Sessions

The workshop aims at improving the completeness and interoperability of data dictionaries through harmonization and standardization. First, the focus lies on the syntactic and semantic level in order to derive concrete technical specifications and implementations: Based on a comprehensive review of existing standards and data dictionaries in common systems, frequently used attributes were identified. In a second step, a "Minimal Information Model" is discussed, in which typical description fields are listed, terminologically cleaned and arranged in a modular system to enable easy use and user-specific expansion. Crosswalks to existing vocabularies and conventions or to international standards are to be discussed.Practical mapping of your Data Dicitonary is possible as a practical exercise!

Patient generated health data (PGHD) integrates patients` values and preferences into decision-making. Digitalization enables the integration of PGHD with electronic patient records. However, the lack of digital tools and applications hampers the use of PGHD. The purpose of this workshop is to gather the current situation in research and to form a transdisciplinary network of researchers.Discussion topics:1.Identification of the researchers, research projects and digital tools and applications for PGHD to build a network of researchers in the field.2.Experiences and perceptions of the research and practice regarding the digital tools and applications for PGHD3.Recommendations for future research topics in the field of PGHD.Keywords. digitalization, shared decision making, patient generated health dataYou are warmly welcome!

Att förstå hur man ska tolka och förstå patientens information om sina besvär är av högsta vikt för att kunna leverera jämlik vård efter behov. Men detta är inte alltid en enkel uppgift. Alla patienter formulerar sig inte likadant. Och olika individer inom vården tolkar informationen på olika sätt. Erfarenheter ger bättre kunskap, men faktum är – erfarenheter är ofta lärdomar som vi tagit till oss efter misstag. Vi behöver ett tryggare och snabbare sätt att förstå symptombeskrivningar och vilka potentiella diagnoser de kan kopplas till.

Kan tekniken hjälpa oss att få kontroll på våra lagersaldon och förbrukning? Vi trodde på IoT och vi har testat. Nu vill vi gärna dela med oss av våra teorier och erfarenheter hur IoT kan hjälpa oss att få koll på förråden.

Att gå i pension utan att vara förberedd för den stora omställningen som pension innebär kan medföra hälsorisker. Ett arbete kan bidra med många hälsoaspekter för en människa. Förutom lön så kan arbete ge fysisk och psykisk stimulans, mening och syfte samt dagliga rutiner. Allt i en social kontext. Om detta inte ersätts så finns risk för ensamhet, isolering, stillasittande och förlorad känsla av sammanhang. Kända riskfaktorer för flera sjukdomar. Här har arbetsgivaren en chans att påverka samhället positivt samtidigt som de ökar sin konkurrenskraft! 

När flera olika datakällor behövs för att ge tillräckligt underlag för en individbaserad statistisk analys så krävs normalt att de olika datakällorna poolas innan analysen. Federerade analyser kan ge samma resultat av statistiska analyser trots att de olika datakällorna ligger kvar bakom dataägarens säkerhetsmekanismer och inga individuppgifter görs tillgängliga utanför den egna organisationen. Vi beskriver IT-tekniska, legala och statistiska aspekter på denna teknik. 

Idag lever många personer med en kognitiv påverkan, utan att ha fått en kognitiv bedömning. Exempelvis kan operation, depression eller stressrelaterad problematik i många fall medföra en kognitiv svikt. Den kognitiva svikten påverkar diagnostiken, behandlingen, rehabiliteringen och skapar stort lidande för individen. För att hjälpa individer med odiagnostiserad kognitiv svikt krävs mätning av den kognitiva funktionen för att kunna sätta in prevention samt följa upp och planera för tidiga insatser. Föreläsningen innefattar även ett patientcase där personen delar sina erfarenheter av digitala kognitiva test.

Under de senaste åren har ett flertal svenska regioner gemensamt upphandlat ett digitalt verktyg för digital bedömning, prioritering och hänvisning av patienter som söker primärvården, 1177direkt. E-hälsoforskare i Sverige har planerat vetenskapliga utvärderingar på regional och nationell nivå, med olika studiedesign och frågeställningar. Ett nationellt forskarnätverk har skapats för att dela kunskap, idéer och erfarenheter. Vi kommer att presentera kort vilka forskningsprojekt som är på gång runt om i Sverige, och vilken utvärdering som kommer att göras parallellt med införandet.

Sweden is a leader in digital health, with a legacy in Life Science and Tech. The Swedish ecosystem has been accelerated by advanced digital infrastructure, high quality patient data, and cutting-edge support and diagnostic technologies. With a drive to continually improve healthcare with data-driven and AI solutions, Sweden ranks among the best performing countries for connected innovation, and the global demand for Swedish digital health solutions is high

Masterclass@vitalis. En grundläggande eHälsoutbildning där enbart fysisk medverkan som delegat är möjlig.

Masterclass@vitalis. En grundläggande eHälsoutbildning där enbart fysisk medverkan som delegat är möjlig.

Föreläsningen kommer att beskriva forskning från de senaste åren kring informationshantering i läkemedelsprocessen. Bland annat berörs Nationella läkemedelslistan, läkemedelshantering i kommunerna samt beslutsstöd. Varför är det så svårt och vad är viktigt att tänka på framöver?

Att forma vård med individens behov I centrum ställer krav på nya kompetenser. Att förhålla sig till vad patienten uttrycker kan ibland upplevas som komplicerat. Ibland är kanske det vi säger inte direkt det vi behöver.  
 
Det var inte bilar man ropade efter, utan snabbare hästar. Henry Ford frågade och lyssnade på svaren, men förstod också behovet som var att kunna transportera sig snabbt mellan punkt a och punkt b. Lösningen blev inte snabbare hästar, i stället skapades bilen.   Att både höra vad som sägs, det som inte sägs och kunna omvandla detta till behov kan vara utmanande. I denna workshop får du som deltagare verktyg och tips på hur du kan arbeta med patientberättelser för att fånga behov.  

As a free service you are invited to participate in a matchmaking event open to all delegates, presenters and exhibition participants. The aim of the event is to create win-win- situations and perhaps future collaborations between researchers, practitioners, patients and industry.The matchmaking is only available for conference delegates, investors and exhibitors.

An introduction to openEHR for beginners. This is part 2, covering Clinical modeling, Technical implementation, Querying, Tools and examples in more detail.

Electrodermal activity (EDA) reflects sympathetic nervous system activitythrough sweating-related changes in skin conductance. Decomposition analysisis used to deconvolve the EDA into slow and fast varying tonic and phasicactivity, respectively. In this study, we used machine learning models to comparethe performance of two EDA decomposition algorithms to detect emotions such asamusing, boring, relaxing, and scary. The EDA data considered in this study wereobtained from the publicly available Continuously Annotated Signals of Emotion(CASE) dataset. Initially, we pre-processed and deconvolved the EDA data intotonic and phasic components using decomposition methods such as cvxEDA andBayesianEDA. Further, twelve-time domain features were extracted from the phasiccomponent of EDA data. Finally, we applied machine learning techniques suchas logistic regression (LR) and support vector machine (SVM), to evaluate the performanceof the decomposition method. Our results imply that the BayesianEDAdecomposition method outperforms the cvxEDA. The mean of first derivative featurediscriminated all the considered emotional pairs with high statistical significance(p<0.05). SVM was able to detect emotions better than the LR classifier.We achieved a 10-fold average classification accuracy, sensitivity, specificity, precision,and f1-score of 88.2%, 76.25%, 92.08%, 76.16%, and 76.15% respectively,using BayesianEDA and SVM classifier. The proposed framework can be utilizedto detect emotional states for the early diagnosis of psychological conditions.