projekt UIRON Projekt UIRON grant AV ČR představení výsledků MOÚ, IBA, ÚVT Masarykův onkologický ústav
|
|
- Zdeňka Müllerová
- před 7 lety
- Počet zobrazení:
Transkript
1 Projekt grant AV ČR představení výsledků MOÚ, IBA, ÚVT
2 Osnova prezentace Motivace u Shrnutí hlavních výsledků u Ilustrace hlavních výsledků pomocí živých ukázek práce s nástrojem UIR Shrnutí přínosů u Vize a další kroky 2
3 Motivace 3
4 Motivace Rozhovor prof. Vyzuly a doc. Račanského při cestě autem Prof. Vyzula: O pacientech máme hodně dat, ale když pacienta ošetřujeme, tak se k nim nemůžeme snadno a rychle dostat. A tak většinou léčíme, jako kdyby tato data nebyla a soustředíme se pouze na pacientův poslední záznam. Doc. Račanský: Tak s tím něco zkusíme udělat 4
5 Motivace - vysvětlení Co brání snadné dostupnosti dat? nutnost vědět KDE se ptát (data jsou roztroušena v řadě datových zdrojů NIS, LAB, DB, DWH,...) nutnost vědět JAK se ptát (každý systém se ovládá trochu jinak) nutnost manuálně extrahovat z odpovědi informace relevantní pro danou situaci (oddělovat zrno od plev) Dodatek doc. Duška data jsou často v tak špatné kvalitě, že je potřeba s nimi nejprve něco udělat před spuštěním analýz (příměr: Ferrari zasazené uprostřed oraniště) 5
6 Jaké je tedy východisko? Potřebujeme takové nástroje, které budou komplexně podporovat práci analytiků lékařů, a které je nebudou odrazovat bariérou technickoorganizačních znalostí potřebných k jejich efektivnímu využití. Takovými nástroji jsou Znalostní a Informační Roboti. Třída těchto nástrojů je defionována následujícími devíti schopnostmi/vlastnostmi: 6
7 Znalostní a Informační Roboti Schopnost komunikovat v přirozeném jazyce Deklarativní pojmový systém Deklarativní specifikace chování Schopnost přehledně prezentovat data Schopnost organizovat Schopnost přistupovat k různým druhům datových zdrojů Schopnost adaptovat se na aktuální situaci Schopnost vědět co ví Schopnost zaměřovat a distribuovat pozornost 7
8 Universální Informační Robot (UIR) SW nástroj s prvky umělé inteligence Intelekt Paměť učení pravidla zaměřená především na zapamatování vztahů Komunikace - uživatelské rozhraní myšlenkové mapy, tabule, terminál přirozeného jazyka, formulář předdefinované operace 8
9 = UIR v ONkologii Cíle Prověřit přínosy takovéto technologie v oblasti onkologie Naučit UIRa potřebné pojmy a souvislosti Naučit UIRa potřebná pravidla Prototypově ho vyzkoušet na reálných datech a problémech 9
10 Shrnutí hlavních výsledků 10
11 Pacient středobod zájmu... Data pojišťoven Klinická data Epidemiologické pozadí Experimentální data Epidemiologická data 11
12 Prototypově ověřené oblasti (1) Práce s klinickými daty práce s parametrickou dokumentací onkologického pacienta (PDOP) propojení s externími službami (portál WebSVOD) Práce s epidemiologickými daty validace dat (data NOR) posun v čase (data NOR) 12
13 Prototypově ověřené oblasti (2) Práce s experimentálními daty průvodce analýzou microarray sklíčka s využitím služeb specializovaného analytického nástroje (hledání alterovaných genů metodami GLAD a DNAcopy pomocí nástroje R) správce výsledků analýz v kontextu klinických dat Snadné zpřístupnění dat z datového skladu vyhledání relevantního reportu podle informace z jeho obsahu 13
14 Prototypově ověřené oblasti (3) TNM asistent poskytnutí robotovy znalosti TNM klasifikace přes portál WebSVOD 14
15 Ilustrace hlavních výsledků 15
16 Práce s klinickými daty (1) Motivace zpřístupnění netradičních pohledů na pacienta lékařům zjednodušení analýz nad klinickými daty propojení klinických dat s daty z jiných datových zdrojů (PACS, WebSVOD, data pojišťoven, NIS,...) V této části se pracuje s daty parametrické dokumentace onkologického pacienta (PDOP) s grafy dynamicky získanými z portálu WebSVOD 16
17
18
19
20
21
22
23
24
25
26 Legenda: léčebné fáze a modality primární diagnostika farmakoterapie primární léčba chemoterapie dispenzární péče radioterapie léčba progrese operace léčba relapsu 26
27
28
29 Legenda: léčebné výkony diagnostické výkony chemoterapie radioterapie chirurgické výkony jiné léčebné výkony 29
30
31
32
33
34
35
36 Práce s klinickými daty (2) Přínosy data o pacientovi zpřístupněna lékaři dle jeho volby, aniž by lékař musel znát, kde se požadovaná data nacházejí různé formy prezentace dat (myšlenkové mapy, časové tabule, formuláře) propojení různých datových zdrojů (NIS, PACS, WebSVOD) odvozování nových souvislostí, které přímo neobsahuje žádný z datových zdrojů 36
37 Práce s klinickými daty (3) Závěry prověřili jsme, že UIR může zprostředkovat odlišný pohled na klinická data. Bude však potřeba zlepšit mechanismus vizualizace kombinovat jednotlivé vizualizační formy podle aktuální situace prověřili jsme, že UIRa lze použít pro integraci klinických dat z různých datových zdrojů, dat pojišťoven a epidemiologických dat ukázali jsme, jak lze tohoto propojení využít pro získání nových informací 37
38 Práce s epidemiologickými daty (1) Motivace výběr dat z epidemiologických registrů podle pravidel definovaných lékaři lepší využití nasbíraných epidemiologických dat a možnost kvalitnější analýzy zjišťování příčin nekonzistence dat pro zlepšování metod sběru dat do registrů v budoucnosti V ukázce z této oblasti se pracuje s daty Národního Onkologického Registru (NOR) s pravidly TNM klasifikace, která byl UIR naučen 38
39 Pravidlo definované lékařem Pravidlo kontrolující lateralitu záznamu u nádoru nesmí být lateralita odpadá, pokud se u diagnózy lateralita určuje; u diagnóz nepárových orgánů musí být lateralita odpadá 39
40 Proces validace NOR 40
41 41
42 42
43 43
44 Práce s epidemiologickými daty (2) Posun v čase (více v Detailu) transformace dat pomocí pravidel za účelem přenesení se do minulosti ověřeno nad daty NOR Přínosy práce s epidemiologickými daty lepší využití dat pro klinickou praxi a výzkum validace dat kvalitnější benchmarking zlepšení procesu sběru dat 44
45 DETAIL: Historka: Posun v čase Možnost pohledu na data tak, jak vypadala v minulosti Konkrétně: NOR ve stavu 2003 s posunem na konec roku 1995 To znamená: pacienti zemřelí po roce 1995 ještě žijí nemoci diagnostikované u pacientů po roce 1995 nejsou zaznamenány...
46 Možnosti využití Analýza dat k libovolnému požadovanému časovému okamžiku od nyní do minulosti Aplikace klasifikačních pravidel platných v daném časovém okamžiku, pokud to zaznamenaná data umožňují Statistiky nad takto modifikovanými daty Výpočet trendů a jejich ověřování
47 Způsob práce Robot se naučí sadu pravidel Data NORu jsou dle těchto pravidel převedena do stavu, v jakém byla k určenému časovému okamžiku, tzn. tak, jak data vypadala např. na konci roku 1995
48 Pravidla, která vyplývají z časového posunu z roku 2003 do roku 1995 (1) Pacienty, kteří v roce 1995 nebyli ještě narozeni, vyjmout z dat Pacienty, kteří v roce 1995 ještě žili (oproti roku 2003), vést jako živé Onemocnění, která byla diagnostikována po roce 1995, z dat odstranit Léčebné kroky provedené po roce 1995 odstranit z dat
49 Pravidla, která vyplývají z časového posunu z roku 2003 do roku 1995 (2) Atributy vážící se k časovým hodnotám adekvátně modifikovat Reklasifikovat stav onemocnění pokud je to možné
50
51
52 Práce s epidemiologickými daty (3) Závěry prokázali jsme, že nástroj UIR lze využít pro zlepšení kvality dat prokázali jsme, že nástroj UIR je vhodný doplněk běžných analytických nástrojů, protože umožňuje dělat s daty běžně nedostupné operace 52
53 Práce s experimentálními daty (1) Motivace zprostředkování funkčnosti statistických a analytických nástrojů pomocí nástroje UIR správa výsledků analýz provedených externími nástroji V ukázce se pracuje s reálnými genetickými daty jednoho pacienta (microarray sklíčko) prostřednictvím robota s analytickým nástrojem R 53
54 Microarrays (1) V současnosti jedna z nejrozšířenějších technologií pro analýzu genomu a to na úrovni struktury DNA i na úrovni exprese genů 54
55 Microarrays (2) Schopnost analyzovat tisíce genů v jednom experimentu Významný prostředek v diagnostice, epidemiologii či třídění nádorových onemocnění ve vědeckých studiích V blízké budoucnosti využití analýzy map genové exprese jako diagnostického prostředku přímo v klinické praxi 55
56 Microarray experiment: analýza bez pomoci robota NCBI 56
57 Microarray experiment: analýza s pomocí robota 57
58 Microarray experiment: analýza s pomocí robota 58
59 59
60 60
61 61
62 62
63 Úprava datového souboru (1) 1) Oddělit popisnou část od 2) Sjednotit datovou část datové části.gpr souboru souboru se souborem s pozicemi klonů na genomu 3) Úprava sjednoceného datového souboru oddělení označených spotů na základě hodnot proměnných Flags 4) Odhad hodnot exprese pro jednotlivé klony 63
64 Úprava datového souboru (2) Délka zpracování práce s Excelem + R práce s Excelem + Clementine práce s robotem cca 1 hod cca 1 hod cca 1 min Časová redukce z řádu hodin na řády minut 64
65 Microarray experiment: analýza s pomocí robota 65
66 66
67 67
68 68
69 69
70 Microarray experiment: analýza s pomocí robota 70
71 71
72 72
73 73
74 Microarrays - interpretace (1) Na klinické úrovni na základě nalezeného genetického profilu se robot spojí s externí databází obsahující informace o funkci kódovaných produktů aberovaných genů a tuto informaci spojí s výsledky již publikovaných studií a použije pro interpretaci výsledků, např.: pacient s touto genovou aberací s vysokou pravděpodobností neodpoví na danou terapii přežití pacientů s tímto genetickým profilem je méně než 5 let u pacientů s takovou genetickou aberací se s vysokou pravděpodobností dostaví do dvou let relaps 74
75 Microarrays - interpretace (2) Na úrovni vědecké studie po spojení výsledků všech pacientů v studii můžeme pomocí robota nasadit různé vícerozměrné metody a podle cílů studie nalézt: nové podskupiny nádoru genetický profil pacientů, který neodpovídá na terapii... 75
76 Práce s experimentálními daty (2) Přínosy používání různých statistických a analytických metod jednotným způsobem bez nutnosti znát nástroje, které tyto metody aplikují řádové zrychlení přípravy i analýzy dat výsledky analýz jsou robotem evidovány a je možno s nimi dále pracovat (více v Detailu) 76
77 DETAIL 77
78 78
79 79
80 80
81 81
82 82
83 Práce s experimentálními daty (3) Závěry prokázali jsme, že robot umožňuje zjednodušit lékaři přístup ke službám specializovaných nástrojů prokázali jsme, že robot může dramaticky urychlit práci s těmito nástroji prokázali jsme, že robot může výrazně zjednodušit (po technické stránce) zavádění nových diagnostických postupů do klinické praxe 83
84 Snadné zpřístupnění dat z datového skladu (1) Motivace vyhledávání a zobrazování reportů problém: vím jaké informace hledám, ale nevím jak se jmenuje příslušný report a kde jej najdu řešení: vyhledávání reportu pomocí jeho obsahu V ukázce se pracuje s demonstračním webovým formulářem s demonstračními reporty datového skladu BEE (technologie použitá při budování datového skladu MOÚ) 84
85 85
86 86
87 87
88 88
89 Snadné zpřístupnění dat z datového skladu (2) Přínosy stačí vědět co chci není potřeba vědět kde, jak a pod jakým názvem relevantní report najdu dotaz na report v přirozeném jazyce uživatelsky jednoduché formou vyhledávače (např. Google) 89
90 Snadné zpřístupnění dat z datového skladu (3) Závěry prokázali jsme, že UIR může pomoci překonat bariéru běžných uživatelů ve využívání dat z datových skladů 90
91 TNM asistent (1) Motivace určité druhy medicínských postupů jsou standardizovány asistent může být průvodcem těmito standardy takovým standardem je TNM klasifikace nádorů, v periodicky aktualizovaných vydáních V ukázce se pracuje s webovým rozhraním zpřístupňujícím služby robota, který byl naučen TNM klasifikacím webové rozhraní je součástí portálu WebSVOD 91
92 92
93 93
94 94
95 95
96 96
97 97
98 98
99 99
100 100
101 TNM asistent (2) Přínosy zpřístupnění TNM klasifikace lékařům pro potřeby odvozování a validace stádií onkologických onemocnění edukační nástroj snadné rozšíření o další vydání TNM klasifikace použití TNM klasifikace pro validaci jiných datových souborů (např. NOR) 101
102 TNM asistent (3) Závěry prokázali jsme, že UIRa lze naučit komplexní oblast onkologických znalostí (soustavu několika tisíců pravidel pro klasifikaci nádorů a určování stádia onemocnění) prokázali jsme, že takto naučenou znalost lze používat pro validaci stávajících dat odvozování nových či chybějících skutečností edukaci 102
103 Přínosy u 103
104 Přínosy u (1) Prokázali jsme, že nástroj druhu UIR lze úspěšně použít pro snadnější přístup k datům lékaři, který se nemusí starat o to KDE jsou data uložena, JAK se ovládají jednotlivé systémy a jak z jednotlivých střípků informací skládat celkový obraz získání nových informací propojením nyní oddělených dat formalizaci znalostí z oblasti onkologie zpřístupnění služeb analytických nástrojů 104
105 Přínosy u (2) Díky tomu lze zkvalitnit zdravotní péči informace pro rozhodování jsou snadno přístupné snížit náklady na zdravotní péči lze omezit počet zbytečně realizovaných vyšetření snížit náklady na vývoj a údržbu IT nástrojů robot se neprogramuje, pouze učí 105
106 Vize a další kroky 106
107 Stav dnes 107
108 Stav zítra 108
109 Proč je potřeba nástroje druhu UIR? (1) Adaptace na konkrétního lékaře lékař nechce, aby mu nástroj nabízel spoustu cest jak se dostat k potřebným informacím lékař chce cestu jednu pro každého lékaře však jde o jinou cestu o tom, jaká je to cesta se však lékař nechce bavit s informatiky Nástroj se musí adaptovat automaticky, pouze na základě toho, zda je lékař s výsledkem spokojen nebo není (evoluční principy) 109
110 Proč je potřeba nástroje druhu UIR? (2) Adaptace na měnící se infrastrukturu struktura datových zdrojů se stále mění objevují se nové datové zdroje (databáze léčiv a jejich interakcí, portály,...) objevují se nová vydání standardů (např. TNM klasifikace, guidelines,...) zdravotnická zařízení se vzájemně propojují (např. vzniká síť center onkologické péče) Nástroj musí být na měnící se prostředí rychle a levně adaptovatelný 110
111 - závěr Prokázali jsme, že zvolená cesta je smysluplná a budeme touto cestou dále kráčet v nově založené Laboratoři Znalostních a Informačních Robotů na Fakultě Informatiky Masarykovy University v nově založené firmě AdvaICT (spin-off Masarykovy University), jejímž cílem je dotažení řešení do praxe 111
Zpřístupnění populačních epidemiologických registrů pro výuku: Národní onkologický registr ČR on-line
Institut biostatistiky a analýz, Masarykova univerzita, Brno Zpřístupnění populačních epidemiologických registrů pro výuku: Národní onkologický registr ČR on-line Mužík J., Dušek L., Kubásek M., Koptíková
VíceProjekt edukační platforma I-COP EDU
Projekt edukační platforma I-COP V rámci realizace projektu Edukační a informační platforma onkologických center CZ.1.07/2.4.00/31.0020 Blaha M., Lysý M., Pukyová J., Šulc D., Dušek L. Motivace projektu
VíceProjekt edukační platforma I-COP EDU Nemocnice Jihlava
Projekt edukační platforma I-COP Nemocnice Jihlava V rámci realizace projektu Edukační a informační platforma onkologických center CZ.1.07/2.4.00/31.0020 Blaha M., Klika P., Janča D., Mužík J., Dušek L.
VíceŘešení multicentrických klinických registrů
Řešení multicentrických klinických registrů Daniel Klimeš, Petr Brabec, Vít Kandrnal Institut biostatistiky a analýz Masarykova univerzita, Brno 1 Obsah přednášky Definice pojmů Cíle klinických registrů
VíceNÁRODNÍ ONKOLOGICKÝ REGISTR - CELOSTÁTNÍ SBĚR STRUKTUROVANÉ ZDRAVOTNICKÉ INFORMACE OD ROKU 1976 Miroslav Zvolský, Pavel Langhammer
Miroslav Zvolský, Pavel Langhammer NÁRODNÍ ONKOLOGICKÝ REGISTR - CELOSTÁTNÍ SBĚR STRUKTUROVANÉ ZDRAVOTNICKÉ INFORMACE OD ROKU 1976 Miroslav Zvolský, Pavel Langhammer Anotace Národní onkologický registr
VíceSíť MEFANET a podpora výuky onkologie v klinické praxi
INSTITUT BIOSTATISTIKY A ANALÝZ Přírodovědecká a Lékařská fakulta, Masarykova univerzita, Brno, Česká republika Síť MEFANET a podpora výuky onkologie v klinické praxi L. Dušek, D. Schwarz Formy elektronické
Víceanalýzy dat v oboru Matematická biologie
INSTITUT BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Komplexní přístup k výuce analýzy dat v oboru Matematická biologie Tomáš Pavlík, Daniel Schwarz, Jiří Jarkovský,
VíceCEBO: (Center for Evidence Based Oncology) Incidence Kostních příhod u nádorů prsu PROJEKT IKARUS. Neintervenční epidemiologická studie
CEBO: (Center for Evidence Based Oncology) Incidence Kostních příhod u nádorů prsu PROJEKT Neintervenční epidemiologická studie PROTOKOL PROJEKTU Verze: 4.0 Datum: 26.09.2006 Strana 2 PROTOKOL PROJEKTU
VíceMBI - technologická realizace modelu
MBI - technologická realizace modelu 22.1.2015 MBI, Management byznys informatiky Snímek 1 Agenda Technická realizace portálu MBI. Cíle a principy technického řešení. 1.Obsah portálu - objekty v hierarchiích,
VíceInternet - nástroj spolupráce zemí V4 v oblasti životního prostředí
Internet - nástroj spolupráce zemí V4 v oblasti životního prostředí Prof. RNDr. JiříHřebíček, CSc. Masarykova univerzita, Přírodovědecká a Lékařská fakulta, Centrum biostatistiky a analýz RNDr. Jaroslav
VíceStaproFONS. Petr Siblík. Objednávání pacientů
StaproFONS Petr Siblík Objednávání pacientů Agenda 1) Vysvětlení vlastností a principů 2) Spektrum uživatelů 3) Možnosti objednávání NIS versus MySOLP 4) Přínosy pro ZZ a uživatele 5) Technické požadavky
VíceC82,C83,C84,C85 - Ne-Hodgkinův lymfom
Report diagnózy C82,C83,C84,C85 - Ne-Hodgkinův lymfom Časový vývoj hrubé incidence a mortality Graf zobrazuje časový vývoj hrubé incidence (počet nových případů na 100000 osob) a hrubé mortality (počet
VíceLéčebné predikce u karcinomu prsu pro rok 2013 chystané novinky
Léčebné predikce u karcinomu prsu pro rok 2013 chystané novinky Prof. MUDr. Jitka Abrahámová, DrSc Onkologická klinika TN a 1. LF UK KOC (NNB + VFN + TN) St Gallén 2011 Rozsah onemocnění T, N, M ER, PgR
VíceStav vývoje klasifikačního systému hospitalizačních případů CZ DRG
Stav vývoje klasifikačního systému hospitalizačních případů CZ DRG Tomáš Pavlík, Markéta Bartůňková, Jan Linda, Petr Klika, Miroslav Zvolský, Zbyněk Bortlíček, Michal Uher, Petra Kovalčíková, Ladislav
VíceZdravotnické registry pro 21. století
Zdravotnické registry pro 21. století Michal Opatřil, ICZ a. s. www.i.cz 1 www.i.cz 2 Zážitek www.i.cz 3 = UX user experience www.i.cz 4 www.i.cz 5 Chtěli jsme vyvinout takové řešení, které by uživateli
VíceEpidemiologie zhoubného novotvaru prostaty (C61) v České republice
Epidemiologie zhoubného novotvaru prostaty (C61) v České republice Mužík J. 1,2, Krejčí D. 1,2, Svobodová I. 1,2, Májek O. 1,2, Jana Prausová 3, Marek Babjuk 1,4, Dušek L. 1,2 1 Institut biostatistiky
VíceÚVOD Představení Národního screeningového centra
ÚVOD Představení Národního screeningového centra Ondřej Májek, Karel Hejduk, Ladislav Dušek Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of
VíceSoučasné trendy v epidemiologii nádorů se zaměřením na Liberecký kraj
Institut biostatistiky a analýz, Lékařská a přírodovědecká fakulta, Masarykova univerzita, Brno Současné trendy v epidemiologii nádorů se zaměřením na Mužík J. Epidemiologie nádorů v ČR Epidemiologická
Více1. Definice a historie oboru molekulární medicína. 3. Základní laboratorní techniky v molekulární medicíně
Obsah Předmluvy 1. Definice a historie oboru molekulární medicína 1.1. Historie molekulární medicíny 2. Základní principy molekulární biologie 2.1. Historie molekulární biologie 2.2. DNA a chromozomy 2.3.
VíceSBÍRKA PŘEDPISŮ ČESKÉ REPUBLIKY
Ročník 2012 SBÍRKA PŘEDPISŮ ČESKÉ REPUBLIKY PROFIL PŘEDPISU: Titul předpisu: Vyhláška o stanovení pravidel a postupů při lékařském ozáření Citace: 410/2012 Sb. Částka: 150/2012 Sb. Na straně (od-do): 5212-5215
VíceEpidemiologická onkologická data v ČR a jejich využití
Institut biostatistiky a analýz Lékařská a Přírodovědecká fakulta Masarykova univerzita, Brno Současné trendy v epidemiologii nádorů se zaměřením na Mužík J. Epidemiologická onkologická data v ČR a jejich
Vícerodinné stříbro české onkologie Prof. MUDr. Jitka Abrahámová, DrSc předsedkyně Celostátní rady NORu vedoucí KOC FN Bulovka, FTN, VFN
Národní onkologický registr (NOR) rodinné stříbro české onkologie ONKOFORUM BRNO 4112011 Prof MUDr Jitka Abrahámová, DrSc předsedkyně Celostátní rady NORu vedoucí KOC FN Bulovka, FTN, VFN Publikace Novotvary
VíceRozbor léčebné zátěže Thomayerovy nemocnice onkologickými pacienty a pilotní prezentace výsledků péče
Rozbor léčebné zátěže Thomayerovy nemocnice onkologickými pacienty a pilotní prezentace výsledků péče Výstupy analýzy dat zdravotnického zařízení a Národního onkologického registru ČR Prof. MUDr. Jitka
VíceUživatelský manuál. Verze 2.0
Uživatelský manuál Verze 2.0 Portál DIOS Příručka pro uživatele říjen 2007 Str. 2 OBSAH ÚVOD 3 CO JE DIOS? 3 PRO KOHO JE DIOS URČEN? 3 KDE DIOS NALEZNU? 3 CO JE DOSE INTENSITY (INTENZITA DÁVKY)? 3 ÚVODNÍ
VíceHodnocení a modelování populačních dat na příkladu epidemiologie vážných chorob: I. Analýza dat, princip predikcí.
Hodnocení a modelování populačních dat na příkladu epidemiologie vážných chorob: I. Analýza dat, princip predikcí. Úvod do matematické biologie Tomáš Pavlík & O. Májek, L. Dušek, J. Mužík, E. Gelnarová,
VíceModerní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
VíceHodnocení populačního přežití pacientů diagnostikovaných s C20 v ČR Projekt Diagnóza C20 - vzdělávání, výzkum a lékařská praxe
Hodnocení populačního přežití pacientů diagnostikovaných s C20 v ČR Projekt Diagnóza C20 - vzdělávání, výzkum a lékařská praxe CZ.2.17/1.1.00/32257 Motivace a cíle přednášky 1. Srovnání 5letého přežití
VíceŘešení potřeb veřejné správy pomocí velkých i malých BI systémů. Tomáš Jindřich Pavel Bobkov 19.9.2013
Řešení potřeb veřejné správy pomocí velkých i malých BI systémů Tomáš Jindřich Pavel Bobkov 19.9.2013 Agenda 1) Požadavky organizací veřejného sektoru 2) Porovnání standardních a specializovaných BI 3)
VíceVÝUKOVÉ VYUŽITÍ INFORMAČNÍCH SYSTÉMŮ PRO PROGRAMY SCREENINGU ZHOUBNÝCH NÁDORŮ PRSU, TLUSTÉHO STŘEVA A KONEČNÍKU A HRDLA DĚLOŽNÍHO
VÝUKOVÉ VYUŽITÍ INFORMAČNÍCH SYSTÉMŮ PRO PROGRAMY SCREENINGU ZHOUBNÝCH NÁDORŮ PRSU, TLUSTÉHO STŘEVA A KONEČNÍKU A HRDLA DĚLOŽNÍHO O. Májek, J. Daneš, M. Zavoral, V. Dvořák, D. Klimeš, D. Schwarz, J. Gregor,
VíceElektronický zdravotní záznam, sběr klinických údajů a klinické lékařské doporučení
Elektronický zdravotní záznam, sběr klinických údajů a klinické lékařské doporučení Mgr. Miroslav Nagy, Ph.D. Centrum Biomedicínské Informatiky Oddělení Medicínské Informatiky, UI AV ČR v.v.i. Seminář:
VíceSTRUKTURA REGISTRU MPM
STRUKTURA REGISTRU MPM 1. Vstupní parametry 1. Kouření (výběr) 1. Kuřák 2. Bývalý kuřák (rok před stanovením DG - dle WHO) 3. Nekuřák 4. Neuvedeno 2. Výška [cm] (reálné číslo) 3. Hmotnost pacienta v době
VíceKOLOREKTÁLNÍ KARCINOM: VÝZVA PRO ZDRAVÝ ŽIVOTNÍ STYL, SCREENING A ORGANIZACI LÉČEBNÉ PÉČE
KOLOREKTÁLNÍ KARCINOM: VÝZVA PRO ZDRAVÝ ŽIVOTNÍ STYL, SCREENING A ORGANIZACI LÉČEBNÉ PÉČE Brno, 29. května 2015: Moravská metropole se již počtvrté stává hostitelem mezinárodní konference Evropské dny
VíceRegistr Herceptin Karcinom prsu
I. Primární diagnostika Registr Herceptin Karcinom prsu Vstupní parametry Rok narození Věk Kód zdravotní pojišťovny (výběr) o 111 o 201 o 205 o 207 o 209 o 211 o 213 o 217 o 222 Datum stanovení diagnózy
VíceIntegrace a komunikace IT ve zdravotnictví
Integrace a komunikace IT ve zdravotnictví Ing. Svatopluk Beneš SMS spol. s r.o. NIS Vysoké Tatry 2007 Trendy: Integrace zdravotní péče Současné nemocniční systémy již nejsou dostačujícím řešením ve velkých
VíceDRG a hodnocení kvality péče aneb bez klinických doporučených postupů to nepůjde
DRG a hodnocení kvality péče aneb bez klinických doporučených postupů to nepůjde? Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech
VíceSoučasnost a budoucnost Registru Monoklonálních Gamapathií (RMG)
Současnost a budoucnost Registru Monoklonálních Gamapathií (RMG) V. Maisnar za Českou myelomovou skupinu Historie RMG = již téměř 10 let! zahájení příprav registru MG: Velké Bílovice 2006 + grant dnešní
VíceTARCEVA klinický registr
TARCEVA klinický registr Karcinom pankreatu Stav k datu 10. 4. 2011 Registr Tarceva je podporován výzkumným ý grantem firmy Roche. Česká onkologická společnost Institut biostatistiky a analýz Stav registru
VíceKarcinom prostaty v ČR: zátěž, počty pacientů, výsledky léčby
INSTITUT BIOSTATISTIKY A ANALÝZ Lékařská fakulta & Přírodovědecká fakulta, Masarykova univerzita, Brno Karcinom prostaty v ČR: zátěž, počty pacientů, výsledky léčby http://www.uroweb.cz Nová data: celková
VíceVýuka standardů péče v radiační onkologii s užitím populačních, klinických a obrazových dat. David Feltl
Výuka standardů péče v radiační onkologii s užitím populačních, klinických a obrazových dat. David Feltl Radiační onkologie Péče o pacienta s maligními nádory s akcentem na léčbu ionizujícím zářením Jaká
VíceProjekt CAMELIA Projekt ALERT
Projekt Alert akutní leukemie klinický registr x Web projektu Diskusní klub projektu Management dat Služby IS Help Zpět Analytické nástroje Prohlížeč dat Expertní služby x Projekt CAMELIA Projekt ALERT
VícePilotní projekt Optimalizace programu screeningu kolorektálního karcinomu
Národní koordinační centrum programů časného záchytu onemocnění CZ.03.2.63/0.0/0.0/15_039/0006904 Pilotní projekt Optimalizace programu screeningu kolorektálního karcinomu Ondřej Májek, Michaela Jelínková,
VíceARCHIVACE A SDÍLENÍ ZDRAVOTNICKÉ DOKUMENTACE V SOULADU S LEGISLATIVOU
ARCHIVACE A SDÍLENÍ ZDRAVOTNICKÉ DOKUMENTACE V SOULADU S LEGISLATIVOU PACS = BEZFILMOVÝ PROVOZ PICTURE ARCHIVING AND COMMUNICATING SYSTEM SYSTÉM PRO ARCHIVACI A DISTRIBUCI OBRAZOVÝCH DAT DICOM (Digital
VíceJan Horák. Pilíře řešení
Jan Horák Pilíře řešení Nová generace systémů Důsledek rozvoje a změn informatiky ve zdravotnictví: Nové technologie Výkonnost, mobilita, velikost monitorů, dotykové ovládání, vzdálené přístupy Nové možnosti
VíceKonsolidace rezortních registrů. 4. dubna 2011
Konsolidace rezortních registrů 4. dubna 2011 Úprava rezortních registrů a konsolidace rezortních dat v návaznosti na základní registry VS Cílem projektu je vytvoření JTP pro rezortní registry, která zajistí
VícePřínosy sdílení zdravotnické dokumentace v reálném čase prostřednictvím regionálního klinického IS ve skupině zdravotnických zařízení
Přínosy sdílení zdravotnické dokumentace v reálném čase prostřednictvím regionálního klinického IS ve skupině zdravotnických zařízení Ing. Eva Chmelová Agenda Představení skupiny nemocnic Projekt vývoje
VíceSK01-KA O1 Analýza potřeb. Shrnutí. tým BCIME
2018-1-SK01-KA203-046318 O1 Analýza potřeb Shrnutí tým BCIME Vyloučení odpovědnosti: Podpora Evropské komise pro vydání této publikace nepředstavuje její souhlas s obsahem, který odráží pouze názory autorů.
VíceScreening karcinomu prsu: silné a slabé stránky dle dostupných dat
Národní koordinační centrum programů časného záchytu onemocnění CZ.03.2.63/0.0/0.0/15_039/0006904 Screening karcinomu prsu: silné a slabé stránky dle dostupných dat Ondřej Májek Ondřej Ngo, Barbora Bučková,
VíceČeská Neonatologická Síť Jako součást projektu databáze Neonatal Benchmarking Network. Jan Smíšek Neonatologické oddělení VFN
Česká Neonatologická Síť Jako součást projektu databáze Neonatal Benchmarking Network Jan Smíšek Neonatologické oddělení VFN Sběr agregovaných dat ČNeoS Natalita a novorozenecká úmrtnost 9 8 130 120 10
VíceAnotace. Klíčová slova. Zdravotnický portál pro občany - Dánsko
Alena Veselková, Pavel Kasal, Štěpán Svačina, Robert Fialka Zdravotnické portály pro občany Alena Veselková, Pavel Kasal, Štěpán Svačina, Robert Fialka Anotace V oblasti zdraví je důležitá dostupnost občana
VíceSpecifikace předmětu plnění Datová tržiště
Příloha 1 Specifikace předmětu plnění Datová tržiště Etapa 1 Analýza statistické domény produkčních statistik 1 Obsah ETAPA 1 ANALÝZA STATISTICKÉ DOMÉNY PRODUKČNÍCH STATISTIK... 3 1.1. Koncepční shrnutí...
VíceInteraktivní nástroje pro výuku léčebných standardů cytostatické léčby zhoubných nádorů Portál DIOS
Interaktivní nástroje pro výuku léčebných standardů cytostatické léčby zhoubných nádorů Portál DIOS Klimeš D., Dušek L., Kubásek J., Fínek J., Petruželka L., Zoláková A., Vyzula R. Historie projektu Snaha
VíceKonsolidace PACS a e-health v souladu s legislativou ve FNB
Konsolidace PACS a e-health v souladu s legislativou ve FNB Ing. Miroslav Stejskal ICT ve zdravotnictví 21.9.2016, Praha Schéma PACS FNB v roce 2014 Stávající stav Důvody konsolidace PACS ve FN Brno nákladnost
VíceElektronická knihovna chemoterapeutických režimů a její využití ve vzdělávání lékařů
Elektronická knihovna chemoterapeutických režimů a její využití ve vzdělávání lékařů D. Klimeš, L. Dušek, J. Fínek, M. Kubásek,J. Koptíková, L. Šnajdrová, P. Brabec,J. Novotný, R. Vyzula, J. Abrahámová,
VíceVývoj moderních technologií při vyhledávání. Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz
Vývoj moderních technologií při vyhledávání Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz INFORUM 2007: 13. konference o profesionálních informačních zdrojích Praha, 22. - 24.5. 2007 Abstrakt Vzhledem
VíceXXXXXXXXXXXXXX NADPIS. PODNADPIS Text text text. Bod KURZY A SEMINÁŘE. naše edukační aktivity
XXXXXXXXXXXXXX NADPIS PODNADPIS Text text text. Bod KURZY A SEMINÁŘE naše edukační aktivity PŘEHLED KURZŮ Individuální kurzy a školení pro uzavřené skupiny ZÁKLADY APLIKOVANÉ ANALÝZY DAT DESIGN NEINTERVENČNÍCH
VíceMarkery systému CZ-DRG jako základ implementace nového systému úhrad akutní lůžkové péče. Ústav zdravotnických informací a statistiky ČR, Praha
Markery systému CZ-DRG jako základ implementace nového systému úhrad akutní lůžkové péče Ústav zdravotnických informací a statistiky ČR, Praha 31.8. 2018 Systém CZ-DRG je vydán ve sdělení ČSÚ ve verzi
VíceVývoj zdravotního systému ČR z pohledu občanů
Univerzita Karlova v Praze Fakulta sociálních věd Katedra veřejné a sociální politiky Vývoj zdravotního systému ČR z pohledu občanů Mgr. Kateřina Michlová Výsledky diplomové práce Osnova Kontext problematiky
VíceAlgoritmy a struktury neuropočítačů ASN - P10. Aplikace UNS v biomedicíně
Aplikace UNS v biomedicíně aplikace v medicíně postup při zpracování úloh Aplikace UNS v medicíně Důvod: nalezení exaktnějších, levnějších a snadnějších metod určování diagnóz pro lékaře nalezení šetrnějších
VíceUŽIVATELSKÁ PŘÍRUČKA K INTERNETOVÉ VERZI REGISTRU SČÍTACÍCH OBVODŮ A BUDOV (irso 4.x) VERZE 1.0
UŽIVATELSKÁ PŘÍRUČKA K INTERNETOVÉ VERZI REGISTRU SČÍTACÍCH OBVODŮ A BUDOV (irso 4.x) VERZE 1.0 OBSAH 1 ÚVOD... 3 1.1 HOME STRÁNKA... 3 1.2 INFORMACE O GENEROVANÉ STRÁNCE... 4 2 VYHLEDÁVÁNÍ V ÚZEMÍ...
VíceNová podoba Národního registru vrozených vad (NRVV)
Nová podoba Národního registru vrozených vad (NRVV) Seminář: Vzácné nemoci - terminologie, klasifikace, kódování Jitka Jírová, Ústav zdravotnických informací a statistiky ČR Národní registr vrozených vad
VícePortál zdravotnických ukazatelů
Centrum pro rozvoj technologické platformy registrů Národního zdravotnického informačního systému, modernizace vytěžování jejich obsahu a rozšíření jejich informační kapacity. CZ.03.4.74/0.0/0.0/15_019/0002748
VíceObsah. Předmluva 13. O autorovi 15. Poděkování 16. O odborných korektorech 17. Úvod 19
Předmluva 13 O autorovi 15 Poděkování 16 O odborných korektorech 17 Úvod 19 Co kniha popisuje 19 Co budete potřebovat 20 Komu je kniha určena 20 Styly 21 Zpětná vazba od čtenářů 22 Errata 22 KAPITOLA 1
VíceEpidemiologické a klinické registry
INSTITUT BIOSTATISTIKY A ANALÝZ Přírodovědecká a Lékařská fakulta, Masarykova univerzita, Brno, Česká republika Epidemiologické a klinické registry ve výuce: příklad p projektů řešených ených v rámci NOP
VíceTARCEVA klinický registr
TARCEVA klinický registr Karcinom pankreatu Stav k datu 10. 10. 2011 Analýza dat: Mgr. Zbyněk Bortlíček Informační technologie: RNDr. Daniel Klimeš, Ph.D. Management projektu: Ing. Petr Brabec, Mgr. Karel
VíceBusiness Intelligence nástroje a plánování
Business Intelligence nástroje a plánování pro snadné reportování a vizualizaci Petr Mlejnský Business Intelligence pro reporting, analýzy a vizualizaci Business Intelligence eporting Dashboardy a vizualizace
VícePříklady využití IT pro usnadnění práce měst a obcí Libereckého kraje. Ing. Zdeněk Jiráček ředitel společnosti DATRON, a.s.
Příklady využití IT pro usnadnění práce měst a obcí Libereckého kraje Ing. Zdeněk Jiráček ředitel společnosti DATRON, a.s. 1 IT a usnadnění práce? Máte pocit, že Vám informační technologie šetří práci
VíceNÁDOROVÁ RIZIKA. poznejme OBSAH
poznejme NÁDOROVÁ RIZIKA OBSAH Úvod... 3 Proč bychom se měli dozvědět o svých vlastních rizicích?... 4 Jaké jsou naše služby?... 4 Kdo by měl být vyšetřen?... 5 Jaký je postup při vyšetřování?... 6 Informace
VíceTNM KLASIFIKACE ZHOUBNÝCH NOVOTVARŮ (8. VYDÁNÍ) Jiří Novák Masarykův onkologický ústav, Brno
TNM KLASIFIKACE ZHOUBNÝCH NOVOTVARŮ (8. VYDÁNÍ) Jiří Novák Masarykův onkologický ústav, Brno TNM8 - ÚVODNÍ CHARAKTERISTIKA TNM klasifikace je (vedle MKN a MKN-O) jedním ze základních mezinárodních klasifikačních
VíceProjekty MHMP financované ze strukturálních fondů EU
Projekty MHMP financované ze strukturálních fondů EU Projekty na území podpory JPD2 Portál sociálních a zdravotnických služeb Interoperabilní spisová služba Interspis Sdílený web Envis Společné principy
VíceVýznam prevence a včasného záchytu onemocnění pro zdravotní systém
INSTITUT BIOSTATISTIKY A ANALÝZ Lékařská fakulta & Přírodovědecká fakulta Masarykova univerzita, Brno www.iba.muni.cz Význam prevence a včasného záchytu onemocnění pro zdravotní systém Národní screeningové
VíceČinnost radiační onkologie, klinické onkologie v České republice v roce 2002 (předběžné údaje)
Aktuální informace Ústavu zdravotnických informací a statistiky České republiky 11.6.23 37 Činnost radiační onkologie, klinické onkologie v České republice v roce 22 (předběžné údaje) Zhoubné novotvary
VíceInformace o studiu. Životní prostředí a zdraví Matematická biologie a biomedicína. studijní programy pro zdravou budoucnost
Informace o studiu Životní prostředí a zdraví Matematická biologie a biomedicína studijní programy pro zdravou budoucnost Proč RECETOX? Výzkumné centrum RECETOX poskytuje vzdělání v zajímavých oborech
VíceKLÍČOVÉ PROMĚNNÉ OVLIVŇUJÍCÍ PLÁNOVÁNÍ TRASY: KONCEPT MAAS OČIMA UŽIVATELŮ
KLÍČOVÉ PROMĚNNÉ OVLIVŇUJÍCÍ PLÁNOVÁNÍ TRASY: KONCEPT MAAS OČIMA UŽIVATELŮ Tomáš Vácha, ČVUT, UCEEB Hana Křepelková, Central European Data Agency, a.s. Mobilita Brno 1 15 ÚVOD Projekt Systém pro podporu
VíceManažerský informační systém pro podporu ekonomického řízení laboratoří
Manažerský informační systém pro podporu ekonomického řízení laboratoří FONS, 20.9.2010, Pardubice Bc. Pavel Jezdinský www.medila.cz medila@medila.cz Obsah Co potřebujeme řídit Řízení laboratoří MIS? Řízení
VíceV rámci realizace projektu Edukační a informační platforma onkologických center CZ.1.07/2.4.00/
Přínosy propojení klinických a administrativních dat V rámci realizace projektu Edukační a informační platforma onkologických center CZ.1.07/2.4.00/31.0020 Řešitelem je Institut biostatistiky a analýz
VíceMarketingová komunikace. 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph)
Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3bph) 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Zdroje Studijní materiály Heleny Palovské
VícePostavení laboratorní medicíny ve velké nemocnici. MUDr. Jan Bříza, CSc., MBA,
Postavení laboratorní medicíny ve velké nemocnici. MUDr. Jan Bříza, CSc., MBA, Moderní medicínu nelze provozovat bez laboratorních metod. Laboratorní medicínu nelze mentálně oddělovat od klinické jsou
VíceKlasifikace vzácných onemocnění, Orphanet
Klinické klasifikace a jejich použití v českém zdravotnictví I. 8. listopadu, 2016 Emauzský klášter, Praha Klasifikace vzácných onemocnění, Orphanet prof. MUDr. Milan Macek jr., DrSc. Ústav biologie a
VícePřehled agend NZIS a předávání dat z pohledu povinností poskytovatele zdravotních služeb
Centrum pro rozvoj technologické platformy registrů Národního zdravotnického informačního systému, modernizace vytěžování jejich obsahu a rozšíření jejich informační kapacity. CZ.03.4.74/0.0/0.0/15_019/0002748
VíceMetodika kódování IR-DRG vs. CZ-DRG v roce 2019
Metodika kódování IR-DRG vs. CZ-DRG v roce 2019 Miroslav Zvolský, Tomáš Pavlík, Irena Rubešová, Zbyněk Bortlíček, Jiří Šedo, Petra Králová, Dana Krejčová a tým DRG Restart Ústav zdravotnických informací
VícePrvní zasedání Rady registru
Národní registr poskytovatelů zdravotních služeb První zasedání Rady registru Úvod Ústav zdravotnických informací a statistiky České republiky Evropská Institute unieof Health Information and Statistics
VíceBIOMEDICÍNSKÁ INFORMATIKA A JEJÍ ÚLOHA V PERSONALIZOVANÉ MEDICÍNĚ
BIOMEDICÍNSKÁ INFORMATIKA A JEJÍ ÚLOHA V PERSONALIZOVANÉ MEDICÍNĚ Petr Lesný 1, Kryštof Slabý 1, Tomáš Holeček 2, Jan Vejvalka 1 1 Fakultní nemocnice v Motole, Praha 2 Fakulta humanitních studií UK, Praha
VíceČeské internetové medicínské zdroje v Národní lékařské knihovně
České internetové medicínské zdroje v Národní lékařské knihovně Kateřina Štěchovská Národní lékařská knihovna, Praha stechovs@nlk.cz INFORUM 2005: 11. konference o profesionálních informačních zdrojích
VíceInformace a znalosti v organizaci
Informace a znalosti v organizaci Vladimíra Zádová Postavení informací a znalostí z hlediska úspěšnosti firmy Vnitřní faktory Rámec 7S faktorů úspěchu firmy [ Mc Kinsey ] Struktura Strategie Systémy Spolupracovníci
VíceElektronizace zdravotnictví a integrované datové rozhraní resortu
Elektronizace zdravotnictví a integrované datové rozhraní resortu ISSS 1.4.2019 Kontakt: Ing. Milan Blaha, Ph.D. Milan.Blaha@uzis.cz Návrh zákona o ehealth HLAVNÍ PRINCIPY A NAVRHOVANÁ ŘEŠENÍ Proč je nutný
VíceOperační program Praha Adaptabilita 17.1 Podpora rozvoje znalostní ekonomiky
Operační program Praha Adaptabilita 17.1 Podpora rozvoje znalostní ekonomiky Program dalšího vzdělávání pro zaměstnance ČGS ohrožené na trhu práce Číslo úkolu ČGS: 661030 RNDr. Jan Čurda člen Týmu pro
VíceTECHNICKÉ ŠKOLKY. ( pohledem psychologa )
TECHNICKÉ ŠKOLKY ( pohledem psychologa ) Základní otázky, které je nutné si položit v průběhu přípravy na realizaci projektu Technické školky byly : - Do jaké míry rozvíjí znalosti žáků o základech techniky
VíceAktivity ÚZIS ČR v přejímání, implementaci a tvorbě klasifikací
Aktivity ÚZIS ČR v přejímání, implementaci a tvorbě klasifikací Miroslav Zvolský Oddělení klinických klasifikací DRG Ústav zdravotnických informací a statistiky ČR KlasifiKon 2017 7. Listopadu 2017, Praha
VíceBig data ukážou mapu, TOVEK řekne kudy jít
Řešení pro Competitive Intelligence Big data ukážou mapu, TOVEK řekne kudy jít Tomáš Vejlupek President Tovek 6.11.2015, VŠE Praha TOVEK, spol. s r.o. Výsledek zpracování BIG DATA Jaké cesty k cíli mohu
VíceCZ.1.07/2.4.00/31.0020
I-COP EDU INFORMATION NETWORK OF COMPREHENSIVE CANCER CENTERS IN THE CZECH REPUBLIC ESF č. CZ.1.07/2.4.00/31.0020 "Edukační a informační platforma onkologických center pro podporu a modernizaci vzdělávání
VíceSeminář pro vedoucí knihoven asviústavů AV ČR ASEP
Seminář pro vedoucí knihoven asviústavů AV ČR ASEP 5. 5. 2016 ASEP bibliografická databáze repozitář Online katalog Repozitář Analytika ASEP Novinky ASEP Evidence výsledků vědecké práce ústavů AV ČR od
VíceVytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 5. Statistica
Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová 5. Statistica StatSoft, Inc., http://www.statsoft.com, http://www.statsoft.cz. Verze pro Mac i PC, dostupná
VícePROSTOROVÁ DATA Z GEOPORTÁLU ČÚZK A INSPIRE
PROSTOROVÁ DATA Z GEOPORTÁLU ČÚZK A INSPIRE Petr Dvořáček Zeměměřický úřad Obsah prezentace Obsah prezentace 1. Geoportál ČÚZK úvod, historie rozvoje 2. Správa metadat 3. Nový vzhled Geoportálu ČÚZK 4.
VíceBiologická léčba karcinomu prsu. Prof. MUDr. Jitka Abrahámová, DrSc. Onkologická klinika 1.LF UK a TN KOC (NNB+VFN+TN)
Biologická léčba karcinomu prsu Prof. MUDr. Jitka Abrahámová, DrSc. Onkologická klinika 1.LF UK a TN KOC (NNB+VFN+TN) Cílená léčba Ca prsu Trastuzumab (HercepNn) AnN HER2 neu pronlátka LapaNnib (Tyverb)
VíceDůvěryhodný dlouhodobý archiv zdravotnické dokumentace
Důvěryhodný dlouhodobý archiv zdravotnické dokumentace Michal Pokorný ICZ a.s. Brno, 2012 www.i.cz 1 Agenda Co je zdravotnická dokumentace Co je archiv zdravotnické dokumentace Představení řešení archivu
VíceUkázka knihy z internetového knihkupectví
Ukázka knihy z internetového knihkupectví www.kosmas.cz Pavel Klener ZÁKLADY KLINICKÉ ONKOLOGIE Galén Autor prof. MUDr. Pavel Klener, DrSc. I. interní klinika klinika hematologie 1. LF UK a VFN, Praha
VíceMODERNÍ VÝUKA ONKOLOGIE JAKO SOUČÁST NÁRODNÍHO ONKOLOGICKÉHO PROGRAMU. J. Vorlíček Česká onkologická společnost ČLS JEP
MODERNÍ VÝUKA ONKOLOGIE JAKO SOUČÁST NÁRODNÍHO ONKOLOGICKÉHO PROGRAMU J. Vorlíček Česká onkologická společnost ČLS JEP I. Proč je v současné onkologii tak potřebná výuka S čím dnes musí počítat řízení
VíceNárodní referenční centrum (NRC) MUDr. Antonín Malina, Ph.D. Institut postgraduálního vzdělávání ve zdravotnictví
Národní referenční centrum (NRC) MUDr. Antonín Malina, Ph.D. Institut postgraduálního vzdělávání ve zdravotnictví Proč v IPVZ? zachování kontinuity (projekt Vývoj a ověřovací provoz klasifikačního systému
VíceNemocniční informační systém SAP IS-H & i.s.h.med. Připraveno pro české zdravotnictví! 25. Března 2010
Nemocniční informační systém SAP IS-H & i.s.h.med Připraveno pro české zdravotnictví! 25. Března 2010 České zdravotnictví mezinárodní srovnání v rámci OECD +37% akutních lůžek vůči průměru OECD Využití
Více3. SEMINÁŘ MĚŘENÍ FREKVENCE NEMOCÍ V POPULACI
3. SEMINÁŘ MĚŘENÍ FREKVENCE NEMOCÍ V POPULACI EPIDEMIOLOGIE 1. Úvod, obsah epidemiologie. Měření frekvence nemocí v populaci 2. Screening, screeningové (diagnostické) testy 3. Typy epidemiologických studií
Více