Hybrid Virtual Clinical Case Recommendation System based on performance assessment

Abstract

Este trabalho apresenta um desenvolvimento abrangente de um protótipo de sistema híbrido de recomendação de casos clínicos virtuais proposto com o objetivo de futura integração na aplicação Body Interact (BI), uma plataforma de ponta em simulações de treino clínico desenvolvida pela Take the Wind (TTW). São utilizados protocolos rigorosos de gestão da qualidade, com uma definição meticulosa dos factores de risco e das especificações dos requisitos de softwareNa procura de uma abordagem adequada, é efectuada uma revisão do estado da arte existente, examinando os algoritmos e metodologias predominantes entre os sistemas de recomendação existentes. Esta análise comparativa oferece uma compreensão das práticas actuais, orientando assim o processo de desenvolvimento do sistema protótipo. Segue-se uma análise dos dados disponíveis, explorando a natureza e a estrutura dos mesmos para adaptar as técnicas de pré-processamento de dados, a engenharia de características e os métodos de formação de modelos da forma mais adequada às exigências únicas das simulações de formação clínica.O sistema propõe um motor de recomendação híbrido que combina sinergicamente abordagens colaborativas e baseadas em casos. Esta arquitetura dupla permite que o sistema resolva o problema do "cold-start" em relação a vários contextos dos utilizadores e dos próprios casos. Uma nova caraterística deste trabalho é a incorporação de um mecanismo inovador de avaliação do desempenho do utilizador para captar os inishts mais profundos.É realizado um inquérito de avaliação envolvendo trabalhadores da TTW para medir a eficácia do sistema e o seu potencial impacto no BI. Os resultados preliminares corroboram o potencial do sistema para aumentar a eficácia e as capacidades de personalização da aplicação de BI, enriquecendo assim a experiência global de aprendizagem.Finalmente, o estudo conclui com uma discussão ponderada sobre as limitações, potenciais melhorias e o roteiro para trabalhos futuros. Este trabalho estabelece as bases para o avanço do sistema de recomendação de casos clínicos virtuais.

This work presents a comprehensive development of a proposed hybrid virtual clinical case recommendation system prototype with the objective of future integration into the Body Interact (BI) app, a state-of-the-art platform in clinical training simulations developed by Take the Wind (TTW). Rigorous quality management protocols are utilized, featuring a meticulous delineation of risk factors and software requirement specifications. In pursuit of an appropriate approach, a review of the existing state of the art is conducted, scrutinizing prevailing algorithms and methodologies between existent recommendation systems. This comparative analysis offers an understanding of current practices thereby guiding the development process of the prototype system. An analysis of the available data follows, exploring the nature and structure of the to tailor the data pre-processing techniques, feature engineering, and model training methods in a manner best suited for the unique demands of clinical training simulations. The system proposes a hybrid recommendation engine that synergistically combines collaborative and case-based approaches. This dual architecture permits the system to address the notorious cold-start problem regarding several contexts of the users and the cases themselves. A novel feature of this work is the incorporation of an innovative user performance assessment mechanism to capture deeper ingishts.A evaluation survey is conducted involving workers from TTW to measure the system's efficacy and potential impact on BI. The preliminary results corroborate the system's potential in enhancing the effectiveness and personalization capabilities of the BI app, thereby enriching the overall learning experience.Finally, the study concludes with a thoughtful discussion on limitations, potential improvements, and the roadmap for future work. This work lays the groundwork for the advancement of the virtual clinical case recommendation system.