MEDIWARN affronta il problema del ritardo di intervento medico precoce nei pazienti critici
Il progetto propone un sistema tecnologicamente all’avanguardia in grado di fornire elevati standard assistenziali ai pazienti ricoverati che capitalizza le conoscenze derivanti dal metodo EWS (Early Warning Score)
Un sistema di monitoraggio innovativo consentirà di acquisire in tempo reale i parametri vitali e il personale sanitario sarà̀ tempestivamente informato sulle condizioni cliniche di ogni paziente
Risultati Attesi:
5 imprese operanti nel settore elettromedicale che acquisiranno la tecnologia sviluppata nell'ambito del progetto
Il progetto realizza un sistema di monitoraggio innovativo che consente di acquisire in tempo reale i parametri vitali dei pazienti tramite l’utilizzo di un sistema sensoriale periferico
Le attività di progetto realizzeranno:
23 Biosensori virtuali
5 convenzioni tra istituti di ricerca e imprese per l’utilizzo della tecnologia elettromedicale
Al fine di attuare azioni di contrasto, contenimento e adattamento alle conseguenze dell’epidemia COVID-19, il progetto Mediwarn si propone di adattare il sistema di monitoraggio innovativo con logica fuzzy ad attività aggiuntive "COVID oriented".
Nell’ambito del progetto l’AOU Policlinico V. Emanuele si occuperà della raccolta dei parametri fisiologici dei pazienti che sono risultati essere positivi al Covid-19. I principali segnali fisiologici monitorati saranno quelli già individuati nella prima parte del progetto, con l’integrazione di eventuali parametri utili a fornire maggiori dettagli sullo stato di salute dei pazienti.
Successivamente verrà fatta l’analisi dei dati raccolti per individuare quali parametri determinano una degenerazione dello stato clinico del paziente. Queste attività forniranno un miglioramento alla logica fuzzy implementata nelle precedenti azioni di progetto e aiuteranno il personale medico e infermieristico a fornire una migliore assistenza ai pazienti affetti da Covid-19, oltre che ad individuare precocemente una degenerazione del loro stato di salute.
L’output di queste azioni aggiuntive sarà un documento di sintesi che descriverà i parametri fisiologici analizzati nella fase di monitoraggio dei pazienti affetti da Covid-19 e che identificano i principali precursori di allerta medica. L’algoritmo sviluppato in logica fuzzy fornirà risultati più accurati alla luce delle integrazioni provenienti dai pazienti affetti da coronavirus.
Capofila di progetto:
- Università degli Studi di Catania - Dipartimento di Ingegneria Civile e Architettura
Partner di progetto:
- University of Malta - Faculty of Medicine and Surgery, Department of Surgery
- Azienda Ospedaliero - Universitaria “Policlinico - Vittorio Emanuele” U.O.C. Anestesia e Rianimazione 2
02_Comparative-Assessment-of-the-LoRaWAN-Medium-Access-Control-Protocols-for-IoT-Does-Listen-before-Talk-Perform-Better-than
01_Virtual-biosensors-for-the-estimation-of-medical-precursors