FAQ
© 2017 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute09.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-88327
URL: http://ediss.sub.uni-hamburg.de/volltexte/2017/8832/


Früherkennung der Late-onset Sepsis bei Frühgeborenen : Möglichkeiten und Grenzen einer integrativen Software

Vahle, Kirstin

pdf-Format:
 Dokument 1.pdf (803 KB) 


Freie Schlagwörter (Deutsch): Late onset Sepsis , Ralis, Neonatologie , Frühgeborene
Basisklassifikation: 44.67
Institut: Medizin
DDC-Sachgruppe: Medizin, Gesundheit
Dokumentart: Dissertation
Hauptberichter: Singer, Dominique (Prof. Dr.)
Sprache: Deutsch
Tag der mündlichen Prüfung: 19.10.2017
Erstellungsjahr: 2017
Publikationsdatum: 17.11.2017
Kurzfassung auf Deutsch: Das Erkennen der Sepsis bei Frühgeborenen stellt heute eine schwierige Aufgabe dar. Trotz des Vorhandenseins von Inflammationsmarkern dominiert in der Diagnostik das subjektive Empfinden erfahrener Intensivschwestern, -pfleger und -ärzte.
Dem Problem der Erfassung von Infektionen auf der Neonatologie widmet sich die Software Ralis®, die im Rahmen dieser Promotionsarbeit getestet werden soll.
Ziel der Software ist eine Früherkennung der Sepsis bei Neugeborenen anhand von subtilen Änderungen der individuellen Vitalparameter der Kinder. Die Software automatisiert aus dem ohnehin stattfindenden Vitalparameter-Monitoring einen Sepsisfaktor.
Im Rahmen dieser Arbeit soll geprüft werden, ob die neu entwickelte Software Ralis unter den Bedingungen des hiesigen Monitorings anhand der Verarbeitung der objektiv erhobenen Vitalparameter den individuellen Zustand jedes Kindes erfassen kann und eine sich entwickelnde Sepsis anhand eines Sepsis-Faktors frühzeitig anzeigen kann.
Kurzfassung auf Englisch: Prematurely born infants are especially vulnerable to (nosocomial) infections because of their instable immune system. However, a timely detection of late-onset sepsis is challenging for neonatologists, as most associated symptoms are ambiguous and the latency of laboratory parameters is high.
Human face-to-face medical assessment is still held to be the best method of detection. However, new software has been developed that is designed to assist human medical assessment. By integrating vital parameters these programs are designed to predict an imminent deterioration of a patient’s condition.
RALIS (RALIS Ver. 1.0, IntegRALIS Ltd., Israel), is a self-learning program that can capture the premature infant’s normal health state by being fed offline vital parameters and can hence detect any deviation from that state by indicating a positive s(epsis) factor.
Question: This study sets out to examine if and to what degree this software could have been able to correctly detect a late-onset sepsis in past cases in a neonatal intensive care unit setting.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende