In the post-pandemic era, predicting the life of people or a community is the real challenge of the coming years, and it is also the goal of the Health Systems. The doctor-patient relationship has assumed a crucial role in responding to the fragility of health affecting the elderly population, which requires continuous assistance and presents increasing difficulties in accessing health facilities. The remote management of the patient becomes necessary in protected discharges or any quarantines, and it aims to make the activities currently carried out in the health sector more efficient: first of all, by improving the health services provided by health structures which see the active involvement of various actors (doctors, nurses, health workers, etc.), to increase their productivity and improve the patient's quality of life. Artificial Intelligence techniques, the Internet of Medical Things and mobile technologies play a fundamental role in supporting patients at home, constantly monitoring vital parameters, assessing a potential deterioration in health conditions and requesting the intervention of medical staff in case of emergency. This thesis investigates a new technique that combines the computing power of the Edge with Process Mining techniques to provide an accurate analysis of patient behaviours. In particular, I propose a new method that, starting from the bottom, can get to analyse the progress of an entire health system, thus providing greater awareness of the operational context. The main objective is to support doctors in addressing cognitive overhead and make the public decision-maker more reactive in strategic choices. The experimental results analysed and discussed in this thesis synthesise a series of industrial research projects in the Healthcare sector.

Una delle sfide dei prossimi anni, nell'era post-pandemia, è prevedere la vita delle persone o di un’intera comunità: esso è anche uno degli obiettivi principali dei Sistemi Sanitari. Il rapporto medico-paziente ha assunto un ruolo cruciale nella risposta alla fragilità della salute che colpisce soprattutto la popolazione anziana, che necessita di assistenza continua e che presenta crescenti difficoltà di accesso alle strutture sanitarie. La telegestione del paziente si rende necessaria nelle dimissioni protette o nelle eventuali quarantene e, mira a rendere più efficienti le attività attualmente svolte nel settore sanitario: in primis, migliorando i servizi sanitari erogati dalle strutture sanitarie che vedono il coinvolgimento attivo dei vari attori (medici, infermieri, operatori sanitari, ecc.), per aumentare la loro produttività e migliorare la qualità della vita del paziente. Le tecniche di Intelligenza Artificiale, l’Internet of Medical Things e le tecnologie mobili svolgono un ruolo fondamentale nel supportare i pazienti a casa, monitorando costantemente i parametri vitali, valutando un potenziale deterioramento delle condizioni di salute e richiedendo l'intervento del personale medico in caso di emergenza. Questa tesi indaga una nuova tecnica che combina la potenza di calcolo dell'Edge con le tecniche di Process Mining per fornire un'analisi accurata dei comportamenti dei pazienti. In particolare, ho proposto una nuova metodologia che, partendo dal basso, possa arrivare ad analizzare l'andamento di un intero sistema sanitario, fornendo così una maggiore consapevolezza del contesto operativo. L'obiettivo principale è supportare i medici nell'affrontare l’overhead cognitivo e rendere il decisore pubblico più reattivo nelle scelte strategiche. I risultati sperimentali mostrati, analizzati e discussi in questa tesi sintetizzano una serie di progetti di ricerca industriale nel settore Healthcare.

A Comprehensive Framework for Healthcare Analytics / Mallardi, Giulio. - ELETTRONICO. - (2022). [10.60576/poliba/iris/mallardi-giulio_phd2022]

A Comprehensive Framework for Healthcare Analytics

Mallardi, Giulio
2022-01-01

Abstract

In the post-pandemic era, predicting the life of people or a community is the real challenge of the coming years, and it is also the goal of the Health Systems. The doctor-patient relationship has assumed a crucial role in responding to the fragility of health affecting the elderly population, which requires continuous assistance and presents increasing difficulties in accessing health facilities. The remote management of the patient becomes necessary in protected discharges or any quarantines, and it aims to make the activities currently carried out in the health sector more efficient: first of all, by improving the health services provided by health structures which see the active involvement of various actors (doctors, nurses, health workers, etc.), to increase their productivity and improve the patient's quality of life. Artificial Intelligence techniques, the Internet of Medical Things and mobile technologies play a fundamental role in supporting patients at home, constantly monitoring vital parameters, assessing a potential deterioration in health conditions and requesting the intervention of medical staff in case of emergency. This thesis investigates a new technique that combines the computing power of the Edge with Process Mining techniques to provide an accurate analysis of patient behaviours. In particular, I propose a new method that, starting from the bottom, can get to analyse the progress of an entire health system, thus providing greater awareness of the operational context. The main objective is to support doctors in addressing cognitive overhead and make the public decision-maker more reactive in strategic choices. The experimental results analysed and discussed in this thesis synthesise a series of industrial research projects in the Healthcare sector.
2022
Una delle sfide dei prossimi anni, nell'era post-pandemia, è prevedere la vita delle persone o di un’intera comunità: esso è anche uno degli obiettivi principali dei Sistemi Sanitari. Il rapporto medico-paziente ha assunto un ruolo cruciale nella risposta alla fragilità della salute che colpisce soprattutto la popolazione anziana, che necessita di assistenza continua e che presenta crescenti difficoltà di accesso alle strutture sanitarie. La telegestione del paziente si rende necessaria nelle dimissioni protette o nelle eventuali quarantene e, mira a rendere più efficienti le attività attualmente svolte nel settore sanitario: in primis, migliorando i servizi sanitari erogati dalle strutture sanitarie che vedono il coinvolgimento attivo dei vari attori (medici, infermieri, operatori sanitari, ecc.), per aumentare la loro produttività e migliorare la qualità della vita del paziente. Le tecniche di Intelligenza Artificiale, l’Internet of Medical Things e le tecnologie mobili svolgono un ruolo fondamentale nel supportare i pazienti a casa, monitorando costantemente i parametri vitali, valutando un potenziale deterioramento delle condizioni di salute e richiedendo l'intervento del personale medico in caso di emergenza. Questa tesi indaga una nuova tecnica che combina la potenza di calcolo dell'Edge con le tecniche di Process Mining per fornire un'analisi accurata dei comportamenti dei pazienti. In particolare, ho proposto una nuova metodologia che, partendo dal basso, possa arrivare ad analizzare l'andamento di un intero sistema sanitario, fornendo così una maggiore consapevolezza del contesto operativo. L'obiettivo principale è supportare i medici nell'affrontare l’overhead cognitivo e rendere il decisore pubblico più reattivo nelle scelte strategiche. I risultati sperimentali mostrati, analizzati e discussi in questa tesi sintetizzano una serie di progetti di ricerca industriale nel settore Healthcare.
healthcare; process mining; edge; digital twin; telemedicine
A Comprehensive Framework for Healthcare Analytics / Mallardi, Giulio. - ELETTRONICO. - (2022). [10.60576/poliba/iris/mallardi-giulio_phd2022]
File in questo prodotto:
File Dimensione Formato  
34 ciclo-MALLARDI Giulio.pdf

accesso aperto

Descrizione: Tesi di dottorato
Tipologia: Tesi di dottorato
Licenza: Creative commons
Dimensione 10.15 MB
Formato Adobe PDF
10.15 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11589/237939
Citazioni
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact