CrowdHEALTH

Home
Home
previous arrow
next arrow

Σύνοψη

Το σημερινό ψηφιακό περιβάλλον πληροφόρησης, χαρακτηρίζεται από το πλήθος των πηγών δεδομένων που παράγουν και παρέχουν πληροφορίες, οι οποίες δυστυχώς δε βρίσκονται ακόμα στο σημείο να παρέχουν τα μέγιστα αποτελέσματα, στον τομέα της Ηλεκτρονικής Υγείας (eHealth). Το CrowdHEALTH θα εισάγει μία νέα υλοποίηση, αυτή των Ολιστικών Φακέλων Υγείας (Holistic Health Records – HHRs) που εμπεριέχουν όλους τους καθοριστικούς παράγοντες που επηρεάζουν την υγεία. Οι HHRs θα μετασχηματιστούν σε κοινότητες HHRs, οι οποίες θα συλλέγουν το κλινικό, κοινωνικό και ανθρώπινο περιεχόμενο του εκάστοτε πληθυσμού, με αποτέλεσμα τη συλλογική γνώση για διαφορετικούς τομείς, αναλόγως με τα κριτήρια σχηματισμού των διαφορετικών κοινοτήτων (π.χ. δημογραφικά στοιχεία, ασθένειες, καθημερινές συνήθειες, διατροφή, κτλ.). Το CrowdHEALTH θα παραδώσει μία ασφαλή ενσωματωμένη ηλεκτρονική πλατφόρμα, η οποία θα συνδυάζει τεχνολογίες μεγάλων δεδομένων, παράλληλα με τις διαφορετικές φάσεις του κύκλου ζωής των τελευταίων, παρέχοντας τεχνικές Δεδομένων ως Υπηρεσία (Data as a Service – DaaS) στους εμπλεκομένους του εκάστοτε υγειονομικού οικοσυστήματος. Το CrowdHEALTH θα αναπτύξει τεχνικές μοντελοποίησης πολιτικών για τη διευκόλυνση της ενσωμάτωσης των Βασικών Δεικτών Απόδοσης (Key Performance Indicators – KPIs) στις πολιτικές, και τη συσχέτιση των εν λόγω KPIs ταυτόχρονα με όλους τους καθοριστικούς παράγοντες της υγείας που εντοπίζονται στους HHRs. Παράλληλα, θα γίνει συσχετισμός και με πληροφορίες που προέρχονται από άλλους τομείς, οδεύοντας προς την προσέγγιση σχετικά με «υγεία σε όλες τις πολιτικές». Η δημιουργία και η συν-δημιουργία πολιτικών θα είναι εφικτή μέσω ενός εμπλουτισμένου πολυεργαλείου, το οποίο θα παρέχεται βασιζόμενο στις τεχνικές DaaS, ενσωματώνοντας μηχανισμούς για αιτιώδη (causal) ανάλυση, ανάλυση κινδύνων, καθώς και περισυλλογή προβλέψεων. Μέσω του πολυεργαλείου, θα πραγματοποιηθούν πολυμορφικές στοχευμένες πολιτικές που θα αντιμετωπίζουν τους διαφόρους εξελισσόμενους κινδύνους σχετικά με χρονικούς περιορισμούς, γεωγραφικές τοποθεσίες, και τους εκάστοτε πληθυσμούς. Παράλληλα, το CrowdHEALTH θα διευκολύνει την αξιολόγηση των πολιτικών (σε όλο το εύρος της εκάστοτε πολιτικής, αλλά και σε ατομικό επίπεδο για κάθε διαφορετικό KPI) και τη βελτιστοποίησή τους, μέσω προσαρμοστικής και σταδιακής οπτικοποίησης των προσομοιώσεων και των αποτελεσμάτων της ανάλυσης δεδομένων, των εκάστοτε στρατηγικών πρόληψης που αναπτύσσονται. Τέλος, το CrowdHEALTH θα συλλέξει δεδομένα, τα οποία θα επικυρωθούν μέσω πέντε (5) πιλοτικών εφαρμογών που θα υλοποιηθούν σε διαφορετικά περιβάλλοντα (κέντρα υγείας, κοινωνικά δίκτυα, δημόσια περιβάλλοντα, παρακολούθησης ασθενειών).

Ημερομηνία εκκίνησης: 01/03/2017
Διάρκεια: 36 μήνες

Συνεισφορές Ομάδας

1. Τεχνικός συντονισμός: Το UPRC παρέχει τεχνικό συντονισμό για όλες τις δραστηριότητες έρευνας και ανάπτυξης, μέσω μιας ενιαίας λογικής άποψης της τεχνικής συνοχής του έργου. Το UPRC εξέτασε και πρότεινε αρκετές αλλαγές στο συνολικό έργο του CrowdHEALTH, έτσι ώστε να πληρούνται οι λειτουργικές απαιτήσεις, ενώ η ροή πληροφοριών μεταξύ διαφορετικών πακέτων εργασίας, καθώς και η πρόοδος και η έγκαιρη παράδοση τεχνικών αναφορών και δεδομένων που έχουν αναγνωριστεί ως Παραδοτέα είδη στο έργο παρακολουθούνται συνεχώς. Ως εκ τούτου, ως τεχνικός συντονιστής, το UPRC έχει ασχοληθεί με τον ορισμό του εννοιολογικού μοντέλου στόχου και τη συνολική αρχιτεκτονική, συμπεριλαμβανομένων των λειτουργιών των διαφόρων συνιστωσών, καθώς και των περιγραφών των προσφορών και των δυνατοτήτων του CrowdHEALTH.

2. Ολιστικοί Φάκελοι Υγείας: Το UPRC έχει συμμετάσχει ενεργά στις δραστηριότητες των Ολιστικών Φακέλων Υγείας (HHRs), συμβάλλοντας στις δραστηριότητες σχεδιασμού του HHR Manager και στον ορισμό του εννοιολογικού μοντέλου HHR, ιδίως για αυτό που αφορά ανάλυση των συστημάτων εννοιολογικών δεδομένων BIOAssist, TMU και KI, και η χαρτογράφηση τους σε HL7 / FHIR.

3. Διαλειτουργικότητα δεδομένων: Το UPRC έχει εργαστεί στον ορισμό του στοιχείου Μετατροπέα δεδομένων, όπου η ομάδα του UPRC έχει σχεδιάσει και εφαρμόσει ένα πρωτότυπο για να μεταφράζει πρωτογενή δεδομένα οποιασδήποτε μορφής σε μορφή FHIR με βάση τη συντακτική και σημασιολογική ομοιότητα που υπάρχει μεταξύ των συνόλων δεδομένων και τους πόρους HL7 FHIR.

4. Plug’n’Play: Τέλος, το UPRC ηγείται του έργου του σχεδιασμού και της ανάπτυξης του στοιχείου Plug’n’Play που είναι υπεύθυνο για τη συλλογή δεδομένων ροής από διαφορετικές ιατρικές συσκευές IoT, ενώ οδηγεί επίσης την ανάπτυξη του στοιχείου Source Verifier που είναι υπεύθυνο για τον προσδιορισμό των επιπέδων αξιοπιστίας όλων των συνδεδεμένων συσκευών.