MEDP-BIGDATA (Q3171422): Difference between revisions
Jump to navigation
Jump to search
(Changed label, description and/or aliases in nl, and other parts: Adding Dutch translations) |
(Changed label, description and/or aliases in it, and other parts: Adding Italian translations) |
||||||||||||||
| label / it | label / it | ||||||||||||||
MEDP-BIGDATA | |||||||||||||||
| Property / summary | |||||||||||||||
MED-P mira a migliorare la diagnosi, il trattamento e la ricerca sulle malattie croniche, oncologiche, degenerative e rare, e in primo luogo a contatto con il sistema, mediante gestione di emergenza o di flusso; uso di medicina personalizzata con nuovi strumenti BigData. _x000D_ sarà dotato di strumenti per prendere decisioni sanitarie adeguate alle caratteristiche e alle esigenze individuali di ogni paziente. A tal fine, prenderemo in considerazione variabili cliniche, patologiche, di immagine, di previsione e predittive; oltre ad altri non clinici e disponibili al di fuori del sistema sanitario (stile di vita, aderenza al trattamento, ecc.)_x000D_ La soluzione/le soluzioni integreranno i dati provenienti da diverse fonti e ne faciliteranno l'analisi e lo sfruttamento, consentendo di determinare i modelli di evoluzione della malattia, la risposta terapeutica, ecc. Deve essere focalizzata sulla gestione di queste malattie con criteri di tempestività, efficacia, efficienza, fattibilità e sostenibilità dell'assistenza sanitaria._x000D_ Per raggiungere il risultato finale di generare conoscenze utili in quell'episodio, per il medico (SSDC) o la macchina con interfaccia paziente (assistente paziente virtuale per la diagnosi, trattamento semplice, estensione dei rapporti e promozione personalizzata della salute nel progetto a sé stante); sarà dotato di:_x000D_Gestione e trattamento di grandi volumi di dati._x000D_ analitici (estrazione di testo, datamining, modelli statistici, predittivi e descrittivi)._x000D_ Open Data._x000D_ Valutazione della qualità clinica di D._x000D_ Motori di ricerca._x000D_ interoperabilità e sicurezza nel settore sanitario e della ricerca repository._x000D_ Apprendimento automatico "Machine Learning" e modelli predittivi._x000D_ Previsioni per somiglianza delle vie cliniche._x000D_ Prova medica aggregata utilizzando la teoria decisionale._x000D_ Distribuzione della modellazione multiscala e multilivello del paziente._x000D_ Ratification Multicriterary Paziente._x000D_ Valutazione precoce e quantitativa del trattamento._x000D_ Interrogazione a repositories by abstractions._x000D_ (Italian) | |||||||||||||||
| Property / summary: MED-P mira a migliorare la diagnosi, il trattamento e la ricerca sulle malattie croniche, oncologiche, degenerative e rare, e in primo luogo a contatto con il sistema, mediante gestione di emergenza o di flusso; uso di medicina personalizzata con nuovi strumenti BigData. _x000D_ sarà dotato di strumenti per prendere decisioni sanitarie adeguate alle caratteristiche e alle esigenze individuali di ogni paziente. A tal fine, prenderemo in considerazione variabili cliniche, patologiche, di immagine, di previsione e predittive; oltre ad altri non clinici e disponibili al di fuori del sistema sanitario (stile di vita, aderenza al trattamento, ecc.)_x000D_ La soluzione/le soluzioni integreranno i dati provenienti da diverse fonti e ne faciliteranno l'analisi e lo sfruttamento, consentendo di determinare i modelli di evoluzione della malattia, la risposta terapeutica, ecc. Deve essere focalizzata sulla gestione di queste malattie con criteri di tempestività, efficacia, efficienza, fattibilità e sostenibilità dell'assistenza sanitaria._x000D_ Per raggiungere il risultato finale di generare conoscenze utili in quell'episodio, per il medico (SSDC) o la macchina con interfaccia paziente (assistente paziente virtuale per la diagnosi, trattamento semplice, estensione dei rapporti e promozione personalizzata della salute nel progetto a sé stante); sarà dotato di:_x000D_Gestione e trattamento di grandi volumi di dati._x000D_ analitici (estrazione di testo, datamining, modelli statistici, predittivi e descrittivi)._x000D_ Open Data._x000D_ Valutazione della qualità clinica di D._x000D_ Motori di ricerca._x000D_ interoperabilità e sicurezza nel settore sanitario e della ricerca repository._x000D_ Apprendimento automatico "Machine Learning" e modelli predittivi._x000D_ Previsioni per somiglianza delle vie cliniche._x000D_ Prova medica aggregata utilizzando la teoria decisionale._x000D_ Distribuzione della modellazione multiscala e multilivello del paziente._x000D_ Ratification Multicriterary Paziente._x000D_ Valutazione precoce e quantitativa del trattamento._x000D_ Interrogazione a repositories by abstractions._x000D_ (Italian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: MED-P mira a migliorare la diagnosi, il trattamento e la ricerca sulle malattie croniche, oncologiche, degenerative e rare, e in primo luogo a contatto con il sistema, mediante gestione di emergenza o di flusso; uso di medicina personalizzata con nuovi strumenti BigData. _x000D_ sarà dotato di strumenti per prendere decisioni sanitarie adeguate alle caratteristiche e alle esigenze individuali di ogni paziente. A tal fine, prenderemo in considerazione variabili cliniche, patologiche, di immagine, di previsione e predittive; oltre ad altri non clinici e disponibili al di fuori del sistema sanitario (stile di vita, aderenza al trattamento, ecc.)_x000D_ La soluzione/le soluzioni integreranno i dati provenienti da diverse fonti e ne faciliteranno l'analisi e lo sfruttamento, consentendo di determinare i modelli di evoluzione della malattia, la risposta terapeutica, ecc. Deve essere focalizzata sulla gestione di queste malattie con criteri di tempestività, efficacia, efficienza, fattibilità e sostenibilità dell'assistenza sanitaria._x000D_ Per raggiungere il risultato finale di generare conoscenze utili in quell'episodio, per il medico (SSDC) o la macchina con interfaccia paziente (assistente paziente virtuale per la diagnosi, trattamento semplice, estensione dei rapporti e promozione personalizzata della salute nel progetto a sé stante); sarà dotato di:_x000D_Gestione e trattamento di grandi volumi di dati._x000D_ analitici (estrazione di testo, datamining, modelli statistici, predittivi e descrittivi)._x000D_ Open Data._x000D_ Valutazione della qualità clinica di D._x000D_ Motori di ricerca._x000D_ interoperabilità e sicurezza nel settore sanitario e della ricerca repository._x000D_ Apprendimento automatico "Machine Learning" e modelli predittivi._x000D_ Previsioni per somiglianza delle vie cliniche._x000D_ Prova medica aggregata utilizzando la teoria decisionale._x000D_ Distribuzione della modellazione multiscala e multilivello del paziente._x000D_ Ratification Multicriterary Paziente._x000D_ Valutazione precoce e quantitativa del trattamento._x000D_ Interrogazione a repositories by abstractions._x000D_ (Italian) / qualifier | |||||||||||||||
point in time: 16 January 2022
| |||||||||||||||
Revision as of 14:04, 16 January 2022
Project Q3171422 in Spain
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | MEDP-BIGDATA |
Project Q3171422 in Spain |
Statements
1,000,000.0 Euro
0 references
2,000,000.0 Euro
0 references
50.0 percent
0 references
23 May 2019
0 references
30 June 2023
0 references
CONSELLERIA DE SANIDAD UNIVERSAL Y SALUD PUBLICA
0 references
39°28'10.96"N, 0°22'34.82"W
0 references
46250
0 references
MED-P pretende mejorar el diagnóstico, tratamiento e investigación en enfermedades crónicas, oncológicas, degenerativas y raras, y en primer contacto con el sistema, sea por urgencias o gestión de flujos; mediante medicina personalizada con nuevas herramientas de BigData. _x000D_ Se dotará a los Servicios Sanitarios de instrumentos que les permitan tomar decisiones de salud adaptadas a las características y necesidades individuales de cada paciente. Para ello, consideraremos variables clínicas, patológicas, imagen, pronosticas y predictivas; así como otras no clínicas y disponibles fuera del sistema sanitario (estilo de vida, adherencia al tratamiento, etc.)_x000D_ La/s solución/es integrará datos de diversas fuentes, y facilitará su análisis y explotación, permitiendo determinar patrones de evolución de la enfermedad, respuesta terapéutica, etc. Debe ir enfocada hacia el manejo de estas enfermedades con criterios de oportunidad, efectividad, eficiencia, factibilidad y sostenibilidad de la asistencia sanitaria._x000D_ Para llegar al resultado final de generación de conocimiento útil en ese episodio, para el facultativo (SSDC) o la máquina con interfaz de paciente (asistente virtual al paciente para diagnóstico, tratamiento sencillo, ampliación de informes y promoción salud personalizada en proyecto independiente); se contará con:_x000D_ Gestión y Tratamiento de grandes volúmenes de Datos._x000D_ Analíticas (textmining, datamining, modelos estadísticos, predictivos y descriptivos)._x000D_ Open Data._x000D_ Evaluación de calidad clínica de D._x000D_ Motores de búsqueda._x000D_ Interoperabilidad y seguridad de servicios big data en salud y repositorios de investigación._x000D_ Aprendizaje automático "Machine Learning" y de modelos predictivos._x000D_ Pronósticos mediante similitud de rutas clínicas._x000D_ Evidencia médica agregada mediante teoría de la decisión._x000D_ Despliegue del modelado multiescala y multinivel del paciente._x000D_ Estratificación multicriterio de pacientes._x000D_ Evaluación temprana y cuantitativa del tratamiento._x000D_ Interrogación a repositorios mediante abstracciones. (Spanish)
0 references
MED-P aims to improve the diagnosis, treatment and research in chronic, oncological, degenerative and rare diseases, and in first contact with the system, whether for emergencies or flow management; through personalized medicine with new BigData tools._x000D_ The Health Services will be provided with instruments that allow them to make health decisions adapted to the individual characteristics and needs of each patient. For this, we will consider clinical, pathological, image, prognostic and predictive variables; as well as other non-clinical and available outside the health system (lifestyle, adherence to treatment, etc.)_x000D_ The solution/s will integrate data from various sources, and will facilitate their analysis and exploitation, allowing to determine patterns of disease evolution, therapeutic response, etc. It should be focused on the management of these diseases with criteria of opportunity, effectiveness, efficiency, feasibility and sustainability of health care._x000D_ To reach the final result of generating useful knowledge in that episode, for the physician (SSDC) or the machine with patient interface (virtual assistant to the patient for diagnosis, simple treatment, extension of reports and promotion of personalized health in an independent project); there will be:_x000D_ Management and Treatment of large volumes of Data._x000D_ Analytics (textmining, datamining, statistical, predictive and descriptive models)._x000D_ Open Data._x000D_ Clinical quality assessment of D._x000D_ Search engines._x000D_ Interoperability and security of big data services in health and research repositories._x000D_ Machine learning "Machine Learning" and predictive models._x000D_ Prognoses through similarity of clinical routes._x000D_ Aggregate medical evidence using decision theory._x000D_ Deployment of multiscale and multilevel patient modeling._x000D_ Multi-criteria stratification of patients._x000D_ Early and quantitative evaluation of treatment._x000D_ Interrogation to repositories through abstractions. (English)
0 references
MED-P vise à améliorer le diagnostic, le traitement et la recherche sur les maladies chroniques, oncologiques, dégénératives et rares, et au premier contact avec le système, que ce soit par la gestion des urgences ou des flux; utilisation de la médecine personnalisée avec de nouveaux outils BigData. _x000D_ sera équipé d’outils permettant de prendre des décisions de santé adaptées aux caractéristiques et aux besoins individuels de chaque patient. À cette fin, nous examinerons les variables cliniques, pathologiques, d’image, de prévision et prédictives; ainsi que d’autres non cliniques et disponibles en dehors du système de santé (style de vie, respect du traitement, etc.)_x000D_ La ou les solutions intégreront des données provenant de différentes sources et faciliteront leur analyse et leur exploitation, permettant de déterminer les schémas d’évolution des maladies, de réponse thérapeutique, etc. Elle doit être axée sur la prise en charge de ces maladies avec des critères de rapidité, d’efficacité, d’efficience, de faisabilité et de durabilité des soins de santé._x000D_Pour atteindre le résultat final de la production de connaissances utiles dans cet épisode, pour le médecin (SSDC) ou la machine avec interface patiente (assistant patient virtuel pour le diagnostic, le traitement simple, l’extension des rapports et la promotion personnalisée de la santé autonome); il comprendra:_x000D_Gestion et traitement de grands volumes de données._x000D_analyses (textmining, datamining, statistique, prédictive et descriptive)._x000D_ Open Data._x000D_ Évaluation de la qualité clinique de D._x000D_ Moteurs de recherche._x000D_interopérabilité et sécurité des services de données volumineuses dans les référentiels de santé et de recherche._x000D_ apprentissage automatique «Machine Learning» et modèles prédictifs._x000D_ Prévisions par similarité des voies cliniques._x000D_ Données médicales agrégées utilisant la théorie des décisions._x000D_ Déploiement de la modélisation multiéchelle et multiniveaux du patient._x000D_ Ratification multicritère du patient._x000D_ évaluation précoce et quantitative du traitement._x000D_ Interrogation aux référentiels par abstractions. (French)
4 December 2021
0 references
MED-P zielt darauf ab, Diagnose, Behandlung und Forschung bei chronischen, onkologischen, degenerativen und seltenen Krankheiten und bei Erstkontakt mit dem System entweder durch Notfall- oder Durchflussmanagement zu verbessern; Verwendung personalisierter Medizin mit neuen BigData-Tools. _x000D_ wird mit Werkzeugen ausgestattet, um Gesundheitsentscheidungen zu treffen, die an die individuellen Eigenschaften und Bedürfnisse jedes Patienten angepasst sind. Zu diesem Zweck werden wir klinische, pathologische, Bild-, Prognose- und Prognosevariablen berücksichtigen; sowie andere nicht-klinische und außerhalb des Gesundheitssystems verfügbare (Lebensstil, Einhaltung der Behandlung, etc.)_x000D_ Die Lösung/n integrieren Daten aus verschiedenen Quellen und erleichtern deren Analyse und Nutzung, so dass Muster der Krankheitsentwicklung, therapeutischer Reaktion usw. ermittelt werden können. Es muss sich auf das Management dieser Krankheiten mit Kriterien der Aktualität, Wirksamkeit, Effizienz, Machbarkeit und Nachhaltigkeit der Gesundheitsversorgung konzentrieren. für den Arzt (SSDC) oder die Maschine mit Patientenschnittstelle (virtueller Patientenassistent für Diagnose, einfache Behandlung, Verlängerung von Berichten und personalisierte Gesundheitsförderung im eigenständigen Projekt); _x000D_Management und Behandlung großer Datenmengen._x000D_Analysen (Textmining, Datamining, statistische, prädiktive und beschreibende Modelle)._x000D_ Open Data._x000D_ Clinical Quality Assessment of D._x000D_ Search Engines._x000D_ Big Data Service Interoperabilität und Sicherheit in Gesundheits- und Forschungsarchiv-Retories._x000D_ Machine Learning „Machine Learning“ und Predictive Models._x000D_ Prognosen nach Ähnlichkeit der klinischen Routen._x000D_ Aggregierte medizinische Beweise mit Entscheidungstheorie._x000D_ Bereitstellung von Multiscale- und Multilevel-Modellierung des Patienten._x000D_ Multicriterary Patienten Ratification._x000D_ frühe und quantitative Auswertung der Behandlung._x000D_ Interrogation zu Repositories durch Abstraktionen. (German)
9 December 2021
0 references
MED-P is gericht op verbetering van de diagnose, behandeling en onderzoek bij chronische, oncologische, degeneratieve en zeldzame ziekten, en in eerste contact met het systeem, hetzij door middel van nood- of stroombeheer; gebruik van gepersonaliseerde geneeskunde met nieuwe BigData-tools. _x000D_ zal worden uitgerust met instrumenten om gezondheidsbeslissingen te nemen die zijn aangepast aan de individuele kenmerken en behoeften van elke patiënt. Daartoe zullen we rekening houden met klinische, pathologische, beeld-, voorspellings- en voorspellingsvariabelen; naast andere niet-klinische gegevens die buiten het gezondheidsstelsel beschikbaar zijn (levensstijl, therapietrouw, enz.)_x000D_ De oplossing(s) integreert gegevens uit verschillende bronnen en vergemakkelijkt de analyse en exploitatie ervan, waardoor patronen van ziekteontwikkeling, therapeutische respons enz. kunnen worden bepaald. De oplossing moet gericht zijn op het beheer van deze ziekten met criteria van tijdigheid, effectiviteit, efficiëntie, haalbaarheid en duurzaamheid van de gezondheidszorg._x000D_ Om het uiteindelijke resultaat van het genereren van nuttige kennis in die episode te bereiken, voor de arts (SSDC) of de machine met patiëntinterface (virtuele patiëntassistent voor diagnose, eenvoudige behandeling, uitbreiding van rapporten en gepersonaliseerde gezondheidsbevordering in stand-alone project); het zal voorzien in:_x000D_Management en Behandeling van grote volumes van Data._x000D_ Analytics (textmining, datamining, statistische, voorspellende en beschrijvende modellen)._x000D_ Open Data._x000D_ Clinical Quality Assessment of D._x000D_ Search Engines._x000D_ big data service interoperability and security in health and research repositories._x000D__x000D_ machine learning „Machine Learning” en voorspellende modellen._x000D_ Voorspellingen door gelijkenis van klinische routes._x000D_ Geaggregeerd medisch bewijs met behulp van beslissingstheorie._x000D_ Deployment van multiscale en multilevel modellering van de patiënt._x000D_ Multicriterary Patient Ratification._x000D_ vroege en kwantitatieve evaluatie van de behandeling._x000D_ Interrogation to repositories by abstractions. (Dutch)
17 December 2021
0 references
MED-P mira a migliorare la diagnosi, il trattamento e la ricerca sulle malattie croniche, oncologiche, degenerative e rare, e in primo luogo a contatto con il sistema, mediante gestione di emergenza o di flusso; uso di medicina personalizzata con nuovi strumenti BigData. _x000D_ sarà dotato di strumenti per prendere decisioni sanitarie adeguate alle caratteristiche e alle esigenze individuali di ogni paziente. A tal fine, prenderemo in considerazione variabili cliniche, patologiche, di immagine, di previsione e predittive; oltre ad altri non clinici e disponibili al di fuori del sistema sanitario (stile di vita, aderenza al trattamento, ecc.)_x000D_ La soluzione/le soluzioni integreranno i dati provenienti da diverse fonti e ne faciliteranno l'analisi e lo sfruttamento, consentendo di determinare i modelli di evoluzione della malattia, la risposta terapeutica, ecc. Deve essere focalizzata sulla gestione di queste malattie con criteri di tempestività, efficacia, efficienza, fattibilità e sostenibilità dell'assistenza sanitaria._x000D_ Per raggiungere il risultato finale di generare conoscenze utili in quell'episodio, per il medico (SSDC) o la macchina con interfaccia paziente (assistente paziente virtuale per la diagnosi, trattamento semplice, estensione dei rapporti e promozione personalizzata della salute nel progetto a sé stante); sarà dotato di:_x000D_Gestione e trattamento di grandi volumi di dati._x000D_ analitici (estrazione di testo, datamining, modelli statistici, predittivi e descrittivi)._x000D_ Open Data._x000D_ Valutazione della qualità clinica di D._x000D_ Motori di ricerca._x000D_ interoperabilità e sicurezza nel settore sanitario e della ricerca repository._x000D_ Apprendimento automatico "Machine Learning" e modelli predittivi._x000D_ Previsioni per somiglianza delle vie cliniche._x000D_ Prova medica aggregata utilizzando la teoria decisionale._x000D_ Distribuzione della modellazione multiscala e multilivello del paziente._x000D_ Ratification Multicriterary Paziente._x000D_ Valutazione precoce e quantitativa del trattamento._x000D_ Interrogazione a repositories by abstractions._x000D_ (Italian)
16 January 2022
0 references
Valencia
0 references
Identifiers
CPI-2019-17-3-BIG-09
0 references