Titre : Loi de Poisson

Loi de Poisson : Questions médicales fréquentes

Termes MeSH sélectionnés :

Workflow

Questions fréquentes et termes MeSH associés

Diagnostic 5

#1

Comment identifier une distribution de Poisson ?

On vérifie si les événements sont rares et indépendants, et on utilise des tests statistiques.
Distribution de Poisson Statistiques
#2

Quels outils statistiques sont utilisés ?

Les tests de chi carré et les tests de Poisson sont couramment utilisés pour l'analyse.
Tests statistiques Analyse de données
#3

Quand utiliser la loi de Poisson ?

Elle est utilisée pour modéliser des événements rares comme les accidents ou les maladies.
Événements rares Modélisation statistique
#4

Quels sont les critères d'application ?

Les événements doivent être indépendants et se produire à un taux constant dans le temps.
Indépendance Taux d'événements
#5

Comment vérifier l'adéquation du modèle ?

On compare les données observées avec les données attendues par le modèle de Poisson.
Modèle statistique Analyse de variance

Symptômes 5

#1

Quels symptômes modélise-t-on avec la loi de Poisson ?

On modélise des événements comme des cas de maladies ou des accidents dans un intervalle donné.
Symptômes Événements de santé
#2

La loi de Poisson peut-elle prédire des épidémies ?

Oui, elle peut estimer le nombre de cas d'une maladie dans un temps donné, comme une épidémie.
Épidémies Prévision
#3

Quels événements sont souvent analysés ?

Les événements comme les admissions à l'hôpital ou les infections nosocomiales sont analysés.
Admissions hospitalières Infections nosocomiales
#4

Peut-on modéliser des décès avec cette loi ?

Oui, la loi de Poisson est utilisée pour modéliser le nombre de décès dans une population sur une période.
Décès Démographie
#5

Quels types de maladies sont concernés ?

Des maladies infectieuses, des accidents et des maladies chroniques peuvent être modélisées.
Maladies infectieuses Accidents

Prévention 5

#1

Comment la loi de Poisson aide-t-elle à la prévention ?

Elle permet d'estimer le risque d'événements indésirables et d'orienter les stratégies de prévention.
Prévention Risque
#2

Peut-on prédire des épidémies avec cette loi ?

Oui, elle aide à prédire le nombre de cas d'épidémies et à planifier des interventions préventives.
Prédiction d'épidémies Interventions préventives
#3

Quels événements préventifs sont modélisés ?

On modélise des événements comme les vaccinations et les campagnes de sensibilisation.
Vaccination Sensibilisation
#4

Comment évaluer l'impact des campagnes ?

On utilise la loi de Poisson pour analyser le nombre de cas avant et après les campagnes de prévention.
Impact des campagnes Analyse comparative
#5

Quels facteurs influencent la prévention ?

Les facteurs comme le taux de vaccination et l'accès aux soins influencent les résultats préventifs.
Taux de vaccination Accès aux soins

Traitements 5

#1

Comment la loi de Poisson aide-t-elle en traitement ?

Elle permet d'évaluer l'efficacité des traitements en analysant le nombre d'événements indésirables.
Efficacité des traitements Événements indésirables
#2

Peut-on ajuster les traitements avec cette loi ?

Oui, les données de Poisson aident à ajuster les traitements en fonction des résultats observés.
Ajustement thérapeutique Résultats cliniques
#3

Comment évaluer les effets secondaires ?

On utilise la loi de Poisson pour modéliser le nombre d'effets secondaires dans des essais cliniques.
Effets secondaires Essais cliniques
#4

La loi de Poisson influence-t-elle la recherche ?

Oui, elle guide la recherche sur l'impact des traitements en analysant les événements rares.
Recherche médicale Impact des traitements
#5

Quels traitements sont souvent analysés ?

Les traitements pour les maladies infectieuses et les interventions chirurgicales sont souvent analysés.
Maladies infectieuses Interventions chirurgicales

Complications 5

#1

Quelles complications peuvent être modélisées ?

On peut modéliser des complications comme les infections post-opératoires ou les effets secondaires.
Complications Infections post-opératoires
#2

Comment la loi de Poisson aide-t-elle à comprendre les complications ?

Elle permet d'analyser la fréquence des complications et d'identifier des facteurs de risque.
Analyse de fréquence Facteurs de risque
#3

Peut-on prédire des complications avec cette loi ?

Oui, elle aide à prédire le nombre de complications dans des populations spécifiques après un traitement.
Prédiction Population spécifique
#4

Quels types de complications sont souvent étudiés ?

Les complications chirurgicales et les effets indésirables des médicaments sont souvent étudiés.
Complications chirurgicales Effets indésirables
#5

Comment réduire les complications ?

On utilise les données de Poisson pour identifier les risques et améliorer les protocoles de soins.
Réduction des risques Protocoles de soins

Facteurs de risque 5

#1

Quels facteurs influencent la loi de Poisson ?

Les facteurs comme l'âge, le sexe et les antécédents médicaux influencent les événements modélisés.
Facteurs de risque Antécédents médicaux
#2

Comment identifier les facteurs de risque ?

On analyse les données épidémiologiques pour identifier les facteurs associés à des événements rares.
Épidémiologie Analyse de données
#3

Les comportements influencent-ils les résultats ?

Oui, des comportements comme le tabagisme ou l'alimentation peuvent augmenter les risques d'événements.
Comportements de santé Tabagisme
#4

Quels facteurs environnementaux sont considérés ?

Des facteurs comme la pollution et l'accès aux soins de santé sont pris en compte dans l'analyse.
Pollution Accès aux soins
#5

Comment les facteurs de risque sont-ils utilisés ?

Ils sont utilisés pour orienter les politiques de santé publique et les stratégies de prévention.
Politiques de santé Stratégies de prévention
{ "@context": "https://schema.org", "@graph": [ { "@type": "MedicalWebPage", "name": "Loi de Poisson : Questions médicales les plus fréquentes", "headline": "Loi de Poisson : Comprendre les symptômes, diagnostics et traitements", "description": "Guide complet et accessible sur les Loi de Poisson : explications, diagnostics, traitements et prévention. Information médicale validée destinée aux patients.", "datePublished": "2024-04-05", "dateModified": "2025-03-31", "inLanguage": "fr", "medicalAudience": [ { "@type": "MedicalAudience", "name": "Grand public", "audienceType": "Patient", "healthCondition": { "@type": "MedicalCondition", "name": "Loi de Poisson" }, "suggestedMinAge": 18, "suggestedGender": "unisex" }, { "@type": "MedicalAudience", "name": "Médecins", "audienceType": "Physician", "geographicArea": { "@type": "AdministrativeArea", "name": "France" } }, { "@type": "MedicalAudience", "name": "Chercheurs", "audienceType": "Researcher", "geographicArea": { "@type": "AdministrativeArea", "name": "International" } } ], "reviewedBy": { "@type": "Person", "name": "Dr Olivier Menir", "jobTitle": "Expert en Médecine", "description": "Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale", "url": "/static/pages/docteur-olivier-menir.html", "alumniOf": { "@type": "EducationalOrganization", "name": "Université Paris Descartes" } }, "isPartOf": { "@type": "MedicalWebPage", "name": "Lois statistiques", "url": "https://questionsmedicales.fr/mesh/D016008", "about": { "@type": "MedicalCondition", "name": "Lois statistiques", "code": { "@type": "MedicalCode", "code": "D016008", "codingSystem": "MeSH" }, "identifier": { "@type": "PropertyValue", "propertyID": "MeSH Tree", "value": "N06.850.520.830.994" } } }, "about": { "@type": "MedicalCondition", "name": "Loi de Poisson", "alternateName": "Poisson Distribution", "code": { "@type": "MedicalCode", "code": "D016012", "codingSystem": "MeSH" } }, "author": [ { "@type": "Person", "name": "Cécile Kremer", "url": "https://questionsmedicales.fr/author/C%C3%A9cile%20Kremer", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Andrea Torneri", "url": "https://questionsmedicales.fr/author/Andrea%20Torneri", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Sien Boesmans", "url": "https://questionsmedicales.fr/author/Sien%20Boesmans", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Hanne Meuwissen", "url": "https://questionsmedicales.fr/author/Hanne%20Meuwissen", "affiliation": { "@type": "Organization", "name": "" } }, { "@type": "Person", "name": "Selina Verdonschot", "url": "https://questionsmedicales.fr/author/Selina%20Verdonschot", "affiliation": { "@type": "Organization", "name": "" } } ], "citation": [ { "@type": "ScholarlyArticle", "name": "Sapporo: A workflow execution service that encourages the reuse of workflows in various languages in bioinformatics.", "datePublished": "2024-06-24", "url": "https://questionsmedicales.fr/article/39070189", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.12688/f1000research.122924.2" } }, { "@type": "ScholarlyArticle", "name": "A Typical Workflow to Simulate Cytoskeletal Systems.", "datePublished": "2023-04-07", "url": "https://questionsmedicales.fr/article/37092845", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.3791/64125" } }, { "@type": "ScholarlyArticle", "name": "Workflow disruptions in robot-assisted surgery.", "datePublished": "2023-10-10", "url": "https://questionsmedicales.fr/article/37815757", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1007/s11701-023-01728-2" } }, { "@type": "ScholarlyArticle", "name": "ATESA: An Automated Aimless Shooting Workflow.", "datePublished": "2022-12-15", "url": "https://questionsmedicales.fr/article/36520006", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1021/acs.jctc.2c00543" } }, { "@type": "ScholarlyArticle", "name": "Communicating computational workflows in a regulatory environment.", "datePublished": "2024-01-12", "url": "https://questionsmedicales.fr/article/38219969", "identifier": { "@type": "PropertyValue", "propertyID": "DOI", "value": "10.1016/j.drudis.2024.103884" } } ], "breadcrumb": { "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "questionsmedicales.fr", "item": "https://questionsmedicales.fr" }, { "@type": "ListItem", "position": 2, "name": "Environnement et santé publique", "item": "https://questionsmedicales.fr/mesh/D004778" }, { "@type": "ListItem", "position": 3, "name": "Santé publique", "item": "https://questionsmedicales.fr/mesh/D011634" }, { "@type": "ListItem", "position": 4, "name": "Méthodes épidémiologiques", "item": "https://questionsmedicales.fr/mesh/D004812" }, { "@type": "ListItem", "position": 5, "name": "Statistiques comme sujet", "item": "https://questionsmedicales.fr/mesh/D013223" }, { "@type": "ListItem", "position": 6, "name": "Lois statistiques", "item": "https://questionsmedicales.fr/mesh/D016008" }, { "@type": "ListItem", "position": 7, "name": "Loi de Poisson", "item": "https://questionsmedicales.fr/mesh/D016012" } ] } }, { "@type": "MedicalWebPage", "name": "Article complet : Loi de Poisson - Questions et réponses", "headline": "Questions et réponses médicales fréquentes sur Loi de Poisson", "description": "Une compilation de questions et réponses structurées, validées par des experts médicaux.", "datePublished": "2025-05-04", "inLanguage": "fr", "hasPart": [ { "@type": "MedicalWebPage", "name": "Diagnostic", "headline": "Diagnostic sur Loi de Poisson", "description": "Comment identifier une distribution de Poisson ?\nQuels outils statistiques sont utilisés ?\nQuand utiliser la loi de Poisson ?\nQuels sont les critères d'application ?\nComment vérifier l'adéquation du modèle ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Workflow#section-diagnostic" }, { "@type": "MedicalWebPage", "name": "Symptômes", "headline": "Symptômes sur Loi de Poisson", "description": "Quels symptômes modélise-t-on avec la loi de Poisson ?\nLa loi de Poisson peut-elle prédire des épidémies ?\nQuels événements sont souvent analysés ?\nPeut-on modéliser des décès avec cette loi ?\nQuels types de maladies sont concernés ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Workflow#section-symptômes" }, { "@type": "MedicalWebPage", "name": "Prévention", "headline": "Prévention sur Loi de Poisson", "description": "Comment la loi de Poisson aide-t-elle à la prévention ?\nPeut-on prédire des épidémies avec cette loi ?\nQuels événements préventifs sont modélisés ?\nComment évaluer l'impact des campagnes ?\nQuels facteurs influencent la prévention ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Workflow#section-prévention" }, { "@type": "MedicalWebPage", "name": "Traitements", "headline": "Traitements sur Loi de Poisson", "description": "Comment la loi de Poisson aide-t-elle en traitement ?\nPeut-on ajuster les traitements avec cette loi ?\nComment évaluer les effets secondaires ?\nLa loi de Poisson influence-t-elle la recherche ?\nQuels traitements sont souvent analysés ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Workflow#section-traitements" }, { "@type": "MedicalWebPage", "name": "Complications", "headline": "Complications sur Loi de Poisson", "description": "Quelles complications peuvent être modélisées ?\nComment la loi de Poisson aide-t-elle à comprendre les complications ?\nPeut-on prédire des complications avec cette loi ?\nQuels types de complications sont souvent étudiés ?\nComment réduire les complications ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Workflow#section-complications" }, { "@type": "MedicalWebPage", "name": "Facteurs de risque", "headline": "Facteurs de risque sur Loi de Poisson", "description": "Quels facteurs influencent la loi de Poisson ?\nComment identifier les facteurs de risque ?\nLes comportements influencent-ils les résultats ?\nQuels facteurs environnementaux sont considérés ?\nComment les facteurs de risque sont-ils utilisés ?", "url": "https://questionsmedicales.fr/mesh/D016012?mesh_terms=Workflow#section-facteurs de risque" } ] }, { "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Comment identifier une distribution de Poisson ?", "position": 1, "acceptedAnswer": { "@type": "Answer", "text": "On vérifie si les événements sont rares et indépendants, et on utilise des tests statistiques." } }, { "@type": "Question", "name": "Quels outils statistiques sont utilisés ?", "position": 2, "acceptedAnswer": { "@type": "Answer", "text": "Les tests de chi carré et les tests de Poisson sont couramment utilisés pour l'analyse." } }, { "@type": "Question", "name": "Quand utiliser la loi de Poisson ?", "position": 3, "acceptedAnswer": { "@type": "Answer", "text": "Elle est utilisée pour modéliser des événements rares comme les accidents ou les maladies." } }, { "@type": "Question", "name": "Quels sont les critères d'application ?", "position": 4, "acceptedAnswer": { "@type": "Answer", "text": "Les événements doivent être indépendants et se produire à un taux constant dans le temps." } }, { "@type": "Question", "name": "Comment vérifier l'adéquation du modèle ?", "position": 5, "acceptedAnswer": { "@type": "Answer", "text": "On compare les données observées avec les données attendues par le modèle de Poisson." } }, { "@type": "Question", "name": "Quels symptômes modélise-t-on avec la loi de Poisson ?", "position": 6, "acceptedAnswer": { "@type": "Answer", "text": "On modélise des événements comme des cas de maladies ou des accidents dans un intervalle donné." } }, { "@type": "Question", "name": "La loi de Poisson peut-elle prédire des épidémies ?", "position": 7, "acceptedAnswer": { "@type": "Answer", "text": "Oui, elle peut estimer le nombre de cas d'une maladie dans un temps donné, comme une épidémie." } }, { "@type": "Question", "name": "Quels événements sont souvent analysés ?", "position": 8, "acceptedAnswer": { "@type": "Answer", "text": "Les événements comme les admissions à l'hôpital ou les infections nosocomiales sont analysés." } }, { "@type": "Question", "name": "Peut-on modéliser des décès avec cette loi ?", "position": 9, "acceptedAnswer": { "@type": "Answer", "text": "Oui, la loi de Poisson est utilisée pour modéliser le nombre de décès dans une population sur une période." } }, { "@type": "Question", "name": "Quels types de maladies sont concernés ?", "position": 10, "acceptedAnswer": { "@type": "Answer", "text": "Des maladies infectieuses, des accidents et des maladies chroniques peuvent être modélisées." } }, { "@type": "Question", "name": "Comment la loi de Poisson aide-t-elle à la prévention ?", "position": 11, "acceptedAnswer": { "@type": "Answer", "text": "Elle permet d'estimer le risque d'événements indésirables et d'orienter les stratégies de prévention." } }, { "@type": "Question", "name": "Peut-on prédire des épidémies avec cette loi ?", "position": 12, "acceptedAnswer": { "@type": "Answer", "text": "Oui, elle aide à prédire le nombre de cas d'épidémies et à planifier des interventions préventives." } }, { "@type": "Question", "name": "Quels événements préventifs sont modélisés ?", "position": 13, "acceptedAnswer": { "@type": "Answer", "text": "On modélise des événements comme les vaccinations et les campagnes de sensibilisation." } }, { "@type": "Question", "name": "Comment évaluer l'impact des campagnes ?", "position": 14, "acceptedAnswer": { "@type": "Answer", "text": "On utilise la loi de Poisson pour analyser le nombre de cas avant et après les campagnes de prévention." } }, { "@type": "Question", "name": "Quels facteurs influencent la prévention ?", "position": 15, "acceptedAnswer": { "@type": "Answer", "text": "Les facteurs comme le taux de vaccination et l'accès aux soins influencent les résultats préventifs." } }, { "@type": "Question", "name": "Comment la loi de Poisson aide-t-elle en traitement ?", "position": 16, "acceptedAnswer": { "@type": "Answer", "text": "Elle permet d'évaluer l'efficacité des traitements en analysant le nombre d'événements indésirables." } }, { "@type": "Question", "name": "Peut-on ajuster les traitements avec cette loi ?", "position": 17, "acceptedAnswer": { "@type": "Answer", "text": "Oui, les données de Poisson aident à ajuster les traitements en fonction des résultats observés." } }, { "@type": "Question", "name": "Comment évaluer les effets secondaires ?", "position": 18, "acceptedAnswer": { "@type": "Answer", "text": "On utilise la loi de Poisson pour modéliser le nombre d'effets secondaires dans des essais cliniques." } }, { "@type": "Question", "name": "La loi de Poisson influence-t-elle la recherche ?", "position": 19, "acceptedAnswer": { "@type": "Answer", "text": "Oui, elle guide la recherche sur l'impact des traitements en analysant les événements rares." } }, { "@type": "Question", "name": "Quels traitements sont souvent analysés ?", "position": 20, "acceptedAnswer": { "@type": "Answer", "text": "Les traitements pour les maladies infectieuses et les interventions chirurgicales sont souvent analysés." } }, { "@type": "Question", "name": "Quelles complications peuvent être modélisées ?", "position": 21, "acceptedAnswer": { "@type": "Answer", "text": "On peut modéliser des complications comme les infections post-opératoires ou les effets secondaires." } }, { "@type": "Question", "name": "Comment la loi de Poisson aide-t-elle à comprendre les complications ?", "position": 22, "acceptedAnswer": { "@type": "Answer", "text": "Elle permet d'analyser la fréquence des complications et d'identifier des facteurs de risque." } }, { "@type": "Question", "name": "Peut-on prédire des complications avec cette loi ?", "position": 23, "acceptedAnswer": { "@type": "Answer", "text": "Oui, elle aide à prédire le nombre de complications dans des populations spécifiques après un traitement." } }, { "@type": "Question", "name": "Quels types de complications sont souvent étudiés ?", "position": 24, "acceptedAnswer": { "@type": "Answer", "text": "Les complications chirurgicales et les effets indésirables des médicaments sont souvent étudiés." } }, { "@type": "Question", "name": "Comment réduire les complications ?", "position": 25, "acceptedAnswer": { "@type": "Answer", "text": "On utilise les données de Poisson pour identifier les risques et améliorer les protocoles de soins." } }, { "@type": "Question", "name": "Quels facteurs influencent la loi de Poisson ?", "position": 26, "acceptedAnswer": { "@type": "Answer", "text": "Les facteurs comme l'âge, le sexe et les antécédents médicaux influencent les événements modélisés." } }, { "@type": "Question", "name": "Comment identifier les facteurs de risque ?", "position": 27, "acceptedAnswer": { "@type": "Answer", "text": "On analyse les données épidémiologiques pour identifier les facteurs associés à des événements rares." } }, { "@type": "Question", "name": "Les comportements influencent-ils les résultats ?", "position": 28, "acceptedAnswer": { "@type": "Answer", "text": "Oui, des comportements comme le tabagisme ou l'alimentation peuvent augmenter les risques d'événements." } }, { "@type": "Question", "name": "Quels facteurs environnementaux sont considérés ?", "position": 29, "acceptedAnswer": { "@type": "Answer", "text": "Des facteurs comme la pollution et l'accès aux soins de santé sont pris en compte dans l'analyse." } }, { "@type": "Question", "name": "Comment les facteurs de risque sont-ils utilisés ?", "position": 30, "acceptedAnswer": { "@type": "Answer", "text": "Ils sont utilisés pour orienter les politiques de santé publique et les stratégies de prévention." } } ] } ] }
Dr Olivier Menir

Contenu validé par Dr Olivier Menir

Expert en Médecine, Optimisation des Parcours de Soins et Révision Médicale


Validation scientifique effectuée le 31/03/2025

Contenu vérifié selon les dernières recommandations médicales

Auteurs principaux

Cécile Kremer

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Andrea Torneri

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Sien Boesmans

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Hanne Meuwissen

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Selina Verdonschot

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Koen Vanden Driessche

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Christian L Althaus

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Christel Faes

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Niel Hens

2 publications dans cette catégorie

Publications dans "Loi de Poisson" :

Tong Kang

2 publications dans cette catégorie

Affiliations :
  • Department of Biostatistics, University of Florida, Gainesville, Florida, USA.

Somnath Datta

2 publications dans cette catégorie

Affiliations :
  • Department of Biostatistics, University of Florida, Gainesville, Florida, USA.

Muhammad Ahsan-Ul-Haq

2 publications dans cette catégorie

Affiliations :
  • College of Statistical and Actuarial Sciences, University of the Punjab, Lahore, Pakistan.

Takahiro Kawabe

2 publications dans cette catégorie

Affiliations :
  • Human Information Science Laboratories, NTT Communication Science Laboratories, Tokyo, Japan.
Publications dans "Loi de Poisson" :

Wan Tang

2 publications dans cette catégorie

Affiliations :
  • 4 Department of Global Biostatistics and Data Science, Tulane University School of Public Health and Tropical Medicine, New Orleans, LA, USA.
Publications dans "Loi de Poisson" :

Marcin Makowski

1 publication dans cette catégorie

Affiliations :
  • Faculty of Physics, Department of Mathematical Methods in Physics, University of Białystok, Ul. Ciołkowskiego 1L, 15-245 Białystok, Poland.
Publications dans "Loi de Poisson" :

Edward Wiktor Piotrowski

1 publication dans cette catégorie

Affiliations :
  • Faculty of Physics, Department of Mathematical Methods in Physics, University of Białystok, Ul. Ciołkowskiego 1L, 15-245 Białystok, Poland.
Publications dans "Loi de Poisson" :

H Papageorgiou

1 publication dans cette catégorie

Affiliations :
  • Department of Mathematics, National and Kapodistrian University of Athens, Athens, Greece.
Publications dans "Loi de Poisson" :

Maria Vardaki

1 publication dans cette catégorie

Affiliations :
  • School of Health Sciences, National and Kapodistrian University of Athens, Athens, Greece.
Publications dans "Loi de Poisson" :

Huiqing Gao

1 publication dans cette catégorie

Affiliations :
  • School of Mathematics and Statistic, Qinghai Normal University, Xining 810008, China.
Publications dans "Loi de Poisson" :

Zhanshou Chen

1 publication dans cette catégorie

Affiliations :
  • School of Mathematics and Statistic, Qinghai Normal University, Xining 810008, China.
  • The State Key Laboratory of Tibetan Intelligent Information Processing and Application, Xining 810008, China.
Publications dans "Loi de Poisson" :

Sources (1769 au total)

Using body cameras to quantify the duration of a Code Stroke and identify workflow issues: a continuous observation workflow time study.

'Code Stroke' (Code) is used in health services to streamline hyperacute assessment and treatment delivery for patients with ischaemic stroke. However, there are few studies that detail the time spent... Continuous observation workflow time study.... Recordings of 100 Codes were performed at a high-volume primary stroke centre in Melbourne, Australia, between January and June 2020 using a body camera worn by a member of the stroke team.... The main measures included the overall duration of Codes and the individual processes within the Code workflow. Associations between variables of interest and process times were explored using linear ... 100 Codes were captured, representing 19.2% of all Codes over the 6 months. The median duration of a complete Code was 54.2 min (IQR 39.1-74.7). Administrative work performed after treatment is comple... Codes are time intensive. Time spent on decision-making was a relatively small component of the overall Code duration. Data from body cameras can provide granular data on all aspects of Code workflow ...

Accelerating genomic workflows using NVIDIA Parabricks.

As genome sequencing becomes better integrated into scientific research, government policy, and personalized medicine, the primary challenge for researchers is shifting from generating raw data to ana... We achieved up to 65 × acceleration with germline variant callers, bringing HaplotypeCaller runtimes down from 36 h to 33 min on AWS, 35 min on GCP, and 24 min on the NVIDIA DGX. Somatic callers exhib... Germline variant callers scaled well with the number of GPUs across platforms, whereas somatic variant callers exhibited more variation in the number of GPUs with the fastest runtimes, suggesting that...

Open-source MR imaging and reconstruction workflow.

This work presents an end-to-end open-source MR imaging workflow. It is highly flexible in rapid prototyping across the whole imaging process and integrates vendor-independent openly available tools. ... MRI sequences can be designed in Python or JEMRIS using the Pulseq framework, allowing simplified integration of new sequence design tools. During the sequence design process, acquisition metadata req... The flexibility of the workflow is demonstrated with different examples, containing 3D parallel imaging with controlled aliasing in volumetric parallel imaging (CAIPIRINHA) acceleration, spiral imagin... The proposed workflow is highly flexible and allows integration of advanced tools at all stages of the imaging process. All parts of this workflow are open-source, simplifying collaboration across dif...