Les 1Fundamenten van sepsispathofysiologie en klinische criteria (SIRS, qSOFA, SOFA, Sepsis-3)Overzicht van sepsisbiologie en gastrespons, gevolgd door koppeling van deze mechanismen aan bed side-tekenen zoals hypotensie, tachycardie en orgaanfalen. Vergelijking van SIRS, qSOFA, SOFA en Sepsis-3 criteria en hun toepassing in SEH-triage.
Gastrespons op infectie en orgaanfalenHemodynamische veranderingen en microcirculatoire insufficiëntieSIRS, qSOFA, SOFA: componenten en drempelsSepsis-3 definitie en criteria voor septische shockBeperkingen van klinische scores op de SEHLes 2Veiligheid, faalmodi en mitigatie: vals positieven/negatieven, modeldrift, databkwaliteitsproblemen, adversariële inputsIdentificeert veiligheidsrisico's zoals vals positieven, vals negatieven, modeldrift en slechte databkwaliteit. Onderzoekt adversariële of onverwachte inputs, robuuste monitoring, vangrails, menselijke supervisie en processen voor veilige modelupdates.
Vals positieven, vals negatieven en schadelijke modiDatakwaliteitscontroles en anomaliedetectieModeldrift, herkalibratie en hertrainingBehandeling van adversariële of onverwachte inputsMenselijke supervisie, overschrijvingen en governanceLes 3Evaluatiemetrics en validatiestrategieën voor sepsisvoorspelling: AUROC, AUPRC, kalibratie, leadd tijd, decision curve analyseDefinieert kernprestatemetrics voor sepsisvoorspelling, waaronder AUROC, AUPRC, kalibratie en leadd tijd. Legt interne en externe validatie uit, temporele validatie en decision curve analyse voor beoordeling van klinische nut.
AUROC, AUPRC en klasse-onbalansKalibratiecurves en risicostratificatieLeadd tijd en horizon-specifieke prestatiesInterne, externe en temporele validatieDecision curve analyse en netto voordeelLes 4Feature engineering en temporele modellering: tijdreeks-preprocessing, glijdende vensters, trendextractieLegt uit hoe SEH-tijdreeksdata worden schoongemaakt en uitgelijnd voor modellering. Behandelt resampling, omgaan met onregelmatige intervallen, glijdende vensters, trend- en variabiliteitsfeatures, en codering van interventies en klinische context in de tijd.
Tijduitlijning, resampling en interpolatieGlijdende vensters en voorspelling горизonsTrend, variabiliteit en derivaatfeaturesCodering van interventies en zorgescalatieOmgaan met onregelmatige en schaarse tijdreeksenLes 5Machine learning modellen voor acute risicovoorspelling: logistische regressie, gradient boosted trees, RNN's, temporele convolutionele netwerken, transformer-gebaseerde tijdreeksenVergelijkt modelleringaanpakken voor acute sepsisrisicovoorspelling, van logistische regressie tot gradient boosted trees en deep sequence modellen. Benadrukt sterke punten, beperkingen, interpreteerbaarheid en geschiktheid voor SEH-tijdbeperkingen.
Logistische regressie en regularisatiekeuzesGradient boosted trees en feature belangRecurrente neurale netwerken voor sequentiesTemporele convolutionele netwerken voor tijdreeksenTransformers voor klinische tijdreeksdataLes 6Datamoditeiten voor real-time sepsisdetectie: vitale parameters, laboratoria, verpleegnotities, medicatie, waveformsBeschrijft sleutel real-time datastromen op de SEH, inclusief vitale parameters, laboratoriumtests, medicatie, verpleegdocumentatie en fysiologische waveforms. Bespreekt bemonsteringssnelheden, betrouwbaarheid en hoe elke modaliteit evoluerende sepsis signaleert.
Vitale parameters en continue monitoring feedsLaboratoriumpanelen, culturen en omlooptijdenMedicatievoorschriften, vloeistoffen en vasopressorenVerpleegnotities, triagenotities en flowsheetsWaveforms van monitors en bedside-apparatenLes 7Integratie met SEH-workflows en EPD-systemen: event streams, FHIR, HL7, SMART on FHIR apps, CDS HooksBeschrijft hoe AI-sepsis modellen integreren in SEH-workflows en EPD's. Recenseert event streams, HL7, FHIR-resources, SMART on FHIR apps en CDS Hooks, met nadruk op gebruiksvriendelijkheid, betrouwbaarheid en minimale verstoring van klinische praktijk.
Event-gedreven architecturen en datastromenHL7 en FHIR-resources voor sepsissignalenSMART on FHIR apps voor bedside-beslissingsondersteuningCDS Hooks voor context-bewuste aanbevelingenWorkflowmapping en gebruiksvriendelijkheidstestenLes 8Ontwerp klinische alerts en human factors: drempels, alarmmoeheid mitigatie, escalerende workflows, wie ontvangt alertsBehandelt principes van alertontwerp voor SEH-clinici, inclusief drempelselectie, gestaffelde alerts en routering naar passende rollen. Gaat in op alarmmoeheid, alerttiming, escalatiepaden en presentatie van uitleg en context.
Kiezen van drempels en alertniveausAlarmmoeheid en suppressiestrategieënWie ontvangt alerts en via welke kanalenEscalatieworkflows en overdrachtsondersteuningUitleg van alerts en context biedenLes 9Regulatorische en bewijsvereisten voor diagnostische AI: FDA/CMS overwegingen, klinische validatiestudieontwerp, prospectieve pilots, rapportagestandaarden (TRIPOD, CONSORT-AI)Schetst regulatorische en bewijsverwachtingen voor diagnostische AI bij sepsis, inclusief FDA-paden, CMS-overwegingen en klinische validatie. Recenseert prospectieve pilots en rapportagestandaarden zoals TRIPOD en CONSORT-AI.
FDA-paden voor diagnostische ondersteuningshulpmiddelenCMS, vergoeding en kwaliteitsprogramma'sOntwerp robuuste klinische validatiestudiesProspectieve pilots en gefaseerde uitrolTRIPOD en CONSORT-AI rapportage richtlijnenLes 10Implementatiefrequentie en latentieoverwegingen: near-real-time streaming vs batch scoring, omgaan met ontbrekende en vertraagde dataBespreekt implementatie-architecturen voor sepsismodellen, vergelijkt near-real-time streaming met batch scoring. Behandelt latentiebudgetten, omgaan met ontbrekende of vertraagde data, backfilling en monitoring van datapijplijngezondheid op de SEH.
Near-real-time streaming vs batch scoringLatentiebudgetten en SLA-definitiesImputatie voor ontbrekende en vertraagde inputsBackfilling, replay en laat-aankomende dataMonitoring pijplijnen en systeembestendigheid
