3 статей
Статья рассматривает применение технологий виртуального ухода и машинного обучения для управления очередями и разгрузки больниц в Великобритании. Использование ИИ и носимых устройств позволяет прогнозировать ухудшение состояния пациентов, снижая количество госпитализаций и затраты на содержание койко-мест.
В статье предлагается метод создания программных модулей для интеллектуальных медицинских палат, позволяющий динамически выстраивать конвейеры обработки данных. Это решение направлено на автоматизацию мониторинга состояния пациентов и упрощение разработки систем сбора и анализа медицинских данных в реальном времени.
Данное исследование представляет собой систематический обзор литературы (scoping review), посвященный методологии использования данных реальной клинической практики (Real-World Data, RWD) для оценки эффективности мобильных медицинских приложений (mHealth). Авторы анализируют, как данные, собираемые непосредственно в процессе повседневного использования приложений пациентами, могут заменить или дополнить традиционные клинические испытания. В работе рассматриваются различные источники данных, включая сенсоры смартфонов, показатели активности и отчеты пациентов, которые позволяют отслеживать динамику состояния здоровья в режиме реального времени. Основное внимание уделяется методологическим вызовам, таким как обеспечение качества данных, их интеграция в электронные медицинские карты и статистическая достоверность полученных результатов. Исследование подчеркивает, что использование RWD может значительно ускорить процесс оценки цифровых терапевтических решений и снизить стоимость клинических исследований. Результаты работы имеют высокую значимость для разработчиков mHealth-решений и регуляторов, стремящихся внедрить цифровые инструменты в стандартную медицинскую практику на основе доказательной базы.
