Monitoring ist ein Prozess der kontinuierlichen Datenerfassung und Echtzeitanalyse. Es kann die Beurteilung des aktuellen Zustands, die Optimierung von Geschäftsprozessen, die Erkennung kritischer Situationen und neuer Möglichkeiten verbessern und bei Entscheidungsfindung und Planung helfen. Traditionelles Gesundheitsmonitoring und entsprechende Dienstleistungen werden in der Regel in Krankenhäusern oder medizinischen Zentren angeboten. Die Messung der Vitalparameter von Patienten erfolgt dabei mit herkömmlichen Messmethoden. Dies ist kostspielig, ineffizient und für Patienten, die regelmäßige Kontrollen benötigen, unbequem. Daher werden relevante Probleme des Gesundheitsmonitorings behandelt. Diese Arbeit untersucht ein Ambient Intelligence (AmI)-gestütztes Gesundheitsmonitoringmodell. Der Datensatz wurde durch Simulation tragbarer Sensoren von Patienten aus der Umgebung der Baraha Medical City in Shambat, Nord-Khartum, Sudan, erstellt. In diesem Zusammenhang haben wir ein vorgeschlagenes integriertes AmI-Gesundheitsmonitoring-Architektur-Framework definiert und entwickelt. Die Forschung folgte einem wissenschaftlich-wissenschaftlichen Forschungsansatz und nutzte spezifische Methoden, darunter Literaturrecherche, qualitative Datenanalyse und Data-Mining-Techniken (DM).

Autorentext
Dr. Abdelhamid Salih arbeitet im Bereich Gesundheitsmonitoring mithilfe von Ambient Intelligence, Data Mining und Computational Intelligence. Dr. Ajith Abraham forscht im Bereich der maschinellen Intelligenz und hat zahlreiche Publikationen veröffentlicht. Er ist Leiter des Machine Intelligence Research Labs (MIR Labs).