Et beslutningsstøttesystem til diagnosticering af sår
Oversat titel
Decision support system for wound diagnosis
Forfattere
van Hout, Carolien ; Danborg, Anne
Semester
3. årgang
Udgivelsesår
2006
Antal sider
130
Resumé
Denne afhandling undersøger og udvikler et beslutningsstøttesystem til diagnosticering af sår i klinisk praksis. Med afsæt i forfatternes sygeplejefaglige erfaringer og de dokumenterede udfordringer ved sårbehandling afgrænses problemområdet og målgruppen, og der argumenteres for anvendelsen af IT i lyset af nationale strategier. Afhandlingen sammenligner rule-based systemer, neurale netværk og bayesianske netværk og begrunder valget af et bayesiansk net som kerne i en prototype implementeret i HUGIN. Prototypen modellerer centrale variabler og sandsynlighedssammenhænge for udvalgte sårtyper, herunder venøse og arterielle bensår, diabetiske sår og tryksår, og indeholder en brugergrænseflade til indtastning af symptomer samt generering af diagnose- og behandlingsforslag. Metoden omfatter domæneanalyse (klasser, klynger, adfærd og hændelser), opbygning af sandsynlighedsmodeller og konstruktionstests med testcases. Konkrete testresultater og performance er beskrevet i senere kapitler, men fremgår ikke af det medsendte uddrag.
This thesis investigates and develops a decision support system for clinical wound diagnosis. Drawing on the authors’ nursing experience and recognized challenges in wound care, the problem area and target users are delineated, and the use of IT is motivated in light of national strategies. The thesis compares rule-based systems, neural networks, and Bayesian networks, and justifies selecting a Bayesian network as the core of a prototype implemented in HUGIN. The prototype models key variables and probabilistic relationships for selected wound types, including venous and arterial leg ulcers, diabetic wounds, and pressure ulcers, and provides a user interface for entering symptoms and generating diagnostic and treatment suggestions. The method includes domain analysis (classes, clusters, behavior, and events), construction of probabilistic models, and construction tests using test cases. Specific test outcomes and performance details are reported in later chapters but are not included in the provided excerpt.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]
Emneord