Soins intensifs: un système d’alerte automatisé
Auteure
Prof. Emanuela Keller
UniversitätsSpital Zürich
Moins de fausses alarmes, prédiction des complications critiques, sécurité des patients améliorée. Tel est l’objectif du projet “ICU-Cockpit”.
A propos du projet
Liens supplémentaires
- Description du projet sur www.pnr75.ch
- Données clés et publications
- Les Big Data améliorent la médecine intensive, communiqué du presse (2 décembre 2019)
- Article de blog d’Emanuela Keller du 15 janvier 2019 (en allemand)
- Article de blog d’Emanuela Keller du 13 novembre 2018 (en allemand)
- Schwab P, Keller E, Muroi C, Mack DJ, Strässle C, Karlen W (2018) Not to cry wolf: distantly supervised multitask learning in critical care. Proc 35th Int Conf Mach Learn (ICML), 80:4518-27
- Muroi C, Meier S, De Luca V, Mack DJ, Strässle C, Schwab P, Karlen W, Keller E (2019) Automated false alarm reduction in a real-life intensive care setting using motion detection. Neurocrit Care, Epub ahead of print, DOI:10.1007/s12028-019-00711-w
- Hostettler I C, Richter JK, Schmid J, Neidert M C, Seule M, Boss O, Pangalu A, Germans M R, Muroi C, Keller E (2018) Decision tree analysis in subarachnoid hemorrhage – Prediction of outcome parameters during the course of aneurysmal subarachnoid hemorrhage using decision tree analysis. J of Neurosurgery, 129(6):1499-1510, DOI: 10.3171/2017.7