Doktorandprojekt Att planera verksamhet inom postoperativ vård är en stor utmaning och det finns i dagsläget få digitala verktyg för att hantera detta. I projektet kommer vi att använda data från befintlig databas och maskininlärning (ML), ett delområde inom AI, för att prediktera postoperativa vårdtider. Baserat på ML-modeller kommer ett automatiserat patientplatsbeläggningssystem att utvecklas och utvärderas.
Personalbrist inom vården är ett problem, att minska den administrativa arbetsbelastningen gör att vårdgivare kan lägga mer tid på patientnära vård. Trots att AI/ML-baserade lösningar är relativt vanliga i samhället är bara ett fåtal implementerade inom hälso- och sjukvård. Syftet med studie 1 är att utvärdera ML-modeller som predikterar postoperativa vårdtider. Studie 2 syftar till att undersöka personalens behov och förväntningar av ett automatiserat patientplatsbeläggningssystem, syftet med studie 3 är att utvärdera systemet och syftet med studie 4 är att utvärdera implementeringsprocessen.
