• Introduzione alla Digital Health. 
• Tecnologie chiave in Digital Health. 
• Intelligenza Artificiale e Big Data. 
• Interoperabilità e infrastrutture digitali.
• Valutazione delle tecnologie di Digital Health.
• Futuro della Digital Health.
• Regolamentazione e sicurezza. 
• Applicazioni pratiche della Digital Health.

• Introduzione all'Intelligenza Artificiale.
• Machine Learning: Algoritmi supervisionati e non supervisionati.
• Deep Learning: Reti neurali artificiali e architetture principali.
• AI applicata alla sanità: Diagnosi automatizzata, elaborazione delle immagini mediche, analisi predittiva.
• Natural Language Processing (NLP): Analisi di dati testuali in ambito medico.
• Big Data e AI in sanità: Analisi di grandi dataset sanitari, data mining e data cleaning.
• Etica e sicurezza nell'uso dell'AI: Bias, trasparenza, e regolamentazioni in ambito sanitario.
• Strumenti e piattaforme AI

• Tipologie di dati sanitari: Dati strutturati (EHR), non strutturati (immagini, testo), e dati in tempo reale.
• Ciclo di vita dei dati: Raccolta, archiviazione, elaborazione, e conservazione dei dati sanitari.
• Strumenti e tecnologie: Database sanitari, sistemi di gestione e analisi dei dati, cloud computing.
• Interoperabilità: Standard di scambio dati (HL7, FHIR) e integrazione tra sistemi.
• Data governance: Qualità, sicurezza e integrità dei dati sanitari.
• Privacy e regolamentazione: Compliance con GDPR e altre normative sula protezione dei dati sanitari.

• Introduzione alla Data Science: Concetti chiave e applicazioni in sanità.
• Tipologie di dati sanitari: Strutturati, non strutturati, e dati in tempo reale.
• Preparazione dei dati: Data cleaning, integrazione e trasformazione di dataset sanitari. 
• Modelli statistici e Machine Learning: Algoritmi di classificazione, regressione e clustering applicati ai dati sanitari.
• Visualizzazione dei dati: Strumenti e tecniche per la rappresentazione grafica dei risultati.
• Big Data in sanità: Gestione e analisi di grandi volumi di dati sanitari.
• Privacy e sicurezza dei dati: Normative (GDPR) e tecniche per garantire la protezione dei dati.
• Strumenti e piattaforme di analisi: Utilizzo di software e linguaggi come Python, R, e SQL.

• Introduzione alle tecnologie digitali in sanità: Panoramica su telemedicina, mHealth, wearables e dispositivi connessi.
• Cartelle cliniche elettroniche (EHR): Funzionamento, vantaggi e sfide nell’ implementazione.
• Telemedicina e telemonitoraggio: Strumenti per il monitoraggio remoto dei pazienti e la consultazione a distanza.
• Applicazioni mobile e salute digitale: Utilizzo di app per la prevenzione, diagnosi e gestione delle malattie.
• Wearables e dispositivi per il monitoraggio: Tecnologie indossabili per la raccolta di dati sanitari in tempo reale.
• Interoperabilità dei sistemi sanitari: Standard (HL7, FHIR) e soluzioni per l’integrazione di dati tra diversi sistemi.
• Big Data e cloud computing in sanità: Raccolta, gestione e analisi di grandi volumi di dati sanitari.
• AI e automazione in sanità: Applicazioni dell’ intelligenza artificiale per diagnosi, predizione e ottimizzazione dei processi clinici.

• Introduzione all'IA in sanità: Panoramica sulle tecnologie di intelligenza artificiale applicate alla salute.
• Machine learning e deep learning: Tecniche e algoritmi utilizzati per l'analisi di dati clinici.
• AI per la diagnosi medica: Applicazioni nell'interpretazione di immagini mediche (radiologia, istologia, ecc.).
• AI nella predizione e prevenzione delle malattie: Modelli predittivi per malattie croniche e prevenzione personalizzata.
• AI per il supporto decisionale clinico: Sistemi di assistenza per la presa di decisioni cliniche basate su dati.
• Elaborazione del linguaggio naturale (NLP): Applicazioni dell'IA per l'analisi di cartelle cliniche elettroniche e testi medici.
• AI e robotica in sanità: Automazione di procedure chirurgiche e assistenza robotica per pazienti.
• Sfide etiche e legali: Gestione della responsabilità, trasparenza degli algoritmi e conformità normativa.
• Valutazione e implementazione: Metodi per testare, validare e integrare soluzioni AI nei sistemi sanitari esistenti.

• Introduzione ai sensori intelligenti: Tipologie di sensori (biometrici, ambientali, indossabili) e loro funzionamento.
• Tecnologie e piattaforme per i sensori sanitari: Architettura hardware e software per la raccolta e gestione dei dati.
• Sensori per il monitoraggio dei pazienti: Applicazioni in telemedicina, monitoraggio remoto, e gestione delle malattie croniche.
• Integrazione dei sensori con sistemi sanitari digitali: Interoperabilità con cartelle cliniche elettroniche (EHR) e piattaforme di telemedicina.
• Analisi dei dati raccolti dai sensori: Tecniche di data processing, machine learning e visualizzazione dei dati in ambito sanitario.
• Progettazione e sviluppo di soluzioni basate su sensori: Esercitazioni pratiche per configurare e utilizzare sensori intelligenti.
• Sicurezza e privacy dei dati: Misure di sicurezza per la protezione dei dati raccolti dai sensori e conformità alle normative (GDPR).
• Sfide etiche e regolamentarie: Implicazioni etiche e legali nell'uso di sensori per la salute.
• Casi studio e applicazioni reali: Esplorazione di progetti e soluzioni implementate nell'assistenza domiciliare e ospedaliera.

• Fondamenti di etica in sanità: Principi etici e dilemmi nel contesto sanitario e tecnologico.
• Normative sulla privacy e protezione dei dati: GDPR e altre regolamentazioni internazionali sulla gestione dei dati sanitari.
• Etica della tecnologia in sanità: Intelligenza artificiale, telemedicina e il loro impatto etico.
• Sicurezza dei dati sanitari: Pratiche e regolamenti per garantire la sicurezza informatica e la riservatezza dei pazienti.
• Accesso equo alle tecnologie sanitarie: Considerazioni etiche su disuguaglianze e accessibilità alle cure digitali.
• Responsabilità legale e deontologia professionale: Obblighi legali e morali dei professionisti sanitari nell'uso delle tecnologie.
• Autonomia e consenso informato: Diritti dei pazienti e processi decisionali nell'era digitale.
• Valutazione dell'impatto regolatorio: Implementazione e monitoraggio delle normative nei contesti clinici.

Network Concepts:

• Network protocols
• Mobile Systems

Distributed Services:

• Scalability
• Resilience

Artificial Intelligence for Networking Services

• What is Artificial Intelligence for Networking Services
• AI: a paradigm to develop new Networking Services

Requisiti di sicurezza per i Sistemi Informativi

Pianificazione della sicurezza e analisi dei rischi

Principali schemi e standard crittografici

Sicurezza nei sistemi operativi

Il problema dell'autenticazione

Sicurezza in ambiente Internet - Intranet

Valutazione della sicurezza

Intelligenza Artificiale generativa e Cybersecurity

• Vantaggi della IA nella sicurezza
• Sfide dell'implementazione della IA nella sicurezza
• Casi d'uso

Il Cloud Computing
Tipologie fondamentali

• SaaS (Software as a Service)
• PaaS (Platform as a Service)
• IaaS (Infrastructure as a Service)

Architettura

Intelligenza Artificiale e Cloud Computing

• Vantaggi e problematiche
• Rischi
• Casi d'uso

• Concetti di IoT
• Strumenti IoT
• Scenari di applicazione IoT
• Intelligenza Artificiale e IoT
• Industrial IoT (IIoT)
• Concetti di progettazione di un'infrastruttura IoT
• IIoT e Intelligenza Artificiale: il paradigma Industria 4.0

ENT (Enterprise Social Network)

• Benefici
• Social Suite
• Analisi Social

Social Networking in ambienti aziendali

• I casi più noti di ESN
• Casi d'uso in varie realtà

Ambiente collaborativo in ESN

Relazione tra Social e pratiche di lavoro in ESN

Profilo Utente in ESN

ESN e tendenze future

Introduzione all'Intelligenza Artificiale per:

• Copywriting: scrittura di testi per elaborati e report complessi; processo di scrittura collaborativa in team.
• Analisi di mercato (Benchmark): analisi dell'utilizzo di app social per business da parte delle aziende concorrenti.

IA per un uso personalizzato e di sviluppo interno alle aziende tramite open API

Supporto di tecniche di machine learning per:

• Identificazione e creazione di un team di lavoro in base alle competenze (hard and soft skills)
• Identificazione degli esperti su tematiche specifiche
• Identificazione del materiale utile per lo svolgimento del lavoro

• Obiettivo è fornire una visione d’insieme della letteratura e dei contributi metodologici sulla gestione della conoscenza nelle organizzazioni complesse. 
• Conoscenze all’interno di strutture latenti, quali le comunità di pratica. 
• Temi strategici quali la progettazione dei flussi di Collaboration & Knowledge Management, l’innovazione e l’Open Innovation, il Community Management e la selezione degli strumenti tecnologici di supporto e temi più operativi quali il Web Writing, lo Storytelling e la gestione dei contenuti. 
• Il ruolo dell'Intelligenza Artificiale nella gestione della conoscenza e viceversa. 
• Casi studio e paper tematici per approfondire gli argomenti trattati. 
• Un project work permetterà di testare gli apprendimenti e la applicazione pratica di quanto sviluppato nel modulo.

I Social Network

• Possibile evoluzione e integrazione delle strategie di CRM

Evoluzione dei Social Network

• Applicazione dei modelli di Intelligenza Artificiale.

Customer Relationship Management (CRM)

• Attività di cross-selling e up-selling
• Help-desk e CRM

Gestionale o ERP attuale?

Tecnologie di supporto

• Dalla business intelligence alle piattaforme di CRM

CRM basati sull'Intelligenza Artificiale

• Sfide
• Vantaggi strategici

Il rischio nelle organizzazioni

Modelli e approcci all’analisi degli incidenti

Le categorie dell’errore umano

I fattori organizzativi

Metodi di analisi organizzativa degli errori nelle organizzazioni

Il ruolo dell'Intelligenza Artificiale nel Risk Management

Disaster Recovery e Business Continuity con l'Intelligenza Artificiale

Pianificazione Strategica IT

• Budgeting e KPI

Processi, Tecniche e Strumenti di IT Financial Management

Performance Monitoring e Controllo costi

Esercitazioni pratiche:

• Monitoraggio richieste di autorizzazione di investimento
• Business Care
• Modello di Costing Servizi IT

L'Intelligenza Artificiale e Controllo di Gestione

Il Budgeting e l'Intelligenza Artificiale

Approfondimento adempimenti normativi IT per la PA

• Linee guida AGID
• GDPR
• Direttiva NIS
• Cybersecurity Act

L'ampliamento del principio di trasparenza e l'accesso civico generalizzato agli atti della PA

Le problematiche relative alla tutela della privacy

• Nuovo Regolamento UR n. 679/2016

I nuovi obblighi di digitalizzazione della PA

• Open Government
• CAD (Codice Amministrazione Digitale)
• Circolare 3/2018 Min PA

La pubblicità, la trasparenza, la conservazione dei documenti amministrativi informatici e i sistemi di gestione documentale

Il management dei processi di digitalizzazione

L'Intelligenza Artificiale nella Digital Transformation e nella Dematerializzazione

Impatti e Misure IT derivanti da Regolamenti e Legislazioni per il Mondo ICT

Normativa italiana e comunitaria relativa a:

• GDPR
• Direttiva NIS2
• Cyberact
• DORA
• AI Act
• ISO 27001
• ISO 22301

Cyber Law e Intelligenza Artificiale

• Le nuove frontiere del diritto

L'identità professionale, la leadership e i diversi stili di potere

• La valutazione

I processi comunicativi e la qualità nella gestione dell'equipe professionale

L'ambiente

• Analisi strutturale delle organizzazioni complesse

Le relazioni

• Dinamiche di gruppo

Le Potenzialità dell'Intelligenza Artificiale nel Team Building

Strategie per integrare l'Intelligenza Artificiale nel Team Management

Vocabolario DevOps

Vantaggi di DevOps per il Business e per l'IT

Principi e concetti chiave DevOps

Business Benefit di DevOps e Continuous Delivery (CD)

Processo di Service Delivery

• Automazione prove, infrastrutture, sviluppo e deployment

Strumenti DevOps

Fattori Critici di successo per l'implementazione di DevOps

Il ruolo dell'Intelligenza Artificiale in DevOps

• Semplificazione del SW Development

Casi di studio

• Concetti di Comunicazione Tecnica e Business Analysis
• Scenari operativi di comunicazione e raccolta requisiti IT
• Componenti di una comunicazione tecnica efficace
• Raccolta e condivisione requisiti IT
• Scenari pratici di Business Analysis
• Comunicazione e contesti decisionali di Business
• Intelligenza Artificiale Generativa per la Comunicazione Tecnica
• Business Analysis e Intelligenza Artificiale

I processi di business come processi cooperativi

• Attori, clienti, manager

Tipologie di processi di business

• Procedure
• Progetti
• Processi esplorativi

I ruoli nelle diverse tipologie di processo

• Initiator
• Actor
• Owner
• Supervisor

Flusso ordinario ed eccezioni nei processi di business

La robustezza di un processo e la reversibilità del processo

Impatto dell'Intelligenza Artificiale sul Business Project Management

I modi in cui l'Intelligenza Artificiale migliora il Business Project Management

• Casi di studio

La gestione del cambiamento

• Quando, come, perché

Localizzare e risolvere

Strategie di cambiamento

• Empirico-razionale
• Normativo-rieducativa
• Coercitiva
• Adattativa

Intelligenza Artificiale – come gestire le nuove tecnologie con il Change Management

• Ruolo del coaching nel Change Management

Using Data Mining Methodology

• Analyzing structured, semi-structured, and unstructured data

Formulating and Solving Classification Problems

• Applications in Data Mining and Business Intelligence (e.g., fraud detection, customer churning, network intrusion detection)

Developing, Validating, and Applying a Data Mining Workflow

• Solving binary and non-binary classification problems

Course Overview

• Self-contained, no programming skills required
• Hands-on lectures using KNIME open-source software platform

Data Analytics and Artificial Intelligence

• Transforming organizations

Role of Artificial Intelligence and Machine Learning Algorithms

• Explaining patterns of correlation in data

Examples and Case Studies
 

Metriche di IT Governance

• Modelli di riferimento ed esempi pratici

Metriche di Cybersecurity

• Modelli di riferimento ed esempi pratici

Progettazione, Messa in Opera e Adozione di un Sistema di Metriche di IT Governance e di Cybersecurity

Processi di Reporting e Monitoraggio

I Nuovi KPI per il Service Desk basato su Intelligenza Artificiale

• Esempi e casi di studio

Governance e Management dell’Intelligenza Artificiale

• Casi di studio

Focus sulle Tecnologie di IA

• Casi di studio

Certificazione Etica su IA

• AI Audit & Compliance (ISO 42001, AI Act)

Focus su una Compliance all'AI Act

• Integrazione con i modelli organizzativi

Il Problema del Controllo di Qualità del Software

• Il processo di qualità

Strategie di Test

• Pianificazione e monitoraggio della qualità

Fasi di Test, Responsabilità e Organizzazione del Gruppo di Qualità

• Test funzionale
• Test di software object-oriented
• Oracoli e scaffolding

Analisi e Ispezione

Impatto dell'Intelligenza Artificiale nel Controllo di Qualità del Software

Documentazione e Certificazione

• Automazione e strumenti

Miglioramento del Processo di Qualità

• L'Intelligenza Artificiale e il Quality Management

Project Management

• Motivazioni economiche e operative

Project e Program Management

• Analogie e differenze

Tecniche e Strumenti per la Gestione e Pianificazione del Lavoro

• Work Breakdown Structure (WBS)
• Product Breakdown Structure (PBS)
• Suddivisione del progetto in unità elementari
• Aspetti olistici della gestione

Work Packages

• Supporti metodologici
• Ruolo dell’esperienza

Program Evaluation and Review Techniques (PERT)

• Stima attività
• Sequenzializzazione e determinazione delle propedeuticità
• Limiti, cautele e criticità

Critical Path Model (CPM)

• Determinazione del cammino critico
• Rischi connessi

Gantt Chart

• Uso previsionale e consuntivo

Come l'Intelligenza Artificiale Sta Trasformando il Project Management

• Pianificazione e coordinamento
• Comunicazioni
• Automatizzazione nella creazione di documenti
• Capacità di fornire una panoramica dettagliata delle opzioni disponibili

• Concetti di Agile e Scrum Project Management
• Ciclo di Vita dei Progetti Agile e Scrum
• Tecniche Agile e Scrum
• Ruoli e Responsabilità
• Principi e Buone Pratiche
• Pianificazione Progetti
• Monitoraggio Progetti
• Concetti Avanzati di Agile e Scrum in Situazioni Complesse
• Esercitazioni Pratiche di Applicazione Agile e Scrum
• Agile e Scrum Project Management nell'Intelligenza Artificiale

Metodi, Modelli e Metriche per la Valutazione della Qualità

• Valutazione dei processi orientati ai servizi.
• Valutazione dei sistemi informativi orientati ai servizi.

Governance dell'Intelligenza Artificiale

• Paradigma Simbolico: gestione e applicazioni.
• Paradigma Subsimbolico: aspetti operativi e impatti.
• Paradigma Generativo: vantaggi, sfide e applicazioni pratiche.

Casi di Studio

• Applicazioni concrete e analisi di esempi pratici per ogni paradigma.

• Fondamenti Data Governance
• Gestione Metadati
• Data Modeling
• Data Catalog e Data Governance
• Integrazione Dati
• Qualità dei dati e analisi dei rischi
• Normative di Data Governance
• Progettare la Data Governance
• Esempi e casi pratici
• Impatto della Intelligenza Artificiale nella Data Governance
• Come ottimizzare le attività legate alla Data Governance con l’Intelligenza Artificiale generativa

• ITIL e IT Service Management
• Focus sugli ERP
• Impatto della Intelligenza Artificiale sull'IT Service Management e sugli ERP
• Come l'Intelligenza Artificiale usata nei sistemi di IT Service Management migliora le capacità di previsione, riduce i costi operativi, massimizzando al contempo la soddisfazione dei clienti

• Il Framework Cobit2019
• Principi cardine, processi e componenti Cobit
• Management Objectives
• Performance Management
• PAM-Process Assessment Model: esempi ed esercitazioni pratiche
• L’Intelligenza Artificiale per l’analisi dei sistemi e dei processi nell'ambito del Digital Trust Ecosystem Framework di ISACA

• Il corso darà un quadro complessivo dello spazio teorico nuovo aperto dalla riflessione di Karl Marx nella sua opera fondamentale: Il Capitale
• Attarverso le categorie formulate in quest'opera si cercherà di mostrare come il funzionamento della macchina capitalistica implichi l'impoverimento e la distruzione dei due elementi fondamentali che creano la ricchezza: il lavoro e la terra.

• Il modulo consta di una rassegna critica delle teorie scientifiche di cui la nostra società si è avvalsa per acquisire una concezione condivisa del mondo naturale come "sfondo".

• L’analisi di alcune teorie fondamentali (quelle di J. O’Connor, J. Bellamy Foster, P. Burkett, J.W. Moore, A. Malm), che mostrano come le conseguenze della mercificazione di ogni aspetto dell’ambiente e il suo strutturale sfruttamento all’interno delle dinamiche di produzione e riproduzione dei processi capitalistici, consentiranno di meglio definire gli obiettivi nell’ottica di un ripensamento radicale del contesto socio-economico-ambientale in cui ci troviamo.

• L'analisi dell'ecologia politica mette in evidenza il legame tra le questioni ambientali e le dinamiche politiche ed economiche contemporanee. 
• Attraverso l'analisi di una serie di casi studio provenienti dall'Africa a Sud del Sahara, gli incontri intendono proporre una riflessione sulle relazioni tra ambiente, disuguaglianze sociali e asimmetrie di potere.

• Viviamo in un pianeta danneggiato. I recenti dibattiti sull’antropocene e sulla sostenibilità ambientale hanno messo in evidenza la necessità di trovare strumenti concettuali per ripensare criticamente e su scala planetaria la socio-biosfera in cui viviamo al di là dei confini dell’umano.
• Questo corso prende in considerazione questi dibattiti attraverso le lenti dell’antropologia ambientale. produttivi capitalistici e fondati su principi di reciprocità, redistribuzione e cura.

• Il corso intende impostare la questione della relazione fra diritto e natura in modo filosofico-giuridico e socio-giuridico, fornendo da un lato una griglia analitica che problematizzi la relazione fra tecniche giuriche e usi della categoria "natura" e dall'altro che metta in luce criticamente il modo in cui la prassi sociale oggi può "giocare" con l'istituzione della natura
• Si prenderanno anche in considerazione i concetti di ambiente e di biodiversità sempre in relazione al ruolo del diritto. 

• Il ruolo dell’OMS nel definire le priorità sulla salute globale e del WTO nelle politiche di farmaci. Big Pharma: dal caso di Kano in Nigeria, all’influenza H1N1 alla gestione del Covid e la necessità di un ruolo pubblico su farmaci e vaccini. Pubblico e privato nella sanità.

• L'ecologia politica come approccio metodologico allo studio critico dello sviluppo capitalistico (André Gorz, James O'Connor, Ariel Salleh)
• L'ambientalismo operaio come vettore di politicizzazione della crisi ecologica (anni Sessanta e Settanta), poi come grande assente nell'elaborazione della green economy (anni Novanta e Duemila), infine, oggi, come spettro che potrebbe radicalizzare la prospettiva sindacale della Just Transition
• La giustizia climatica come griglia d'intelliggibilità del riscaldamento globale non legata in primo luogo ai dati "ambientali" (concentrazione di C02-equivalente in atmosfera, soglie di sicurezza, etc.), bensì a una dimensione di diseguaglianza, in primo luogo tra Nord e Sud del mondo (anni Novanta e Duemila) e in secondo luogo, oggi, tra classi sociali.

• Il corso propone un'analisi storica della mobilità forzata sin dall'accumulazione originaria, che giunge a criticare le definizioni operanti di migrazioni ambientali e climatiche per evidenziare come i processi di accumulazione originaria sempre ricorrenti e le politiche globali di governo/filtro/contrasto delle migrazioni (in particolare di quelle non richieste dagli Stati, come ad esempio quelle delle persone potenziali  richiedenti protezione) tendano a determinare un regime globale di apartheid (e specificamente apartheid climatico).

Il tentativo è quello di costruire un approccio di ecologia giuridica alle questioni contemporanee che coinvolgono i concetti di: 

• Diritto
• Natura
• Ambiente
• Biodiversità

lo sforzo sarà quello di leggere insieme tecniche giuridiche e prassi sociali al fine di costruire insieme dei modi istituenti all'altezza dell'era delle catastrofi.

• Metodologia della ricerca
• Ricerca e analisi delle migliori evidenze disponibili nella midwifery
• Analisi e valutazione dei dati epidemiologici
• Produzione e interpretazione degli esiti e dei risultati in area ostetrica e neonatale
• Gestione e prevenzione degli eventi avversi
• Mappatura dei rischi; sistema di allarme MEOWS
• Midwifery partnership model
• Applicare il Midwifery management per pianificare e organizzare le attività (lavorare per obiettivi, gestione delle risorse, identificare le priorità);
• Progettazione e organizzazione di interventi

• Gestire la comunicazione in modo efficace nel team e con l'utenza
• Saper risolvere relazioni conflittuali nel team e con l'utenza
• Essere punto di riferimento nel team per dare sostegno ai componenti il team e alle donne/coppie in situazioni critiche
• Saper lavorare in gruppo e favorire il lavoro in gruppo o l'attivazione di gruppi di lavoro

• Uso ed interpretazione Ecografia
• Lettura ed interpretazione CTG nelle diverse fasi del travaglio
• Emergenze cardiotocografiche
• Utilizzo del nuovo partogramma WHO
• Tecniche di rianimazione neonatale
• Tecniche di rianimazione nell'adulto
• Assistenza ostetrica alle donne in caso di: analgesia epidurale, induzione e accelerazione, VBAC, presentazione podalica, gravidanze gemellari
• Tecniche di sutura
• Management della ferita perineale

• Semeiotica ostetrica
• Psiconeuroendocrinologia (ossiticina,...)
• Dolore
• Neurofisiologia
• Interpretazione della comunicazione verbale e non verbale
• Normale adattamento alla vita extrauterina
• Buone pratiche per promuovere e sostenere la fisiologia: movimento libero e posture
• uso dell'acqua medicina complementare e integrativa 
• sostegno alla donna/coppia; aspetti clinico-assistenziali nell’assistenza al neonato (cure amiche della mamma)
• Gestione dei fattori influenzanti la fisiologia del travaglio di parto: ambiente, modelli

• Riconoscere le deviazioni dalla fisiologia: posizioni fetali anomale
• Distress materno
• Rallentamento della progressione nel I-II-III stadio
• Segni di allerta materni e neonatali nel IV stadio
• Management delle deviazioni dalla fisiologia: rebozo
• Posture materne
• Medicina complementare e integrativa
• Relazione terapautica 
• Prevenzione del danno perineale
• Gestione clinica dei segni di allerta materni e neonatli nel IV stadio

• Riconoscere le distocie dinamica, meccanica, emotiva,(..) nei 4 stadi del travaglio 
• Management delle distocie nel travaglio di parto

• Riconoscere i fattori di rischio delle emergenze: segni clinici, strumenti per lavalutazione del rischio
• Management delle emergenze urgenze: distocia di spalla, emorragia post partum, prolasso di funicolo
• Leadership e getione del team
• Identificazione e gestione delle priorità
• Organizzazione e gestione simulate, focus group, briefing e debriefing
• Metabolizzazione dell’esperienza con la donna e il partner

Metabolismo dei nutrienti e formulazione di una dieta equilibrata

Formulazione di una dieta equilibrata nelle varie discipline sportive