சுகாதார அமைப்புகள் மற்றும் கொள்கை ஆராய்ச்சி

  • ஐ.எஸ்.எஸ்.என்: 2254-9137
  • ஜர்னல் எச்-இண்டெக்ஸ்: 12
  • ஜர்னல் மேற்கோள் மதிப்பெண்: 1.73
  • ஜர்னல் தாக்க காரணி: 1.81
குறியிடப்பட்டது
  • சீனாவின் தேசிய அறிவு உள்கட்டமைப்பு (CNKI)
  • காஸ்மோஸ் IF
  • டைரக்டரி ஆஃப் ரிசர்ச் ஜர்னல் இன்டெக்சிங் (DRJI)
  • OCLC- WorldCat
  • பப்ளான்கள்
  • மருத்துவக் கல்வி மற்றும் ஆராய்ச்சிக்கான ஜெனீவா அறக்கட்டளை
  • யூரோ பப்
  • கூகுள் ஸ்காலர்
  • ஷெர்பா ரோமியோ
இந்தப் பக்கத்தைப் பகிரவும்

சுருக்கம்

Rehabilitation of patients with injuries of the elbow joint of the upper extremities by telemedicine and artificial intelligence technology

Andriy Tsvyakh

The international orthopedic community aims to achieve the best possible outcome for patient care by modifying rehabilitation methods and using telemedicine technology. The use of artificial intelligence (AI) has a major role in the implementation of telemedicine technology. The aim of this article is to discuss the integration of telemedicine technology with machine learning algorithm in the rehabilitation of patients with injuries of the upper extremities. A total of 84 subjects with upper extremity elbow joint injuries were enrolled in the study. 48 patients from the control group underwent traditional rehabilitation procedures. A total of 36 subjects were enrolled in the telerehabilitation group. Home remote monitoring for the 36 test subjects included use of a Prototype device with Axis-sensor, temperature and volume sensors, which were fixed to the injured limb. Software with machine learning permits the monitoring of exercise time, local temperature, the frequency of active movements of the injured limb with algorithm of machine learning. Based on the patient’s individual condition and machine learning algorithm, the rehabilitation doctor created an individualized rehabilitation plan for each subject. During telerehabilitation doctor use significantly less time to consult patients (2.3 min – 0.4) than the traditional rehabilitation (12.6 min – 2.9). Patient satisfaction was higher for the telerehabilitation (83.1% – 14.2) than for traditional rehabilitation (33.1% – 8.9). Subjects reported a higher satisfaction with telerehabilitation with machine learning algorithm. The telerehabilitation system with machine learning algorithm improves the quality of life in this group of patients and significantly reduce the cost of the rehabilitation period.

Biography: Andriy Tsvyakh has completed his PhD at the age of 42 years from Ternopil Medical University and Doctor of Science degree at the age of 48 years from Ternopil Medical University. He is the chief of Traumatology and Orthopaedic department. He has published more than 45 papers in reputed journals. He is co-author of one book on traumatology for medical student. He was invited as a speaker of several International Congresses of American Telemedicine Association.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டது மற்றும் இன்னும் மதிப்பாய்வு செய்யப்படவில்லை அல்லது சரிபார்க்கப்படவில்லை