| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 5 / 5
First pagePrevious page1Next pageLast page
1.
PRIMERJAVA RAZLIČNIH PRISTOPOV ZA IZRAČUN TVEGANJA ZA KRONIČNO VNETNO ČREVESNO BOLEZEN NA OSNOVI ANALIZE PROFILOV GENETSKIH POLIMORFIZMOV
Kristjan Gabor, 2013, master's thesis

Abstract: Kronična vnetna črevesna bolezen (KVČB) je bolezen prebavil. Delimo jo na dva glavna podtipa, ulcerozni kolitis (UK) in Crohnovo bolezen (CB). Za KVČB je značilen kroničen, običajno vseživljenjski potek z aktualnimi zagoni ter vmesnimi krajšimi ali daljšimi obdobji odsotnosti kliničnih znakov. Vzrok za nastanek bolezni še ni poznan. Predvidevajo, da je KVČB posledica pretiranega imunskega odziva črevesne sluznice na dejavnike okolja. Pomembno vlogo pri njenem razvoju imajo genetski dejavniki. Je kompleksna bolezen, saj jo povzročajo genske okvare na več mestih, vendar ima vsak gen zelo majhen doprinos k razvoju bolezni. Namen magistrskega dela je izračunati statistične povezave in primerjati različne pristope napovednih modelov na osnovi analize genetskega zapisa, kot so napovedni model s kombinacijo polimorfizmov SNP (angl. single nucleotide polymorphism), napoved tveganja po multiplikativnem modelu in napovedni model, zgrajen s pomočjo strojnega učenja. Napovedni modeli so zgrajeni na modelu bolezni KVČB za posamezen SNP na osnovi rezultatov genotipizacije 33 različnih polimorfizmov SNP oziroma 30 genov pri slovenskih bolnikih s KVČB. Ti napovedni modeli nam omogočajo, da na osnovi genske analize napovemo tveganje bolezni za posameznika. Ugotovili smo, kateri SNP-ji predstavljajo najpomembnejši dejavnik tveganja v slovenski populaciji. Z metodo primerjave kombinacije SNP-jev med dvema skupinama smo najboljšo napoved dosegli pri primerjanju bolnikov z UK s kontrolno skupino zdravih posameznikov. Občutljivost testa je bila 64,9-odstotna in specifičnost 72,13-odstotna. Z napovednim modelom, zgrajenim s pomočjo strojnega učenja v odprtokodnem statističnem programu R, smo pri razlikovanju med skupino bolnikov s CB in kontrolno skupino zdravih posameznikov dosegli 76,38-odstotno občutljivost in 54,55-odstotno specifičnost. Prav tako smo poiskali najbolj informativne kombinacije genov in genetskih profilov, ki z optimalnim razmerjem med občutljivostjo in specifičnostjo napovedujejo tveganje za KVČB. Tako smo s pomočjo strojnega učenja ugotovili, da so za nastanek bolezni najbolj vplivni geni SLC22A5, FCGR3A, NR1/2 in SLC22A4. Ob primerjavi relativnega tveganja (RR) po standardni enačbi in po sistemu podjetja deCODEme, ki ima nekoliko drugačen pristop izračuna RR, smo dobili 12-odstotno neujemanje rezultatov oziroma napovedi relativnega tveganja za določene posamezne genotipske kombinacije.
Keywords: kronična vnetna črevesna bolezen, genetika, DNA, polimorfizmi SNP, napovedni modeli, strojno učenje, bioinformatika
Published: 12.07.2013; Views: 1964; Downloads: 154
.pdf Full text (3,15 MB)

2.
3.
NAPOVEDNI MODELI V BIOMEDICINI
Diana Fazlija, 2016, master's thesis

Abstract: Ljudje so že tisočletja imeli željo, da bi lahko napovedali prihodnost. Zelo pogosta je želja po tem, da bi predvideli, kaj se nam obeta v prihodnosti, kakšno bo naše življenje nekega dne. Prav takšno željo imajo tudi različna podjetja in raziskovalne ustanove, saj želijo vedeti ali bo nek izdelek ali storitev uspešen na trgu ter ali se bodo naložbe v prihodnosti izplačale. Na veliko veselje vseh je doba digitalizacije, s pomočjo podatkovnih baz in z močjo analitike, to omogočila z uporabo napovednih modelov. V magistrskem delu smo predstavili definicijo napovednih modelov in raziskali, kateri so tisti napovedni modeli, ki se najpogosteje uporabljajo na področju biomedicine. Najpogosteje uporabljene napovedne modele smo tudi podrobneje opisali in prikazali z grafičnim prikazom. Predstavili smo tudi uporabnost napovednih modelov na različnih področjih in njihovo praktično uporabo v programskem okolju R. Zastavili smo si dve raziskovalni vprašanji, na kateri smo dobili odgovore s pomočjo analize znanstvenih člankov iz baze PubMed. Kot prvo raziskovalo vprašanje smo ugotavljali, kateri so trije najpogostejši napovedni modeli, kot drugo raziskovalno vprašanje pa nas je zanimalo, kako se je v zadnjih dvajsetih letih spreminjalo število člankov, v katerih so uporabljeni napovedni modeli. Iz baze PubMed smo povzeli statistične podatke za zadnjih dvajset let in s pomočjo MS Excela prišli do zanimivih rezultatov. Ugotovili smo, da se kot trije najpogosteje uporabljeni napovedni modeli pojavljajo logistična regresija, linearna regresija in nevronske mreže. Po pričakovanjih pa smo tudi ugotovili, da je število člankov z uporabljenimi napovednimi metodami v zadnjih dvajsetih letih naraščalo, kar pomeni, da so jih raziskovalci vedno pogosteje vključevali v svoje raziskave. Iz tega lahko sklepamo, da se napovedni modeli v raziskovanju in praksi uporabljajo vse pogosteje, kar kaže na njihov pozitiven vpliv pri napovedovanju dogodkov in izidov.
Keywords: napovedni modeli, napovedno modeliranje, R studio, biomedicina
Published: 02.12.2016; Views: 612; Downloads: 89
.pdf Full text (1,02 MB)

4.
Gradnja napovednih modelov s pomočjo strukturiranih in nestrukturiranih podatkovnih virov
Leon Kopitar, 2017, master's thesis

Abstract: Teoretična izhodišča: Sladkorna bolezen tipa 2 (SB2) je najpogostejša oblika sladkorne bolezni, predvsem v razvitih državah sveta. Za SB2 zboleva vedno več ljudi, in to zaradi neprimernega življenjskega stila, predvsem premalo fizične dejavnosti in nepravilnega prehranjevanja. Čeprav večina ljudi SB2 vidi kot samoumevno bolezen, ki se lahko pojavi v poznih letih, se mnogi ne zavedajo njene resnosti. SB2 predstavlja glavni vzrok za možgansko kap in bolezni srca. Poleg tega lahko privede do slepote, bolezni ledvic oziroma, v skrajnem primeru, tudi do smrti. S starostjo se tveganje za SB2 razumljivo povečuje, vendar pa lahko v veliki meri na povečanje tveganja vplivamo predvsem sami. Smrtnemu izidu so najbolj podvrženi bolniki s SB2, ki so bili hospitalizirani na enoti intenzivnega oddelka. Glavni namen magistrskega dela je bil preveriti vpliv najpogosteje ponavljajočih se korenov besed iz zapisov o zdravljenju bolnika na točnost napovednega modela za napoved preživetja bolnikov s SB2. Metodologija raziskovanja: Analize smo opravili na filtrirani podatkovni zbirki MIMIC-III, ki hrani skupno 4236 zapisov o bolnikih s SB2. Analize so bile izvedene s programskim jezikom R s pomočjo naslednjih klasifikatorjev: Random Forest, Single C5.0 Ruleset, Glmnet (Lasso regresija), XGBoost ter GBM. Rezultate smo evalvirali z Bootstrap metodo, ponovljeno 100-krat. Rezultati: Vsi napovedni modeli, zgrajeni na podatkih moškega vzorca, so bili v primerjavi z modeli, zgrajenimi na podatkih ženskega vzorca, statistično signifikantno uspešnejši pri napovedovanju umrljivosti bolnikov s SB2 (ΔAUC = +0,049, p < 0,001). Z uporabo bigramov se rezultati napovedne uspešnosti statistično ne razlikujejo (p > 0,001). Ne glede na spol se rezultati pri napovedovanju z vključenim kriterijem SAPS izboljšajo v primerjavi z napovedovanjem, če kriterij SAPS ni prisoten (ΔAUCŽenske = +0,0756, ΔAUCMoški = +0,082). Sklep: Napovedni model XGBoost je najprimernejši model za napovedovanje umrljivosti bolnikov s SB2. Prisotnost besed, ki se navezujejo na stimulacijo oziroma spodbujanje, starost, gibanje, neodzivnost in diagnozo intracerebralne krvavitve, ima največji vpliv na uspešno napovedovanje umrljivosti bolnikov s SB2. Z vključitvijo bigramov se uspešnost napovednih modelov ne izboljša signifikantno. Uporaba pogosto uporabljenega kriterija SAPS, ki temelji na fizioloških podatkih, ostaja primarno vodilo pri napovedovanju umrljivosti bolnikov s SB2.
Keywords: sladkorna bolezen tipa 2, napovedni modeli, zapisi medicinskih sester
Published: 10.10.2017; Views: 379; Downloads: 154
.pdf Full text (1,03 MB)

5.
Veliko podatkovje v pravu in ekonomiji
Liljana Selinšek, 2015, original scientific article

Abstract: Prispevek obravnava izbrane ekonomske in pravne vidike velikega podatkovja in analizira novejše trende oz. mnenja o potrebnih pristopih k pravni regulaciji tega področja, ki je tesno zvezano s hitrim tehnološkim napredkom. Temeljna teza prispevka je, da razmeroma enovitega in podatkov polnega virtualnega sveta oz. kibernetskega prostora ne bo mogoče uspešno regulirati parcialno po posameznih pravnih področjih, ampak bo tradicionalno delitev pravnih področij treba preseči z novim krovnim (mednarodnim in široko sprejetim) pravnim aktom oz. področjem, ki bo določilo osnovna pravila in pravna načela, po katerih se bodo nato lahko ravnale tudi posamezne pravne discipline. Če želi pravo igrati aktivno in konstruktivno vlogo v spremenjenih družbenih razmerah ter biti dolgoročno upošteven dejavnik oz. razumna protiutež tehnološkemu razvoju, je potreben sistemski pristop na globalni ravni. Izziv je torej velik, a tudi težav ne manjka. Ena bistvenih je čas - vprašanje je, ali bo pravo še zmožno obvladovati tehnologijo, ko bo (končno) dojelo, za kaj gre.
Keywords: veliko podatkovje, digitalno vesolje, podatkovna pravica, napovedni modeli, varstvo osebnih podatkov, zasebnost, pravo
Published: 02.08.2018; Views: 149; Downloads: 24
.pdf Full text (600,19 KB)
This document has many files! More...

Search done in 0.09 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica