Contenuto
Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricercaINIZIO_TESTO_DA_INDICIZZARE
PROGRAMMA DI RICERCA 2004
italiano - english
Unità di Ricerca
Programmi di ricerca simili:
- 1 - Sintesi automatica di modelli astratti a partire da dati temporali o spaziali
- 2 - La Geomatica a supporto delle azioni di Governo del Territorio
- 3 - Basi di dati crittografate
- 4 - Sviluppo di metodi innovativi per la misura di grandezze meccaniche nella ottimizzazione della riabilitazione del movimento
- 5 - Future applicazioni del paradigma peer-to-peer
- 6 - FREE SURF: FREE SUrveillance in a pRivacy-respectFul way
- 7 - Web Ram: web retrieval and mining
- 8 - Nuove tecniche e strumenti per l'interrogazione di servizi di ricerca su Web
- 9 - Ambienti intelligenti: interpretazione di eventi, riconfigurabilità sensoriale e interfacce multimodali.
- 10 - Metodologie avanzate per il controllo di sistemi ibridi
Classificazione scientifico-disciplinare
- Area scientifico disciplinare: Scienze matematiche e informatiche
- Area scientifico disciplinare: Ingegneria industriale e dell'informazione
Classificazione brevettuale
- HUMAN NECESSITIES
- MEDICAL OR VETERINARY SCIENCE; HYGIENE
- TRANSPORT OR ACCOMODATION FOR PATIENTS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNEREAL DEVICES (chairs or beds in general A47C; walking aids A61H3/00)
- MEDICAL OR VETERINARY SCIENCE; HYGIENE
- PHYSICS
- COMPUTING; CALCULATING; COUNTING (score computers for games A63; combinations of writing applicances with computing devices B43K29/08)
- COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS [N0004]
- SIGNALLING (indicating or display devices per se G09F; transmission of pictures H04N) [C9504]
- SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS (signalling arrangements on vehicles B60Q, B62D41/00; railway signalling systems or devices B61L; on cycles B62J3/00, B62J6/00; safes or strong-rooms with alarm devices E05G; signalling or alarm devices in mines E21F17/18; lamps or shutters therefor F21; sensitive measuring elements, see the appropriate subclasses of G01; traffic control systems G08G; visual indicating means G09; sound-producing devices G10; radio or near-field calling systems H04B5/00, H04B7/00; selecting arrangements H04Q7/00, H04Q9/00; loudspeakers, microphones, gramophone pick-ups or like acoustic electromechanical transducers H04R) [C9504]
- COMPUTING; CALCULATING; COUNTING (score computers for games A63; combinations of writing applicances with computing devices B43K29/08)
Classificazione geografica
- Regione: Lombardia
Bibliografia
1. M. Stefanelli, The socio-organizational age of artificial intelligence in medicine, Artif Intell Med. 23 (2001) 25-472. S.S. Abidi, Knowledge management in healthcare: towards 'knowledge-driven' decision-support services, Int J Med Inf. 63 (2001) 5-18
3. C. Zoccali, Medical knowledge, quality of life and accreditation of quality in health care. The perspective of the clinical nephrologist, Int J Artif Organs 11 (1998) 717-20
4. Registro Italiano di Dialisi e Trapianto, http://www.sin-italia.org
5. P.A. McFarlane, D.C. Mendelssohn, A call to arms: economic barriers to optimal dialysis care, Perit Dial Int 20 (2000) 7-12
6. J.W. Moncrief, Telemedicine in the care of the end-stage renal disease patients, Adv Ren Replace Ther 5 (1998) 286-291
7. M. Loghman-Adham, Medication noncompliance in patients with chronic disease: issues in dialysis and renal transplantation, Am J Manag Care, 9(2) (2003), 155-71. Rev.
8. C. Ronco, A. Brendolan, R. Bellomo, Online monitoring in continuous renal replacement therapies, Kidney Int, 56 (1999) S8-14.
9. R. Bellazzi, P. Magni, R. Bellazzi, Improving dialysis services through information technology: from telemedicine to data mining, Medinfo, 10(Pt 1) (2001) 795-9.
10. K.A. Stroetmann, P. Gruetzmacher, V.N. Stroetmann, Improving quality of life for dialysis patients through telecare, J Telemed Telecare, 6 Suppl 1, (S80-3) 2000.
11. H. Nakamoto, A. Kawamoto, Y. Tanabe, Y. Nakagawa, E. Nishida, T. Akiba, H. Suzuki, Telemedicine system using a cellular telephone for continuous ambulatory peritoneal dialysis patients, Adv Perit Dial. 19 (2003) 124-9
12. J. Kolodner. Case-Based Reasoning, Morgan Kaufmann, 1993.
13. .B. Leake. Case Based Reasoning: Experiences, Lessons and Future Directions, AAAI Press, 1996
14. A. Aamodt, E. Plaza. Case-Based Reasoning: Foundational Issues, Methodological Variations and System Approaches, AI Communications, 7(1), pp. 39-59, 1994
15. D.R. Wilson, T.R. Martinez. Improved Heterogeneous Distance Functions, J Artif Intell Research, 6, pp. 1-34, 1997
16. M. Veloso. Planning and Learning by Analogical Reasoning, Lecture Notes in Artif Intell 886, Springer Verlag, 1994
17. L. Portinale, P. Torasso. On the Usefulness of Re-using Diagnostic Solutions, Proc. 12th European Conference on Artificial Intelligence, ECAI'96, Budapest, pp-137-141, 1996.
18. L. Portinale, P. Torasso, D. Magro. Multi-modal Reasoning Combining Case-Based and Model-Based Reasoning: a Formal and Experimental Analysis, Artificial Intelligence (to appear), 2004.
19. B. Nebel, J. Koehler. Plan Reuse versus Plan Generation: a Theoretical and Empirical Analysis, Artificial Intelligence, 76, pp. 427-454, 1995.
20. D. Leake, D. Wilson, B. Smyth, Q. Yang (eds). Special Issue on Case Base Maintenance, Computational Intelligence, 17(2), 2001.
21 I. Watson. Applying Case-Based Reasoning: Techniques for Enterprise Systems, Morgan Kaufmann, 1997.
22. R. Schmidt, S. Montani, R. Bellazzi, L. Portinale, L. Gierl. Case-Based Reasoning for Medical Knowledge-Based Systems, International Journal of Medical Informatics 64(2-3), pp. 355-367, 2001.
23. S. Montani, R. Bellazzi, L. Portinale, M. Stefanelli. A Multi-Modal Reasoning Methodology for Managing IDDM Patients, International Journal of Medical Informatics, 58-59, pp. 243-256, 2000.
24. I. Bichindaritz, E. Kansu, K.M. Sullivan. Case-Based Reasoning in CARE-PARTNER: Gathering Evidence for Evidence-Based Medical Practice, Lecture Notes in Artificial Intelligence 1488, Springer Varlag, pp. 334-345, 1998.
25. J. Kolodner. Case-Based Reasoning, Morgan Kaufmann, 1993.
26. R. Schmidt, L. Gierl. Experiences with Prototype Designs and Retrieval Methods in Medical Case-Based Reasoning Systems, Lecture Notes in Artificial Intelligence 1488, Springer Verlag, pp. 370-381, 1998.
27. Y. Shahar, A Framework for Knowledge-Based Temporal Abstraction, Art. Int. 90 (1997) 79-133.
28. R. Bellazzi, C. Larizza, A. Riva, Temporal Abstractions for Interpreting Diabetic patients monitoring data, Intelligent Data Analysis, 2 (1998) 97-122.
29. R. Bellazzi, C. Larizza, P. Magni, R. G. Bellazzi, Quality Assessment of hemodialysis services through Temporal Data Mining, Lecture Notes on Artificial Intelligence ,ed M. Dojat, E. Keravnou, P. Barahona ,vol. 2780 ,pag. 11 - 20 ,(2003)
30. The time series data mining archive: http://www.cs.ucr.edu/~eamonn/TSDMA/index.html [last accessed March 18, 2004].
31. J.F. Roddick, M. Spiliopoulou, A survey of temporal knowledge discovery paradigms and methods, IEEE T. Knowl. Data En., 14 (2002) 750-766.
32. T. Haw and E.W. Coiera, Learning Qualitative Models of Dynamic Systems, Machine Learning, 26, (1993) 177–211.
33. G. Guimaraes, A. Ultsch, A method for temporal knowledge conversion, In: Hand, D.J., Kok, J.N., Berthold, M.R. (Eds.): Advances in Intelligent Data Analysis, Third Intl. Symposium, IDA 99, Lecture Notes in Computer Science 1642, (Springer Verlag, 1999), 369 - 380.
34. G. Guimaraes, J.J. Peter, T. Penzel, A. Ultsch, A method for automated temporal knowledge acquisition applied to sleep-related breathing disorders , Artificial Intelligence in Medicine 23 (2001) 211 - 237.
35. Gautam Das, King-Ip Lin, Heikki Mannila, Gopal Renganathan, and Padhraic Smyth. Rule Discovery from Time Series. In KDD98, pages 16-22, 1998.
36. B. Chiu, E. Keogh, S. Lonardi, Probabilistic discovery of time series motifs, Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining, August 24-27, 2003, Washington, D.C.
37. R. Agrawal, R. Srikant. Fast algorithms for mining association rules in large databases . Proc International Conference on Very Large Databases, Santiage, Chile, (Morgan Kaufmann, 1994) 478-499.
38. H. Mannila, H. Toivonen and I. Verkamo, Discovery of frequent episodes in event sequences, Data Mining and Knowledge Discovery, 1,3 (1997), 259-289.
39. F. Höppner, Learning dependencies in Multivariate Time Series, Working notes workshop on Knowledge Discovery on Temporal and Spatial data, ECAI 2002, 25-31.
40. F. Höppner, Discovery of Temporal Patterns - Learning Rules about the Qualitative Behaviour of Time Series, Proc. of the 5th PPKDD, LNAI 2168 (2001) 192-203.
41. R. Snodgrass. The TSQL2 Temporal Query Language . Kluwer Academic Publishers, 1995.
42. C. Bettini, C.E. Dyreson, W.S. Evans, R.T. Snodgrass, and X.S. Wang. A Glossary of Time Granularity Concepts. Temporal Databases - Research and Practice LNCS 1399, Springer-Verlag, Berlin Heidelberg, 406-413, 1998.
43. J. Clifford, A. Rao. A Simple, General Structure for Temporal Domains, In Rolland C, Bodart F and Leonard M.(eds) Temporal Aspects in Information Systems. Amsterdam: Elsevier Science Publishers, North-Holland, 1988: 17—28.
44. I.A. Goralwalla et al. Temporal Granularity: Completing the Puzzle. Journal of Intelligent Information Systems, 2001, vol. 16, n. 1, p. 41-63
45. Montanari A. Metric and Layered Temporal Logic for Time Granularity. ILLC Dissertation Series, 1996-02, Institute for Logic, Language and Computation, University of Amsterdam, September 1996.
46. C. Bettini, X. Wang,S. Jajodia. A general framework for time granularity and its application to temporal reasoning. Annals of Mathematics and Artificial Intelligence, 22:29-58, 1998.
47. C. Combi et al. Representing and Reasoning about Temporal Granularities. Journal of Logic and Computation, 2004, vol. 14, n. 1, p. 51-77
48. P. Buneman, S. B. Davidson, G. G. Hillebrand, and D. Suciu. Adding structure to unstructured data. In Database Theory; Sixth International Conference Proceedings, pages 336-350, 1997.
49. S. Ceri et al.. XML-GL: a graphical language for querying and restructuring xml documents. In Proceedings of the eight International World Wide Web Conference WWW8, Toronto, Canada, May 1999.
50. C. Combi et al. Modeling Multimedia and Temporal Aspects of Semistructured Clinical Data. Proceedings AIME '03 (Artificial Intelligence in Medicine in Europe). Berlin, Springer, LNCS-LNAI 2780, 2003, p. 36-40
Parole Chiave
EMODIALISI; DATA MINING TEMPORALE; ANALISI INTELLIGENTE DI DATI; RAGIONAMENTO BASATO SU CASI; RECUPERO FLESSIBILE DI INFORMAZIONI; BASI DI DATI TEMPORALI; GRANULARITÀ TEMPORALEAnalisi intelligente dei dati di monitoraggio di emodialisi per il miglioramento dei processi di cura.
Università degli Studi di PaviaAbstract
Il principale obiettivo del progetto è la definizione e lo sviluppo di un sistema di auditing avanzato per la valutazione dell'efficacia del trattamento erogato da un Centro di Emodialisi sulla base dei dati raccolti quotidianamente durante le sedute emodialitiche.Il sistema di auditing verrà progettato per svolgere due compiti specifici: i) da un lato dovrà fornire al responsabile del servizio un modo per valutarne la performance in termini di raggiungimento degli obiettivi del trattamento e di aderenza alle prescrizioni; ii) dall'altro il sistema dovrà avere funzionalità avanzate di allarme per segnalare al personale del centro il verificarsi di condizioni potenzialmente pericolose, che possono causare il fallimento delle dialisi, ovvero la non aderenza alle prescrizioni. Il sistema di auditing verrà utilizzato dal Centro di Assistenza Limitata (CAL) di Mede (PV), Italia, che è gestito clinicamente dalla Divisione di Nefrologia e Dialisi di Vigevano (PV), Italia. In questo progetto verrà ri-implementato ed ingegnerizzato un sistema già esistente con funzionalità limitate, in uso da maggio 2002 presso il CAL di Mede. In particolare, verranno realizzate delle funzionalità avanzate basate su tecniche di data mining temporale e analisi di dati intelligente, fornite dalle unità di Pavia, Alessandria e Verona. Le attività del progetto si concentreranno sui seguenti aspetti: i) rivalutazione dei requisiti e delle specifiche del sistema di auditing, al fine di identificare >>>
Coordinatore Scientifico del Programma di Ricerca
Cristiana LARIZZA Università degli Studi di PAVIAObiettivo del Programma di Ricerca
Questo progetto riguarda la definizione di strategie innovative basate sulle tecnologie dell'informazione per supportare le istituzioni sanitarie nel cosiddetto "apprendimento dell'organizzazione", ovvero l'acquisizione, l'applicazione e la gestione di nuovi strumenti e metodi che consentano un miglioramento dei processi che sono critici per il successo dell'organizzazione. Uno degli aspetti più interessanti dell'apprendimento dell'organizzazione è rappresentato dalla valutazione della qualità di un servizio ospedaliero, in funzione di una serie di indicatori di performance prestabiliti. In questo progetto ci concentreremo sui problemi di apprendimento dell'organizzazione in un Dipartimento Ospedaliero di Emodialisi. Il trattamento dialitico ha costi molto alti ed è estremamente oneroso da un punto di vista organizzativo. Un centro di medie dimensioni può gestire fino a 60 pazienti al giorno in emodialisi; i pazienti vengono rivalutati clinicamente con una frequenza circa mensile. Questo processo richiede personale altamente specializzato, posti letto per il day hospital, almeno 30 emodializzatori ed una grande quantità di materiali consumabili. Una tipologia di centri dialisi di crescente interesse è rappresentata dai Centri di Assistenza Limitata (CAL). I CAL sono centri dialisi gestiti da personale infermieristico, con la supervisione di personale medico specialistico afferente ad un centro dialisi di riferimento. Il medico supervisore definisce le prescrizioni dialitiche >>>Risultati parziali attesi
La Fase I del progetto avrà come risultati dei rapporti interni che verranno utilizzati durante lo svolgimento del progetto stesso.Rapporto 1. Al mese 3 le unità di PV ed AL forniranno un rapporto interno con l'analisi del sistema di auditing attualmente in uso presso il CAL di Mede.
Rapporto 2. Al mese 3 le unità di PV ed AL forniranno un rapporto interno con le specifiche funzionali del nuovo sistema.
Rapporto 3. Al mese 6 l'unità di VR fornirà un rapporto interno sugli approcci per la definizione e la gestione di sistemi a diversa granularità temporale.
Durante il primo anno prevediamo, inoltre, di scrivere dei lavori scientifici riguardanti i risultati metodologici ottenuti e di implementare i prototipi degli algoritmi sviluppati.La fase II del progetto fornirà come risultati il nuovo prototipo del sistema, un rapporto interno che verrà utilizzato come manuale d'uso del sistema ed una serie di pubblicazioni scientifiche.
1. Al mese 21 del progetto verrà rilasciato il nuovo prototipo del sistema di auditing che integrerà le funzionalità definite nell'ambito del progetto. Esso verrà utilizzato per una valutazione preliminare nella routine clinica.
2. Rapporto 4. Al mese 21, verrà preparato un rapporto interno che descriverà le nuove funzionalità del sistema; questo verrà utilizzato dal personale del Centro di Emodialisi e del CAL come manuale d'uso.
3. Al termine del progetto, prevediamo di scrivere delle pubblicazioni >>>
