Search academic texts

Information × Registration Number 2123U001451, Article popup.category Стаття, Опубліковано, Рецензована стаття Title OPTIMIZING OPERATIONAL DATA COLLECTION IN A MEDICAL INSTITUTION'S PEER-TO-PEER NETWORK popup.author Rosinskiy DmytroSvirshchevskyi KyrylRosinskiy DmytroSvirshchevskyi Kyryl popup.publication 09-06-2023 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/2973 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description Актуальність. В сучасних медичних інформаційних системах обсяг даних, (наприклад, фізіологічних показників, зібраних від пацієнтів), є величезним, оскільки аномальні та нормальні дані збираються разом. Це призводить до затримки надання допомоги невідкладним пацієнтам. Щоб вирішити цю проблему, потрібні оптимальні схеми збору оперативних даних для коротко і довгострокового прогнозування. При цьому доцільно використовувати пріоритезацію і фільтрацію даних, які безперервно збираються з переносних датчиків на пацієнтах і надходять до інформаційної системи медичної установи. Метою даної роботи є розробка моделі інформаційної системи медичної установи на основі пірингової мережі з використанням ефективних методів збору оперативних даних. Об’єктом дослідження є автоматизований процес збору і обробки масивів даних, що відображать стан здоров’я пацієнта медичної установи. Предметом дослідження є методи та алгоритми збору і обробки оперативних даних, що характеризують стан пацієнта медичної установи, для формування короткострокового прогнозу. Результати. Запропоновані нові алгоритми для оптимізації процесів збору і обробки даних шляхом введення критерія терміновості пацієнтів, що сприятиме зменшенню обсягу даних, які необхідно передати, скороченню часу очікування в постановці діагнозу. Для оцінки терміновості пацієнтів прийняті загальні клінічні критерії. Висновок. Запропоновано модель інформаційної системи медичної установи, яка ефективна при зборі даних і оптимізує порядок їхньої обробки в прогнозуванні. Досягнуто зменшення обсягів медичних даних, які надходять від пацієнтів, і налаштування часу очікування для даних, що потрібні в прогнозуванні, на основі різних пріоритетів. popup.nrat_date 2026-04-19 Close