Pregled bibliografske jedinice broj: 302256
Korištenje metode inteligentne analize podataka u stvaranju dijagnostičkog algoritma za posttraumatski stresni poremećaj
Korištenje metode inteligentne analize podataka u stvaranju dijagnostičkog algoritma za posttraumatski stresni poremećaj // Zbornik sažetaka 2. hrvatskog simpozija o poremećajima uzrokovanim stresom: Dijagnostika poremećaja uzrokovanih stresom
Zagreb, 2007. str. 14-14 (predavanje, nije recenziran, sažetak, znanstveni)
CROSBI ID: 302256 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Korištenje metode inteligentne analize podataka u
stvaranju dijagnostičkog algoritma za
posttraumatski stresni poremećaj
Autori
Marinić, Igor ; Gamberger, Dragan ; Supek, Fran ; Kovačić, Zrnka ; Rukavina, Lea ; Grubišić - Ilić, Mirjana ; Kozarić-Kovačić, Dragica
Vrsta, podvrsta i kategorija rada
Sažeci sa skupova, sažetak, znanstveni
Izvornik
Zbornik sažetaka 2. hrvatskog simpozija o poremećajima uzrokovanim stresom: Dijagnostika poremećaja uzrokovanih stresom
/ - Zagreb, 2007, 14-14
Skup
2. hrvatski simpozij o poremećajima uzrokovanim stresom: Dijagnostika poremećaja uzrokovanih stresom
Mjesto i datum
Zagreb, Hrvatska; Rabac, Hrvatska, 03.05.2007. - 05.05.2007
Vrsta sudjelovanja
Predavanje
Vrsta recenzije
Nije recenziran
Ključne riječi
inteligentna analiza podataka ; algoritam ; posttraumatski stresni poremećaj
(posttraumatic stress disorder)
Sažetak
Uvod: Složene metode inteligentne analize podataka mogu se koristiti za pronalaženje potencijalno korisnih informacija i obrazaca iz postojećih baza podataka. Cilj ovog prikaza je bio istražiti mogućnosti dva komplementarna algoritma inteligentne analize podataka u dijagnostici posttraumatskog stresnog poremećaja. Uzorak i metode: Primjenom dvije metode (Paralel Random Forest - PARF i Data Mining Server – DMS) učinjena je analiza podataka o ukupno 102 bolesnika (51 sa dijagnozom PTSP-a i 51 s ostalim psihijatrijskim dijagnozama osim PTSP-a) koji su liječeni na našoj Klinici. Svakom od ovih metoda formirana su po tri zasebna modela: 1.) model temeljen na podacima iz strukturiranog psihijatrijskog intervjua sačinjenog na našoj Klinici, 2.) model temeljen na psihijatrijskim skalama (Klinička skala za posttraumatski stresni poremećaj (CAPS), Skala pozitivnih i negativnih sindroma (PANSS), Hamiltonova skala za anksioznost (HAMA), Hamiltonova skala za depresiju (HAMD)), 3.) model temeljen na svim dostupnim podacima (strukturirani psihijatrijski upitnik i psihijatrijske skale). Korištenjem Random Forest (RF) klasifikatora rangirani su pojedini atributi obzirom na relevantnost povezanosti sa dijagnozom PTSP-a, dok su korištenjem DMS-a na temelju dostupnih podataka formirani osnovni dijagnostički algoritmi. Rezultati: U prvom modelu, korištenjem DMS-a formiran je algoritam umjerene senzitivnosti i specifičnosti koji u obzir uzima postojanje anksiozno depresivnog poremećaja, sadašnji status zaposlenja, status invaliditeta i dob, dok je RF algoritam kao najznačajnije atribute izdvojio grupu komorbidnih dijagnoza koja uključuje neurotske poremećaje, poremećaje povezane sa stresom i somatoformne poremećaje te postotak invaliditeta. U drugom modelu temeljenom na psihijatrijskim upitnicima DMS je izdvojio pojedine elemente CAPS i PANSS upitnika, a sam model ima veću specifičnost i senzitivnost nego prethodni model koji je temeljen samo na psihijatrijskom intervjuu. RF je kao relevantne atribute izdvojio elemente CAPS upitnika i dodatne kriterije PANSS upitnika, uz istu skupinu komorbidnih dijagnoza kao u prethodnom modelu. Konačno, korištenjem svih podataka zajedno elementi psihijatrijskih skala su se pokazali najznačajnijima, zajedno sa skupinom gore navedenih komorbidnih dijagnoza. Zaključak: Ovo je jedna od prvih primjena metoda inteligentne analize podataka u formiranju dijagnostičkih algoritama u psihijatriji. Primjenom dvaju komplementarnih metoda izvojeni su ne samo relevantni atributi iz dostupnih anamnestičkih podataka i psihijatrijskih upitnika, nego su i formirani osnovni algoritmi za dijagnostiku PTSP-a temeljeni na metodama inteligentne analize podataka.
Izvorni jezik
Hrvatski
Znanstvena područja
Kliničke medicinske znanosti
POVEZANOST RADA
Projekti:
MZOS-198-0982522-0075 - Psihofiziološka dijagnostika poremećaja uzrokovanih stresom (Kozarić-Kovačić, Dragica, MZOS ) ( CroRIS)
MZOS-198-1081870-0074 - Utjecaj lipidnog statusa, homocisteina i oLAB-a na kognitivne funkcije u PTSP-u (Rak, Davor, MZOS ) ( CroRIS)
Ustanove:
Medicinski fakultet, Zagreb,
Klinička bolnica "Dubrava"
Profili:
Dragan Gamberger
(autor)
Dragica Kozarić-Kovačić
(autor)
Zrnka Kovačić Petrović
(autor)
Igor Marinić
(autor)
Mirjana Grubišić-Ilić
(autor)
Fran Supek
(autor)