| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 4 / 4
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
STATISTIČNI PRISTOPI ZA ODKRIVANJE POVEZAV MED BIOKEMIJSKIMI, GENETSKIMI IN KLINIČNIMI PODATKI Z ODZIVOM NA ZDRAVLJENJE BOLNIKOV S CROHNOVO BOLEZNIJO Z ADALIMUMABOM
Jasmina Rebernak, 2015, magistrsko delo

Opis: Naredili smo celovito študijo s podatki iz članka (Koder et al., 2015) in doktorata (Koder, Silvo 2015). Namen naše raziskave je bila uporaba različnih statističnih pristopov (t-test neodvisnih vzorcev, anova, test dveh neodvisnih vzorcev, test k neodvisnih vzorcev, korelacije, linearna in logistična regresija) in z njimi odkriti povezave med biokemijskimi, kliničnimi in genetskimi podatki z odzivom na zdravljenje bolnikov s CB z adalimumabom. Uporabili smo programsko orodje SPSS in test normalne porazdelitve ShapiroWilk za izvedbo statističnih analiz. Odziv smo merili z vprašalnikom IBDQ in biokemijskim parametrom C-reaktivni protein (CRP). Za vsakega pacienta (N = 97) smo beležili 24 biokemijskih, 34 kliničnih in 34 genetskih podatkov. S kliničnim odzivom IBDQ se je dvakrat ponovilo pet polimorfizmov pri posameznemu genu. Trikrat so se ponovili trije biokemijski in šest kliničnih parametrov. Najbolj signifikantne povezave smo zaznali s PTGER4, CASP9, CCNY, sakroileitisom in alkalno fosfatazo. Z biološkim odzivom CRP se je dvakrat ponovilo devet povezav s polimorfizmi pri posameznem genu. Trikrat sta se ponovila dva biokemijska in eden klinični parameter. Za najbolj signifikantne so se izkazale povezave z ATG16L1, IL27, NR1|2 in c11orf30 ter albuminom. Z uporabo linearne in logistične (binarne) regresije smo izdelali napovedne modele za IBDQ in CRP. Z linearno regresijo smo dobili model z najvišjim R2 (0,691) za IBDQ v tridesetem tednu (natančnost: 69,32 %). Medtem ko smo najboljšo natančnost dobili za IBDQ v dvanajstem (76,00 %, R2 = 0,619) in dvajsetem (75,68 %, R2 = 0,567) tednu. Modeli za CRP so imeli R2 nad 0,980, vendar je njihova natančnost pod 61 %. Pri logistični regresiji je največjo natančnost imel model za IBDQ v četrtem tednu (R2 = 0,912; natančnost: 81,48 %). Natančnost modelov za odziv v dvanajstem (R2 = 0,482), dvajsetem (R2 = 0,465) in tridesetem (R2 = 0,653) tednu je znašala 71,43 %, 68,75 % in 64,10 %. Natančnost modelov za odziv CRP je znašala nad 70 %, vendar je to posledica manjkajočih podatkov in s tem manj veljavnih vzorcev. Ob koncu študije smo izdelali tabelo, s katero smo predstavili izbiro statističnega testa glede na biokemijske, klinične in genetske podatke.
Ključne besede: Crohnova bolezen, adalimumab, statistične metode, Mann-Whitney, Fisher's Exact test, Chi square test, test neodvisnih vzorcev, linearna regresija, logistična regresija, napovedni model
Objavljeno: 22.10.2015; Ogledov: 847; Prenosov: 157
.pdf Celotno besedilo (2,47 MB)

2.
Presojanje in napovedovanje insolventnosti za panogo gradbeništvo s pomočjo statističnih modelov
Mitja Šinko, 2016, magistrsko delo

Opis: Gradbeništvo v Sloveniji je doživelo pred krizo enormno rast. Rast so podpirali bančni finančni viri. Z nastopom krize so se začele težave na obeh koncih, ob zmanjševanju državnih investicij so se hkrati odtegovali tuji finančni viri. Posledično so krizo najbolj občutila velika, nefleksibilna in prekomerno zadolžena gradbena podjetja. Več kot dve tretjini velikih gradbenih podjetij ni uspelo niti restrukturirati finančnih obveznosti, saj jih je velika večina pristala v stečaju. Posledice stečajev velikih gradbenih podjetij čutijo tako majhni upniki – predvsem podizvajalci kot veliki upniki – banke in ostali finančni kreditorji. Nefinančni upniki v glavnem predstavljajo manjša ali srednje velika gradbena podjetja. Nekatere od njih je spiralo potegnilo v brezno stečajev. Banke so morale oblikovati ustrezne slabitve za dana posojila. Slabitve so sčasoma načenjale kapitalsko ustreznost. V izogib prihodnjim težavam je smiselno iz izkušenj in potrebe po stabilnem poslovnem odnosu vnaprej predvidevati razvoj prihodnjih dogodkov. Za predvidevanje finančnih težav je smiselna uporaba modelov napovedovanja insolventnosti / neplačila / neuspeha. Ti modeli temeljijo na računovodskih kazalnikih in mehkih dejavnikih. Ker se mehki dejavniki oziroma informacije povečini pridobivajo v poslovnem odnosu, smo se osredotočili na preučevanje javno dostopnih računovodskih informacij. Na vzorcu gradbenih podjetij, kjer smo izločili vsa takratna mikro podjetja in sedem največjih gradbenih podjetij v insolvenčnih postopkih, smo preverjali robustnost tradicionalnih statističnih modelov. Zanimala nas je klasifikacijska natančnost prepoznavnih tujih modelov multiple diskriminantne analize in manj znanih lokalnih modelov logistične regresije. Altmanovi MDA modeli Z-score dopuščajo določeno območje negotovosti, ki se je izkazalo še posebej veliko pri aplikaciji modela Z'-score, saj se je v njem znašlo kar 62 podjetij iz našega vzorca. Po eni strani to pomeni, da je iz previdnosti potrebna dodatna pozornost do teh podjetij, po drugi strani pa to zmanjšuje diskriminacijsko vlogo modela. Vendar se je model izkazal za zelo učinkovitega. Bolj natančen ob upoštevanju skupnega števila napačnih razvrstitev je bil le model logistične regresije od Širce. Slabše od pričakovanj se je izkazal model nepogojne logistične regresije Juričiča. Rezultati testiranja pa ne upoštevajo pomembnega dejavnika – neenakih stroškov napak. Pri enakih stroških napak namreč predpostavljamo, da bi bil strošek insolventnosti povprečnega dolžnika enak zaslužku pri poslovanju s povprečnim uspešnim partnerjem.
Ključne besede: gradbeništvo, insolventnost, presojanje insolventnosti, napovedovanje insolventnosti, statistične metode, Altman, multipla diskriminantna analiza, logistična regresija, stroški napak
Objavljeno: 09.12.2016; Ogledov: 458; Prenosov: 59
.pdf Celotno besedilo (4,27 MB)

3.
Razvoj napovednega modela za trgovanje z delniškimi vrednostnimi papirji na slovenskem borznem trgu
Primož Cimperman, 2018, magistrsko delo/naloga

Opis: Vpetost informacijsko-komunikacijske tehnologije v vsakdanje življenje je povzročila množično zbiranje, shranjevanje in obdelovanje podatkov, iz katerih se pridobivajo različne informacije, ki jih človek spretno uporablja pri vsakdanjih odločitvah tako doma kot na preostalih področjih svojega delovanja. Ob njihovi uporabi mora pri tem oceniti njihovo korist oziroma morebitno tveganje, ki jih pridobljena informacija prinaša. Podobno to velja tudi za trgovanje z vrednostnimi papirji na borzi, saj je primerno za lažjo odločitev o nakupu oziroma prodaji uporabiti določene pripomočke, ki so zasnovani v obliki programskih orodij. Ta nam na podlagi izbranega seta podatkov določene delnice izvajajo simulacije o potencialnem gibanju tečajnih vrednosti v prihodnosti. V magistrskem delu smo izdelali več napovednih modelov, pri katerih smo uporabili različne metode napovedovanja, ki se pogosto uporabljajo pri analizah gibanja tečajnih vrednosti delnic. Z metodologijo CRISP-DM smo razvili štiri napovedne modele, ki se med seboj razlikujejo tako po uporabljeni metodi kot tudi po primernosti časovnega obdobja napovedovanja. Z ocenami posameznih modelov na izbranih delnicah smo prišli do različnih ugotovitev, ki so nam podale širšo sliko o tem, kakšne so prednosti in slabosti posameznih modelov ter kateri model se je izkazal za najučinkovitejšega pri napovedovanju gibanja tečajev delnic. S pridobljenimi spoznanji si lahko pomagamo pri odločanju, ki zadeva borzno trgovanje na primeru izbranih delnic.
Ključne besede: odkrivanje znanja v podatkih, strojno učenje, podatkovno rudarjenje, metoda podpornih vektorjev, logistična regresija, trg vrednostnih papirjev.
Objavljeno: 05.06.2018; Ogledov: 226; Prenosov: 31
.pdf Celotno besedilo (2,55 MB)

4.
Napovedovanje tveganja za ponovno hospitalizacijo pacientov s sladkorno boleznijo na osnovi podatkov o bolnišničnih obravnavah
Nives Zeme, 2018, magistrsko delo

Opis: Izhodišča: Sladkorna bolezen sodi med kronične bolezni, ki zaradi svoje velike pogostosti ter zahtevne in kompleksne obravnave predstavljajo velik javno-zdravstveni problem. Ponovni bolnišnični sprejemi odražajo pomanjkljivosti v zdravstvenem sistemu. S pomočjo metod strojnega učenja in podatkov javnega značaja lahko določimo indikatorje, ki statistično značilno vplivajo na ponovno hospitalizacijo. Na podlagi določenih indikatorjev izdelamo napovedne modele za identifikacijo bolnikov, ki so ogroženi za ponovno hospitalizacijo. Raziskovalne metode: V magistrskem delu smo za teoretična izhodišča uporabili deskriptivno metodo zbiranja podatkov. Raziskava v empiričnem delu je temeljila na deskriptivni inferenčni statistični metodi. S statističnim programskim orodjem IBM SPSS 22.0 smo zgradili napovedni model za tveganje ponovne hospitalizacije bolnikov s sladkorno boleznijo. Posamezne spremenljivke smo preverili in statistično analizirali s pomočjo testa hi-kvadrat in neparametričnega testa Mann-Whitney U. Rezultati: Ugotovili smo, da nekateri indikatorji vplivajo na tveganje za ponovno hospitalizacijo v 30 dneh po odpustu iz bolnišnice. Za statistično značilne indikatorje so se izkazali: starost bolnika 74 let [95-odstotni IZ 74,75]; p < 0,001, ležalna doba 7 dni [95-odstotni IZ 7,8]; p < 0,001, število diagnoz 6 [95-odstotni IZ 6,6]; p = 0,047, število procedur 5 [95-odstotni IZ 5,6]; p < 0,000 in mesec odpusta iz bolnišnice 5 [95-odstotni IZ 5,5]; p = 0,001. Pri napovedovanju ponovne hospitalizacije bolnikov v slovenskih in kalifornijskih bolnišnicah obstajajo enaki indikatorji, vendar se med seboj statistično značilno razlikujejo. Diskusija in zaključek: Napovedovanje tveganja za ponovno hospitalizacijo vključuje dobro poznavanje lastnosti bolnika. Te so: zdravstveno stanje, socialno-demografski dejavniki in uporaba zdravstvenih storitev. Pomembna je opredelitev in razumevanje indikatorjev (spremenljivk) ter njihovih vrednosti, ki vplivajo na ponovno hospitalizacijo bolnikov s sladkorno boleznijo.
Ključne besede: sladkorna bolezen, ponovna hospitalizacija, podatki o bolnišničnih obravnavah, napovedni model, logistična regresija, odločitveno drevo
Objavljeno: 27.08.2018; Ogledov: 215; Prenosov: 59
.pdf Celotno besedilo (1,01 MB)

Iskanje izvedeno v 0.1 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici