| 11. |
- Gund, Anna, 1980, et al.
(författare)
-
Care@Distance – Disease Management för hjärtsviktspatienter i hemmet
- 2007
-
Ingår i: Medicinteknikdagarna, 2-3 October 2007, Örebro, Sweden. - : Svensk förening för medicinsk teknik och fysik, Örebro Läns Landsting, Örebro Universitet, Stiftelsen för strategisk forskning, Vetenskapsrådet, Vinnova.
-
Konferensbidrag (övrigt vetenskapligt/konstnärligt)abstract
- Antalet äldre i samhället ökar, och med det kostnaderna p.g.a. kroniska åldersrelaterade sjukdomstillstånd. Ett sådant tillstånd är hjärtsvikt vilket drabbar ca 2 % av västvärldens befolkning. Forskning har visat att IT-baserad hemvård för s.k. Disease Management kan resultera i minskade kostnader så väl som ökad livskvalitet hos patienterna. Inom projektet Care@Distance är avsikten att utforma ett sådant system där tyngden ligger dels på regelbundna dagliga enkla mätningar av fysiologiskt relaterade parametrar såsom vikt och blodtryck, och dels på formulär där patienten svarar på några enkla frågor om det upplevda tillståndet. Syftet är att få med både objektiv och subjektiv information som sedan kan ligga till grund för en förbättrad vård av den enskilde patienten. Systemet utformas främst för att skapa underlag för en bättre långsiktig behandling, terapi och för uppföljning av Treatment Compliance, men även för att hantera akuta situationer genom t.ex. larm till vårdgivaren. Under projektets tid har ett samarbete med DAGA-kliniken på Östra sjukhuset upprättats, genom bl.a. diskussioner om frågeformulärets utformning. Under våren 2007 har även två förstudier genomförts på kliniken, den första med inriktning mot patientdelen av systemet, och den andra mot vårdgivarsidan. Studien visar att patientdelen är lätthanterad ur patientsynpunkt samt att intresse för systemet finns. Även på vårdgivarsidan är resultaten positiva när det gäller design, funktioner och intresse, men utrymme för förbättringar finns. Fortsatta studier i form av ett längre försök i hemmet hos patienter är planerat under sommaren och hösten 2007. Under sommaren kommer även patientdelen att vidareutvecklas med ny programvara. Ett framtida projekt innefattar att utveckla en metod för att utnyttja EBI (Elektrisk Bio-Impedans). Med relativt enkla och robusta mätningar förväntas mycket användbar och relevant information om sjukdomstillståndet kunna erhållas med denna metod, men detta kräver att ny sensorteknik utvecklas för hemmiljön.
|
|
| 12. |
|
|
| 13. |
|
|
| 14. |
|
|
| 15. |
|
|
| 16. |
|
|
| 17. |
|
|
| 18. |
- Löfhede, Johan, et al.
(författare)
-
Comparing a Supervised and an Unsupervised Classification Method for Burst Detection in Neonatal EEG
- 2008
-
Ingår i: Proceedings of Engineering in Medicine and Biology Society, EMBS 2008. 30th Annual International Conference of the IEEE, 20-24 August, 2008. - : IEEE. - 1557-170X. - 9781424418145 ; , s. 3836-3839
-
Konferensbidrag (refereegranskat)abstract
- Hidden Markov Models (HMM) and Support Vector Machines (SVM) using unsupervised and supervised training, respectively, were compared with respect to their ability to correctly classify burst and suppression in neonatal EEG. Each classifier was fed five feature signals extracted from EEG signals from six full term infants who had suffered from perinatal asphyxia. Visual inspection of the EEG by an experienced electroencephalographer was used as the gold standard when training the SVM, and for evaluating the performance of both methods. The results are presented as receiver operating characteristic (ROC) curves and quantified by the area under the curve (AUC). Our study show that the SVM and the HMM exhibit similar performance, despite their fundamental differences.
|
|
| 19. |
|
|
| 20. |
- Löfhede, Johan, 1978, et al.
(författare)
-
Detection of bursts in the EEG of post asphyctic newborns
- 2006
-
Ingår i: 2006 28th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. - 1557-170X. - 9781424400324 ; , s. 2179-2182, s. 5-6
-
Konferensbidrag (refereegranskat)abstract
- Eight features inherent in the electroencephalogram (EEG) have been extracted and evaluated with respect to their ability to distinguish bursts from suppression in burst-suppression EEG. The study is based on EEG from six full term infants who had suffered from lack of oxygen during birth. The features were used as input in a neural network, which was trained on reference data segmented by an experienced electroencephalographer. The performance was then evaluated on validation data for each feature separately and in combinations. The results show that there are significant variations in the type of activity found in burst-suppression EEG from different subjects, and that while one or a few features seem to be sufficient for most patients in this group, some cases require specific combinations of features for good detection to be possible.
|
|
