Szczegóły publikacji
Opis bibliograficzny
Predykcja badań laboratoryjnych w optymalizacji kontroli jakości i obciążenia pracy analizatorów — Laboratory tests prediction in the optimization of quality control and workload of analyzers / Andrzej OPALIŃSKI, Krzysztof REGULSKI, Jakub Swadźba, Piotr Sitkowski, Paweł Wąsowicz, Agnieszka Kwietniewska-Śmietana // W: Innowacje w naukach inżynieryjno-technicznych - wybrane aspekty [Dokument elektroniczny] / red. Izabela Mołdoch-Mendoń, Kinga Kalbarczyk. — Wersja do Windows. — Dane tekstowe. — Lublin : Wydawnictwo Naukowe TYGIEL, 2023. — e-ISBN: 978-83-67104-79-1. — S. 85–94. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://bc.wydawnictwo-tygiel.pl/public/assets/914/Innowacje%... [2023-07-06]. — Bibliogr. s. 93–94, Streszcz., Abstr. — Publikacja dostępna online od: 2023-06-29
Autorzy (6)
- AGHOpaliński Andrzej
- AGHRegulski Krzysztof
- Swadźba Jakub
- Sitkowski Piotr
- Wąsowicz Paweł
- Kwietniewska-Śmietana Agnieszka
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 147636 |
|---|---|
| Data dodania do BaDAP | 2023-07-27 |
| Rok publikacji | 2023 |
| Typ publikacji | fragment książki |
| Otwarty dostęp |  |
| Wydawca | Wydawnictwo naukowe TYGIEL Sp. z o.o. |
Abstract
The COVID-19 pandemic has made us all aware of the importance of efficient medical laboratory diagnostics. The efficiency of diagnostics depends to the greatest extent on the proper management of both resources and the quality of tests. A functional quality management system is an integral part of any diagnostic laboratory. It ensures the reliability and standards of laboratory work. Such a system includes both the maintenance of correct and reliable results of analytical tests, but also the optimal use of processing capacity of devices and the appropriate organization of the supply chain – both of analytical material and reagents. It is unimaginable that adequate testing cannot be performed on patient samples simply because there is a shortage of reagents, or the analyzers are overburdened, or are not calibrated. In order to optimize the work of the laboratory, it is extremely important to accurately predict the number of orders – both in the short term, for the next hours and minutes, but also in a longer cycle, even monthly, so that reagent supplies can be properly planned. In the presented studies, machine learning methods were used to implement four functionalities: prediction of the number of tests performed, optimization of the demand for reagents, control of the stability of the measurement method and optimization of the working time of the analyzers.
Streszczenie
Pandemia COVID-19 uświadomiła nam wszystkim jak ważna jest wydajna medyczna diagnostyka laboratoryjna. Wydajność diagnostyki uzależniona jest w najwyższym stopniu od właściwego zarządzania zarówno zasobami, jak i jakością badań. Funkcjonalny system zarządzania jakością jest integralną częścią każdego laboratorium diagnostycznego. Zapewnia niezawodność i właściwe standardy pracy laboratorium. System taki obejmuje zarówno utrzymanie poprawnych i niezawodnych wyników badań analitycznych, ale również optymalne wykorzystanie mocy przerobowych urządzeń oraz odpowiednią organizację łańcucha dostaw – zarówno materiału analitycznego, jak i odczynników. Niewyobrażalnym jest, aby badania nie mogły zostać przeprowadzone tylko dlatego, że brakuje odczynników, czy analizatory są zanadto obciążone pracą, lub nie są skalibrowane. Aby zoptymalizować pracę laboratorium niezwykle ważna jest trafna predykcja liczby zleceń – zarówno w krótkim horyzoncie czasowym, na najbliższe godziny i minuty, ale również w cyklu dłuższym, nawet miesięcznym, tak, aby można było odpowiednio zaplanować zapasy odczynników. W prezentowanych badaniach wykorzystano metody uczenia maszynowego do realizacji czterech funkcjonalności: predykcja liczby wykonywanych badań, optymalizacja zapotrzebowania na odczynniki, kontrola stabilności metody pomiarowej oraz optymalizacja czasu pracy analizatorów.
