@phdthesis{Lenard2023,
  author    = {Lenard, Chris},
  title     = {Ans{\"a}tze zur informatik-gest{\"u}tzten Vorherbestimmung der Behandlungszeit anhand von Befundungsdaten bei Kontroll- und Schmerzf{\"a}llen in der Zahnarztpraxis},
  doi       = {10.25972/OPUS-32034},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-320348},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {Diese retrospektive Studie untersuchte Patientenakten des elektronischen Karteikartensystems einer privaten Zahnarztpraxis von Patienten, welche zur Kontrolluntersuchung oder wegen Schmerzen vorstellig waren. Ziel der Studie war das Entwickeln von Methoden zur Vorhersage der Behandlungszeit f{\"u}r zuk{\"u}nftige Termine anhand verschiedener Patienteninformationen. Mittels statistischer deskriptiver Auswertung wurden die erfassten Daten untersucht und Korrelationen in Hinblick auf die Behandlungsdauer zwischen den verschiedenen Attributen hergestellt. Es wurden verschiedene Methoden zur Vorherbestimmung der Behandlungsdauer aufgestellt und auf ihr Optimierungspotential getestet. Die Methode mit dem h{\"o}chsten Optimierungswert war ein Ansatz maschinellen Lernens. Der entworfene Algorithmus berechnete Behandlungszeiten der Testgruppe anhand eines Neuronalen Netzes, welches durch Trainieren mit den Daten der Untersuchungsgruppe erstellt wurde.},
  subject      = {Maschinelles Lernen},
  language  = {de}
}