Zdravstveni informacijski sustavi kao potpora odlučivanju u zdravstvu
Cilj kolegija je osposobiti polaznike za razumijevanje koji se zdravstveni podaci u hrvatskom i europskom zdravstvenom informaciskom sustavu prikupljaju, kako se iz tih podataka kreiraju zdravstveno-statistički pokazatelji i pokazatelji kvalitete (kvantitativni i kvalitativni), te kako se ti pokazatelji koriste kao potpora kliničkim, javnozdravstvenim i upravljačkim odlukama. Polaznici uče prepoznati strukturu CEZIH-a i izvora podataka generiranih od strane pacijenta (senzori, wearables), razumjeti metodologije sekundarne analize prikupljenih podataka i osnove primjene umjetne inteligencije na velikim zdravstvenim podacima, te kritički prosuditi etičke izazove i pouke iz nedavnih javnozdravstvenih kriza, posebno COVID-19 pandemije. Pritom se posebna pozornost posvećuje Europskom prostoru zdravstvenih podataka (engl. European Health Data Space, EHDS; Uredba (EU) 2025/327) i ulozi Tijela za pristup zdravstvenim podacima (engl. Health Data Access Body, HDAB) kao regulatornom i institucionalnom okviru koji uređuje sekundarnu uporabu zdravstvenih podataka – od podnošenja zahtjeva i izdavanja odobrenja za podatke, preko obrade u sigurnom okruženju za obradu (engl. secure processing environment, SPE), do zaštitnih mehanizama poput pseudonimizacije i prava pojedinca na odbijanje sudjelovanja u sekundarnoj uporabi (engl. opt-out).
Okvirni sadržaj predmeta
| Indikatori kvalitete u primarnoj zdravstvenoj zaštiti; hrvatski PZZ indikatori. CEZIH (Centralni zdravstveni informacijski sustav Republike Hrvatske) iznutra: arhitektura, izvori podataka (PZZ, SKZZ, bolnice, ljekarne, laboratoriji), e-Karton, e-Recept, e-Uputnica; kako HZZO koristi te podatke. Podaci generirani od starane pacijenta – senzorim wearables, telemedicina; primjeri iz svijeta. Big data u zdravstvu i sekundarna analiza podataka. Umjetna inteligencija u analizi zdravstvenih podataka : klasifikacija, modeli, primjeri iz hrvatskih AI projekata. Predikcije i populacijsko breme bolesti – Global Burden of Disease (GBD), age-standardizirani pokazatelji, prediktivni modeli. Burden of illness , Disability-Adjusted Life Years (DALY), Quality-Adjusted Life Years (QALY), Cost of illness metodologija s hrvatskim primjerima. Etika umjetne inteligencije i sekundarnog korištenja zdravstvenih podataka – pristranost algoritma, transparentnost, odgovornost, povjerenje, regulatorni okvir (AZOP, EU AI Act). Seminar Do’s and Don’ts u korištenju zdravstvenih podataka — lekcije iz COVID-19 pandemije. Europski prostor za zdravstvene podatke (EHDS), tijela za pristup zdravstvenim podacima (HDAB). |
Što ćete naučiti…
Upoznavanje i upravljanje informatičkim sustavom koji može osigurati pravovremene, točne i relevantne informacije za bolničku upravu i osoblje, kako bi se unaprijedio proces menadžerskog donošenja odluka, promovirala kvalitetna briga za pacijente, unaprijedila efikasnost operacija, kontrolirala uporaba institucionalnih izvora i potpornih sustava kroz organizaciju. Sposobnost uspostavljanja IT veza sa businessom, planiranjem i upravljanjem. Tehnološki menadžment kroz analizu trajanja IT, arhitekture IT, sustavne integracije, standarda.
