Skip to Main Content (Press Enter)

Logo UNIBS
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione

Competenze & Professionalità
Logo UNIBS

|

Competenze & Professionalità

unibs.it
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione

Enabling Real-World Evidence for Elderly Heart Failure through EHDS-Aligned Data Spaces and Remote Care

Progetto
sistemi sanitari europei affrontano una duplice sfida: generare evidenze di alta qualità da dati sanitari "real-world" (RWD) garantendone al contempo un riutilizzo accessibile e transfrontaliero. Questo progetto si pone come priorità l'avanzamento della preparazione allo Spazio Europeo dei Dati Sanitari (EHDS) attraverso un'infrastruttura dati federata e basata su standard, che abiliti l'uso secondario di dati armonizzati per l'innovazione nella ricerca e la valutazione delle politiche sanitarie, utilizzando la cura dello scompenso cardiaco negli anziani come caso d'uso ad alto impatto. Basandosi sull'ecosistema eHealthPass, il progetto implementa eHealthPass.CDR come dorsale "EHDS-ready" per armonizzare registri retrospettivi su larga scala e flussi di dati prospettici multimodali nei siti pilota, raccogliendo cartelle cliniche, esiti riferiti dai pazienti e misurazioni da dispositivi. Una chiara governance dei dati supporta l'interoperabilità e il riutilizzo conformi all'EHDS. Inoltre, lo sviluppo di una "fabbrica" di dati sintetici rispettosi della privacy stabilirà un modello replicabile di centro di interscambio interregionale per i dati sanitari, abilitando l'innovazione aperta immediata e la ricerca transfrontaliera. Parallelamente, i servizi di assistenza remota e i reparti virtuali (virtual ward) fungono da "living lab" per la generazione e la validazione di dati reali. I dispositivi indossabili e le misurazioni point-of-care supporteranno il monitoraggio longitudinale e faciliteranno lo sviluppo e la validazione di modelli predittivi e analitici, fornendo al contempo benefici tangibili all'erogazione delle cure. Oltre al monitoraggio remoto standard, il progetto implementa un ciclo traslazionale "deep tech": modelli di IA sensibili al contesto, pre-addestrati su coorti storiche per riconoscere fenotipi strutturali, vengono impiegati per filtrare i dati pilota in tempo reale e affinare continuamente la stratificazione del rischio. Due progetti pilota clinici (in Grecia e Italia) dimostreranno la fattibilità interregionale (inclusa la mobilità dei pazienti), l'armonizzazione dei dati e la disponibilità di dati di qualità adeguata alla ricerca. Il progetto fornirà un'infrastruttura operativa allineata all'EHDS, dataset validati e una roadmap per la replicazione.
  • Dati Generali
  • Ricerca

Dati Generali

Partecipanti

SIGNORONI ALBERTO   Responsabile scientifico  

Dipartimenti coinvolti

Dipartimento di Specialità Medico-Chirurgiche, Scienze Radiologiche e Sanità Pubblica   Principale  

Tipo

Bandi da altri Organismi Internazionali

Finanziatore

European Commission
Organizzazione Esterna Ente Finanziatore

Partner (3)

Aristotle University of Thessaloniki (AUTH) School of Medicine
Hanze University of Applied Sciences (HUAS)
Università degli Studi di BRESCIA

Periodo di attività

Aprile 1, 2026 - Settembre 30, 2027

Durata progetto

18 mesi

Ricerca

Settori (3)


LS4_10 - The cardiovascular system and cardiovascular diseases - (2024)

PE6_7 - Artificial intelligence, intelligent systems, natural language processing - (2024)

Settore IINF-05/A - Sistemi di elaborazione delle informazioni
  • Assistenza
  • Privacy
  • Utilizzo dei cookie
  • Note legali

Realizzato con VIVO | Designed by Cineca | 26.4.0.0