Nalazite se na CroRIS probnoj okolini. Ovdje evidentirani podaci neće biti pohranjeni u Informacijskom sustavu znanosti RH. Ako je ovo greška, CroRIS produkcijskoj okolini moguće je pristupi putem poveznice www.croris.hr
izvor podataka: crosbi

Korist stroja za učenje u predviđanju relapsa IgA vaskulitisa kod djece (CROSBI ID 709031)

Prilog sa skupa u časopisu | sažetak izlaganja sa skupa | domaća recenzija

Šapina, Matej ; Šestan, Mario ; Kifer, Nastasia ; Batnožić Varga, Mateja ; Held, Martina ; Sršen, Saša ; Ovuka, Aleksandar ; Frković, Marijan ; Gagro, Alenka ; Jelušić, Marija Korist stroja za učenje u predviđanju relapsa IgA vaskulitisa kod djece // Reumatizam. 2021. str. 61-61 doi: 10.33004/reumatizam-supp-68-1-7

Podaci o odgovornosti

Šapina, Matej ; Šestan, Mario ; Kifer, Nastasia ; Batnožić Varga, Mateja ; Held, Martina ; Sršen, Saša ; Ovuka, Aleksandar ; Frković, Marijan ; Gagro, Alenka ; Jelušić, Marija

hrvatski

Korist stroja za učenje u predviđanju relapsa IgA vaskulitisa kod djece

Uvod. IgA vaskulitis (IgAV) najčešći je sistemski vaskulitis u djece. Ključno kliničko obilježje bolesti je purpurični osip koji pretežno zahvaća donje ekstremitete popraćen difuznom boli u trbuhu, zahvaćanjem zglobova, nefritisom i/ili odlaganjem IgA depozita u bioptičkim uzorcima (kože, crijeva, bubrega). IgAV je većinom samoograničavajuća bolest povoljnog ishoda, ipak relapsi su mogući i nisu rijetki. Cilj istraživanja je procijeniti korist algoritama za nadzirano strojno učenje (SU) u identifikaciji onih bolesnika koji bi mogli razviti relaps IgAV. Ispitanici i metode. Veliki skup prediktivnih varijabli vezanih uz demografske varijable, povijest kliničke slike, simptoma, laboratorijskih nalaza i lijekova iskorišten je za početno prikupljanje podataka u razvoju prediktivnog modela strojnog učenja (SU). Nakon pripreme podataka, rukovođenja vrijednostima koje nedostaju i podacima koji nisu uravnoteženi istrenirani su, unakrsno provjereni i testirani modeli stroja za slučajni odabir (SSO) i stroja za podršku s polinomskom jezgrom (SPPJ). Rezultati. Pilot istraživanje obuhvatilo je 539 djece s IgAV-om (260 muške i 279 ženske) s medijanom dobi od 6.17 (4.42–8.75) godina. Među njima, 78.11% imalo je zahvaćene zglobove, 44.53% imalo je zahvaćen probavni sustav, a u 18.92% razvio se nefritis. Atipični raspored purpuričnog osipa (koji nije na donjim ekstremitetima kao ni generalizirani osip od početka bolesti) imalo je 5.19% bolesnika s IgAV-om dok je njih 8.91% imalo perzistirajući purpurični osip duži od mjesec dana. Incidencija recidiva IgAV bila je 10.2%. SSO model pokazao je sveukupnu točnost od 95% s osjetljivošću od 100% i specifičnost od 94.48%. SPPJ model pokazao je točnost od 87.58% s osjetljivošću od 100% i specifičnost od 86.21%. Prisutnost perzistirajućeg purpuričnog osipa se u oba modela pokazala kao najkorisnija prediktivna varijabla. Prediktivne varijable zajedničke za oba modela također su uključivale i prisutnost purpuričnog osipa na atipičnim mjestima, dob i nefritis. Zaključak. Rezultati ovog pilot istraživanja pokazuju obećavajuću primjenu stroja za učenje i to kao korisnu pomoć u predviđanju skupine bolesnika rizične za razvoj relapsa IgAV. Potpora: Projekt Hrvatske zaklade za znanost IP- 2019-04-8822.

IgA vaskulitis ; relaps ; stroj za učenje

nije evidentirano

engleski

Usefulness of learning machine for relapse prediction in children with IgA vasculitis

nije evidentirano

IgA vasculitis ; relaps ; learning machine

nije evidentirano

Podaci o prilogu

61-61.

2021.

nije evidentirano

objavljeno

10.33004/reumatizam-supp-68-1-7

Podaci o matičnoj publikaciji

Reumatizam

0374-1338

2459-6159

Podaci o skupu

23. godišnji kongres Hrvatskog reumatološkog društva

poster

14.10.2021-17.10.2021

Rovinj, Hrvatska

Povezanost rada

Kliničke medicinske znanosti

Poveznice