Architektura knihoven se proměňuje od tradičních budov orientovaných na správu a ochranu knihovních fondů k multifunkčním centrům vzdělávání, spolupráce a komunikace. Na základě odborné literatury a komparace vybraných případových studií z České republiky a zahraničí představuje hlavní trendy současné knihovní architektury, mezi které patří flexibilita prostor, uživatelsky orientovaný design, digitalizace, hybridní služby, udržitelnost a adaptivní využití historických objektů. Pozornost je v článku proto věnována analýze lékařských knihoven jako specifickým informačním institucím podporujícím vzdělávání zdravotnických pracovníků, klinickou praxi a vědecký výzkum. Analýza zohledňuje dopady elektronických informačních zdrojů a umělé inteligence na prostorové uspořádání knihoven i význam ergonomie a přístupnosti. Prostřednictvím příkladů zajímavých moderních knihoven i těch vzniklých adaptací dřívějších staveb ukazuje, jak architektura reaguje na měnící se potřeby společnosti. Autoři v článku dochází k závěru, že budoucí knihovny budou stále více fungovat jako otevřené znalostní a komunitní systémy propojující fyzické a digitální prostředí, odborné informační služby a moderní technologie.

The article analyzes the transformation of library architecture from traditional collection-oriented buildings into multifunctional centers for learning, collaboration, and knowledge creation. Based on professional literature, documents issued by professional organizations, and a comparative analysis of selected case studies from the Czech Republic and abroad, it presents the main trends in contemporary library architecture, including flexible spaces, user-centered design, digital transformation, hybrid services, sustainability, and the adaptive reuse of historic buildings. Special attention is devoted to medical libraries as specialized information institutions supporting clinical practice, scientific research, and the education of healthcare professionals. The article discusses the impact of electronic information resources and artificial intelligence on the spatial organization of libraries and examines the importance of ergonomics, accessibility, and user experience. Through case studies of contemporary libraries, projects created through the adaptation of industrial, hospital, and religious buildings, as well as selected emerging projects, the article demonstrates how architecture responds to changing social, educational, and information needs. The authors conclude that future libraries will increasingly function as open knowledge and community ecosystems integrating physical and digital environments, professional information services, and advanced technologies.

Projekt KOMPAS – Domácí a komunitní ošetřovatelská péče – představuje první systematický pokus o vytvoření datového základu pro objektivní popis, klasifikaci a financování domácí péče v České republice. Projekt je financován Ministerstvem zdravotnictví ČR v rámci Programu domácí péče (Home Care Programme) díky podpoře Programu švýcarskočeské spolupráce z Druhého švýcarského příspěvku. Cílem projektu je prostřednictvím standardizovaného sběru klinických a procesních dat vytvořit profilaci pacientů v domácí péči a následně na jejím základě vyvinout sekundární klasifikaci pacientů založenou na principech casemix modelů. Sběr dat probíhá prostřednictvím resortních registrů eREG, které jsou součástí Národního zdravotnického informačního systému (NZIS) spravovaného ÚZIS ČR. Pilotní sběr dat byl zahájen 16. 3. 2026 a bude probíhat po dobu dvou let. Současně vzniká robustní datová základna s dostatečným rozsahem, umožňující tvorbu prediktivních modelů a validaci jednotlivých faktorů nákladové náročnosti. První dílčí výstupy budou prezentovány již na konferenci CZ-DRG v říjnu 2026.

The KOMPAS project – Home and Community Nursing Care – represents the first systematic attempt to build a data foundation for the objective description, classification, and financing of home care in the Czech Republic. The project is funded by the Ministry of Health of the Czech Republic under the Home Care Programme, with support from the Swiss-Czech Cooperation Programme through the Second Swiss Contribution. The project aims to build a patient profile of home care recipients through the standardized collection of clinical and process data, and subsequently to develop, on this basis, a secondary patient classification grounded in case-mix modelling principles. Data are collected through the departmental eREG registries, part of the National Health Information System (NZIS) administered by the Institute of Health Information and Statistics of the Czech Republic (ÚZIS ČR). Pilot data collection began on 16 March 2026 and is planned to run for two years. At the same time, a data foundation of sufficient scale is being built, enabling the development of predictive models and the validation of individual cost-complexity factors. The first partial results will already be presented at the CZ-DRG conference in October 2026.

Cystická fibróza (CF) je závažné dedičné multiorgánové ochorenie, ktorého progresia sa okrem iného prejavuje aj špecifickými štrukturálnymi zmenami v pľúcnom tkanive. Cieľom tohto projektu je vývoj a implementácia pokročilého asistenčného systému, ktorý využíva metódy strojového učenia na automatizovanú detekciu a sledovanie vývoja patologických zmien v CT obrazových dátach u pacientov s CF. V rámci realizácie projektu bola úspešne vyvinutá anotačná aplikácia na zber dát potrebných na trénovanie modelu a k nej komplementárna aplikácia pre rádiológov na vyhodnocovanie rozsahu postihnutia pľúc a progresie CF. Do tohto rozhrania bol integrovaný modul umelej inteligencie (AI) slúžiaci na predbežnú analýzu. Lekár tak má možnosť vykonať hodnotenie kompletne manuálne, alebo využije AI modul na prvotnú detekciu s možnosťou následnej manuálnej korekcie zistených zmien. Systém je zameraný na detekciu kľúčových klinických nálezov a štruktúr, medzi ktoré patria: atelektáza, bronchiektázia (patologické rozšírenie priedušiek), hlienové zátky (obštrukcie v dýchacích cestách) a zhrubnutie stien bronchov. Ostatné patológie nie sú v tomto systéme hodnotené a na účely tejto analýzy sa klasifikujú ako zdravé tkanivo. Systém, založený na princípe skórovacieho systému PRAGMA-CF, zároveň zohľadňuje hierarchiu závažnosti jednotlivých patológií.

Cystic fibrosis (CF) is a severe hereditary multiorgan disease whose progression also manifests as specific structural changes in lung tissue. The aim of this project is to develop and implement an advanced assistive software tool that utilizes machine learning methods for the automated detection and monitoring of pathological changes in the CT imaging data of CF patients. During the project’s realization, an annotation application for collecting and labeling the data necessary for model training was successfully developed, alongside a complementary application for radiologists to evaluate pathological changes in lungs and CF progression. An artificial intelligence (AI) module designed for preliminary analysis was integrated into this interface. This provides physicians with the flexibility to perform evaluations entirely manually or to utilize the AI module for initial detection, allowing for subsequent manual correction of the identified changes. The system focuses on detecting key clinical findings and structures, including atelectasis, bronchiectasis (pathological widening of the bronchi), mucus plugging (airway obstruction), and bronchial wall thickening. Other pathologies are not evaluated in this system and are classified as healthy tissue for the purposes of this analysis. Additionally, the system, based on the PRAGMA-CF scoring system, accounts for the hierarchy of severity of individual pathologies.

Moderní umělá inteligence (AI) se v posledních letech dramaticky proměnila. Od rigidních systémů založených na pravidlech, jakými byly lékařské expertní systémy sedmdesátých a osmdesátých let, jsme se posunuli k dynamickým, adaptivním a generativním modelům, které pravidla nedostávají od člověka, ale odvozují je z dat; zlom přinesly grafické procesory, které umožnily neuronové sítě skutečně natrénovat. Autor, který s AI začínal v osmdesátých letech na pravidlových expertních systémech, chce uvést na pravou míru fámy, které kolem AI kolují. Článek je určen lékařům, studentům medicíny a všem, kdo používají nástroje AI, aniž by je vyvíjeli. Srozumitelnou formou a na konkrétních příkladech vysvětluje deset základních pilířů, na nichž stojí nástroje současné AI: neuronové sítě, trénování a používání modelu, rozklad textu na tokeny, číselnou reprezentaci významu, mechanismus pozornosti, architekturu transformeru, kontextové okno, zákony škálování, předtrénování a dotrénování a konečně velké jazykové modely. Každý princip vykládáme pomocí analogie z fyziologie nebo z lékařské praxe a ukazujeme, co z něj plyne pro každodenní práci s AI: proč jazykový model občas sebejistě uvádí nepravdy, proč zapomíná začátek dlouhého rozhovoru a proč se jeho výstupy musí ověřovat.

Modern artificial intelligence (AI) has changed dramatically in recent years. From rigid rule-based systems, such as the medical expert systems of the 1970s and 1980s, we have moved to dynamic, adaptive and generative models that do not receive their rules from humans but derive them from data; the turning point came with graphics processors, which made it possible to actually train neural networks. The author, who began working with AI in the 1980s on rule-based expert systems, aims to set straight the myths that circulate about AI. The article is intended for physicians, medical students and everyone who uses AI tools without developing them. In an accessible way and with concrete examples, it explains the ten pillars on which today’s AI tools rest: neural networks, training and using a model, splitting text into tokens, the numerical representation of meaning, the attention mechanism, the transformer architecture, the context window, scaling laws, pre-training and fine-tuning, and finally large language models. Each principle is explained through an analogy from physiology or medical practice, and we show what follows from it for everyday work with AI: why a language model sometimes states falsehoods with confidence, why it forgets the beginning of a long conversation, and why its outputs must be verified.

Navazujeme na technologii Bodylight.js, se kterou jsme od roku 2019 vytvářeli webové simulátory pro výuku medicíny. Nová generace, Svelte Bodylight, zachovává její principy: model se počítá v internetovém prohlížeči, bez serveru a bez instalace, a aplikace se skládá ze standardizovaných webových komponent. Mění se způsob, jakým aplikace vzniká. Modely z jazyka Modelica se přes standard FMI překládají do WebAssembly z Dymoly i z OpenModeliky a každý převod se automaticky porovnává s referenčním výpočtem. Uživatelské rozhraní vzniká v open-source překladači Svelte jako sada webových komponent: posuvníky, grafy průběhů i tlakově-objemových smyček, kontrolky stavů a řízené scénáře. Pedagog sestaví aplikaci v konfigurátoru bez programátora a hotový simulátor se doručí jako jediný soubor HTML, který běží i bez připojení k internetu.

We build on Bodylight.js, the technology with which we have been creating web simulators for medical education since 2019. The new generation, Svelte Bodylight, keeps its principles: the model is computed in the web browser, with no server and no installation, and the application is assembled from standardised web components. What changes is how the application comes into being. Models written in Modelica are translated through the FMI standard into WebAssembly from Dymola as well as from OpenModelica, and every translation is compared automatically with a reference computation. The user interface is built with the open-source compiler Svelte as a set of web components: sliders, charts of time courses and of pressure–volume loops, state lamps and guided scenarios. A teacher assembles the application in a configurator without a programmer, and the finished simulator is delivered as a single HTML file that runs even without an internet connection.

We build on Bodylight.js, the technology with which we have been creating web simulators for medical education since 2019. The new generation, Svelte Bodylight, keeps its principles: the model is computed in the web browser, with no server and no installation, and the application is assembled from standardised web components. What changes is how the application comes into being. Models written in Modelica are translated through the FMI standard into WebAssembly from Dymola as well as from OpenModelica, and every translation is compared automatically with a reference computation. The user interface is built with the open-source compiler Svelte as a set of web components: sliders, charts of time courses and of pressure–volume loops, state lamps and guided scenarios. A teacher assembles the application in a configurator without a programmer, and the finished simulator is delivered as a single HTML file that runs even without an internet connection.

Navazujeme na technologii Bodylight.js, se kterou jsme od roku 2019 vytvářeli webové simulátory pro výuku medicíny. Nová generace, Svelte Bodylight, zachovává její principy: model se počítá v internetovém prohlížeči, bez serveru a bez instalace, a aplikace se skládá ze standardizovaných webových komponent. Mění se způsob, jakým aplikace vzniká. Modely z jazyka Modelica se přes standard FMI překládají do WebAssembly z Dymoly i z OpenModeliky a každý převod se automaticky porovnává s referenčním výpočtem. Uživatelské rozhraní vzniká v open-source překladači Svelte jako sada webových komponent: posuvníky, grafy průběhů i tlakově-objemových smyček, kontrolky stavů a řízené scénáře. Pedagog sestaví aplikaci v konfigurátoru bez programátora a hotový simulátor se doručí jako jediný soubor HTML, který běží i bez připojení k internetu.

Fracture detection on musculoskeletal radiographs remains challenging, particularly when findings are subtle or visible on only one projection. This retrospective two-centre multi-reader diagnostic performance study evaluated an artificial intelligence system at the level of the complete radiographic examination and compared its performance with seven anonymized readers. Radiographic examinations from AGEL Šternberk Hospital and AGEL Vítkovice Hospital, acquired between 15 December 2025 and 25 January 2026, were retrospectively analysed. The primary endpoint was study-level fracture positivity, defined as at least one positive image within an examination; the same aggregation rule was applied to AI and reader assessments. Examinations of the spine, ribs, and hemithorax were excluded because these anatomies were outside the supported scope.

Příspěvek přináší novinky a aktuální stav Národního číselníku laboratorních položek, který je základem formalizované výměny informací mezi laboratořemi a zdravotnickými informačními systémy. Popisuje současnou definici položek číselníku i zavedené doplňující specifikace, a to procedury, systému, lokální jednotky, přístroje a dárce, včetně požadavků, které z nich vyplývají pro laboratorní a další informační systémy. Podrobně je vysvětleno členění položek podle způsobu jejich vzniku a jejich využití při elektronickém objednávání vyšetření a při sdělování výsledků jako příprava na zavedení elektronické žádanky. Další části se věnují úplnosti a aktuálnosti číselníku, zacházení se zneplatněnými položkami a jejich přesměrování na platné, rozdílu mezi národními a lokálními položkami, jejichž používání je nežádoucí a v připravovaném mezinárodním standardu bude zcela zakázáno, a vyšetřením v místě péče. Text vychází z českého datového standardu DASTA a zohledňuje i přípravu nového mezinárodního standardu pro výměnu zdravotnických dat HL7 FHIR.

The paper presents news and the current state of the National Code List of Laboratory Items, which underpins the formalised exchange of information between laboratories and healthcare information systems. It describes the current definition of the list items and the recently introduced additional specifications, namely procedure, system, local unit, instrument and donor, together with the requirements they place on laboratory and other information systems. The classification of items by their origin is explained in detail, together with its use in the electronic ordering of examinations and in the reporting of results, as preparation for the introduction of the electronic request form. Further sections deal with the completeness and currency of the code list, the handling of invalidated items and their redirection to valid ones, the difference between national and local items, whose use is undesirable and will be completely prohibited in the forthcoming international standard, and point-of-care testing. The text is based on the Czech data standard DASTA and takes into account the preparation of the new international standard for the exchange of health data.

Laboratorní diagnostika představuje jednu z nejvíce digitalizovaných oblastí zdravotnictví a kvalita komunikace mezi nemocničním informačním systémem (NIS) a laboratorním informačním systémem (LIS) má zásadní vliv na efektivitu zdravotní péče. Článek popisuje praktické zkušenosti s implementací nemocničního informačního systému se zaměřením na integraci laboratorních procesů, elektronické žádanky, přenos laboratorních výsledků a zajištění interoperability mezi jednotlivými zdravotnickými aplikacemi. Pozornost je věnována technickým, organizačním i procesním aspektům projektu, včetně standardizace dat, mapování laboratorních položek, identifikace pacientů a vzorků, testování komunikačních rozhraní a řízení změn v klinické praxi. Na základě zkušeností z prostředí laboratorní sítě AGEL jsou diskutovány nejčastější problémy a rizika implementace, mezi které patří nejednotnost datových standardů, historická zátěž původních systémů, požadavky na bezpečnost zdravotnických dat a potřeba úzké spolupráce mezi dodavateli informačních systémů a koncovými uživateli. Článek dále identifikuje klíčové faktory úspěchu implementace a doporučení pro zdravotnická zařízení realizující obdobné projekty digitalizace a integrace laboratorních služeb.

Laboratory diagnostics is among the most digitalized areas of healthcare, and the quality of communication between a Hospital Information System (HIS) and a Laboratory Information System (LIS) significantly influences the efficiency and quality of healthcare delivery. This paper presents practical experience from the implementation of a hospital information system with a focus on laboratory integration, electronic test ordering, laboratory result reporting, and interoperability between healthcare applications. Technical, organizational, and process-related aspects of the implementation are discussed, including data standardization, laboratory test mapping, patient and specimen identification, interface testing, and change management in clinical practice. Based on experience gained within the AGEL laboratory network, the paper highlights common implementation challenges and risks, such as heterogeneous data standards, legacy system constraints, healthcare data security requirements, and the need for close cooperation between information system vendors and healthcare professionals. Furthermore, the paper identifies critical success factors and provides recommendations for healthcare organizations undertaking similar digital transformation and laboratory integration projects.

Object-Process Methodology (OPM) je metodika konceptuálního modelování, která byla v roce 2024 přijata jako mezinárodní norma ISO 19450. Její hlavní předností je možnost zachytit strukturu, chování i stavy modelovaných objektů v jediném typu diagramu. Každému diagramu navíc odpovídá rovnocenný textový zápis ve strukturovaném přirozeném jazyce, který je srozumitelný odborníkům a současně umožňuje automatizované zpracování. Vytvořený model lze také spustit a jeho chování ověřovat pomocí simulace. Model se tak stává nejen prostředkem komunikace, ale také nástrojem pro kontrolu správnosti a úplnosti zadání i pro ověřování výstupů velkých jazykových modelů. Praktické využití OPM ukazujeme na příkladu elektronické žádanky, jejíž konceptuální model odhaluje podstatné nedostatky právní úpravy.

Object-Process Methodology (OPM) is a conceptual modeling methodology that was adopted as the international standard ISO 19450 in 2024. Its main advantage is the ability to represent the structure, behavior, and states of modeled objects within a single type of diagram. Each diagram also has an equivalent textual representation in structured natural language that is understandable to domain experts while supporting automated processing. The resulting model can also be executed, and its behavior can be verified through simulation. This makes the model not only a means of communication but also a tool for assessing the correctness and completeness of system requirements and validating the outputs of large language models. We demonstrate the practical application of OPM using the example of an electronic medical referral, whose conceptual model reveals significant shortcomings in the relevant legal framework.

Prezentované sdělení popisuje specializovaný modul nemocničního informačního systému (NIS) Zlatokop, který byl vyvinut pro potřeby Institutu klinické a experimentální medicíny (IKEM). Hlavním impulsem pro vznik tohoto řešení byla rozsáhlá vědecko-výzkumná činnost IKEM, jež generuje velký objem biologických vzorků vyžadujících dlouhodobé skladování při ultranízkých teplotách (−80 °C). Modul označovaný jako Kryobanka komplexně digitalizuje proces biobankingu rozmanitých primárních materiálů jako jsou krevní sérum, plazma, tkáňové biopsie a také sekundárních produktů např. izolovaná DNA. Systém aktivně podporuje následné analýzy tvorbou pracovních seznamů, inteligentním návrhem rozmístění vzorků na ELISA desky a generováním elektronických zadání pro laboratorní informační systém (LIS). Klíčovým přínosem je přímé propojení laboratorních výsledků s kompletní klinickou historií pacienta v systému Zlatokop. Tato integrace otevřela nové možnosti pro komplexní vícerozměrné datové analýzy.

The presented communication describes the specialized module of the hospital information system (NIS) Zlatokop, which was developed for the needs of the Institute of Clinical and Experimental Medicine (IKEM). The main impetus for the creation of this solution was the extensive scientific research activity of IKEM, which generates a large volume of biological samples requiring long-term storage at ultra-low temperatures (−80 °C). The module, called Cryobank, comprehensively digitizes the biobanking process of various primary materials such as blood serum, plasma, tissue biopsies, as well as secondary products such as isolated DNA. The system actively supports subsequent analyzes by creating work lists, intelligently designing sample layouts on ELISA plates, and generating electronic entries for the laboratory information system (LIS). A key benefit is the direct connection of laboratory results with the patient’s complete clinical history in the Zlatokop system. This integration has opened up new possibilities for complex multivariate data analyses.

Mezi základní charakteristiky každého laboratorního numerického výsledku patří jednotka. V široce používaném Národním číselníku laboratorních položek (NČLP), který jednoznačně pojmenovává a kóduje vyšetření či testy v klinických laboratořích, je jednotka jedním ze stavebních kamenů jeho definice. V Datovém standardu pro výměnu informací ve zdravotnictví (DASTA) je v případě přenosu numerických výsledků povinnost posílat výsledky analýz v jednotce příslušného NČLP klíče a vedle toho se připouští zaslání výsledků v lokální jednotce, přepočtené z národní příslušným koeficientem. Uvedená dogmata platí v NČLP i DASTA více než čtvrt století a měla by být ctěna jak dodavateli informačních systémů ve zdravotnictví (LIS, NIS, IS PL), tak jejich uživateli. Autor ze své letité praxe na konkrétních příkladech ukáže velmi neutěšený stav ohledně přenosu jednotek. Nezanedbatelné množství laboratoří výše uvedené nerespektuje a také dodavatelé definice nedodržují zcela. Pokud se situace zásadním způsobem nezlepší, bude mít problém elektronického přenosu jednotek negativní vliv na kvalitu digitalizace laboratorních dat.

The unit of measurement is a fundamental characteristic of any numerical laboratory result. In the widely used National Code List of Laboratory Items (NČLP)—which uniquely names and codes examinations or tests in clinical laboratories—the unit is a key component of the definition. Under the Data Standard for Health Information Exchange (DASTA), the transmission of numerical results requires that analysis results be sent using the unit specified for the relevant NČLP code; however, sending results in a local unit—converted from the national standard using an appropriate coefficient—is also permitted. These established rules have applied to both NČLP and DASTA for over a quarter of a century and should be respected by both healthcare information system vendors (LIS, HIS, IS PL) and their users. Drawing on years of professional experience, the author uses specific examples to illustrate the highly unsatisfactory state of affairs regarding unit transmission. A significant number of laboratories fail to adhere to these standards, and vendors, too, do not fully comply with the definitions. Unless the situation improves substantially, the issue of electronic unit transmission will negatively impact the quality of laboratory data digitization.

Webové simulátory jsou elektronické učebnice, které běží v libovolném internetovém prohlížeči a ke kterým student nepotřebuje nic instalovat. Spojují výklad s matematickým modelem: student mění parametry pomocí posuvníků, sleduje průběhy a odečty a prochází řízený scénář, který ho vede od zdravého stavu k poruše a k její kompenzaci. Ukazujeme sadu simulátorů nad modely fyziologických systémů: krevní oběh s osmi scénáři od normálního oběhu přes selhání komor, chlopenní vady a krvácení až po nitrobřišní tlak a protišokové kalhoty, dýchání, práh vzruchu nervové membrány, zásobu železa, metabolismus železa v celém těle s jeho regulací hepcidinem a úvodní model vytápění místnosti. Model krevního oběhu záměrně nemá regulace; student je zapíná sám a vidí, k čemu tělo regulace potřebuje. Každé číslo v textu scénáře je změřené na modelu a ověřené průchodem stránkou.

Web simulators are electronic textbooks that run in any web browser and need nothing installed. They join explanation with a mathematical model: the student changes parameters with sliders, follows time courses and readings, and walks through a guided scenario that leads from health to a disorder and to its compensation. We present a set of simulators built on models of physiological systems: blood circulation with eight scenarios, from normal circulation through ventricular failure, valve defects and haemorrhage to intra-abdominal pressure and anti-shock trousers; respiration; the excitation threshold of a nerve membrane; iron storage; whole-body iron metabolism and its regulation by hepcidin; and an introductory model of a heated room. The circulation model deliberately has no regulation; the student switches it on step by step and sees what the body needs it for. Every number in a scenario text is measured on the model and verified by walking through the page.

Web simulators are electronic textbooks that run in any web browser and need nothing installed. They join explanation with a mathematical model: the student changes parameters with sliders, follows time courses and readings, and walks through a guided scenario that leads from health to a disorder and to its compensation. We present a set of simulators built on models of physiological systems: blood circulation with eight scenarios, from normal circulation through ventricular failure, valve defects and haemorrhage to intra-abdominal pressure and anti-shock trousers; respiration; the excitation threshold of a nerve membrane; iron storage; whole-body iron metabolism and its regulation by hepcidin; and an introductory model of a heated room. The circulation model deliberately has no regulation; the student switches it on step by step and sees what the body needs it for. Every number in a scenario text is measured on the model and verified by walking through the page.

Webové simulátory jsou elektronické učebnice, které běží v libovolném internetovém prohlížeči a ke kterým student nepotřebuje nic instalovat. Spojují výklad s matematickým modelem: student mění parametry pomocí posuvníků, sleduje průběhy a odečty a prochází řízený scénář, který ho vede od zdravého stavu k poruše a k její kompenzaci. Ukazujeme sadu simulátorů nad modely fyziologických systémů: krevní oběh s osmi scénáři od normálního oběhu přes selhání komor, chlopenní vady a krvácení až po nitrobřišní tlak a protišokové kalhoty, dýchání, práh vzruchu nervové membrány, zásobu železa, metabolismus železa v celém těle s jeho regulací hepcidinem a úvodní model vytápění místnosti. Model krevního oběhu záměrně nemá regulace; student je zapíná sám a vidí, k čemu tělo regulace potřebuje. Každé číslo v textu scénáře je změřené na modelu a ověřené průchodem stránkou.

Vývojem datového standardu v domácí a komunitní péči se v současné době zabývá projekt KOMPAS, který se zaměřuje na nejednotnost ošetřovatelské dokumentace a rozdíly v rutinně sbíraných datech mezi poskytovateli. Minimální datový standard definuje, jaké údaje se v domácí péči sbírají a v jaké podobě se zaznamenávají. Datový model má dvě části, a to vstupní posouzení a návštěvu. Vstupní posouzení sbírá komplexní informace o pacientovi při přijetí do domácí péče. Sekce návštěva umožňuje popsat poskytnutou péči, a tak v čase sledovat změnu náročnosti péče. Minimální datový standard vytváří předpoklady pro interoperabilitu informačních systémů, sdílení dat a vytvoření sekundární klasifikace pacientů na základě klinické náročnosti a nákladovosti.

The KOMPAS project focuses on the development of a data standard for home and community care, focusing on inconsistencies in nursing documentation and differences in routinely collected data among providers. The minimum data standard defines what home care data is collected and in what format it is recorded. The data model consists of two parts: the initial assessment and the visit. The initial assessment collects comprehensive patient information upon admission into home care. The visit section allows for a description of the actual care provided which allows the monitoring of changes in the intensity of care over time. The minimum data standard creates prerequisites for the interoperability of information systems, data sharing, and the creation of a secondary classification of patients based on clinical complexity and cost.