Geleceğin Ortopedisi: Dijitalleşme ve Yapay Zekanın Rolü
Özet
Referanslar
AKALIN B,VERANYURT Ü .Sağlıkta Dijitalleşme ve Yapay Zeka.SDÜ Sağlık Yönetim Dergisi.2020 Cilt 2, s. 131-141.
BACK D A,PRÖRRİNGER D.Digitalization in orthopedics and trauma surgery.2020 Nov;123(11):829.
ALTUNTAŞ, E.Y. Sağlık Hizmetleri Uygulamalarında Dijital Dönüşüm. Eğitim Yayınevi.2019.
KOSİF, F.K. Kurumların Dijital Dönüşüm Süreçlerinin İncelenmesi:Bir Sağlık Kurumu İçin Öneri . İstanbul .2019 .
TEZCAN C Sağlığın Dijital Dönüşümü.Sağlık Düşüncesi ve Tıp Kültürü Platformu Dergisi, 2018 s. 82-85.
HERSELMAN M, BOTHA A, TOIVANEN H, et al. Digital health innovation ecosystem for South Africa. Paper presented at the IST-Africa Week Conference. 2016.
HUDES M K .Fostering innovation in Digital Health a new ecosystem. Paper presented at the Microelectronics Symposium Pan Pacific. 2017.
Sağlık Bakanlığı Sağlık Bilgi Sistemleri Genel Müdürlüğü. 2018:7.
Sağlık Bakanlığı Sağlık Bilgi Sistemleri Genel Müdürlüğü. 2018:11.
AVANER E AVANER E B Yazılım teknolojileri ve sağlık yönetimi: HIMSS ya da dijital hastane hizmetleri üzerine bir değerlendirme. Yaşama Dergisi. 2018 (37) s. 5-28.
E-Nabız Hakkında. https://enabiz.gov.tr/Yardim/Index (Erişim Tarihi: 13.09.2024).
BAL C G, ADA S,ÇELİK C G .Bilişim Sistemleri Başarı Modeli ve Aile Hekimliği Bilişim Sistemleri. Yönetim ve Ekonomi. Bilişim Sistemleri Başarı Modeli ve Aile Hekimliği .Celal Bayar Üniversitesi İ.İ.B.F. Dergisi.2012 Cilt 1, s. 35-46.
TOPOL E.J. Deep medicine: how artificial intelligence can make healthcare human again. New York . 2019.
HASHİMOTO D A ,ROSMAN G RUS D ,et al .Artificial intelligence in surgery: promises and perils. Ann Surg.2018;jul268 (1), s. 70-76.
RANKUMAR P N, KARNUTA J M , HAEBERLE HS.Association between preoperative menthal health and cliniclly meaningful outcomes after osteochondral allogreft for cartilage defect of the knee:A machine learnigs analysis.Am J Sports Medicine .2021(49)s. 948-957.
KUNZE K N, POLCE E M, CLAPP I,et al. Machine learning algorithms predict functional improvement after hip arthroscopy for femoroacetabular impingement syndrome in athletes. . Machine learning algorithms predict functional improvement after hip arthroscopy .J Bone Jt Surg .2021 s. 1055-1060.
PAREEK A, PARKES C W, BERNARD C D, et al. The SIFK score: a validated predictive model for arthroplasty progression after subchondral insufficiency fractures of the knee. Knee Surg Sports Traumatology and Arthroscopy 2020 s 3149–3155.
LU Y, FORLENZA E, COHN M R,et al. Machine learning can reliably identify patients at risk of overnight hospital admission following anterior cruciate ligament reconstruction. 2020.
LU Y, FORLENZA E, WILBUR R, et al. Machine-learning model successfully predicts patients at risk for prolonged postoperative opioid use following elective knee arthroscopy. 2021.
Referanslar
AKALIN B,VERANYURT Ü .Sağlıkta Dijitalleşme ve Yapay Zeka.SDÜ Sağlık Yönetim Dergisi.2020 Cilt 2, s. 131-141.
BACK D A,PRÖRRİNGER D.Digitalization in orthopedics and trauma surgery.2020 Nov;123(11):829.
ALTUNTAŞ, E.Y. Sağlık Hizmetleri Uygulamalarında Dijital Dönüşüm. Eğitim Yayınevi.2019.
KOSİF, F.K. Kurumların Dijital Dönüşüm Süreçlerinin İncelenmesi:Bir Sağlık Kurumu İçin Öneri . İstanbul .2019 .
TEZCAN C Sağlığın Dijital Dönüşümü.Sağlık Düşüncesi ve Tıp Kültürü Platformu Dergisi, 2018 s. 82-85.
HERSELMAN M, BOTHA A, TOIVANEN H, et al. Digital health innovation ecosystem for South Africa. Paper presented at the IST-Africa Week Conference. 2016.
HUDES M K .Fostering innovation in Digital Health a new ecosystem. Paper presented at the Microelectronics Symposium Pan Pacific. 2017.
Sağlık Bakanlığı Sağlık Bilgi Sistemleri Genel Müdürlüğü. 2018:7.
Sağlık Bakanlığı Sağlık Bilgi Sistemleri Genel Müdürlüğü. 2018:11.
AVANER E AVANER E B Yazılım teknolojileri ve sağlık yönetimi: HIMSS ya da dijital hastane hizmetleri üzerine bir değerlendirme. Yaşama Dergisi. 2018 (37) s. 5-28.
E-Nabız Hakkında. https://enabiz.gov.tr/Yardim/Index (Erişim Tarihi: 13.09.2024).
BAL C G, ADA S,ÇELİK C G .Bilişim Sistemleri Başarı Modeli ve Aile Hekimliği Bilişim Sistemleri. Yönetim ve Ekonomi. Bilişim Sistemleri Başarı Modeli ve Aile Hekimliği .Celal Bayar Üniversitesi İ.İ.B.F. Dergisi.2012 Cilt 1, s. 35-46.
TOPOL E.J. Deep medicine: how artificial intelligence can make healthcare human again. New York . 2019.
HASHİMOTO D A ,ROSMAN G RUS D ,et al .Artificial intelligence in surgery: promises and perils. Ann Surg.2018;jul268 (1), s. 70-76.
RANKUMAR P N, KARNUTA J M , HAEBERLE HS.Association between preoperative menthal health and cliniclly meaningful outcomes after osteochondral allogreft for cartilage defect of the knee:A machine learnigs analysis.Am J Sports Medicine .2021(49)s. 948-957.
KUNZE K N, POLCE E M, CLAPP I,et al. Machine learning algorithms predict functional improvement after hip arthroscopy for femoroacetabular impingement syndrome in athletes. . Machine learning algorithms predict functional improvement after hip arthroscopy .J Bone Jt Surg .2021 s. 1055-1060.
PAREEK A, PARKES C W, BERNARD C D, et al. The SIFK score: a validated predictive model for arthroplasty progression after subchondral insufficiency fractures of the knee. Knee Surg Sports Traumatology and Arthroscopy 2020 s 3149–3155.
LU Y, FORLENZA E, COHN M R,et al. Machine learning can reliably identify patients at risk of overnight hospital admission following anterior cruciate ligament reconstruction. 2020.
LU Y, FORLENZA E, WILBUR R, et al. Machine-learning model successfully predicts patients at risk for prolonged postoperative opioid use following elective knee arthroscopy. 2021.
