DOI: https://doi.org/10.31071/kit2015.12.08

Опис-посилання

ISSN 1812-7231 Klin.inform.telemed. Volume 11, Issue 12, 2015, Pages 57–62

Автор(и)

М. С. Абрамовіч¹, Є. С. Атрощенко²

Установа(ви)

¹Науково-дослідний інститут прикладних проблем математики та інформатики Білоруського державного університету, Мінськ, Республіка Білорусь ²Республіканській науково-практичний центр "Кардіологія", Мінськ, Республіка Білорусь

Назва статті

Про прогнозування ефективності лікування хворих хронічною серцевою недостатністю

Анотація (резюме)

Вступ. Для прогнозування ефективності лікування хворих хронічною серцевою недостатністю (ХСН) з використанням статистичних методів класифікації необхідна наявність коректно сформованої навчальної вибірки та інформативного набору показників. Актуальною є задача дослідження ефективності прогнозування з використанням різних методів інтелектуального аналізу даних.

Мета роботи. Прогноз ефективності лікування хворих ХСН серцевою недостатністю з використанням статистичних методів класифікації на основі інформативних показників, виміряних на початок лікування.

Результати. Розглянуто підхід оцінки якості формування навчальної вибірки, заснований на порівнянні експертної та статистичної класифікацій. Сформований інформативний набір інструментальних та клінічних показників, що характеризують стан хворих ХСН: дані шестихвилинного тесту, середній артеріальний тиск в легеневій артерії, фракція викиду лівого шлуночка за Сімпсоном, частота серцевих скорочень і інтегральний показник якості життя. Для випадку, коли інформативні ознаки не підкоряються нормальному закону розподілу, замість класичного дискримінантного аналізу запропоновано використовувати робастний дискримінантний аналіз. Досліджено застосування методів класифікації: дискримінантного аналізу, робастного дискримінантного аналізу, методу опорних векторів, дерев рішень і бустінга на деревах рішень для прогнозування ефективності лікування хворих ХСН.

Висновок. Методи класифікації показали наступну точність прогнозу ефективності лікування хворих ХСН: дискримінантний аналіз — 80%, робастний дискримінантний аналіз — 82, 1%, нелінійний метод опорних векторів — 81, 1%, дерева рішень — 89, 5%, бустінг на деревах рішень — 95, 4%.

Ключові слова

хронічна серцева недостатність, навчальна вибірка, метод k-середніх, інформативні ознаки, дискримінантний аналіз, робастний дискримінантний аналіз, дерева рішень, метод опорних векторів, бустінг, ефективність лікування.

Список літератури

1. Атрощенко Е. С. Хроническая сердечная недостаточность. Минск. Белпринт, 2011, 149 с.

2. Атрощенко Е. С., Абрамович М. С. Прогнозирование эффективности комплексной терапии больных с хронической сердечной недостаточностью. Кардиология в Беларуси, 2013, N6(31), сс. 23–30.

3. Afifi A. A., Azen S. P. Statistical analysis: A Computer Oriented Approach, 2nd ed. New York, Academic Press, 1979, 442 p.

4. Duda R. O. Pattern classification, 2nd ed. New York, Wiley-Interscience, 2000, 456 р.

5. Kharin Yu. S. Robustness in Statistical Pattern Recognition. Dordrecht, Kluwer Academic Publishers, 1996, 302 p.

6. Harrington P. Machine Learning in Action. New York, Manning, 2012, 382 p.

7. Hastie T., Tibshirani R., Friedman J. H. The Elements of Statistical Learning, 2nded. New York, Springer, 2009, 764 p.

Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2015_12/10.pdf