• MeSH
• informační věda MeSH
• internet MeSH
• lékařství MeSH
• operační výzkum MeSH
• sémantika MeSH
• systémová analýza MeSH
• umělá inteligence MeSH
• Publikační typ
• souborné dílo MeSH

• Konspekt
• Lékařské vědy. Lékařství
• NLK Obory
• lékařství
• knihovnictví, informační věda a muzeologie

Model reprezentace znalostí obsažených v lékařských doporučeních GLIKREM (GuideLInes Knowledge REpresentation Model) vychází z GLIF modelu, který byl publikován ve specifikaci GLIF3.5. GLIKREM obsahuje některé změny a rozšíření definice a implementace původního GLIF modelu. Cílem tohoto příspěvku je popis znalostního modelu GLIKREM, jeho konstrukce, implementace v XML, realizace datového rozhraní a použití výsledného modelu.

The guideline knowledge representation system (GLIKREM) is based on a GLIF model which was published in a GLIF3.5 specification. GLIKREM contains some changes and extensions of the definition and implementation of the original GLIF model. The aim of this article is to give a description of GLIKREM, its construction, its implementation in XML, a realization of the data interface and use of the result model.

• Klíčová slova
• GLIF model,
• MeSH
• faktografické databáze MeSH
• financování organizované MeSH
• informační systémy normy   MeSH
• navrhování softwaru MeSH
• rozhodování pomocí počítače MeSH
• směrnice pro lékařskou praxi jako téma normy   MeSH
• systémová integrace MeSH
• systémy pro podporu klinického rozhodování MeSH
• teoretické modely MeSH
• ukládání a vyhledávání informací normy   MeSH
• znalostní báze MeSH
• zpracování přirozeného jazyka MeSH

• MeSH
• informační management MeSH
• řízení veřejného zdraví MeSH
• ukládání a vyhledávání informací MeSH
• veřejné zdravotnictví - informatika * organizace a řízení   MeSH
• Publikační typ
• monografie MeSH

• Konspekt
• Management. Řízení
• NLK Obory
• veřejné zdravotnictví

Techniky strojového učení jsou metody, které umožní vytvořit z trénovací množiny případů model pro kategorie dat tak, že mohou být nové (neznámé) případy zařazeny do jedné nebo více kategorií schématem odpovídajícím modelu. Pro tento typ analýzy jsou velmi vhodná data ze studií sledujících určitou skupinu osob s opakovaným sběrem dat stejného typu. K vyhledávání znalostí z medicínských dat bylo užito různých algoritmů strojového učení. Bylo testováno několik algoritmů tak, aby bylo možno pokrýt většinu způsobů učení s učitelem. Byly provedeny dva typy pokusů. Jeden hledal vztahy mezi atributy, druhý testoval predikci budoucích příhod. Pro pokusy v tomto sdělení byla užita data z dvacet let trvající longitudinální primárně preventivní studie rizikových faktorů (RF) aterosklerózy u mužů středního věku. Studie se nazývá STULONG (LONGitudinal STUdy). Výsledky ukazují, že některé metody předpovídají některé poruchy lépe než jiné a že je tedy vhodné použít všechny algoritmy najednou a posuzovat spolehlivost výsledku na základě známého trendu každé metody. Algoritmy strojového učení byly také použity k předpovědi příčiny úmrtí. V tomto případě byly výsledky nevalné, pravděpodobně pro malé množství informace ve vstupních položkách v datového souboru.

Machine learning techniques are methods that given a training set of examples infer a model for the categories of the data, so that new (unknown) examples could be assigned to one or more categories by pattern matching within the model. The data from follow-up studies with repeated collection of the same type of data are very suitable for this analysis. Machine learning algorithms belonging to a variety of paradigms have been applied to knowledge discovery on medical data. All the used algorithms belong to the supervised learning paradigm. Several algorithms have been tested, trying to cover most of the kinds of supervised learning. Two kinds of experiments have been carried out. The first is intended to discover associations between attributes. The second kind is intended to test prediction of future disorders. For the experiments in this paper the data used was from the twenty years lasting primary preventive longitudinal study of the risk factors (RF) of atherosclerosis in middle aged men. Study is named STULONG (LONGitudinal STUdy). The results show that some methods predict some disorders better than others, so it is interesting to use all the algorithms at a time and consider the result confidence based upon the known tendency of each method. The machine learning algorithms have been also used in the prediction of death cause, obtaining poor results in this case, maybe due to the small amount of information (entries) of this type in the dataset.

• Klíčová slova
• dobývání znalostí, strojové učení s učitelem, vytěžování z biomedicínských dat, rizikové faktory aterosklerózy,
• MeSH
• algoritmy MeSH
• ateroskleróza diagnóza   MeSH
• faktografické databáze MeSH
• financování organizované MeSH
• lidé středního věku MeSH
• lidé MeSH
• metody pro podporu rozhodování MeSH
• prognóza MeSH
• rizikové faktory MeSH
• systémy pro podporu klinického rozhodování MeSH
• ukládání a vyhledávání informací MeSH
• znalostní báze MeSH
• Check Tag
• lidé středního věku MeSH
• lidé MeSH
• mužské pohlaví MeSH

Úvod: Pokrok vedeckého poznání vede k produkci velkého množství odborné literatury. Pro její efektivní použití v klinické praxi je nezbytné filtrování informací podle casových a kvalitativních a relevanci urcujících parametru. Cíle: Rozhodli jsme se vytvorit nezávislé webové rozhraní pro prohledávání databáze PubMed pro získávání aktuálních a na dukazech založených vedeckých clánku z oboru kardiologie. Výsledky: Aplikace Cardio Online Reader (COR) (http://neo.euromise.cz/cor) nabízí snadný a efektivní prístup k validním a relevantním vedeckým clánkum filtrovaným prostrednictvím klícových slov, termínu MeSH, jmen autoru, data a typu publikace. Výsledky vyhledávání mohou být komentovány, hodnoceny, ukládány jako citace a sdíleny za použití nejznámejších webových služeb pro sdílení obsahu. Záver: Použití COR muže pozitivne ovlivnit klinické rozhodnutí lékaru poskytováním relevantních a aktuálních vedeckých informací.

Background: The progress of scientific knowledge produces an excessive amount of scholarly literature. For effective clinical use it is necessary to use time, quality and relevance filtering. Objectives: We decided to create an independent web based interface for searching the PubMed Database for recent evidence-based articles in the domain of cardiology. Results: The Cardio Online Reader (COR) application (http://neo.euromise.cz/cor) offers an easy way to reach valid and relevant articles filtered by keywords, MeSH terms, authors, date of publication and type of publication. Results can be commented, rated, stored as citations and shared using most popular web sharing services. Conclusion: Using COR can positively affect clinical decisions of physicians bringing them relevant and up-to-date scientific information.

• Klíčová slova
• elektronické databáze, Web 2.0, podpora rozhodování,
• MeSH
• databáze jako téma MeSH
• financování organizované MeSH
• kardiologie metody   statistika a číselné údaje   MeSH
• Medical Subject Headings MeSH
• počítače využití   MeSH
• PubMed statistika a číselné údaje   využití   MeSH
• ukládání a vyhledávání informací metody   využití   MeSH
• vyhledávač využití   MeSH

OBJECTIVES: About four million people are affected by rare diseases in Germany and 30 million in the EU. In 2013, a national action plan for people with rare diseases was adopted in Germany which is also aimed at improving the information situation and better gathering of information for affected patients and their families. Since then, various sources of information and medical care structures have been made available. The aim of this study was to evaluate the state of knowledge about information sources and health care centres for rare diseases among those affected. METHODS: The study was carried out as anonymous survey among the member associations of the German Alliance for Chronic Rare Diseases (German acronym ACHSE e. V.). For this, a questionnaire was developed which in addition to questions on gender, age and disease comprised free text input referring to knowledge of health care centres or expert centres and source of information on rare diseases in Germany. RESULTS: A total of 484 individuals suffering from 96 different rare diseases participated in the survey. Of these, 74.47% are aware of medical or dental care centres for treatment of their types of rare disease; 69.31% use self-help groups as a source of information, only a few respondents know government-sponsored "se-atlas" and "Orphanet". CONCLUSION: The majority of the respondents know medical care centres, most participants use self-help groups as information source, however, government-supported portals are largely unknown so that there is a need for further information in this regard.

• MeSH
• informační služby * MeSH
• lidé MeSH
• průzkumy a dotazníky MeSH
• vzácné nemoci terapie   MeSH
• zdraví - znalosti, postoje, praxe * MeSH
• zdravotnická zařízení * MeSH
• Check Tag
• lidé MeSH
• Publikační typ
• časopisecké články MeSH
• Geografické názvy
• Německo MeSH

• MeSH
• informační služby MeSH
• lékařská informatika MeSH
• lékařské knihovny trendy   využití   MeSH
• mezinárodní spolupráce MeSH
• telemedicína MeSH
• Publikační typ
• abstrakty MeSH
• kongresy MeSH

• Konspekt
• Knihovnictví. Informatika
• NLK Obory
• knihovnictví, informační věda a muzeologie
• lékařská informatika

Součástí výuky hygieny a epidemiologie v 5. ročníku magisterského studia na 1. LF UK je i terénní stáž, při které metodami deskriptivní epidemiologie studenti získávají a zpracovávají data, a tak si ověřují nejen své znalosti z oboru, ale i schopnost pracovat např. s dotazníkem. Každý student má za úkol pomocí jednoduchého dotazníku na téma virové hepatitidy získat údaje od 10 dalších studentů různého typu studia zdravotnických oborů. V závěru semestru (školní rok 2006/2007) jedna studentka provedla metaanalýzu jednotlivých výsledků a porovnala znalosti studentů LF různých ročníků magisterského i bakalářského studia a studentů VOŠ obor zdravotnický záchranář. Celkem bylo vyhodnoceno 273 úplně vyplněných dotazníků, z toho 83 bylo studentů 1. a 2. ročníku magisterského studia LF, 71 studentů 5. a 6. ročníku magisterského studia LF, 84 bakalářů 2. ročníku LF (zaměření ergoterapie, fyzioterapie, ošetřovatelství, adiktologie), 20 studentů 1. ročníku VOŠ a 15. studentů 3. ročníku VOŠ (obor zdravotnický záchranář). Základní epidemiologické znalosti o hepatitidách u dotazovaných studentů byly poměrně dobré. Poněkud horší byly znalosti o možnostech aktivní imunizace a ochrany vlastního zdraví.

In the 5th year of the masters degree in hygiene and epidemiology at the 1st Medical Faculty of Charles University in Prague, the students must undertake a short field study. The students must obtain process and analyse data using descriptive epidemiological methods. This enables them to assess their knowledge of the field and their practical abilities, e.g. in formulating a questionnaire. Each student’s task is to obtain information from 10 other students from different departments by means of a simple questionnaire on the theme of viral hepatitis. At the end of one semester (school year 2006/2007) one student performed metaanalysis of the questionnaires and compared knowledge of the students from various departments of the Medical Faculty and from different years (master and bachelor studies) and knowledge of the students from a college for paramedics. A total of 273 completed questionnaires were evaluated, of which 83 were from students in the 1st and 2nd years of master studies, 71 from students in the 5th and 6th years of master studies, 84 from 2nd year bachelor students (specializing in ergotherapy, physiotherapy, nursing and adictology), 20 from 1st year college students and 15 from 3rd year college students (specializing in rescue worker). The students questioned showed rather good basic epidemiological knowledge about hepatitis. Somewhat worse was their knowledge concerning the possibilities of active immunization and personal health protection.

• MeSH
• průzkumy a dotazníky MeSH
• studenti zdravotnických povolání MeSH
• virová hepatitida u lidí prevence a kontrola   MeSH
• zdraví - znalosti, postoje, praxe MeSH
• zjišťování skupinových postojů MeSH

• MeSH
• distanční studium MeSH
• informační systémy MeSH
• institucionální manažerské týmy klasifikace   organizace a řízení   MeSH
• kontinuální vzdělávání lékařů MeSH
• kontinuální vzdělávání zdravotních sester MeSH
• management znalostí MeSH
• odborná způsobilost MeSH
• studium lékařství specializační postgraduální MeSH
• zdravotnický personál výchova   MeSH

• Konspekt
• Výchova a vzdělávání
• NLK Obory
• pedagogika
• lékařství
• NLK Publikační typ
• projekty
• analýzy

• MeSH
• automatizované zpracování dat MeSH
• výuka - hodnocení MeSH