Digital Endpoint Adjudication

Viktiga resultat som projektet gav

Syftet och målet med projektet, att skapa en applikation som baserat på information från en studie kan lära sig mönster och på så sätt kunna upptäcka kliniska händelser som ligger utanför det förväntade för att på så sätt kunna undersökas närmare, har lyckats väldigt väl. Applikationen finns tillgänglig och kan via ett gränssnitt användas av personer utan teknisk kompetens. Genom att importera data från en excelfil kan applikationen lära sig utifrån befintligt data att ge förslag på händelser man bör kontrollera. Modellen är generell och kan ta in data från olika typer av studier.

Långsiktiga effekter som förväntas

Resultatet av projetket i form av applikationen har blivit väldigt lyckad. Det fungerar mycket väl i dess nuvarande form, även om den behöver ytterligare utveckling för att användas i större skala. Det är framförallt användarinteraktionen som behöver utvecklas mer samt även vissa delar av det neurala nätverket som behöver utveckling för det. Effekterna av applikationens arbete bedöms som väldigt lovande men har inte kunnat användas i sådan omfattning att det förväntade resultatet i form av ökad andel fångde händelser i procenttal har kunnat beräknas.

Upplägg och genomförande

Upplägget för projektet har fungerat väldigt bra. Alla steg har kunnat genomföras såsom planerat. Utmaningen har legat i svårigheten med tillgång till resurser. Resurser var inte tillgängliga för projektet som planerat vilket har inneburit en försening av projektet. När väl resurser var tillgängliga för projektet har arbetet fortskridit enligt plan och applikationen har kunnat utvecklats så som det var tänkt från projektets början. Viss anpassning har gjorts av applikationens gränssnitt för att snabba på projektet.