Επιστημονικό/ερευνητικό/συγγραφικό Έργο Τμήματος Επειγόντων Περιστατικών

«Συγκριτική Αξιολόγηση Ποσοτικών Και Ποιοτικών Παραμέτρων Ασθενών Και Χρήση Τεχνικών Τεχνητής Νοημοσύνης Για Την Ανάπτυξη Μοντέλων Πρόβλεψης Στο Τμήμα Επειγόντων Περιστατικών» πρόκειται για αναδρομική μελέτη παρατήρησης, ετών 2019/2020, και ανάπτυξη μοντέλων πρόβλεψης με χρήση τεχνικών τεχνητής νοημοσύνης Αρ πρωτ: 16412/18-08-2020

Prognostic role of soluble urokinase plasminogenactivator receptor at the emergency department: A position paper by the Hellenic Sepsis Study Group

  • Dimitrios Velissaris
  • George Dimopoulos
  • John Parissis
  • Zoi Alexiou,
  • Nikolaos Antonakos
  • Dimitrios Babalis
  • Styliani Gerakari
  • Vassileios Kaldis
  • Pantelis Koutoukas
  • Malvina Lada
  • Konstantinos Leventogiannis
  • Ioannis Pantazopoulos
  • Antonios Papadopoulos
  • Eftihia Polyzogopoulou
  • Charalambos Gogos
  • Apostolos Armaganidis
  • Evangelos J
  • Giamarellos-Bourboulis.

Prognostic role of soluble urokinase plasminogen activator receptor at the emergency department: A position paper by the Hellenic Sepsis Study Group. Infect Dis Ther https://doi.org/10.1007/s40121-020-00301-w

Setting up an easy-to-use machine learning pipeline for medical decision support: A case study for COVID-19 diagnosis based on deep learning with CT scans

  • Aikaterini Sakagianni 
  • Georgios Feretzakis 
  • Dimitris Kalles 
  • Christina Koufopoulou 
  • Vasileios Kaldis 
  • Sismanogleio General Hospital, Intensive Care Unit, Marousi, Greece
  • School of Science and Technology, Hellenic Open University, Patras, Greece
  • Sismanogleio General Hospital, Department of Quality Control, Research and Continuing Education, Marousi, Greece
  • Agia Sofia Children’s Hospital, Athens, Greece
  • Sismanogleio General Hospital, Emergency Department, Marousi, Greece
  • ICIMTH 2020 - Scientific Program Committee Decision, Id: 90
  • 18th annual International Conference on Informatics, Management, and Technology in Healthcare (ICIMTH 2020), held virtually in Athens, Greece, from 3 – 5 July 2020

Η προσέλευση και οι βαρέως πάσχοντες ασθενείς στο Τμήμα Επειγόντων Περιστατικών της πανδημίας: Προκαταρκτικά δεδομένα αναδρομικής μελέτης παρατήρησης.

  • Γ. Καρλής,
  • Κ. Τσεκούρας,
  • Παρασκευή Ζαφειριάδου,
  • Σταυρούλα Κολοκυθά,
  • Πολυξένη Μπατιάνη,
  • Ευαγγελία Ντικούδη,
  • Ε. Χριστακόπουλος,
  • Κ. Γεωργιόπουλος,
  • Αικατερίνη Σοφιανού,
  • Σ. Ορφανός,
  • Β. Καλδής
  • Τμήμα Επειγόντων Περιστατικών, ΓΝΑ Σισμανόγλειο, Αθήνα
  • 23ο Πανελλήνιο Συνέδριο Εσωτερικής Παθολογίας 4-7/11/2020 στην Αθήνα

Emergency department visits, emergency severity index and intensive care unit admissions in the era of COVID19; A single center experience

  • G. Karlis 
  • S. Orfanos 
  • P. Zafeiriadou 
  • S. Kolokytha
  • S. Christakopoulos 
  • K. Georgiopoulos
  • A. Sofianou 
  • K. Tsekouras
  • P. Batiani
  • E. Ntikoudi
  • V. Kaldis 

Emergency department, Sismanogleio General Hospital, Marousi, Greece

33rd ESICM’s Annual Congress, LIVES, Madrid from 05-09 December 2020

Intensive Care Medicine Experimental

https://doi.org/10.1186/s40635-020-00354-8 Meeting Abstracts ESICM LIVES 2020 Virtual. 06–09 December 2020

Προσέλευση των πνευμονολογικών ασθενών στο Τμήμα των Επειγόντων Περιστατικών (ΤΕΠ) πριν και κατά τη διάρκεια του lockdown της πανδημίας SARS-COV-2: Αναδρομική μελέτη παρατήρησης

  • Ευαγγελία Ντικούδη
  • Πολυξένη Μπατιάνη
  • Σταυρούλα Κολοκυθά
  • Γεώργιος Καρλής
  • Ευστράτιος Χριστακόπουλος
  • Αικατερίνη Σοφιανού
  • Παρασκευή Ζαφειριάδου1
  • Γεώργιος Τσιτσινάκης
  • Κωνσταντίνος-Απόστολος Τσεκούρας
  • Σταμάτιος Ορφανός
  • Βασίλειος Καλδής
  • Σισμανόγλειο ΓΝΑ e-P 102 Σελ. 114 Βιβλίο Περιλήψεων Εργασιών 29ο Πανελλήνιο Πνευμονολογικό Συνέδριο, Αθήνα 2020

Αιτιολογία εισαγωγής των πνευμονολογικών ασθενών στο Τμήμα των Επειγόντων Περιστατικών (ΤΕΠ) πριν και κατά τη διάρκεια του lockdown της πανδημίας SARS-COV-2. Εμπειρία ενός τριτοβάθμιου νοσοκομείου της Αθήνας

  • Πολυξένη Μπατιάνη
  • Ευαγγελία Ντικούδη
  • Σταυρούλα Κολοκυθά
  • Γεώργιος Καρλής
  •  Αικατερίνη Σοφιανού
  • Ευστράτιος Χριστακόπουλος
  • Παρασκευή Ζαφειριάδου
  • Γεώργιος Τσιτσινάκης
  • Κωνσταντίνος-Απόστολος Τσεκούρας
  • Σταμάτιος Ορφανός
  • Βασίλειος Καλδής
  • Σισμανόγλειο ΓΝΑ e-P 103 Σελ 115Βιβλίο Περιλήψεων Εργασιών 29ο Πανελλήνιο Πνευμονολογικό Συνέδριο, Αθήνα 2020

Setting up an easy-to-use machine learning pipeline for medical decision support: Case study for COVID-19 diagnosis based on deep learning with CT scans

  • Aikaterini Sakagianni 
  • Georgios Feretzakis 
  • Dimitris Kalles
  • Christina Koufopoulou 
  • Vasileios Kaldis 
  • Sismanogleio General Hospital, Intensive Care Unit, Marousi, Greece
  • school of Science and Technology, Hellenic Open University, Patras, Greece
  • Sismanogleio General Hospital, Department of Quality Control, Research and Continuing Education, Marousi, Greece
  • Agia Sofia Children’s Hospital, Athens, Greece
  • ismanogleio General Hospital, Emergency Department, Marousi, Greece The importance of health informatics in public health during a pandemic J. Mantas et al. (Eds.) © 2020. doi:10.3233/SHTI200481 ISBN: 978-1-64368-092-7 (print) | 978-1-64368-093-4 (online)

Using machine learning to predict antimicrobial resistance of Acinetobacter baumannii, Klebsiella pneumoniae, and Pseudomonas aeruginosa strains

  • Georgios Feretzakis,
  • Aikaterini Sakagianni,
  • Evangelos Loupelis,
  • Dimitris Kalles,
  • Maria Martsoukou,
  • Nikoleta Skarmoutsou,
  • Constantinos Christopoulos,
  • Malvina Lada,
  • Aikaterini Velentza,
  • Stavroula Petropoulou,
  • Sophia Michelidou,
  • Vasileios Kaldis,
  • Rea Chatzikyriakou,
  • Ilias Dalainas,
  • Evangelos Dimitrellos

Pages 43–47 DOI 10.3233/SHTI210117 Category Research Article Series Studies in Health Technology and Informatics Ebook Volume 281: Public Health and Informatics, ISBN: 978-1-64368-184-9 (print) | 978-1-64368-185-6 (online)

Analyzing acute care surgery patient flow in the emergency department during COVID-19 pandemic

  • Georgios Feretzakis,
  • Georgios Karlis,
  • Konstantinos Tsekouras,
  • Stamatios Orfanos,
  • Evangelos Loupelis,
  • Stavroula Petropoulou,
  • Konstantinos Mantzouranis,
  • Makrina Tsafaridou,
  • Rea Chatzikyriakou,
  • Aikaterini Sofianou,
  • Paraskevi Zafeiriadou,
  • Aikaterini Tika,
  • Ilias Dalainas, V
  • asileios Kaldis

Pages 540–544 DOI 10.3233/SHTI210229 Category Research Article Series Studies in Health Technology and Informatics Ebook Volume 281: Public Health and Informatics, ISBN: 978-1-64368-184-9 (print) | 978-1-64368-185-6 (online)

Τοποθέτηση κεντρικών φλεβικών γραμμών υπό υπερηχογραφική καθοδήγηση. Η αρχική εμπειρία ενός ΤΕΠ (AA233 Τόμος Περιλήψεων – Σελ: 269)

  • Σταμάτιος Ορφανός,
  • Κωνσταντίνος Τσεκούρας,
  • Παρασκευή Ζαφειριάδου,
  • Αικατερίνη Σοφιανού,
  • Γεώργιος Καρλής,
  • Ευστράτιος Χριστακόπουλος,
  • Κωνσταντίνος Γεωργιόπουλος,
  • Πολυξένη Μπατιάνη,
  • Σταυρούλα Κολοκυθά,
  • Ευαγγελία Ντικούδη, Β
  • Βασίλειος Καλδής
  • Τμήμα Επειγόντων Περιστατικών, ΓΝΑ «Σισμανόγλειο»
  • 32ο Πανελλήνιο Συνέδριο ΕΧΕ, Θεσσαλονίκη 2021

Διαχείριση τραύματος στο Τμήμα Επειγόντων Περιστατικών εν έτη 2020 (Πρόδρομος Ανακοίνωση) (EA283 Τόμος Περιλήψεων – Σελ: 213)

  • Β. Καλδής
  • Μ. Πλασάτη
  • Β. Ντούρος
  • Δ., Ε. Πεϊτσίδου
  • Αθ. Κιτσάκος
  • Μ. Γαμβρούδη
  • Β. Κουτσούκου
  • Μ. Γεωργιάδου
  • Μ. Αγριαντώνη
  • Σ. Γερακάρη
  • Μ. Καλογριδάκη
  • Μ. Χαραλαμπάτου
  • Δ. Βρύζας
  • Π. Παππάς
  • Η. Καραμέτος
  • Κ. Παπαδόπουλος
  • Δ. Υφαντής
  • Α. Σταυροαθαναθασοπούλου
  • Σ. Ιβκποβιτ
  • Δ. Μπάμπαλης
  • Δ. Βλαχογεώργιος
  • Δ. Βελισσαρης
  • Ε. Παυλίδου
  • Χ. Χατζηιωακειμίδης
  • Π. Κουτούκας
  • Ε. Καραλλάς
  •  Α. Μπέλια
  • Ι. Γαλατιανός
  • Γ. Μαρίνος
  • Α. Γεωργίου
  • Π. Μπουλάς
  •  Α. Σαλταμαύρος
  • Αν. Καρατασίτσας
  • Γ. Χαραλάμπους
  • Γ. Παπαδάμου
  • Κ. Παγδάτογλου–Σπυροπούλου
  • Χ. Χριστοφοράκος
  • Κ. Νίκας
  • Κ. Παπαθεοδώρου
  • Δ. Μιχάλης
  • Ν. Φιλιώτας
  • Β. Καφαντάρη
  • Σ. Λέτσος
  • Δ. Χρηβατάκης
  • Σ. Κεχαγίας
  • Α. Δικοφτσής
  • Αν. Βασιλείου
  • Ν. Κακολύρης
  • Στ. Καστρινάκης
  • Δ. Λυμπεροπούλου
  • Στόκκος Κ.
  • Μ. Μαυρίδου
  • Μ. Κουρτζέλη
  • Σ. Κόλιας, Δ. Τσιφτσής
  • 32ο Πανελλήνιο Συνέδριο ΕΧΕ, Θεσσαλονίκη 2021

Επίδραση της καθολικής απαγόρευσης κυκλοφορίας στην προσέλευση ασθενών στα ιατρεία χειρουργικών ειδικοτήτων του ΤΕΠ: Η εμπειρία ενός τριτοβάθμιου νοσοκομείου στην εποχή της COVID-19 πανδημίας (AA340 Τόμος Περιλήψεων – Σελ: 271)

  • Κωνσταντίνος–Απόστολος Τσεκούρας
  • Παρασκευή Ζαφειριάδου
  • Σταμάτιος Ορφανός
  • Αικατερίνη Σοφιανού
  • Γεώργιος Καρλής, 
  • Κωνσταντίνος Γεωργιόπουλος,
  • Πολυξένη Μπατιάνη,
  • Ευαγγελία Ντικούδη,
  • Σταυρούλα Κολοκυθά,
  • Ευστράτιος Χριστακόπουλος,
  • Βασίλειος Καλδής
  • Τμήμα Επειγόντων Περιστατικών, ΓΝΑ Σισμανόγλειο

Καταδειξη της μείωσης προσέλευσης ασθενών στο χειρουργικό ιατρείο του ΤΕΠ ενός τριτοβάθμιου νοσοκομείου της Αττικής κατά την περίοδο καθολικής απαγόρευσης κυκλοφορίας στην Ελλάδα, εξαιτίας της εξάρσης της COVID-19 πανδημίας (AA339 Τόμος Περιλήψεων – Σελ: 271)

  • Κωνσταντίνος–Απόστολος Τσεκούρας,
  • Σταμάτιος Ορφανός,
  • Παρασκευή Ζαφειριάδου,
  • Αικατερίνη Σοφιανού,
  • Γεώργιος Καρλής,
  • Κωνσταντίνος Γεωργιόπουλος,
  • Πολυξένη Μπατιάνη,
  • Ευαγγελία Ντικούδη,
  • Σταυρούλα Κολοκυθά,
  • Ευστράτιος Χριστακόπουλος,
  • Βασίλειος Καλδής
  • Τμήμα Επειγόντων Περιστατικών, ΓΝΑ Σισμανόγλειο

Η Τεχνητή Νοημοσύνη στην πρόβλεψη εισαγωγών ασθενών παθολογικού ΤΕΠ (Πρόδρομος Ανακοίνωση)

  • Καλδής Β
  • Φερετζάκης Γ
  • Καρλής Γ
  • Κολοκυθά Σ
  • Μπατιάνη Π
  • Χριστακόπουλος Ε
  • Ορφανός Σ
  • Ζαφειριάδου Π
  • Τσιτσινάκης Γ
  • Λουπέλης Ε
  • Καλλές Δ
  • Σακαγιάννη Αικ
  1. Τμήμα Επειγόντων Περιστατικών, ΓΝΑ Σισμανόγλειο
  2. Αυτοτελές Τμήμα Ελέγχου Ποιότητας, Έρευνας και Συνεχιζόμενης Εκπαίδευσης, ΓΝΑ Σισμανόγλειο
  3. Τμήμα Πληροφορικής, ΓΝΑ Σισμανόγλειο
  4. Σχολή Θετικών Επιστημών και Τεχνολογίας, Ελληνικό Ανοικτό Πανεπιστήμιο
  5. ΜΕΘ, ΓΝΑ Σισμανόγλειο

18ο Πανελλήνιο Συνέδριο Εντατικής Θεραπείας, Ελληνική Εταιρεία Εντατικής Θεραπείας, ΕΕΕΘ, Αθήνα, 13–16 Οκτωβρίου 2021. Αναρτημένη ανακοίνωση ΑΑ127, Σελ. 41

Quality in emergency medicine: Διαχείριση βαρέως πασχόντων στο Τμήμα Επειγόντων Περιστατικών. Που βρισκόμαστε; (Πρόδρομος ανακοίνωση)

  • Κόλιας Σ.
  • Μαρίνος Γ
  • Τσιφτσής Δ.
  • Χαλάμπους Γ.
  • Σαλταμαύρος Α
  • Γαμβρούδη Μ.
  • Κουτσούκου Β.
  • ,Γεωργιάδου Μ.
  • Αγριαντώνη Μ.
  • ΓερακάρηΣ.
  • Καλογριδάκη Μ.
  • Χαραλαμπάτου Μ.
  • Βρύζας Δ.
  • Παππάς Π.
  • Καραμέτος Η.
  • Παπαδόπουλος Κ.
  • Υφαντής Δ.
  • Σταυροαθαναθασοπούλου Α
  • βκποβιτς Σ.
  • Μπάμπαλης Δ
  • Βλαχογεώργιος Δ.
  • Βελισσαρης Δ
  • Παυλίδου Ε
  • Xατζηιωακειμίδης Χ
  • .Κουτούκας Π.
  • Καραλλάς Ε.
  • Μπέλια Α
  • Γαλατιανός Ι.
  • Πλασάτη Μ.
  • Γεωργίου Α
  • .Μπουλάς Π.
  • Κιτσάκος Αθ
  • Καρατασίτσας Αν.
  • Πεϊτσίδου Ε.
  • Παπαδάμου Γ.
  • Παγδάτογλου –Σπυροπούλου Κ.
  • Χριστοφοράκος Χ.
  • Νίκας Κ.
  • Παπαθεοδώρου Κ
  • .Μιχάλης Δ.
  • Φιλιώτας Ν.
  • Καφαντάρη Β.
  • Λέτσος Σ
  • Χρηβατάκης Δ
  • Κεχαγίας Σ.44,
  • Δικοφτσής Α.
  •  Βασιλείου Αν.
  • Κακολύρης Ν.
  • Καστρινάκης Στ.
  • Λυμπεροπούλου Δ
  • Στόκκος Κ.
  • Μαυρίδου Μ.
  • Ντούρος Β
  • Β. Καλδής
  1. ΤΕΠ ΓΝΑ Ευαγγελισμός,
  2. ΤΕΠ ΓΝΑ Λαϊκό ,
  3. ΤΕΠ ΓΝ Πειραιώς - Νίκαιας Άγιος Παντελεήμων ,
  4. ΕΠ ΓΝΑ Ιπποκρατειο (Αθηνών),
  5. ΤΕΠ Ασκληπιειο Βούλας ,
  6. ΤΕΠ Αγ. Όλγα,
  7. ΤΕΠ ΓΝΑ Γεννηματάς ,
  8. ΤΕΠ ΓΝΑ Ερυθρός Σταυρος,
  9. ΤΕΠ ΕΣΥ ΑΟΝΑ Άγιος Σάββας, 1
  10. ΤΕΠ ΓΝ Πειραιώς Τζάνειο,
  11. ΤΕΠ ΓΝΑ ΚΑΤ,
  12. ΤΕΠ ΓΝ Ελευσίνας Θριάσιο,
  13. ΤΕΠ ΓΝΑ Σερρών,
  14. ΤΕΠ ΓΝΑ Κιλκίς,
  15. ΤΕΠ Αχχιλοπούλειο ΓΝ Βόλου,
  16. ΤΕΠ Παναρκαδικό ΓΝ Τριπόλεως «Η Ευαγγελίστρια» ,
  17. ΤΕΠ ΝΝΘΑ «Σωτηρία»,
  18. ΤΕΠ ΓΝ Πατρών «Άγιος Ανδρέας»,
  19. ΤΕΠ ΓΝ Πτολεμαϊδας,
  20. ΤΕΠ ΓΝ Λάρισας,
  21. ΤΕΠ ΓΝ Χαλκίδας
  22.  ΤΕΠ Πανεπιστημιακό Γενικό Νοσοκομείο Πατρών – ΡΙΟ
  23. ,ΤΕΠ ΓΝΘ «Ο Άγιος Δημήτριος» (Θεσσαλονίκη),
  24. ΤΕΠ ΕΣΥ ΓΝΑ ΣΠΑΡΤΗΣ
  25. ,ΤΕΠ ΓΝ ΡΟΔΟΥ,
  26. ΕΠ ΓΝ Καρδίτσας,
  27. ΤΕΠ ΓΝΘ Γ.Γεννηματάς –Άγιος Δημήτριος/ Οργανική Μονάδα
  28. ΓΝΘ Γεννηματάς (Θεσσαλονίκη),
  29. ΤΕΠ ΓΝ ΚΑΒΑΛΑΣ,
  30. ΤΕΠ ΓΝ Μυτιλήνης Βοστάνειο,
  31. ΤΕΠ ΓΝ Χίου,
  32. ΤΕΠ Πανεπιστημιακό ΓΝ Ιωαννίνων,
  33. ΤΕΠ ΓΝΙ Χατζηκώστα Ιωάννινα,
  34. ΤΕΠ ΓΝΘ ΠΑΠΑΝΙΚΟΛΑΟΥ –Θεσσαλονίκη,
  35. ΤΕΠ Πανεπιστημιακό Ν. Λάρισας,
  36.  ΤΕΠ .ΓΝ Τρικάλων,
  37. ΤΕΠ Γ.Ν ΚΑΤΕΡΙΝΗΣ,
  38. ΤΕΠ Γ.Ν ΚΕΡΚΥΡΑΣ,
  39. ΤΕΠ Πανεπιστημιακό ΓΝ Αλεξανδρούπολης,
  40. ΤΕΠ Γ.Ν Λειβαδιάς
  41. ΤΕΠ Γ.Ν Κορίνθου,
  42.  ΤΕΠ Γ.Ν Θηβών
  43. ΤΕΠ Γ.Ν. Λαμίας,
  44. ΤΕΠ Γ.Ν.Πολυγύρου/Χαλκιδικής,
  45. ΤΕΠ Γ.Ν. Έδεσσας,
  46. ΤΕΠ Γ.Ν Γιαννιτσών,
  47. ΤΕΠ Γ.Ν ΠΥΡΓΟΥ,
  48. ΤΕΠ Γ.Ν. ΑΝ Κρήτης /Άγιος Νικόλαος,
  49. ΤΕΠ Γ.Ν. Χανίων /Άγιος Γεώργιος
  50. ΤΕΠ ΓΝ Μεσσηνίας /Νοσηλευτική Μονάδα Καλαμάτας,
  51. ΤΕΠ ΓΝ Κοζάνης,
  52. ΤΕΠ ΓΝ Φλώρινας,
  53. ΤΕΠ ΓΝΘ Ιπποκράτειο,
  54. ΤΕΠ ΓΝΑ Σισμανόγλειο

18ο Πανελλήνιο Συνέδριο Εντατικής Θεραπείας ,Ελληνική Εταιρεία Εντατικής Θεραπείας,ΕΕΕΘ , Αθήνα,13 – 16 Οκτωβρίου 2021.Προφορική ελεύθερη ανακοίνωση ΕΑ09 σελ.27.

Προσέλευση στο ΤΕΠ, δείκτης βαρύτητας ESI και εισαγωγές στη ΜΕΘ την εποχή της COVID19: η εμπειρία ενός τριτοβάθμιου νοσοκομείου

  • Καρλής Γ
  • Κολοκυθά Σ
  •  Ντικούδη Ε
  • Μπατιάνη Π
  • Γεωργιόπουλος Κ
  • Σοφιανού Κ
  • Τσεκούρας Κ
  • Ορφανός Σ
  • Ζαφειριάδου Π
  • Χριστακόπουλος Ε
  • Καλδής Β

Τμήμα Επειγόντων Περιστατικών, ΓΝΑ Σισμανόγλειο

18ο Πανελλήνιο Συνέδριο Εντατικής Θεραπείας ,Ελληνική Εταιρεία Εντατικής Θεραπείας,ΕΕΕΘ , Αθήνα,13 – 16 Οκτωβρίου 2021 . Αναρτημένη ανακοίνωση ΑΑ008 σελ 30.

Implementation of machine learning algorithm in the emergency department for the prediction of hospital admission

  • A. Sakagianni
  • G. Feretzakis,
  • G. Karlis
  • E. Loupelis
  • D. Kalles
  •  L. Tzelves
  • R. Chatzikyriakou
  • N. Trakas
  • V. Kaldis

Critical Care 2021,Volume 25 (Suppl 1), Pages 34 – 35:P085 https://doi.org/10.1186/s13054-021-03769-1 (Impact factor 9.07)

Using machine learning techniques to predict hospital admission at the emergency department

  • Georgios FERETZAKIS
  • Georgios KARLIS
  • Evangelos LOUPELIS
  • Dimitris KALLES
  •  Rea CHATZIKYRIAKOU
  •  Nikolaos TRAKAS
  • Eugenia KARAKOUf
  • Aikaterini SAKAGIANNI 
  •  Lazaros TZELVES 
  • Stavroula PETROPOULOU
  • Aikaterini TIKA
  • Ilias DALAINAS
  •  Vasileios KALDIS

The Journal of Critical Care Medicine 2022;8(2):107-116: JCCM-D-21-00046 DOI: 10.2478/jccm-2022-0003 RESEARCH ARTICLE

Prediction of hospitalization using machine learning for emergency department patients

  • Georgios FERETZAKIS
  •  Aikaterini SAKAGIANNI
  • Evangelos LOUPELIS
  •  Dimitris KALLES
  • Vasileios PANTERIS
  • , Lazaros TZELVES
  • Rea CHATZIKYRIAKOU
  • Nikolaos TRAKAS
  • Stavroula KOLOKYTHA
  • Polyxeni BATIANI
  • Zoi RAKOPOULOU
  • Aikaterini TIKA
  •  Stavroula PETROPOULO
  • Ilias DALAINASj 
  • Vasileios KALDIS

P:145 – 146 DOI10.3233/SHTI220422 CategoryResearch ArticleSeries Studies in Health Technology and informatics Ebook Volume 294: Challenges of Trustable AI and Added-Value on Health IOS Press and distributed under the terms of the Creative Commons Attribution Non-Commercial License 4.0 (CC BY-NC 4.0). doi:10.3233/SHTI220422

Using Machine Learning for Predicting the Hospitalization of Emergency Department Patients

  • Feretzakis G
  •  Sakagianni A
  •  Kalles D
  • Loupelis E
  • Panteris V
  • Tzelves L
  • Chatzikyriakou R
  • Trakas N
  • Kolokytha S, Batiani P
  •  Rakopoulou Z
  • Tika A
  • Petropoulou S
  • Dalainas I
  • Kaldis V Stud Health Technol Inform. 2022 Jun 29;295:405-408. doi: 10.3233/SHTI220751. PMID: 35773897. ICIMTH 2022

Exploratory Clustering for Emergency Department Patients

  • Feretzakis G,
  • Sakagianni A,
  •  Kalles D,
  • Loupelis E,
  • Tzelves L,
  • Panteris V,
  • Chatzikyriakou R,
  • Trakas N,
  • Kolokytha S, Batiani P,
  •  Rakopoulou Z,
  • Tika A, Petropoulou S,
  • Dalainas I,
  • Kaldis V. Stud Health Technol Inform. 2022 Jun 29;295:503-506. doi: 10.3233/SHTI220775. PMID: 35773921. ICIMTH 2022

Performing Clustering analysis in the Emergency Department to improve patient flow

  • A. Sakagianni
  • G. Feretzakis
  • E. Loupelis 
  • D. Kalles 
  • VS. Verykios 
  • G. Karlis 
  • S. Kolokytha
  • P. Batiani
  • S. Michelidou 1

V. Kaldis 5. ICMx (19/10/2022) Intensive Care Medicine Experimental 2022, 10(2):00041810:39; page211: doi.org/10.1186/s40635-022-00468-1 ESICM 2022

Building a prognostic model of Covid‑19 ICU mortality; an automated machine learning approach vs manual logistic regression analysis

  • A. Sakagianni,
  • C. Koufopoulou,
  • E. Loupelis,
  • V. S. Verykios, 
  • D. Kalles,
  • S. Michelidou
  • Z. Athanassa,
  • V. Kaldis,
  • P. Myrianthefs,
  • Z. Rakopoulou,
  • G. Feretzakis, p121;122. Intensive Care Medicine Experimental 2023, 11(Suppl 1):72 (000291). https://doi.org/10.1186/s40635-023-00546-y

Training ChatGPT models in assisting critical care decision‑making in routine practice

  • A. Sakagianni,
  • C. Koufopoulou
  • I. Z. Boufeas
  • P. Koufopoulos
  • D. Kalles, V. Kaldis
  • V. S. Verykios,
  • G. Feretzakis, 000378, ESICM LIVES 2023. Intensive Care Medicine Experimental 2023, 11(Suppl 1):72 p:171 (000378). https://doi.org/10.1186/s40635-023-00546-y

Οργάνωση Τμήματος Επειγόντων Περιστατικών Τριτοβάθμιου Νοσοκομείου εν μέσω Πανδημίας: "Η εμπειρία του Διατομεακού ΤΕΠ ΓΝΑ Σισμανογλείου"

  • Κολοκυθά Σ
  • Μπατιάνη Π
  • Σοφιανού Α.
  • Τσεκούρας Κ.
  • Τσιτσινάκης Γ
  • Βασιλειάδης Ι
  •  Μπαντερ Ρ
  • Γερολυμάτου Σ
  • Γκλέκα Π
  • Καλδής Β

Προφορική Ανακοίνωση - 9ο Συνέδριο Διαχείριση Κρίσεων στον Τομέα Υγείας 09-10/02/2024, Αθήνα

6o Πανελλήνιο Συνέδριο Ελληνικής Εταιρείας Επείγουσας Ιατρικής [23-26/05/2024, Αθήνα, Πολεμικό Μουσείο]

Διαχείριση καρδιογενούς καταπληξίας σε ασθενή με οξεία μυοκαρδίτιδα λόγω COVID-19, eposter AA22: p115-116

  • Ρ. Μπάντερ
  • Ε. Μπάλλας
  • Σ. Τζώρτζης
  • Ι. Μαρινάκης
  • Β. Χαριζοπούλου
  • A.Σακαγιάννη
  • Σ. Κολοκυθά
  •  Π. Μπατιάνη
  •  Α. Κίτσιου
  •  Β. Καλδής
  1. Τμήμα Επειγόντων Περιστατικών, ΓΝΑ Σισμανόγλειο, Σισμανογλείου 1, ΤΚ 15126, Αθήνα
  2. Μονάδα Εντατικής Θεραπείας, ΓΝΑ Σισμανόγλειο, Σισμανογλείου 1, ΤΚ 15126, Αθήνα
  3. Αιμοδυναμικό εργαστήριο, ΓΝΑ Σισμανόγλειο, Σισμανογλείου 1, ΤΚ 15126, Αθήνα
  4. 6o Πανελλήνιο Συνέδριο Ελληνικής Εταιρείας Επείγουσας Ιατρικής [23-26/05/2024, Αθήνα, Πολεμικό Μουσείο]

Η ενημέρωση του λήπτη Υγείας σε Τμήμα Επειγόντων Περιστατικών μέσω της οργάνωσης ηλεκτρονικού συστήματος πληροφορίας: Η εμπειρία πέντε ετών του Διατομεακού ΤΕΠ ΓΝΑ Σισμανογλείου (2019-2024), eposter AA29: p128-129

  • Σταυρούλα Κολοκυθά
  • Πολυξένη Μπατιάνη
  •  Αικατερίνη Σοφιανού
  • Κωνσταντίνος Τσεκούρας
  • Γεώργιος Τσιτσινάκης
  • Ιωάννης Βασιλειάδης
  •  Ροζαλία Μπάντερ
  •  Σοφία Γερολυμάτου
  • Παρασκευάς Παπαδόπουλος
  • Καλδής Βασίλειος
  1. Τμήμα Επειγόντων Περιστατικών ΓΝΑ Σισμανόγλειο, Σισμανογλείου 1, ΤΚ 15126, Αθήνα
  2. Υποδιεύθυνση Πληροφορικής ΓΝΑ Σισμανόγλειο, Σισμανογλείου 1, ΤΚ 15126, Αθήνα

Καινοτόμες τεχνολογίες διαλογής ασθενών στα τμήματα επειγόντων περιστατικών

  • Σαϊτά Μαριάννα
  • Λυμπεροπούλου Γεωργία
  • Καλδής Βασίλειος

Ελεύθερη Προφορική παρουσίαση 18ο Πανελλήνιο συνέδριο ΕΝΕ,15-17/05/2025, Ρόδος

Επιλέξτε εδώ για τη σχετική ΠΑΡΟΥΣΙΑΣΗ (Aρχείο μορφής: pdf)

Επιστημονική εκδήλωση/Webinar με Θέμα "Κατάχρηση φαρμάκων και οι εξαρτήσεις αυτών" [με κύριο ομιλητή τον κο Radeos Michael MD, MPH]

Επιστημονική εκδήλωση/Webinar με Θέμα "Αναζωογόνηση μέσω της χορήγησης Ισοζυγισμένων Διαλυμάτων στην Εντατική Θεραπεία" [με κύριο μοναδικό ομιλητή τον αξιότιμο κο Παπαϊωάννου Βασίλειο, MD, MSc, PhD Καθηγητή Εντατικολογίας και Υπολογιστικής Ιατρικής ΔΠΘ, Διευθυντή ΜΕΘ ΠΓΝ Αλεξανδρούπολης]

Προεδρείο: κος Καλδής Βασίλειος MD, MSc / κος Καρλής Γεώργιος MD, MSc, PhD

WEBINAR Τομέα Τραύματος, ΚΕΚ & Επείγουσας Ιατρικής της ΕΕΕΘ με Θέμα "A Critical Reappraisal of Vasopressin and Steroids in In-hospital Cardiac Arrest" [προσκεκλημένος ομιλητής: κος Μεντζελόπουλος Σπυρίδων, Καθηγητής Εντατικολογίας ΕΚΠΑ, Α' Πανεπιστημιακή Κλινική Εντατικής Θεραπείας ΕΚΠΑ, ΓΝΑ Ευαγγελισμός]
Προεδρείο-Συντονισμός: κος Καλδής Βασίλειος MD, MSc / κος Καρλής Γεώργιος MD, MSc, PhD

Επιστημονική εκδήλωση στις 10/04/2025 (στο Αμφιθέατρο της Νοσοκομειακής Μονάδας "Σισμανόγλειο")

 

Υπουργείο υγείας Διαύγεια Υπουργείο εσωτερικών Σύζευξις e-Πλατφόρμα Εκπαιδευτικού Υλικού «ΣΙΣΜΑflix» [Γνωστικών Αντικειμένων ΥΓΕΙΑΣ και ΠΛΗΡΟΦΟΡΙΚΗΣ] Ψηφιακός βοηθός εύρεσης προορισμού εντός του Νοσοκομείου (ΝΜ) «Σισμανόγλειο» [«SISMAssistant»] Android App «SISMApp» [Σύγχρονες Υπηρεσίες e-Ενημέρωσης] Σύστημα Ενημέρωσης Ασθενών και Επισκεπτών (εντός του Νοσοκομείου) σε πραγματικό χρόνο [Digital Signage]