Refine
Document Type
- Bachelor Thesis (2)
- Master's Thesis (2)
- Diploma Thesis (1)
Year of publication
- 2020 (5) (remove)
Language
- German (5)
Keywords
- Gesundheitswesen (5) (remove)
Institute
In dieser Arbeit wird beschrieben, wie eine Praxis der Urologie, bzw. Ordination im System des Wahlarztes nach Vorhaben eines Wechsels zum Kassenarzt bzw. Kassenvertragsarzt die jetzige Patientenauslastung beibehält oder möglicherweise sogar verbessert. Für diesen Zweck wird die Methodik der SWOT-Analyse herangezogen und speziell für diesen Bereich adaptiert. Durch die eigens durchgeführte SWOT-Analyse werden die Stärken als auch die Schwächen offengelegt, sowie die möglichen Chancen und erdenklichen Risiken dar-gestellt. Außerdem wird durch eine weitere angepasste Patientenumfrage die Zufriedenheit der Patienten ermittelt. Die Ergebnisse über die jetzige und die zukünftige Auslastung der Patientenfrequenz wird durch die SWOT-Analyse und die Patientenumfrage analysiert und bewertet. Abschließend werden aufgrund der Ergebnisse dementsprechende Empfehlungen getroffen, jedoch auch Kritikpunkte aufgezeigt.
Die vorliegende Masterthesis beschäftigt sich mit der Digitalisierung im Gesundheitswesen. Im ersten Teil befasst sich die Arbeit zunächst mit der Digitalisierung, dem Innovationsmanagement und dem Gesundheitswesen im Allgemeinen. Anschließend wird die Anwendung der Digitalisierung auf das Gesundheitswesen betrachtet und die Auswirkungen von Social Media auf diesen Bereich erläutert. Darauf folgend wird die Auswirkung der Digitalisierung am Beispiel einer ambulanten Pflegeeinrichtung aufgezeigt und auf ihren Beitrag zur Verbesserung der Gesundheitsversorgung untersucht. Abschließend werden Erfolgsfaktoren und Handlungsempfehlungen vom Autor ausgesprochen und erläutert.
Die vorliegende Arbeit untersucht, ob es möglich wäre, den Fachkräftemangel in deutschen Krankenhäusern - speziell in der Pflege, durch technische Assistenzsysteme zu kompensieren. Hierzu wird zunächst auf den demographischen Wandel in Deutschland eingegangen, welche Auswirkungen dies auf die zu Pflegenden und die Pflegekräfte hat. Anschließend wird das Thema Automatisierung und humanoide Roboter im Bereich der Pflege untersucht. Um hierzu aus praktischer Sicht einige Stimmen und Impressionen zum Thema zu erhalten, werden in der Oberschwabenklinik Ravensburg Interviews mit Pflegekräften durchgeführt. Die Evalutation soll Informationen darüber geben, ob es sinnvoll wäre und vor allem in welchen Bereichen und Situationen technische Assistenzsysteme eine Unterstützung für Pflegekräfte sind oder diese sogar ersetzen könnten. Darauf aufbauend werden Zukunftsideen entworfen, die in der Pflege eine entscheidende Rolle einnehmen werden. Außerdem wird ein Überblick über den Stand intelligenter Assistenzsysteme gegeben, die bei der Versorgung der hohen Zahl von Pflegebedürftigen helfen sollen, Pflegekräfte bei ihren Tätigkeiten zu unterstützen und zu entlasten.
Roboter werden zunehmend im Gesundheitswesen eingesetzt.In dieser Arbeit werden die Roboter in den wichtigsten Forschungsbereichen ausführlich vorgestellt und ihre Funktionen, technischen Hauptindikatoren sowie Vor- und
Nachteile verglichen und beschrieben. Darüber hinaus werden auch die praktischen Technologien wie Navigation, SLAM und automatische Hindernisvermeidung analysiert. Abschließend wird die zukünftige Entwicklung von medizinischen Robotern in der Zusammenarbeit mit mehreren Robotern und künstlicher Intelligenz erörtert.
Active Learning (AL) ist eine besondere Trainingsstrategie im überwachten maschinellen Lernen, mit dem Ziel die Accuracy eines Klassifikators zu verbessern, indem ein Klassifikator mit nur wenig gelabelten, aber dafür hoch informativen Datenpunkten (DP) gelernt wird. In der medizinischen Forschung liegen oftmals nur wenig gelabelte DP vor. AL kann eine sinnvolle Strategie sein, um die Kosten und den Aufwand für das Labeln ungelabelter DP zu senken. Mit Pool-Based AL wurden bisher die größten Erfolge verzeichnet. In der vorliegenden Arbeit wurden zwei biologische, binäre Klassifikationsprobleme mit Uncertainty Sampling Pool-Based AL und Query by Bagging Comitee Pool-Based AL untersucht. Der Generalized Learning Vector Quantization (GLVQ) und ein Multilayer Perzeptron (MLP) wurden als Klassifikatoren verwendet. Anhand eines linear trennbaren und eines nicht linear trennbaren Datensatzes wurden die Auswirkungen der Anzahl an gelabelten DP, mit welcher die Klassifikatoren zu Beginn trainiert wurden, auf die Accuracy untersucht. Die AL-Accuracy näherte sich für das anfängliche Training der Klassifikatoren mit 10 % gelabelten DP bereits stark an die Accuracy im klassischen maschinellen Lernen an und war teilweise sogar größer. In einem weiteren Experiment wurden daher die Klassifikatoren anfänglich mit nur 1 % gelabelten DP trainiert. Es wurde die Auswirkung der Anzahl nachgelabelter DP, mit welcher die Klassifikatoren nachtrainiert wurden, auf die Accuracy untersucht. Für den linear trennbaren Datensatz war die Anwendung von AL mit dem GLVQ und 10 nachgelabelten DP sowie mit dem MLP und 50 nachgelabelten DP erfolgreich. Bei dem nicht linear trennbaren Datensatz wurde mit dem MLP zumindest eine Tendenz, dass AL die Accuracy verbessert, festgestellt. Jedoch reichten 50 nachgelabelte DP nicht aus.