CareLit Fachartikel

Identifizierung von Covid-19 Infektionen und Virusvarianten durch maschinelles Lernen basierend auf Symptommustern

Buess, M.; Grüne, B.; Kugler, S.; Ginzel, S.; Wolff, A.; Kossow, A.; Küfer-Weiß, A.; Rüping, S.; Neuhann, F. · Das Gesundheitswesen · 2023 · Heft S 01 · S. 1 bis 1

Dokument
572884
CareLit-ID
Jahr
2023
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
Das Gesundheitswesen
Autor:innen
Buess, M.; Grüne, B.; Kugler, S.; Ginzel, S.; Wolff, A.; Kossow, A.; Küfer-Weiß, A.; Rüping, S.; Neuhann, F.
Ausgabe
Heft S 01 / 2023
Jahrgang 85
Seiten
1 bis 1
Erschienen: 2023-03-08 13:00:00
ISSN
0941-3790
DOI
10.1055/s-0043-1762794

Zusammenfassung

Hintergrund Hohe SARS-CoV-2 Infektionsraten in Köln benötigten neue, innovative Methoden zur Benachrichtigung, Überwachung und Meldung von Indexund Kontaktpersonen. Die von der Stadt Köln entwickelte Software zur Verwaltung von Covid-19 Fällen (DiKoMa) enthält einen Bereich mit digitalen Symptom-Tagebüchern, welche von den Patienten selbst ausgefüllt werden und welche es dem Gesundheitsamt erlauben eine Priorisierung der Telefonkontakte nach Gesundheitszustand vorzunehmen. Trotz dieser Maßnahmen waren bei sehr hohen Infektionszahlen nicht genügendLaborkapazitäten für PCR-Tests und – Sequenzierungen vorhanden, wa…

Schlagworte

Germany Das Gesundheitswesen