, które następnie przekształcono w sieć bayesowską. Taka reprezentacja wiedzy umożliwia, poprzez zastosowanie algorytmów uczenia maszynowego i automatycznego wnioskowania, uzyskiwanie praktycznie użytecznych odpowiedzi na szereg pytań dotyczących poziomu ryzyka i jego dystrybucji po stronie producenta i użytkownika wyrobu medycznego.

On an example of a dental composite there was shown the problem of medical device evaluation from the viewpoint of finaladverse event known as medical incident. We proposed the model based method of description and analysis of such events. There are four likely types of medical incidents concerned with the application of dental composite: allergies, scars, throttlings, chokings, and soft tissue damage. Cause-consequence chains of events resulted with medical incidents were modeled using event tree method. resulted event tree was then converted into bayesian network. Such representation of knowledge allows for application of machine learning algorithms and automatic inference, getting practically useful answers to several questions about the level of risk and its distribution on the side of the product manufacturer and its user.