模块-2
系统建模项目
社会照护服务的匮乏是医院面临压力的一个重要因素。本项目将构建患者从急性期出院准备阶段到长期居家护理和入住养老院的流程模型，旨在确定该临床路径上的最佳服务能力平衡点。.
该项目是以下部分的一部分 英国南部健康数据研究合作组织.
带领： 理查德·伍德
抗菌素耐药性（AMR）项目
抗生素是现代医学的重要组成部分，但耐药性的日益严重和新药研发的匮乏意味着我们必须谨慎使用现有药物。临床医生往往缺乏患者抗生素使用史以及感染药物敏感性方面的信息。我们将分析布里斯托尔、北萨默塞特和南格洛斯特郡（BNSSG）系统范围内的数据集，该数据集整合了初级保健、二级保健和实验室记录，旨在根据患者的个人病史和临床特征，以及患者和人群的耐药风险，优化抗生素的选择。.
该项目是以下部分的一部分 英国南部健康数据研究合作组织.
RAPCI项目：快速获取COVID-19情报以改善全科医疗应对能力
该项目旨在了解全科诊所如何应对 COVID-19 疫情期间大幅增加的需求，以及立即转向远程咨询（书面、电话和视频），并迅速在全科诊所中分享成功的创新经验。.
该项目由英国国家健康研究所基层医疗研究学院资助。.
带领： 玛丽德·墨菲博士
了解哮喘发作和入住ICU的因素
识别出需要入住重症监护室 (ICU) 的高危哮喘患者有助于早期干预。本项目将调查入住 ICU（以及急诊室）的哮喘患者的就医模式和临床特征，并评估全科医生能否在基层医疗体系中更好地管理这些患者。.
带领： 珍妮·库珀博士
自动化机器学习识别临床路径
识别临床路径并非总是易事。本项目将研究如何利用机器学习方法从常规收集的数据中提取临床路径信息。.
带领： 珍妮·库珀博士
预测新冠肺炎疫情对精神健康护理患者体验和服务提供的影响
本项目旨在调查新冠疫情期间BNSSG地区心理健康服务可能面临的压力。研究采用离散时间模拟方法，对不同护理场所的患者流动情况进行建模。.
带领： 本·默奇
预测“未出席”情况”
这项研究旨在探究哪些属性、预约详情以及其他相关因素能够预测患者是否会按时参加预约的门诊就诊。该研究成果的应用方向之一是提供基于电话的提醒服务，鉴于模型的准确性，该服务已被证明具有成本效益。.
带领： 阿德里安·普拉特博士