| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Optimizacija zdravstvenih obravnav s pomočjo umetne inteligence: pregled literature
Avtorji:ID Kocbek, Katarina (Avtor)
ID Štiglic, Gregor (Mentor) Več o mentorju... Novo okno
ID Gosak, Lucija (Komentor)
Datoteke:.pdf MAG_Kocbek_Katarina_2026.pdf (1,32 MB)
MD5: 5FAED749B2314CC35A708EDB05F1094D
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FZV - Fakulteta za zdravstvene vede
Opis:Dostopnost zdravstvenih obravnav je ključna za pravičnost in učinkovitost zdravstvenega sistema. Umetna inteligenca se vse pogosteje uporablja kot orodje za izboljšanje razporejanja terminov, upravljanja virov in napovedovanja kliničnih potreb. Namen zaključne naloge je bil oceniti, kako UI vpliva na optimizacijo zdravstvenih obravnav ter ali prispeva k večji enakosti dostopa. Izvedli smo pregled, analizo in sintezo znanstvene literature. Literaturo smo iskali v bazah PubMed, CINAHL Ultimate, ScienceDirect in Cochrane Library. Uporabili smo pristop PRISMA ter kritično oceno z orodji JBI. Vključene raziskave smo predstavili s pomočjo evalvacijske tabele in tematske sinteze. Ugotovitve kažejo, da UI izboljšuje natančnost napovedovanja hospitalizacij, čakalnih časov in kliničnega poslabšanja. Sistemi za avtomatizirano triažo, napoved obremenjenosti urgentnih oddelkov ter razporejanje postelj lahko skrajšajo čakalne dobe in povečajo pretočnost bolnikov. UI prispeva k objektivnejšemu odločanju in učinkovitejši rabi virov. Čeprav UI izboljšuje organizacijske in klinične procese ter lahko krepi enakost dostopa, obstajajo tveganja glede pristranskosti in pomanjkljivosti podatkov. Variabilnost metodologij, omejitve v kakovosti podatkov ter etična vprašanja zahtevajo previdno implementacijo in nadzor.
Ključne besede:zdravstvena nega, digitalna transformacija, napovedni modeli, razporejanje bolnikov
Kraj izida:Maribor
Založnik:[K. Kocbek]
Leto izida:2026
PID:20.500.12556/DKUM-96788 Novo okno
UDK:616-083:004.8(043.2)
COBISS.SI-ID:269637635 Novo okno
Datum objave v DKUM:12.03.2026
Število ogledov:146
Število prenosov:84
Metapodatki:XML DC-XML DC-RDF
Področja:FZV
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:29.01.2026

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Optimization of healthcare services with artificial intelligence: literature review
Opis:Accessibility of healthcare is crucial for equity and efficiency of the healthcare system. Artificial intelligence is increasingly being used as a tool to improve scheduling, resource management and predict clinical needs. The purpose of this thesis was to assess how AI affects the optimization of healthcare and whether it contributes to greater equality of access. We conducted a review, analysis and synthesis of scientific literature. We searched the literature in the databases PubMed, CINAHL Ultimate, ScienceDirect and Cochrane Library. We used the PRISMA approach and a critical appraisal with JBI tools. We presented the included studies using an evaluation table and thematic synthesis. The findings show that AI improves the accuracy of predicting hospitalizations, waiting times and clinical deterioration. Automated triage, emergency department workload prediction and bed allocation systems can reduce waiting times and increase patient throughput. AI contributes to more objective decision-making and more efficient use of resources. Although AI improves organizational and clinical processes and can enhance equity of access, there are risks of bias and data deficiencies. Variability in methodologies, limitations in data quality, and ethical issues require careful implementation and oversight.
Ključne besede:healthcare, digital transformation, predictive models, patient scheduling


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici