<?xml version="1.0"?>
<oembed><version>1.0</version><provider_name>DARE Foundation</provider_name><provider_url>https://www.fondazionedare.it/en</provider_url><title>DARE Spoke 3 - Work Packages - Fondazione DARE</title><type>rich</type><width>600</width><height>338</height><html>&lt;blockquote class="wp-embedded-content" data-secret="bhvfvrqQSc"&gt;&lt;a href="https://www.fondazionedare.it/en/dare-sp3-work-packages/"&gt;DARE Spoke 3 &#x2013; Work Packages&lt;/a&gt;&lt;/blockquote&gt;&lt;iframe sandbox="allow-scripts" security="restricted" src="https://www.fondazionedare.it/en/dare-sp3-work-packages/embed/#?secret=bhvfvrqQSc" width="600" height="338" title="&#x201C;DARE Spoke 3 &#x2013; Work Packages&#x201D; &#x2014; Fondazione DARE" data-secret="bhvfvrqQSc" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"&gt;&lt;/iframe&gt;&lt;script&gt;
/*! This file is auto-generated */
!function(d,l){"use strict";l.querySelector&amp;&amp;d.addEventListener&amp;&amp;"undefined"!=typeof URL&amp;&amp;(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&amp;&amp;!/[^a-zA-Z0-9]/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),o=l.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),c=new RegExp("^https?:$","i"),i=0;i&lt;o.length;i++)o[i].style.display="none";for(i=0;i&lt;a.length;i++)s=a[i],e.source===s.contentWindow&amp;&amp;(s.removeAttribute("style"),"height"===t.message?(1e3&lt;(r=parseInt(t.value,10))?r=1e3:~~r&lt;200&amp;&amp;(r=200),s.height=r):"link"===t.message&amp;&amp;(r=new URL(s.getAttribute("src")),n=new URL(t.value),c.test(n.protocol))&amp;&amp;n.host===r.host&amp;&amp;l.activeElement===s&amp;&amp;(d.top.location.href=t.value))}},d.addEventListener("message",d.wp.receiveEmbedMessage,!1),l.addEventListener("DOMContentLoaded",function(){for(var e,t,s=l.querySelectorAll("iframe.wp-embedded-content"),r=0;r&lt;s.length;r++)(t=(e=s[r]).getAttribute("data-secret"))||(t=Math.random().toString(36).substring(2,12),e.src+="#?secret="+t,e.setAttribute("data-secret",t)),e.contentWindow.postMessage({message:"ready",secret:t},"*")},!1)))}(window,document);
//# sourceURL=https://www.fondazionedare.it/wp-includes/js/wp-embed.min.js
&lt;/script&gt;</html><description>Spoke 3 &#x2013; DARE Work Packages SPOKE 3 WP1 Evidenze, Indicatori di Outcome e Coinvolgimento degli Stakeholder WP1 LEADER: UNIPD PARTNERS: UNIBA, UNIROMA2, IOR, ASL BA, AOUP, BI-REX OBIETTIVI DEL WP Lo scopo &#xE8; coordinare l&#x2019;implementazione dei piloti, raccogliere evidenze e indicatori di processo, promuovere approcci partecipativi e aumentare la consapevolezza. I compiti sono speculari e si coordineranno con le attivit&#xE0; svolte nel WP1 &#x2013; spoke 1. TASK SPOKE 3 WP1 &#x25BC; Task 1.1 &#x25BC; Raccolta dei requisiti tecnologici, legali e organizzativi. Task 1.2 &#x25BC; Raccolta di evidenze e indicatori all&#x2019;interno dei piloti. Task 1.3 &#x25BC; Identificazione e networking degli stakeholder locali: costruzione di una piattaforma di stakeholder. Task 1.4&#x25BC; Coinvolgimento degli end-user e degli stakeholder all&#x2019;interno dei piloti. Task 1.5&#x25BC; Comunicazione e disseminazione. Elenco dei Deliverable &#x25BC; D1.1: Lista di indicatori di processo e outcome, M6 D1.2: Identificazione e consultazione di stakeholder locali e utenti finali, M36 D1.3: Piano di comunicazione e disseminazione per lo Spoke 3, M12 D1.4: Sintesi delle evidenze nello Spoke 3, M44 WP2 Personalizzazione e Strumenti di Stratificazione del Rischio WP2 LEADER: IOR PARTNERS: UNIPR, UNIROMA2, PTV, MCHGVM OBIETTIVI DEL WP L&#x2019;obiettivo &#xE8; fornire modelli digitali del corpo umano. Modelli meccanicistici come i Digital Twins saranno applicati come moderni trial In-Silico per sostituire sperimentazioni In-Vitro, su animali e umane nella valutazione di sicurezza ed efficacia di nuovi trattamenti. TASK SPOKE 3 WP2 &#x25BC; Task 2.1 &#x2013; Tecnologia Digital Twin per monitorare il rischio di fratture ossee da fragilit&#xE0; nei pazienti osteoporotici &#x25BC; Sviluppo e validazione di previsioni del rischio di fratture ossee negli anziani fragili utilizzando la Tomografia Computerizzata Biomeccanica di Bologna (BBCT), una tecnologia digital twin che stima in modo non invasivo la resistenza biomeccanica di qualsiasi regione dello scheletro partendo da TC calibrata. Task 2.2 &#x2013; Previsione dei rischi di osteoartrite e fallimento delle protesi articolari&#x25BC; Si prevede di combinare la tecnologia digital twin con l&#x2019;analisi della forza muscolare per esplorare come peso corporeo, condizionamento muscolare e controllo neuromuscolare possano contribuire al rischio di sovraccarico articolare, fattore principale nella progressione dell&#x2019;osteoartrite e nel fallimento di molte protesi articolari. Task 2.3 &#x2013; Modelli funzionali personalizzati per la pianificazione pre-operatoria di osteotomia tibiale alta&#x25BC; La pianificazione computerizzata completa dell&#x2019;Osteotomia Tibiale Alta &#xE8; possibile tramite la modellazione articolare del ginocchio artritico; per ottenere un miglior risultato in questo intervento chirurgico, capace di rallentare la progressione dell&#x2019;osteoartrite del compartimento mediale e ritardare la sostituzione articolare. Task 2.4 &#x2013; Previsione del rischio di frattura ossea in pazienti con carcinoma metastatico&#x25BC; I pazienti con carcinoma sono ad alto rischio di frattura ossea. Questo rischio pu&#xF2; essere stratificato attraverso analisi retrospettive di serie di immagini radiografiche, TC e MRI. Task 2.5 &#x2013; Radiomica cardiovascolare per stratificare i rischi di eventi avversi post-operatori&#x25BC; Costruzione di un set di caratteristiche basate su radiomica da TC e RM per predire complicanze e eventi avversi post-operatori dopo chirurgia endovascolare. Task 2.6 &#x2013; Rischi di disturbi del sonno in pazienti anziani sarcopenici e fisicamente fragili&#x25BC; Correlazioni tra strumenti tradizionali di screening e valutazioni neuropsicologiche della funzione cognitivo-motoria usando brain CT e MRI possono rivelare e predire disturbi del sonno. Task 2.7 &#x2013; Modelli fisiologici per la neuroriabilitazione&#x25BC; Si prevede di sviluppare protocolli personalizzati per la neuroriabilitazione in bambini con paralisi cerebrale basati su analisi psicofisiche, cinematiche, cinetiche ed elettromiografiche non invasive. Questi saranno sfruttati anche in individui con diabete di tipo 2 e anziani a rischio di cadute. Elenco dei Deliverable &#x25BC; D2.1: Concetto e design rilevante dei modelli, M12 D2.2: Valutazione preliminare e validazione dei modelli, M26 D2.3: Rapporto finale sui piloti del WP2, M48 WP3 Strumenti Digitali per lo Screening e la Diagnosi Precoce WP3 LEADER: UNIROMA2 PARTNERS: UNIBA, UNIPR, UNIPD, IOR, IRCCS AOU BO, FPG, IRCCS GPII BA, ASL BA, PTV, EXP OBIETTIVI DEL WP L&#x2019;obiettivo &#xE8; testare l&#x2019;efficacia dell&#x2019;IA nel predire il rischio di complicazioni e l&#x2019;efficacia dei trattamenti in varie malattie non trasmissibili e trasmissibili, in diverse fasce di et&#xE0;. TASK SPOKE 3 WP3 &#x25BC; Task 3.1 &#x2013; Strumenti digitali per bambini e soggetti anziani fragili &#x25BC; Data mining, intelligenza artificiale e machine learning per predire il rischio di infezioni e eventi acuti cardiovascolari in a) &#x201C;anziani fragili frequenti utenti&#x201D; del Pronto Soccorso, e b) per stratificare la risposta alle vaccinazioni. Task 3.2 &#x2013; Strumenti digitali nel cancro &#x25BC; Data mining, IA e machine learning per identificare subnetworks nel cancro associate a predizione precoce, sopravvivenza, metastasi o fenotipi nei sottotipi di cancro, focalizzandosi su a) colon, b) polmone, c) mieloma, e d) predizioni IA. Task 3.3 &#x2013; Strumenti digitali nelle malattie cardiometaboliche&#x25BC; Modelli predittivi basati su omiche, punteggi clinici e reclami amministrativi elettronici saranno applicati per sottocompiti quali a) complicanze diabetiche; b) Malattia del fegato grasso non alcolica (NAFLD). Task 3.4 &#x2013; Strumenti digitali nei disturbi psichiatrici e cognitivi&#x25BC; Approcci di data mining, IA e machine learning per focalizzarsi su a) identificare soggetti a rischio di conversione da condizioni precliniche a psicosi; b) fattori che influenzano la progressione a disabilit&#xE0; intellettiva in sindromi genetiche usando la Sindrome di Down come modello. Elenco dei Deliverable &#x25BC; D3.1: Acquisizione e standardizzazione dei dati, M15 D3.2: Rapporto sulla validazione preliminare degli strumenti, M30 D3.3: Validazione clinica, M48 WP4 Scoperta di Biomarcatori Digitali WP4 LEADER: UNIBA PARTNERS: UNIPD, UNIROMA2, IOR, IRCCS AOU BO, IRCCS GPII BA, PTV, IRCCS ISNB, EXP, MCHGVM OBIETTIVI DEL WP Questo WP mira a identificare nuovi biomarcatori per la diagnosi precoce di condizioni patologiche usando tecnologie innovative, multimodali e personalizzate su larga scala per pazienti con patologie oncologiche, diabete, disturbi neurodegenerativi e Sindrome di Down. TASK SPOKE 3 WP4 &#x25BC; Task 4.1 &#x2013; Misurazioni di mobilit&#xE0; e deformit&#xE0; come biomarcatori per trattamenti ortopedici&#x25BC; Questo task si concentra sulla valutazione, validazione e classificazione di strumenti e tool per il monitoraggio e il tracking della mobilit&#xE0; e deformit&#xE0; di articolazioni e segmenti umani. Protesi e ortesi personalizzate innovative saranno progettate e testate sui pazienti. Task 4.2 &#x2013; Caratteristiche biomeccaniche per rilevare complicanze del piede diabetico&#x25BC; Questo task mira a prevenire le complicanze del piede diabetico tramite analisi biomeccaniche all&#x2019;avanguardia basate su</description><thumbnail_url>https://www.fondazionedare.it/wp-content/uploads/2024/06/image_4-2.webp</thumbnail_url><thumbnail_width>906</thumbnail_width><thumbnail_height>412</thumbnail_height></oembed>
