Sundhedsdata og interoperabilitet
Kursusindhold
Høj kvalitet af sundhedsdata har afgørende betydning for behandlingskvalitet, patientsikkerhed, sammenhæng i patientforløb, afregning, kvalitetssikring, brug af kunstig intelligens og forskning. Etablering og vurdering af datakvalitet samt pålidelig udveksling af data på tværs af behandlingsenheder og sektorer kræver velbeskrevne og digitalt understøttede processer for arbejdsgange og behandlinger, samt anvendelse af fælles datastandarder, terminologier og klassifikationssystemer.
I dette kursus behandles følgende emner:
- Beskrivelse af processer for arbejdsgange og behandlinger, og digital understøttelse af arbejdsgange og behandlinger
- Indsamling og kvalitetssikring af sundhedsdata (mht. reliabilitet, validitet, aktualitet og fuldstændighed)
- Forskellige typer af data (fx kvalitative vs. kvantitative, ustrukturerede vs. strukturerede)
- Termer, koder og klassifikationer
- Kliniske terminologier og klassifikationssystemer (fx ICD-10, ICD-11, SKS og SNOMED-CT)
- Datastandarder (fx Medcom-standarder, HL7 og FHIR)
- Semantisk interoperabilitet
- Aggregering af sundhedsdata
- Brug af forskellige former for kunstig intelligens (KI/AI), herunder machine learning, vidensbaseret KI/AI og generativ KI/AI, og kvalitetskriterier (pålidelighed, forklarbarhed, robusthed, forandringsparathed, energieffektivitet, datasikkerhed, fairness, gennemsigtighed).
Health Data and Interoperability
Bacheloruddannelsen i sundhed og informatik
Efter endt kursus forventes den studerende at kunne:
Viden:
- Redegøre for de forskellige typer af data, der indsamles og anvendes i sundhedsvæsenet
- Redegøre for de væsentligste kliniske terminologier og klassifikationssystemer, der anvendes i sundhedsvæsenet
- Redegøre for forskellige typer af notationer for procesbeskrivelser og digital understøttelse af processer og arbejdsgange
- Forklare begrebet interoperabilitet og redegøre for de væsentligste datastandarder, der anvendes i sundhedsvæsenet
- Forklare begreberne KI/AI og bias og redegøre for forskellige typer af KI/AI og bias.
Færdigheder:
- Analysere og evaluere reliabilitet, validitet, aktualitet og fuldstændighed af konkrete typer af sundhedsdata, herunder hændelseslogs
- Analysere muligheder og barrierer for indsamling og kvalitetssikring af sundhedsdata
- Beskrive arbejdsgange ved hjælp af både procedurale (imperative) og regelbaserede (deklarative) procesnotationer
- Analysere muligheder og barrierer for øget anvendelse af fælles datastandarder, terminologier, digital proces-understøttelse og klassifikationssystemer
- Foreslå og vurdere relevante strategier til at anvende AI og forbedre interoperabilitet og datakvalitet i praksis.
Kompetencer:
- Omsætte teoretiske begreber og modeller til selvstændige analyser af datakvalitet, arbejdsgange, brug af kunstig intelligens og interoperabilitet i sundhedsvæsenet.
Forelæsninger, seminarer, gruppeopgaver, hjemmearbejde og skriftlige opgaver.
Se Absalon
Kurset er reserveret til studerende på bacheloruddannelsen i sundhed og informatik.
- ECTS
- 10 ECTS
- Prøveform
-
Mundtlig prøve på baggrund af aflevering, 20 minutter
- Prøveformsdetaljer
- Den mundtlige eksamen består af at den studerende giver en
præsentation (8 minutter), der sætter pensum i relation til en af
de fire obligatoriske gruppeafleveringer, som tildeles tilfældigt
til eksamen. Den studerende forventes derfor at have forberedt en
præsentation til hver gruppeaflevering. Efterfølgende vil der blive
stillet uddybende spørgsmål til alle emner, hvor den studerende
selv skal kunne reflektere over de anvendte teknologier og metode.
Aflevering af fire skriftlige obligatoriske gruppeopgaver i relation til kursets centrale temaer er et krav for at gå til eksamen. Grupper kan bestå af 2-5 personer. Gruppeopgaverne har et omfang på maksimalt 10 normalsider. Det er tilladt at benytte AI-værktøjer, men den studerende skal til eksamen selv kunne forklare og forsvare indholdet af de afleverede opgaver, samt sætte i relation til pensum - Hjælpemidler
- Kun visse hjælpemidler tilladt (se beskrivelse nedenfor)
Til den mundtlige eksamen er det kun tilladt med noter, power points og lignende. Det er ikke tilladt eller muligt at bruge AI eller tilgå internettet.
Den studerende skal til eksamen selv kunne forklare og forsvare indholdet af de afleverede opgaver, samt sætte i relation til pensum.
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ekstern censur
- Reeksamen
-
Som ordinær eksamen
Kriterier for bedømmelse
For at opnå karakteren 12 skal den studerende demonstrere fuld opfyldelse af målbeskrivelsen for kurset.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 42
- Holdundervisning
- 28
- Forberedelse (anslået)
- 177
- Studiegrupper
- 28
- Total
- 275
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- NDAB20010U
- ECTS
- 10 ECTS
- Niveau
- Bachelor
- Varighed
-
1 blok
- Placering
- Blok 3
- Skemagruppe
-
B
- Kapacitet
- 60
Der kan være færre pladser, hvis du tilmelder dig i eftertilmeldingsperioden (BA og KA) eller som merit- eller enkeltfagsstuderende. - Studienævn
- Studienævnet for Folkesundhedsvidenskab, Global Sundhed og Sundhed & Informatik
Udbydende institut
- Datalogisk Institut
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
- Thomas Troels Hildebrandt (5-6a6b6e666742666b306d7730666d)
Er du BA- eller KA-studerende?
Kursusinformation for indskrevne studerende