Načrtovanje dejavnosti klinične farmacije v bolnišnici s pomočjo metod umetne inteligence

• Main Author: Čufar, Andreja
• Other Authors: Mrhar, Aleš
• Format: Doctoral or Postdoctoral Thesis
• Language: Slovenian
• Published: A. Čufar 2023
• Subjects: bolnišnice; zdravstveni tim; klinična farmacija; klinični farmacevti; storitve; aktivnosti; načrtovanje; umetna inteligenca; analiza podatkov; podatkovno rudarjenje; disertacije; info:eu-repo/classification/udc/004.89:615(043.3); sami
• Online Access: https://repozitorij.uni-lj.si/IzpisGradiva.php?id=143736; https://repozitorij.uni-lj.si/Dokument.php?id=165640&dn=; https://plus.cobiss.net/cobiss/si/sl/bib/279943424; https://hdl.handle.net/20.500.12556/RUL-143736

Za uvajanje kliničnega farmacevta v zdravstveni tim je nujno potrebna podpora najvišjega vodstva bolnišnice, ki je zadolženo za izvajanje varnostne politike pri zdravljenju in za finančno poslovanje bolnišnice. Sprejetost kliničnega farmacevta s strani drugih zdravstvenih delavcev je tem boljša, čim bolj njegove aktivnosti ustrezajo pričakovanjem in potrebam uporabnikom njegovih storitev, to so predvsem zdravniki in medicinske sestre. Ugotavljanje potreb in pričakovanj uporabnikov je zato prva in ključna aktivnost pri načrtovanju katerekoli nove storitve, kar klinična farmacija v slovenskem prostoru vsekakor je. V Univerzitetnem kliničnem centru Ljubljana (UKCL) se dejavnost klinične farmacije do leta 2010 ni izvajala. Čeprav je vodstvo ustanove uvedbo te dejavnosti podpiralo, pa so neformalno izražena mnenja posameznih predstojnikov kazala na to, da je mnenje glede uvedbe klinične farmacije do določene mere deljeno tudi med predstojniki kliničnih oddelkov. Pred začetkom uvajanja klinične farmacije je bilo zato ugotavljanje potreb in pričakovanj bodočih uporabnikov, predvsem predstojnikov kliničnih oddelkov ter njihovih glavnih medicinskih sester, ključnega pomena, saj je za kakršnokoli dejavnost na posameznem oddelku dovoljenje oz. podpora predstojnika nujni pogoj. Sodobna družba, ki jo lahko označimo tudi kot »podatkovno« družbo, se srečuje z izzivom obvladovanja podatkov in predvsem z iskanjem metod za njihovo analizo, saj podatki sami po sebi še ne prinašajo nobene dodane vrednosti. Potreba po razumevanju velikega števila podatkov je narekovala razvoj številnih metod za analizo podatkov, ki izhajajo iz umetne inteligence in statistike. Odkrivanje znanja iz podatkov je definirano kot kompleksno pridobivanje implicitnih, neznanih in potencialno uporabnih informacij iz podatkov. Rudarjenje podatkov (data mining) je postopek, s katerim iz velikih podatkovnih zbirk poiščemo pomembne skrite napovedne informacije. Osnova za podatkovno rudarjenje so zbirke podatkov, statistične metode in algoritmi strojnega učenja ...