CLINICAL DECISION SUPPORT SYSTEMS

Größe: px
Ab Seite anzeigen:

Download "CLINICAL DECISION SUPPORT SYSTEMS"

Transkript

1 CLINICAL DECISION SUPPORT SYSTEMS

2 INHALTSVERZEICHNIS 1/2 Diagnosefindung Prävention Medikamente (Auswahl, Dosierung etc.)

3 INHALTSVERZEICHNIS 2/2 Supervised, Unsupervised Bayes-Netzwerke Neuronale Netze Regelbasierte Systeme Vor- Nachteile von CDSS Beispielsysteme Eigene Meinung

4 EINLEITUNG WAS IST CDSS Clinical Decision Support Systeme sollen Ärzte und anderes Pflegepersonal in der Entscheidungsfindung unterstützen. Charakteristiken von verschiedenen Patienten werden zu einer Wissensbasis zusammengefasst und entwerfen daraus ihre Empfehlungen. Zusammen mit dem Ergebnis der CDSS und dem Wissen des Arztes wird dann gehandelt. Mögliche Warnungen/Empfehlungen: Warnung bei kritischen Werten, bei längst fälligen Untersuchungen Vorschläge bei Medikamentenverordnung, Behandlungsmethoden

5 EINLEITUNG MEDIZINISCHE FEHLER Zahlen aus den USA (Staat New York): fehlerbedingte Todesfälle/Jahr > 50% vermeidbare Fehler 20 bis 35 Milliarden / Jahr Zahlen aus Australien: 3,3 Millionen Krankenhausbehandlungstage durch med. Fehler 1,7 Millionen vermeidbar

6 EINLEITUNG MEDIZINISCHE FEHLER Prof. Dr. Günter Ollenschläger; Medizinische Risiken, Fehler und Patientensicherheit; Schweizerische Ärztezeitung ; 2001;82: Nr 26

7 EINLEITUNG ZIELE In Workflow integrieren So viele Daten wie möglich übernehmen um Fehler bei der Eingabe zu vermeiden Medizinische Fehlerrate reduzieren Leicht verständliche Anwendung der Software gewährleisten Kostenreduktion

8 EINLEITUNG GESCHICHTLICHE ENTWICKLUNG 1950er Diagnosefindungssoftware Entwicklung von CDSS mit Wissensbasis 1980er Wahrscheinlichkeitsbasierte Systeme (Bayes) Regelbasierte Systeme Hybridsysteme Ständige Weiterentwicklung bis heute

9 EINLEITUNG - EINFLUSSFAKTOREN Administrative Einflüsse Akzeptanz Workflow-Integration Kompatibilität mit bisherigen Anwendungen Technische Einflüsse Systemvoraussetzungen (IT-Infrastruktur) Upgrade-Möglichkeiten Datenqualität

10 ANWENDUNGSGEBIETE - DIAGNOSEFINDUNG Sollen Ärzte bei der Diagnosefindung unterstützen und dadurch die Fehlerrate bei Diagnosen reduzieren Erste Systeme dieser Art nutzten Wissensbasen bestehend aus Syndromen und Krankheiten dazugehörigen Symptomen, typischen Laborwerten etc. Baten gute Entscheidungs- und Lernhilfen Probleme: Sensitivität (Richtig diagnostizierten): 50%-60% Zugangszeiten oft mehrere Minuten

11 ANWENDUNGSGEBIETE - DIAGNOSEFINDUNG Bewährte Systeme bei schwierigen Fällen Notwendigkeit einer zusätzlichen Meinung Suche nach Bestätigung

12 ANWENDUNGSGEBIETE - DIAGNOSEFINDUNG Mark L. Graber, Ashlei Mathew; Performance of a Web-Based Clinical Diagnosis Support System for Internists; Society of General Internal Medicine 2007; 23(Suppl 1):37 40

13 ANWENDUNGSGEBIETE - PRÄVENTION Häufig auftretende Krankheiten (Kh) geschlechts-, alters- und herkunftsabhänige Kh Brustkrebs, Lungenembolie, zerebrale Kh, Herzkrankheiten Klassifikation von Kh persönlichen und chirurgischen (ärztlichen) Risikofaktoren Richtlinien definiert Risikoeinschätzung (niedrig, mittel, hoch)

14 ANWENDUNGSGEBIETE - PRÄVENTION Nicht nur Kh sondern behandlungsbedingte Gesundheitsschäden Organisationsmängel in der Gesundheitsversorgung Versäumnisse der Leistungserbringer Fehler bei Medikamentengabe (folgt) Systemfehler zb Mangelnde Ausbildung des Personals

15 ANWENDUNGSGEBIETE - MEDIKAMENTE Sollen den behandelnden Arzt bei Medikamentenwahl, Dosierung und Verschreibungsdauer unterstützen Warnung bei Wechselwirkungen ähnlichen (doppelten) Medikamente Überwachung des Patienten Empfehlungen, die aktuelle Therapie zu ändern oder nicht (Warnmeldungen) Verschlechterung des Zustandes Resistenzen

16 ALGORITHMEN SUPERVISED/NON SUPERVISED Supervised Learning (Überwachtes Lernen) Einordnung von Datensätzen in eine definierte Anzahl von Klassen (Klassenattribut vorgegeben) Unsupervised Learning (Nicht-Überwachtes Lernen) Datensätze werden ohne Klassenvorgabe angegeben Ziel: Entdecken von Klassen und deren Definition Daten werden aufgrund von Ähnlichkeit/Distanzmaßen zusammengefasst

17 ALGORITHMEN ÜBERSICHT Bayes Netzwerke Neuronale Netze Regelbasierte Systeme

18 ALGORITHMEN BAYES NETZWERKE Stammt aus der Wahrscheinlichkeitstheorie und verwendet bedingte Wahrscheinlichkeiten Wahrscheinlichkeit für A unter Voraussetzung, dass B eingetreten ist Bei Netzwerken (gerichtete Graphen) Knoten = Zufallsvariablen Kanten = bedingte Abhängigkeit der Variablen

19 ALGORITHMEN BAYES NETZWERKE Bsp.

20 ALGORITHMEN NEURONALE NETZE Vorbild: biologische Netze Lernfähigkeit Kognitive Fähigkeiten Assoziatives Gedächtnis Ablauf in einem Neuron: Signal über Dendriten läuft im Soma zusammen über Axon weitergeleitet über Synapsen zum nächsten Dendrit

21 ALGORITHMEN NEURONALE NETZE Jedes Neuron Beliebige Menge v. Eingangsvariablen Aktivierungsfunktion Ausgangsvariable Kombination vieler Neuronen führt zum neuronalen Netz

22 ALGORITHMEN NEURONALE NETZE Informationsverarbeitung Neuronen aktivieren sich untereinander Sobald Schwellwert überschritten ist feuert das Neuron Lernen über die definierte Lernregel Entwickeln neuer und Löschen alter Verbindungen Modifikation bestehender Verbindungen über die Gewichte

23 ALGORITHMEN NEURONALE NETZE Beispielhafter Aufbau Mitchie, D.; Spiegelhalter, D.; Taylor, C.; (Hrsg.) Machine Learning, Neural and Statistical Classification, Ellis Horwood series in artifical intelligence, Ellis Horwood: New York, 1994

24 ALGORITHMEN REGELBASIERTE SYSTEME Regelbasierte Systeme bestehen aus einer Datenbank einer Menge von Regeln einem Kontrollsystem mit Regelinterpreter Form Wenn Dann Sonst Vereinfachtes Bsp: WENN Medikament A und Medikament B DANN Fehlermeldung ausgeben

25 DISKUSSION VOR- NACHTEILE Vorteile Verwaltung von Daten und einfache Zugänglichkeit Dient zur Vermeidung von Datenredundanzen Anzeigen von Warnmeldungen (Allergien, Wechselwirkungen bei Medikamenten) Minimierung von Fehlern Immer Verfügbar Flexibilität: Arzt kann Dinge ändern

26 DISKUSSION VOR- NACHTEILE Nachteile Kann die Arzt-Patienten Beziehung beeinflussen Kann den Arzt vom System abhängig machen Kann als zusätzliche Belastung zur Patientenversorgung gesehen werden Kann zu ethnischen und gesetzlichen Komplikationen kommen Schulungen notwendig (ev.) Muss up to date gehalten werden

27 DISKUSSION BEISPIELSYSTEME MYCIN (70er) CADUCEUS (80er) VisualDx RODIA (Relative Optical Density Image Analysis )

28 DISKUSSION EIGENE MEINUNG Sehr großes Potential Korrektur med. Fehler Unterstützung des med. Personals Sehr viele Ansätze schon vorhanden Bringt nicht nur Vorteile

29 Danke für eure Aufmerksamkeit!!

1.3.5 Clinical Decision Support Systems

1.3.5 Clinical Decision Support Systems Arzneimitteltherapie Thieme Verlag 1.3.5 Clinical Decision Support Systems Marco Egbring, Stefan Russmann, Gerd A. Kullak-Ublick Im Allgemeinen wird unter dem Begriff Clinical Decision Support System (CDSS)

Mehr

Was bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen

Was bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen Was bisher geschah Lernen: überwachtes Lernen korrigierendes Lernen bestärkendes Lernen unüberwachtes Lernen biologisches Vorbild neuronaler Netze: Neuron (Zellkörper, Synapsen, Axon) und Funktionsweise

Mehr

Aufbau und Beschreibung Neuronaler Netzwerke

Aufbau und Beschreibung Neuronaler Netzwerke Aufbau und Beschreibung r 1 Inhalt Biologisches Vorbild Mathematisches Modell Grundmodelle 2 Biologisches Vorbild Das Neuron Grundkomponenten: Zellkörper (Soma) Zellkern (Nukleus) Dendriten Nervenfaser

Mehr

Theoretische Informatik 1

Theoretische Informatik 1 Theoretische Informatik 1 Boltzmann Maschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2014 Übersicht Boltzmann Maschine Neuronale Netzwerke Die Boltzmann Maschine Gibbs

Mehr

Modell- und evidenzbasierte Medizin durch digitale Patientenmodelle

Modell- und evidenzbasierte Medizin durch digitale Patientenmodelle 14.04.2015 Modell- und evidenzbasierte Medizin durch digitale Patientenmodelle Dr. Kerstin Denecke April 2015 ICCAS Innovation Center for Computer-Assisted Surgery Gegründet im März 2005 als zentrale Eintrichtung

Mehr

Gliederung. Biologische Motivation Künstliche neuronale Netzwerke. Anwendungsbeispiele Zusammenfassung. Das Perzeptron

Gliederung. Biologische Motivation Künstliche neuronale Netzwerke. Anwendungsbeispiele Zusammenfassung. Das Perzeptron Neuronale Netzwerke Gliederung Biologische Motivation Künstliche neuronale Netzwerke Das Perzeptron Aufbau Lernen und Verallgemeinern Anwendung Testergebnis Anwendungsbeispiele Zusammenfassung Biologische

Mehr

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Künstliche Intelligenz Unsicherheit Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Rückblick Agent in der Wumpuswelt konnte Entscheidungen

Mehr

Patientenleitfaden für das Gespräch mit dem Arzt. Liebe Patientin, lieber Patient!

Patientenleitfaden für das Gespräch mit dem Arzt. Liebe Patientin, lieber Patient! Patientenleitfaden für das Gespräch mit dem Arzt Liebe Patientin, lieber Patient! Je besser Sie sich auf das Gespräch mit Ihrem Arzt vorbereiten, desto leichter wird es für sie/ihn sein, eine Diagnose

Mehr

Einführung in neuronale Netze

Einführung in neuronale Netze Einführung in neuronale Netze Florian Wenzel Neurorobotik Institut für Informatik Humboldt-Universität zu Berlin 1. Mai 2012 1 / 20 Überblick 1 Motivation 2 Das Neuron 3 Aufbau des Netzes 4 Neuronale Netze

Mehr

Maschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn

Maschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn 16. Januar 2014 Übersicht Stand der Kunst im Bilderverstehen: Klassifizieren und Suchen Was ist ein Bild in Rohform? Biologische

Mehr

Maschinelles Lernen: Neuronale Netze. Ideen der Informatik

Maschinelles Lernen: Neuronale Netze. Ideen der Informatik Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn Adrian Neumann 16. Januar 2014 Übersicht Biologische Inspiration Stand der Kunst in Objekterkennung auf Bildern Künstliche Neuronale

Mehr

Neuronale Netze (I) Biologisches Neuronales Netz

Neuronale Netze (I) Biologisches Neuronales Netz Neuronale Netze (I) Biologisches Neuronales Netz Im menschlichen Gehirn ist ein Neuron mit bis zu 20.000 anderen Neuronen verbunden. Milliarden von Neuronen beteiligen sich simultan an der Verarbeitung

Mehr

Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und

Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und Was bisher geschah Künstliche Neuronen: Mathematisches Modell und Funktionen: Eingabe-, Aktivierungs- Ausgabefunktion Boolesche oder reelle Ein-und Ausgaben Aktivierungsfunktionen: Schwellwertfunktion

Mehr

Themenblock Zielgerichteter Auswahl der Studienplatzbewerber

Themenblock Zielgerichteter Auswahl der Studienplatzbewerber Maßnahmenvorschläge der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS) und der Deutschen Region der Internationalen Biometrischen Gesellschaft (IBS-DR) Masterplan

Mehr

Maximizing the Spread of Influence through a Social Network

Maximizing the Spread of Influence through a Social Network 1 / 26 Maximizing the Spread of Influence through a Social Network 19.06.2007 / Thomas Wener TU-Darmstadt Seminar aus Data und Web Mining bei Prof. Fürnkranz 2 / 26 Gliederung Einleitung 1 Einleitung 2

Mehr

Mobilgeräte und Apps im medizinischen Kontext Mobile Devices and Apps in a Medical Context

Mobilgeräte und Apps im medizinischen Kontext Mobile Devices and Apps in a Medical Context Mobilgeräte und Apps im medizinischen Kontext Mobile Devices and Apps in a Medical Context Auf dem Weg zur egesundheit elektronische Informationen für den sicheren Umgang mit Arzneimitteln 10. Juni 2015,

Mehr

GEMEINSAM SIND WIR (KNOCHEN) STARK

GEMEINSAM SIND WIR (KNOCHEN) STARK GEMEINSAM SIND WIR (KNOCHEN) STARK 1. Auflage 2008 WAS IST OSTEOPOROSE? In der Schweiz leiden rund 300000 Menschen an Osteoporose und jede zweite Frau sowie jeder fünfte Mann ab fünfzig muss heute damit

Mehr

Hat der Patient eine Depression? Dr. Med (UK) Hans-Eric Usher MBBS (Lond.) MRCGP

Hat der Patient eine Depression? Dr. Med (UK) Hans-Eric Usher MBBS (Lond.) MRCGP Hat der Patient eine Depression? { Dr. Med (UK) Hans-Eric Usher MBBS (Lond.) MRCGP Hintergrund und Auswirkung von Depression Screening Diagnostische Instrumente Bewertung der diagnostischen Instrumente

Mehr

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Gliederung Einleitung Problemstellungen Ansätze & Herangehensweisen Anwendungsbeispiele Zusammenfassung 2 Gliederung

Mehr

Qualitätssicherung: Was ist Qualität in der hausärztlichen Versorgung? Attila Altiner Facharzt für Allgemeinmedizin

Qualitätssicherung: Was ist Qualität in der hausärztlichen Versorgung? Attila Altiner Facharzt für Allgemeinmedizin Qualitätssicherung: Was ist Qualität in der hausärztlichen Versorgung? Attila Altiner Facharzt für Allgemeinmedizin Dimensionen von Qualität in der Versorgung Struktur Prozesse Outcomes Räume Management

Mehr

Künstliche Intelligenz Maschinelles Lernen

Künstliche Intelligenz Maschinelles Lernen Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen

Mehr

SYN Grundlagen Algorithmen Anwendung FIN. Anomalieerkennung. UnFUG WS2011/2012. Alexander Passfall Hochschule Furtwangen

SYN Grundlagen Algorithmen Anwendung FIN. Anomalieerkennung. UnFUG WS2011/2012. Alexander Passfall <alex@passfall.de> Hochschule Furtwangen 1/23 UnFUG WS2011/2012 Alexander Passfall Hochschule Furtwangen 3. November 2011 2/23 Inhalt 1 Grundlagen Typen Funktionsweise 2 Algorithmen Outlier Detection Machine Learning 3 Anwendung

Mehr

Chancen für Praktiker - Der Wert der Erfahrung

Chancen für Praktiker - Der Wert der Erfahrung Chancen für Praktiker - Der Wert der Erfahrung Neues PflegeWISSEN nutzen Aus der Hochschule für die Praxis Fachtagung der Caritas Gemeinschaft Bayern e.v. München, 26. Februar 2013 Chancen für Praktiker

Mehr

Der Einsatz künstlicher neuronaler Netze in der industriellen Feuerversicherung

Der Einsatz künstlicher neuronaler Netze in der industriellen Feuerversicherung Tobias Nagel Der Einsatz künstlicher neuronaler Netze in der industriellen Feuerversicherung PETER LANG Frankfurt am Main Berlin Bern Bruxelles New York- Oxford Wien Inhaltsverzeichnis Inhaltsverzeichnis

Mehr

Brustkrebs-Früherkennung. Frauen-Gesundheit. Selbstabtasten der Brust. Qualitätsoffensive Brustkrebs in Baden-Württemberg

Brustkrebs-Früherkennung. Frauen-Gesundheit. Selbstabtasten der Brust. Qualitätsoffensive Brustkrebs in Baden-Württemberg Brustkrebs-Früherkennung Frauen-Gesundheit Selbstabtasten der Brust Qualitätsoffensive Brustkrebs in Baden-Württemberg Wir wollen Informieren Angst nehmen Bewusstsein schaffen Bewusstsein schaffen Wer

Mehr

Big Data zwischen Hype und Realität Perspektiven im Gesundheitswesen. Dr. Peter Grolimund, Senior Industry Consultant Life Sciences 26-Januar-2015

Big Data zwischen Hype und Realität Perspektiven im Gesundheitswesen. Dr. Peter Grolimund, Senior Industry Consultant Life Sciences 26-Januar-2015 Big Data zwischen Hype und Realität Perspektiven im Gesundheitswesen Dr. Peter Grolimund, Senior Industry Consultant Life Sciences 26-Januar-2015 Zur Diskussion DATEN Spenden kann Leben retten Analysieren

Mehr

Brust- oder Eierstockkrebs in der Familie

Brust- oder Eierstockkrebs in der Familie Brust- oder Eierstockkrebs in der Familie Informieren Sie sich über Ihr Risiko, an erblich bedingtem Brust- oder Eierstockkrebs zu erkranken und erfahren Sie, wie Sie das Risiko reduzieren können. Gibt

Mehr

Markus-Krankenhaus Akademisches Lehrkrankenhaus der Johann Wolfgang Goethe-Universität

Markus-Krankenhaus Akademisches Lehrkrankenhaus der Johann Wolfgang Goethe-Universität Markus-Krankenhaus Akademisches Lehrkrankenhaus der Johann Wolfgang Goethe-Universität Markus-Krankenhaus Wilhelm-Epstein-Straße 2 60431 Frankfurt am Main (OHNWURSK\VLRORJLVFKH 8QWHUVXFKXQJ Medizinische

Mehr

PTR-Tagung 2010. Kommunikation von Testergebnissen gegenüber Ärzten und Kostenträgern. Assessments interpretieren und kommunizieren

PTR-Tagung 2010. Kommunikation von Testergebnissen gegenüber Ärzten und Kostenträgern. Assessments interpretieren und kommunizieren PTR-Tagung 2010 Assessments interpretieren und kommunizieren Kommunikation von Testergebnissen gegenüber Ärzten und Kostenträgern Dr. med. Urs Hürlimann Leiter med. Dienst Region Zürich Persönliche Ansicht

Mehr

. PATIENTENSICHERHEITSTAG SALK 19. November 2013. Patientensicherheitstag 19. 11. 2013. Arzneimittelverbrauch in Österreich

. PATIENTENSICHERHEITSTAG SALK 19. November 2013. Patientensicherheitstag 19. 11. 2013. Arzneimittelverbrauch in Österreich Medikamenteneinnahme Patient + Pflege = EIN TEAM Patientensicherheitstag 19. 11. 2013 Gruber BSc, Öllerer (CDK Salzburg) Hahn, MSc (LKH St. Veit) Werkgarner Steiner LLM. oec. (LKH Salzburg) Arzneimittelverbrauch

Mehr

Osteoporose. Ein echtes Volksleiden. Schon jetzt zählen die Osteoporose und die damit verbundene erhöhte Brüchigkeit der Knochen

Osteoporose. Ein echtes Volksleiden. Schon jetzt zählen die Osteoporose und die damit verbundene erhöhte Brüchigkeit der Knochen Osteoporose Osteoporose 9 Osteoporose Ein echtes Volksleiden Schon jetzt zählen die Osteoporose und die damit verbundene erhöhte Brüchigkeit der Knochen in den entwickelten Ländern zu den häufigsten Erkrankungen

Mehr

Fortgeschrittene Risikoanalysemethoden für kritische Infrastrukturen, Lieferketten und komplexe Abhängigkeiten

Fortgeschrittene Risikoanalysemethoden für kritische Infrastrukturen, Lieferketten und komplexe Abhängigkeiten Fortgeschrittene Risikoanalysemethoden für kritische Infrastrukturen, Lieferketten und komplexe Abhängigkeiten Dr. Stefan Schiebeck, MSc Austrian Institute of Technology Vorstellung Zertifizierter ethischer

Mehr

Einführung in Neuronale Netze

Einführung in Neuronale Netze Wintersemester 2005/2006 VO 181.138 Einführung in die Artificial Intelligence Einführung in Neuronale Netze Oliver Frölich Abteilung für Datenbanken und Artificial Intelligence Institut für Informationssysteme

Mehr

Chancen und Gefahren von DRG aus Sicht der Pflege

Chancen und Gefahren von DRG aus Sicht der Pflege Chancen und Gefahren von DRG aus Sicht der Pflege H+ Fachseminar für Journalisten Donnerstag, 30. Juni 2011 Fabian Schwab Leiter Pflege und Mitglied der GL, Spitalzentrum Biel AG H+ Vorstandsmitglied Thema

Mehr

Voraussetzungen für die Implementierung

Voraussetzungen für die Implementierung Rolf Kreienberg AGENDA Hintergrund Voraussetzungen für die Implementierung von Leitlinien Implementierung technische und soziale Innovationen berücksichtigen Evaluation von Leitlinien woran messen wir

Mehr

Widenmayerstr. 29 D-80538 München Germany Telefon: +49(0)89-210969-0 Telefax: +49(0)89-210969-99 E-mail: munich@eep-law.de www.eep-law.

Widenmayerstr. 29 D-80538 München Germany Telefon: +49(0)89-210969-0 Telefax: +49(0)89-210969-99 E-mail: munich@eep-law.de www.eep-law. Widenmayerstr. 29 D-80538 München Germany Telefon: +49(0)89-210969-0 Telefax: +49(0)89-210969-99 E-mail: munich@eep-law.de www.eep-law.de Meinekestr. 13 D-10719 Berlin Germany Telefon: +49(0)30-887126-0

Mehr

Teleradiologie in Deutschland - Erfahrungen mit einem der größten Teleradiologienetzwerke

Teleradiologie in Deutschland - Erfahrungen mit einem der größten Teleradiologienetzwerke Teleradiologie in Deutschland - Erfahrungen mit einem der größten Teleradiologienetzwerke Dr. Torsten Möller reif & möller/ diagnostic-network Dillingen/Saar Thesen zur Weiterentwicklung der Radiologie

Mehr

Die Stiftung für Patientensicherheit und die medizinische Qualität in den Spitälern

Die Stiftung für Patientensicherheit und die medizinische Qualität in den Spitälern Die Stiftung für Patientensicherheit und die medizinische Qualität in den Spitälern H+ Fachseminar für Journalisten 21. November 2008, Bern Paula Bezzola, MPH stv. Geschäftsführerin der Stiftung für Patientensicherheit

Mehr

Geschäftsmodelle für Dienstleistungen auf Basis Assistierender Gesundheitstechnologien: Entwicklungsschritte zur Gestaltung des Leistungsangebotes

Geschäftsmodelle für Dienstleistungen auf Basis Assistierender Gesundheitstechnologien: Entwicklungsschritte zur Gestaltung des Leistungsangebotes Geschäftsmodelle für Dienstleistungen auf Basis Assistierender Gesundheitstechnologien: Entwicklungsschritte zur Gestaltung des Wolfram Ludwig 16.09.2010 1 Gegenstand und Motivation Assistierende Gesundheitstechnologien

Mehr

Klinisches Risikomanagement. Klaus Kugel Qualitätsmanager Klinischer Risikomanager Auditor

Klinisches Risikomanagement. Klaus Kugel Qualitätsmanager Klinischer Risikomanager Auditor Klinisches Risikomanagement Klaus Kugel Qualitätsmanager Klinischer Risikomanager Auditor Klinisches Risikomanagement Begriffe: Never events Vorfälle, die unter Einhaltung einfacher Strategien nahezu gänzlich

Mehr

Inhaltsverzeichnis. 1 Hintergründe und Kontext... 1. 2 Definition der Depression: Symptome, Epidemiologie, Äliologie und Behandlung...

Inhaltsverzeichnis. 1 Hintergründe und Kontext... 1. 2 Definition der Depression: Symptome, Epidemiologie, Äliologie und Behandlung... Inhaltsverzeichnis 1 Hintergründe und Kontext... 1 2 Definition der Depression: Symptome, Epidemiologie, Äliologie und Behandlung... 9 3 Theorie der chinesischen Medizin... 35 4 Ätiologie der Depression

Mehr

WEKA A Machine Learning Interface for Data Mining

WEKA A Machine Learning Interface for Data Mining WEKA A Machine Learning Interface for Data Mining Frank Eibe, Mark Hall, Geoffrey Holmes, Richard Kirkby, Bernhard Pfahringer, Ian H. Witten Reinhard Klaus Losse Künstliche Intelligenz II WS 2009/2010

Mehr

Depression Die Krankheit Nr. 1!!!

Depression Die Krankheit Nr. 1!!! Depression Die Krankheit Nr. 1!!! Die WHO (Weltgesundheitsorganisation) hat festgestellt, dass die Erkrankung Depression in ca. 10 Jahren die häufigste Erkrankung in den Industrieländern darstellt, das

Mehr

Softcomputing Biologische Prinzipien in der Informatik. Neuronale Netze. Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003

Softcomputing Biologische Prinzipien in der Informatik. Neuronale Netze. Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003 Softcomputing Biologische Prinzipien in der Informatik Neuronale Netze Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003 Überblick Motivation Biologische Grundlagen und ihre Umsetzung

Mehr

Zellulare Neuronale Netzwerke

Zellulare Neuronale Netzwerke Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Zellulare Neuronale Netzwerke Florian Bilstein Dresden, 13.06.2012 Gliederung 1.

Mehr

Mobilität im Gesundheitswesen

Mobilität im Gesundheitswesen Mobilität im Gesundheitswesen Axel Hohnberg, Leiter Applikationsentwicklung, Noser Engineering AG Martin Straumann, Leiter Mobile Solutions, Noser Engineering AG Langjähriges Know-how im Software Umfeld

Mehr

C1/4 - Modellierung und Simulation von Neuronen

C1/4 - Modellierung und Simulation von Neuronen C 1 /4 - Modellierung und Simulation von Neuronen April 25, 2013 Motivation Worum geht es? Motivation Worum geht es? Um Neuronen. Motivation Worum geht es? Um Neuronen. Da ist u.a. euer Gehirn draus Motivation

Mehr

Aus Fehlern lernen in der KAGes

Aus Fehlern lernen in der KAGes OE Recht und Risikomanagement Aus Fehlern lernen in der KAGes IPS-Jahrestagung 2015 Themenübersicht Einleitung Hat jeder Schaden einen Nutzen? Medienberichte Zahlen, Daten, Fakten Quantitative Analyse

Mehr

Hirnödeme bei HAE was Patienten wissen sollten

Hirnödeme bei HAE was Patienten wissen sollten Hirnödeme bei HAE was Patienten wissen sollten Dieser immer stärker werdende Druck... Starke Kopfschmerzen? Bei HAE kann auch ein Hirnödem die Ursache sein. 2 Ein kaum beachteter Zusammenhang Verspannungen,

Mehr

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert

Mehr

Machine Learning - Maschinen besser als das menschliche Gehirn?

Machine Learning - Maschinen besser als das menschliche Gehirn? Machine Learning - Maschinen besser als das menschliche Gehirn? Seminar Big Data Science Tobias Stähle 23. Mai 2014 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der

Mehr

Qualitätssicherung in der onkologischen Rehabilitation

Qualitätssicherung in der onkologischen Rehabilitation Qualitätssicherung in der onkologischen Rehabilitation Dr. med. Nic Zerkiebel EMBA FH Chefarzt Klinik Susenberg Zürich Leiter Arbeitsgruppe Qualität oncoreha.ch Was ist Qualität? Anspruchsgruppen Erfüllung

Mehr

Overuse unnötige Behandlungen als Qualitätsproblem. Dr. med. Christoph Bosshard, Vizepräsident der FMH Departementsverantwortlicher DDQ/SAQM

Overuse unnötige Behandlungen als Qualitätsproblem. Dr. med. Christoph Bosshard, Vizepräsident der FMH Departementsverantwortlicher DDQ/SAQM Overuse unnötige Behandlungen als Qualitätsproblem Dr. med. Christoph Bosshard, Vizepräsident der FMH Departementsverantwortlicher DDQ/SAQM Programm Definition Ausgangslage Position der FMH/SAQM Forderungen

Mehr

Kohonennetze Selbstorganisierende Karten

Kohonennetze Selbstorganisierende Karten Kohonennetze Selbstorganisierende Karten Julian Rith, Simon Regnet, Falk Kniffka Seminar: Umgebungsexploration und Wegeplanung mit Robotern Kohonennetze: Neuronale Netze In Dendriten werden die ankommenden

Mehr

Vernetzung im Gesundheitswesen. Die häufigsten Fragen zur elektronischen Gesundheitskarte.

Vernetzung im Gesundheitswesen. Die häufigsten Fragen zur elektronischen Gesundheitskarte. Vernetzung im Gesundheitswesen. Die häufigsten Fragen zur elektronischen Gesundheitskarte. 3. Kann ich nicht einfach meine alte Krankenversichertenkarte behalten? Die elektronische Gesundheitskarte ist

Mehr

verständlich und intuitiv

verständlich und intuitiv BEDIENEN NEU DEFINIERT Das HMI-Konzept von SMS Siemag SMS SIEMAG Elektrik und Automation INNOVATIVES HMI verständlich und intuitiv Metallurgische Produkte werden in hochkomplexen Produktionsprozessen hergestellt.

Mehr

Medizinethische Aspekte der kulturellen

Medizinethische Aspekte der kulturellen Gesundheits- und Krankheitsvorstellungen in einer wertpluralen Gesellschaft: Medizinethische Aspekte der kulturellen Wertvorstellungen und religiösen Werthaltungen Dr. med. (TR), Dr. phil. Ilhan Ilkilic

Mehr

Fragebogen für Eltern von Kindern mit einem nephrotisches Syndrom im Kindesalter Seite 1/6

Fragebogen für Eltern von Kindern mit einem nephrotisches Syndrom im Kindesalter Seite 1/6 nephrotisches Syndrom im Kindesalter Seite 1/6 Personenbezogene Daten: Geburtsjahr des Kindes: Geschlecht: männlich weiblich Alter beim Ausbruch der Krankheit: Familiensituation des Kindes: lebt bei: beiden

Mehr

Woran Sie vor und nach Ihrer Linsenaustauschbehandlung (RLE) denken sollten

Woran Sie vor und nach Ihrer Linsenaustauschbehandlung (RLE) denken sollten Woran Sie vor und nach Ihrer Linsenaustauschbehandlung (RLE) denken sollten Der sichere Weg zu einem Leben ohne Brille und Kontaktlinsen! 2 Herzlichen Glückwunsch! Sie haben sich für eine Linsenaustauschbehandlung

Mehr

Erwartungen der Techniker Krankenkasse an telemedizinische Anwendungen in der Klinik

Erwartungen der Techniker Krankenkasse an telemedizinische Anwendungen in der Klinik Erwartungen der Techniker Krankenkasse an telemedizinische Anwendungen in der Klinik Dipl. Soz.wiss. Heiner Vogelsang Techniker Krankenkasse Landesvertretung Nordrhein-Westfalen Düsseldorf, 10. Februar

Mehr

Vorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke

Vorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke Vorlesungsplan 17.10. Einleitung 24.10. Ein- und Ausgabe 31.10. Reformationstag, Einfache Regeln 7.11. Naïve Bayes, Entscheidungsbäume 14.11. Entscheidungsregeln, Assoziationsregeln 21.11. Lineare Modelle,

Mehr

Qualität im Gesundheitswesen

Qualität im Gesundheitswesen Qualität im Gesundheitswesen Was kann Cochrane tun? 10 Jahre Deutsches Cochrane Zentrum 2. April 2008 1 Qualität in der Medizin: Die richtigen Dinge richtig tun. Was kann Cochrane dafür tun? Die bisherige

Mehr

Seminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens

Seminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens Seminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 19.12.2013 Allgemeine Problemstellung

Mehr

Das BASG / AGES PharmMed

Das BASG / AGES PharmMed CMI-WORKSHOP Dipl.-Ing. Meinrad Guggenbichler Institut Inspektionen, Medizinprodukte und Hämovigilanz Das BASG / AGES PharmMed Das Bundesamt für Sicherheit im Gesundheitswesen (BASG) ist die Aufsichtsbehörde

Mehr

Vortrag UKD 2012 18. Düsseldorfer Symposium für Pflegende

Vortrag UKD 2012 18. Düsseldorfer Symposium für Pflegende Vortrag UKD 2012 Risikoklassifizierung und Risikomanagement eines PDMS regulatorische Sicht 1 Legaldefinition Medizinprodukt zum Zweck: MDD-RL 93/42/EWG - MPG der Erkennung, Verhütung, Überwachung, Behandlung

Mehr

Interpersonelle Psychotherapie. von Klerman, Weissman, Rounsaville und Chevron

Interpersonelle Psychotherapie. von Klerman, Weissman, Rounsaville und Chevron Interpersonelle Psychotherapie von Klerman, Weissman, Rounsaville und Chevron Beeinträchtigung der zwischenmenschlichen Beziehungen und sozialen Rollen Depression Belastende Ereignisse im interpersonellen

Mehr

E-Mail Beruf Beschäftigt bei

E-Mail Beruf Beschäftigt bei Liebe Eltern, bitte füllen Sie diesen Anamnesebogen so sorgfältig wie möglich aus. Die zum Teil sehr persönlichen Informationen benötigen wir, um Ihr Kind bestmöglich zu behandeln. Wir möchten Ihr Kind

Mehr

CIRS-Vernetzung. Warum und wie? 24. Münchner Qualitätsforum Qualität/Sicherheit: Die Richtung ist vorgegeben!

CIRS-Vernetzung. Warum und wie? 24. Münchner Qualitätsforum Qualität/Sicherheit: Die Richtung ist vorgegeben! CIRS-Vernetzung Warum und wie? 24. Münchner Qualitätsforum Qualität/Sicherheit: Die Richtung ist vorgegeben! Dr. Olga Frank Stiftung Patientensicherheit Schweiz München, 12. Februar 2015 CIRS Vernetzung

Mehr

Workshop 2 Spezialisierung vs. Multimorbidität: ist die indikationsbezogene Reha zeitgemäß? Univ.Prof.Dr. Günther Wiesinger

Workshop 2 Spezialisierung vs. Multimorbidität: ist die indikationsbezogene Reha zeitgemäß? Univ.Prof.Dr. Günther Wiesinger Workshop 2 Spezialisierung vs. Multimorbidität: ist die indikationsbezogene Reha zeitgemäß? Univ.Prof.Dr. Günther Wiesinger Crossover Workshops Neue Strategien Spezialisierung vs. Multimorbidität: Ist

Mehr

Grundlagen Neuronaler Netze

Grundlagen Neuronaler Netze Grundlagen Neuronaler Netze Neuronen, Aktivierung, Output, Netzstruktur, Lernziele, Training, Grundstruktur Der Begriff neuronales Netz(-werk) steht immer für künstliche neuronale Netzwerke, wenn nicht

Mehr

Proseminar - Data Mining

Proseminar - Data Mining Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen

Mehr

Projekt Einführung der Injektions-Lipolyse in die ästhetische Medizin

Projekt Einführung der Injektions-Lipolyse in die ästhetische Medizin Projekt Einführung der Injektions-Lipolyse in die ästhetische Medizin Erstellt für: Medizin-Management-Preis 2012 Erstellt von: Dirk Brandl 4. Juni 12 Projektbeschreibung Historie 2003 erarbeitete die

Mehr

SMART DATA IN DER MEDIZIN WIE COMPUTER HELFEN, DIE RICHTIGE DIAGNOSE ZU FINDEN. Referentenbeitrag bei der Special Interest Group (SIG) Big Data 2015

SMART DATA IN DER MEDIZIN WIE COMPUTER HELFEN, DIE RICHTIGE DIAGNOSE ZU FINDEN. Referentenbeitrag bei der Special Interest Group (SIG) Big Data 2015 SMART DATA IN DER MEDIZIN WIE COMPUTER HELFEN, DIE RICHTIGE DIAGNOSE ZU FINDEN Referentenbeitrag bei der Special Interest Group (SIG) Big Data 2015 Dr. med. Dipl.-Phys. Thomas Faßbender INHALT 1. Vorstellung

Mehr

Morbus Parkinson Ratgeber

Morbus Parkinson Ratgeber Morbus Parkinson Ratgeber Impressum Zarenga GmbH, Bonn 2015 Zarenga GmbH, Pfaffenweg 15, 53227 Bonn Alle Rechte sind vorbehalten. Dieses Buch, einschließlich seiner einzelnen Teile ist urheberrechtlich

Mehr

Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider

Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Versuch: Training des XOR-Problems mit einem Künstlichen Neuronalen Netz (KNN) in JavaNNS 11.04.2011 2_CI2_Deckblatt_XORbinaer_JNNS_2

Mehr

Universität zu Köln Seminar: Künstliche Intelligenz II Dozent: Claes Neuefeind SS 2012. Neuronale Netze. Von Deasy Sukarya & Tania Bellini

Universität zu Köln Seminar: Künstliche Intelligenz II Dozent: Claes Neuefeind SS 2012. Neuronale Netze. Von Deasy Sukarya & Tania Bellini Universität zu Köln Seminar: Künstliche Intelligenz II Dozent: Claes Neuefeind SS 2012 Neuronale Netze Von Deasy Sukarya & Tania Bellini Einführung Symbolische vs. Sub-symbolische KI Symbolische KI: Fokussierung

Mehr

www.hdi.de/produkte HDI Berufshaftpflicht Kooperationspartner und Mehrwerte für Ärzte

www.hdi.de/produkte HDI Berufshaftpflicht Kooperationspartner und Mehrwerte für Ärzte www.hdi.de/produkte HDI Berufshaftpflicht Kooperationspartner und Mehrwerte für Ärzte Die HDI Kooperationspartner zur Berufshaftpflichtversicherung Mit der Einbindung neuer Kooperationspartner für Risiko-

Mehr

Exploration und Klassifikation von BigData

Exploration und Klassifikation von BigData Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)

Mehr

Bericht zur versichertenbezogenen Qualitätssicherung für BKK vor Ort

Bericht zur versichertenbezogenen Qualitätssicherung für BKK vor Ort Bericht zur versichertenbezogenen Qualitätssicherung für BKK vor Ort DMP Brustkrebs Berichtszeitraum vom 1.7.213 bis 3.6.214 INHALTSVERZEICHNIS Datenbestand... 2 Ihre Versicherten zum Zeitpunkt der Erstdokumentation...

Mehr

BUCH ADHS THERAPIE GEMEINSAM BEGEGNEN MEDICE DIE ERSTE WAHL. Mein persönliches

BUCH ADHS THERAPIE GEMEINSAM BEGEGNEN MEDICE DIE ERSTE WAHL. Mein persönliches Autorin: Dr med Eveline Reich-Schulze leitet den Bereich Medizin am Berufsförderungswerk Hamburg, einer der größten Einrichtungen für berufliche Rehabilitation und Integration im norddeutschen Raum entwickelte

Mehr

Palliative Care Grundversorgung oder Spezialität

Palliative Care Grundversorgung oder Spezialität Consensus Tagung 2008 Palliative Care Grundversorgung oder Spezialität Steffen Eychmüller Leitender Arzt Palliativzentrum Kantonsspital St.Gallen Co- Präsident palliative ch Worauf es Antworten braucht

Mehr

EMPFEHLUNGEN ZUR ANWENDUNG VON UVG UND UVV. Nr. 1/2001 Komplementär- bzw. Alternativmedizin. UVG Art. 10, 48 und 54. 1. Einleitung.

EMPFEHLUNGEN ZUR ANWENDUNG VON UVG UND UVV. Nr. 1/2001 Komplementär- bzw. Alternativmedizin. UVG Art. 10, 48 und 54. 1. Einleitung. AD-HOC-KOMMISSION Zürich, 18. April 2001 SCHADEN UVG Fassung vom 29. März 2005 (Ziffern 1 lit. b und 2.1) Korrektur Tippfehler Ziffer 1 lit. b vom 27. August 2005 EMPFEHLUNGEN ZUR ANWENDUNG VON UVG UND

Mehr

Medikationssoftware Meona. Projekt am UKSH. Stand 10/2014. Dezernat Apotheke Bibiane Steinborn Dr. Julia Thern. UKSH, Kiel Dr.

Medikationssoftware Meona. Projekt am UKSH. Stand 10/2014. Dezernat Apotheke Bibiane Steinborn Dr. Julia Thern. UKSH, Kiel Dr. Medikationssoftware Meona Projekt am UKSH Stand 10/2014 Dr. Julia Thern Historie und Projektstart Ablösung der bisherigen Medikationssoftware ATC Host am Campus Kiel. Support von ATC-Host wurde eingestellt.

Mehr

Schulmedizin und Naturheilkunde im Dialog. Tina Marx-Böhm, 06.02.07

Schulmedizin und Naturheilkunde im Dialog. Tina Marx-Böhm, 06.02.07 Schulmedizin und Tina Marx-Böhm, 06.02.07 Agenda Vorstellung Schulmedizin und Naturheilkunde Naturheilkundliche Therapieverfahren und Osteopathie Beispiele aus der Praxis 2 Vorstellung Tina Marx-Böhm,

Mehr

Paola Santini. Die Therapietreue bei polypharmakologisch behandelten Geriatriepatienten. Eine qualitative Studie im Tessin.»

Paola Santini. Die Therapietreue bei polypharmakologisch behandelten Geriatriepatienten. Eine qualitative Studie im Tessin.» Paola Santini Master Public Management and Policy (PMP) Wirtschaftwissenschaftliche Fakultät und kommunikationswissenschaftliche Fakultät Universität der italienischen Schweiz, Lugano Swiss Public Administration

Mehr

Stefan Schulz, Thorsten Seddig Universitätsklinikum Freiburg, Institut für Medizinische Biometrie und Medizinische Informatik Averbis GmbH, Freiburg

Stefan Schulz, Thorsten Seddig Universitätsklinikum Freiburg, Institut für Medizinische Biometrie und Medizinische Informatik Averbis GmbH, Freiburg Automatische Extraktion von Medikamenteninformationen aus Arztbriefen Stefan Schulz, Thorsten Seddig Universitätsklinikum Freiburg, Institut für Medizinische Biometrie und Medizinische Informatik Averbis

Mehr

Patientensicherheit und Recht

Patientensicherheit und Recht Prof. Dr. Dieter Hart Patientensicherheit und Recht Befund und Perspektiven Vortrag auf dem 5. Bremer Qualitätsforum am 30. Januar 2008 in Berlin Übersicht I. Perspektivenwechsel auch für Recht: von Schaden

Mehr

Konzepte der AI. Maschinelles Lernen

Konzepte der AI. Maschinelles Lernen Konzepte der AI Maschinelles Lernen http://www.dbai.tuwien.ac.at/education/aikonzepte/ Wolfgang Slany Institut für Informationssysteme, Technische Universität Wien mailto: wsi@dbai.tuwien.ac.at, http://www.dbai.tuwien.ac.at/staff/slany/

Mehr

Krankenversorgung. Forschung. Lehre. Wir leisten mehr.

Krankenversorgung. Forschung. Lehre. Wir leisten mehr. Krankenversorgung. Forschung. Lehre. Wir leisten mehr. Wir freuen uns über Ihr Interesse an der Deutschen Hochschulmedizin. Gerne informieren wir Sie über die Leistungen der Deutschen Hochschulmedizin

Mehr

Bericht zur versichertenbezogenen Qualitätssicherung für Debeka BKK

Bericht zur versichertenbezogenen Qualitätssicherung für Debeka BKK Bericht zur versichertenbezogenen Qualitätssicherung für Debeka BKK DMP Brustkrebs Berichtszeitraum vom 1.7.29 bis 3.6.21 INHALTSVERZEICHNIS Datenbestand im BKK InfoNet... 2 Ihre Versicherten zum Zeitpunkt

Mehr

Risikomanagement IT-vernetzter Medizinprodukte

Risikomanagement IT-vernetzter Medizinprodukte Risikomanagement IT-vernetzter Medizinprodukte gem. ISO/IEC 80001-1 20.03.2014 Stefan Möller TÜV TRUST IT GmbH Motivation und Bedrohungslage Die IT-Vernetzung von Medizinprodukten* im Informationsverbund

Mehr

init.at informationstechnologie GmbH Tannhäuserplatz 2/5.OG 1150 Wien Austria

init.at informationstechnologie GmbH Tannhäuserplatz 2/5.OG 1150 Wien Austria init.at informationstechnologie GmbH Tannhäuserplatz 2/5.OG 1150 Wien Austria Seite 2 von 10 1 Inhaltsverzeichnis 2 Warum CORVUS by init.at... 3 3 Ihre Vorteile durch CORVUS... 3 4 CORVUS Features... 4

Mehr

Modellstudiengang. Anamnese. Medizin. Exploration (Erkundung) und therapeutische Funktion (Arbeitsbündnis)

Modellstudiengang. Anamnese. Medizin. Exploration (Erkundung) und therapeutische Funktion (Arbeitsbündnis) Anamnese Exploration (Erkundung) und therapeutische Funktion (Arbeitsbündnis) Anamnese griech. anamnesis = Rückerinnerung, Vorgeschichte Informationen zur gesundheitlichen Vorgeschichte Eigen- und Fremdanamnese

Mehr

Patientenaufklärung. Patientenname:... Vorname:... Geburtsdatum:... Diagnose:... Das Aufklärungsgespräch erfolgte am:... durch:...

Patientenaufklärung. Patientenname:... Vorname:... Geburtsdatum:... Diagnose:... Das Aufklärungsgespräch erfolgte am:... durch:... Patientenaufklärung Patientenname:... Vorname:... Geburtsdatum:... Diagnose:... Das Aufklärungsgespräch erfolgte am:... durch:... Art der Erkrankung, Ziel der Chemotherapie und Zweck der Studie Sehr geehrte

Mehr

Point of Information. Point of Information

Point of Information. Point of Information 1 Information & Kommunikation Ein ist keine neue Idee, die s.g. POI s haben ihren Platz in Unternehmen längst gefunden. Dieses System ist eine Weiterentwicklung der bisherigen Technik und Möglichkeiten.

Mehr

Erfolg durch Delegation

Erfolg durch Delegation UNIVERSITÄTSKLINIKUM. MEDIZINISCHE FAKULTÄT DER HUMBOLDT-UNIVERSITÄT ZU BERLIN STABSSTELLE MEDIZIN - CONTROLLING Erfolg durch Delegation Unterstützung sekundärer Dokumentationsprozesse im Krankenhaus durch

Mehr

Kommunikation an der Schnittstelle. Mag. Helmut Nagy 24. Juni 2009

Kommunikation an der Schnittstelle. Mag. Helmut Nagy 24. Juni 2009 Kommunikation an der Schnittstelle Mag. Helmut Nagy 24. Juni 2009 Kommunikation im Gesundheitswesen Einstieg: Definition 3 Bereiche (Akteure) Lösungsansätze DMP Therapie-Aktiv Definition und Ziele Komponenten

Mehr