Σισμανόγλειο ΓΝΑ : Αυτοτελές Τμήμα Ελέγχου Ποιότητας, Έρευνας και Συνεχιζόμενης Εκπαίδευσης       


   Περιεχόμενα  
Αρμοδιότητες
Εκπαίδευση
Συμμετοχή-Διοργάνωση Ερευνητικών Πρωτοκόλλων (Άρθρα-Περιλήψεις)
Βραβεύσεις
Επικοινωνία

Αρμοδιότητες

Σύμφωνα με τα άρθρα 5,14 του Οργανισμού (ΦΕΚ 3475/Β/31.12.2012) του Νοσοκομείου, που αναφέρεται στις Υπηρεσίες, τα Τμήματα και τα Γραφεία που απαρτίζουν το Νοσοκομείο, στο κεφάλαιο Β αναφέρεται το Αυτοτελές Τμήμα Ελέγχου Ποιότητας, Έρευνας, το οποίο ανήκει απευθείας στη Διοίκηση και ενδεικτικά αναφέρονται παρακάτω οι υπευθυνότητες και ο ρόλος του Αυτοτελούς Τμήματος Ελέγχου Ποιότητας, Έρευνας και Συνεχιζόμενης Εκπαίδευσης, ως εξής:

Επιστροφή στα Περιεχόμενα της Ιστοσελίδας του Τμήματος


Εκπαίδευση

Το Αυτοτελές Τμήμα Ελέγχου Ποιότητας, Έρευνας και Συνεχιζόμενης Εκπαίδευσης είναι αρμόδιο για την υποβολή εκπαιδευτικών αιτημάτων στο Ινστιτούτο Επιμόρφωσης (ΙΝ.ΕΠ.) του Εθνικού Κέντρου Δημόσιας Διοίκησης και Αυτοδιοίκησης για την αντίστοιχη διοργάνωση επιμορφωτικών προγραμμάτων αποκλειστικά για τους εργαζόμενους των τριών νοσοκομειακών μονάδων.

Επιστροφή στα Περιεχόμενα της Ιστοσελίδας του Τμήματος


Συμμετοχή-Διοργάνωση Ερευνητικών Πρωτοκόλλων (Άρθρα-Περιλήψεις)

Τίτλος/Title (επιλέξιμος για να δείτε το ΑΝΑΛΥΤΙΚΟ Περιεχόμενο/clickable to view it's Content IN DETAIL)

Acceptance of Artificial Intelligence in Supporting Cancer Patients

Training ChatGPT Models in Assisting Urologists in Daily Practice

A Deep Learning Model for Classifying Histological Types of Colorectal Polyps

Automated ML Techniques for Predicting COVID-19 Mortality in the ICU

Prediction of COVID-19 Mortality in the Intensive Care Unit Using Machine Learning

A 2-Year Audit on Antibiotic Resistance Patterns from a Urology Department in Greece

Convolutional Neural Networks for Optical Discrimination Between Histological Types of Colorectal Polyps Based on White Light Endoscopic Images

The prognostic utility of serum thyrotropin in hospitalized Covid-19 patients: statistical and machine learning approaches

Using Association Rules in Antimicrobial Resistance in Stone Disease Patients

Discovering Association Rules in Antimicrobial Resistance in Intensive Care Unit

Cluster Analysis Assessment in Proposing a Surgical Technique for Benign Prostatic Enlargement

Using Machine Learning for Predicting the Hospitalization of Emergency Department Patients

Exploratory Clustering for Emergency Department Patients

Prediction of Hospitalization Using Machine Learning for Emergency Department Patients

Using Machine Learning Techniques to Predict Hospital Admission at the Emergency Department

Admission and Discharge Following Ambulance Transport to the Emergency Department

Predicting Hospital Admission for Emergency Department Patients: A Machine Learning Approach

Machine Learning for Antibiotic Resistance Prediction: A Prototype Using Off-the-Shelf Techniques and Entry-Level Data to Guide Empiric Antimicrobial Therapy

Using machine learning models to predict antimicrobial resistance and assist urologists in decision-making regarding empirical antibiotic treatment

Analyzing Acute Care Surgery Patient Flow in the Emergency Department During COVID-19 Pandemic

Using Machine Learning to Predict Antimicrobial Resistance of Acinetobacter Baumannii, Klebsiella Pneumoniae and Pseudomonas Aeruginosa Strains

Using Machine Learning Algorithms to Predict Antimicrobial Resistance and Assist Empirical Treatment

Using Machine Learning Techniques to Aid Empirical Antibiotic Therapy Decisions in the Intensive Care Unit of a General Hospital in Greece

A 2-Year Single-Centre Audit on Antibiotic Resistance of Pseudomonas aeruginosa, Acinetobacter baumannii and Klebsiella pneumoniae Strains from an Intensive Care Unit and Other Wards in a General Public Hospital in Greece

Using Microbiological Data Analysis to Tackle Antibiotic Resistance of Klebsiella Pneumoniae

Επιστροφή στα Περιεχόμενα της Ιστοσελίδας του Τμήματος


Βραβεύσεις

Τίτλος/Title (επιλέξιμος για να δείτε το ΑΝΑΛΥΤΙΚΟ Περιεχόμενο/clickable to view it's Content IN DETAIL)

Impact BITE Awards 2021SILVER βραβείο στην κατηγορία Τεχνητή Νοημοσύνη (ΑΙ) με θέμα «ΧΡΗΣΗ ΜΕΘΟΔΩΝ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ/ΒΑΘΙΑΣ ΜΑΘΗΣΗΣ ΓΙΑ ΤΟΝ ΕΝΤΟΠΙΣΜΟ ΠΝΕΥΜΟΝΙΚΗΣ ΕΜΒΟΛΗΣ ΣΕ ΑΞΟΝΙΚΕΣ ΑΓΓΕΙΟΓΡΑΦΙΕΣ ΤΩΝ ΠΝΕΥΜΟΝΙΚΩΝ ΑΡΤΗΡΙΩΝ ΣΕ ΑΣΘΕΝΕΙΣ COVID-19» για τα Γ.Ν.Α. «Σισμανόγλειο-Αμαλία Φλέμιγκ» Ν.Π.Δ.Δ. και το Ερευνητικό Κέντρο «ΑΘΗΝΑ»

Healthcare Business Awards 2021: SILVER βραβείο στην κατηγορία «Ερευνητικό Έργο σε Πανεπιστήμια/Εκπαιδευτικά Ιδρύματα/Ερευνητικά Κέντρα/Νοσοκομεία» με τίτλο: «Αξιοποίηση των ψηφιακών δεδομένων προσέλευσης των ασθενών στο Τμήμα Επειγόντων Περιστατικών (ΤΕΠ) της Νοσοκομειακής Μονάδας 'Σισμανόγλειο'»

Healthcare Business Awards 2020: SILVER βραβείο στην κατηγορία «Ερευνητικό Έργο σε Πανεπιστήμια/Εκπαιδευτικά Ιδρύματα/Ερευνητικά Κέντρα/Νοσοκομεία» για έρευνα με τίτλο: «Χρήση μεθόδων Τεχνητής Νοημοσύνης για την υποβοήθηση της λήψης απόφασης εμπειρικής θεραπείας στη Μ.Ε.Θ. και στις Παθολογικές Κλινικές της Νοσοκομειακής μονάδας «ΣΙΣΜΑΝΟΓΛΕΙΟ» του ΓΝΑ «ΣΙΣΜΑΝΟΓΛΕΙΟ-ΑΜ.ΦΛΕΜΙΓΚ»

Impact BITE Awards 2020:  GOLD βραβείο στην κατηγορία Τεχνητή Νοημοσύνη (ΑΙ) με θέμα «Νέα Προτεινόμενη Τεχνική με Χρήση Μεθόδων Τεχνητής Νοημοσύνης / Μηχανικής Μάθησης για την Υποβοήθηση της Λήψης Απόφασης Εμπειρικής Θεραπείας στη Μ.Ε.Θ. του Νοσοκομείου ΣΙΣΜΑΝΟΓΛΕΙΟ»

>>> Ανάρτηση στο Αποθετήριο Καινοτομιών της Ελληνικής Δημόσιας Διοίκησης με θέμα «Χρήση Τεχνητής Νοημοσύνης στην Εμπειρική Θεραπεία»

Healthcare Business Awards 2019: BRONZE βραβείο στην κατηγορία Αποτελεσματική Διοίκηση Κλινικής Δημοσίου Νοσοκομείου με θέμα «Μελέτη Ελέγχου Αντοχής στα Αντιβιοτικά Στελεχών Pseudomonas aeruginosa, Acinetobacter baumannii και Klebsiella pneumoniae στη Μονάδα Εντατικής Θεραπείας και σε άλλες Κλινικές Γενικού Νοσοκομείου»

Επιστροφή στα Περιεχόμενα της Ιστοσελίδας του Τμήματος


Επικοινωνία

Ταχ. Δ/νση :ΓΕΝΙΚΟ ΝΟΣΟΚΟΜΕΙΟ ΑΤΤΙΚΗΣ «ΣΙΣΜΑΝΟΓΛΕΙΟ»-«ΑΜΑΛΙΑ ΦΛΕΜΙΓΚ» ΝΜ «ΣΙΣΜΑΝΟΓΛΕΙΟ»-TK 151 26 ΜΑΡΟΥΣΙ ΑΤΤΙΚΗΣ

Προϊστάμενος/η : ---

Τηλέφωνο : 213 2058 876

e-mail : quality@sismanoglio.gr ( & poiotita@sismanoglio.gr )


Επιστροφή στα Περιεχόμενα της Ιστοσελίδας του Τμήματος

Επιστροφή στον κύριο Διαδικτυακό Τόπο του Νοσοκομείου