![](/assets/artwork/1x1-42817eea7ade52607a760cbee00d1495.gif)
H-Module 17+
Marco Rozgic
Розроблено для iPad
-
- Безкоштовно
Знімки екрана
Опис
Disclaimer
The H-Module is a medical supporting tool used for educational purposes of the haematological acute radiation syndrome (H-ARS) only. Before making any medical decisions based on H-Module results, clinicians specialized in hemato-oncology and experienced in H-ARS should be consulted.
The Threat
During radiological (e.g. terrorist attack) or nuclear events (e.g. nuclear power plant accidents or use of an improvised nuclear device) subjects will be exposed to ionizing radiation. With a delay of days or weeks after radiation, injured patients will become very sick, requiring an early hospitalization and intensive care in order to survive.
The Aim
Physicians require rapid guidance for early and high-throughput diagnosis and therapeutic interventions of the H-ARS. Within the first three days after exposure and prior to the onset of the disease manifestation this App allows to:
(1) Identify the worried well (H0) to avoid misdirection of limited clinical resources,
(2) identify individuals, who will require hospitalization and if applicable intensive care (H2-4 H-ARS),
(3) Identify exposed individuals, who will develop a severe/lethal degree of the hematopoietic syndrome (H3-4 H-ARS).
Depending on the changes in blood cell counts, no precise allocation to a certain H-ARS severity category can be provided. In this case, a severity range will be shown and associated likelihoods of the prediction (given as positive and negative predictive values) calculated.
The Tool
We focused on groups of clinical significance and used logistic regression analysis to achieve a discrimination between these groups during the first three days after exposure:
1. H0 vs H1-4, identification of unexposed individuals (H0)
2 .H0-1 vs H2-4, identification of individuals requiring hospitalization (H2-4)
3 .H0-2 vs H3-4, identification of individuals who will develop a severe/lethal degree of the H-ARS (H3-4).
For each of these group comparisons we examined how well changes in lymphocytes, granulocytes and thrombocytes contributed to their discrimination and build corresponding mathematical models for each day.
For days 2 and 3 we examined which blood cell counts from that same day or which combination of blood cell counts from previous days (sequential diagnosis) might provide the best model for discriminating the three binary categories examined (table 1).
Depending on the day and the binary category one out of these 21 models will be activated by the App.
Diagnostic and therapeutic recommendations from these models are finally aggregated following an algorithm as stated elsewhere (Majewski et al. 2020). The likelihood (positive or negative predictive value) in favor of the higher or lower binary category are reflected in percent.
Що нового
Версія 1.4.1
Renamed Sick Calculation and Web version to Single and Multiple Patient input
Приватність програми
Розробник (Marco Rozgic) зазначив, що до процедур забезпечення приватності програми може входити обробка даних, як це описано нижче. Докладніші відомості наведено на сторінці політики приватності розробника.
Дані не збираються
Розробник не збирає жодних даних із цієї програми.
Процедури роботи з конфіденційною інформацією можуть відрізнятися з урахуванням, наприклад, вашого віку або функцій, якими ви користуєтеся. Докладніше
Інформація
- Постачальник
- Marco Rozgic
- Розмір
- 37,3 МБ
- Категорія
- Медицина
- Сумісність
-
- iPhone
- Потрібна iOS 16.0 чи новішої версії.
- iPad
- Потрібна iPadOS 16.0 чи новішої версії.
- Mac
- Потрібні macOS 13.0 або новішої версії та Mac із чіпом Apple M1 або новішої версії.
- Apple Vision
- Потрібна visionOS 1.0 чи новішої версії.
- Мови
- Вікова категорія
- 17+ Часті/надмірні сцени медичної/лікувальної тематики
- Copyright
- © 2021 BIR
- Ціна
- Безкоштовно