Download
sistemi e processi nei servizi sanitari cdlm ingegneria gestionale ii anno n.
Skip this Video
Loading SlideShow in 5 Seconds..
Sistemi e processi nei servizi sanitari CdLM Ingegneria gestionale (II anno) PowerPoint Presentation
Download Presentation
Sistemi e processi nei servizi sanitari CdLM Ingegneria gestionale (II anno)

Sistemi e processi nei servizi sanitari CdLM Ingegneria gestionale (II anno)

198 Views Download Presentation
Download Presentation

Sistemi e processi nei servizi sanitari CdLM Ingegneria gestionale (II anno)

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Sistemi e processi nei servizi sanitariCdLM Ingegneria gestionale (II anno) Introduzione Prof. Gabriele Cevenini Dipartimento di Chirurgia e Bioingegneria Università degli Studi di Siena

  2. Argomenti iniziali Prof. Paolo Barbini* Ordinario di Bioingegneria, Università di Siena, Direttore U.O. Ingegneria Biomedica, Azienda Ospedaliera Universitaria Senese (AOUS) Dott. Pietro Manzi** Medico di Presidio Sanitario, Azienda Ospedaliera Universitaria Senese • Statistica inferenziale per studi biomedici* • Probabilità, Teorema di Bayes e diagnosi clinica* • Test diagnostico-decisionali* • Problem solving euristico in ambiente sanitario** • Diagrammi di flusso delle decisioni euristiche**

  3. Argomenti principali • Modelli a compartimenti di sistemi biomedici • Approccio probabilistico alla valutazione del rischio e dell’efficienza clinico-sanitaria • Metodi parametrici e non parametrici di stima delle densità di probabilità • Classificatori bayesiani, logistici e a reti neurali • Scelta ottima delle informazioni sanitarie • Valutazione delle prestazioni e scelta modello • Analisi del rischio sanitario e della sopravvivenza

  4. Argomenti specifici • Efficienza dei sistemi sanitari • Farmacocinetica: stima dell’azione dei farmaci • Dimensionamento dei flussi nei nervizi sanitari • Feature extraction: tecnichestepwise, componenti principali semplici e modificate (metodo Fukunaga-Koontz) • Learning, testing e generalizzazione: bias e varianza, entropia, criteri di fermata, regolarizzazione classica e bayesiana, cross-validazione k-fold e leave-one-out

  5. Argomenti specifici • Reti neurali artificiali: learning e validazione • Bootstrap: stima statistica degli intervalli di confidenza • Algoritmi di ottimizzazione parametrica: approssimazionequadratica locale, gradiente discendente, Newton, Levenberg-Marquardt • Discriminazione: Curve ROC • Calibrazione: test di Hosmer-Lemeshow