Detekce relapsů schizofrenie v programu ITAREPS
Schizophrenia Relapse Detection in the ITAREPS Clinical Programme
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Božović Predrag
Vedoucí práce
Bakštein Eduard
Oponent práce
Chudáček Václav
Studijní obor
Informatika a počítačové vědyStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra kybernetikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Schizofrenie je jednou z nejzávažnějších psychiatrických poruch, která postihuje přibližně 0,5-1 % populace ve vyspělých zemích, s příznaky jako zkreslení reality, bludy a halucinace, má ničivý dopad na životy pacientů, jejich rodiny a okolí. ITAREPS (Information Technology Aided Relapse Prevention Programme in Schizophrenia) představuje řešení telemedicíny založené na týdenním vzdáleném sledování pacientů mobilním telefonem a zvládnutí onemocnění při schizofrenii a psychotických poruchách obecně. Zdravotníci dostávají upozornění, když se stav pacienta zhorší, což indikuje budoucí relaps. To umožňuje včas intervenovat a vyhnout se zbytečným hospitalizacím. Tato práce popisuje úsilí o zlepšení přesnosti detekce relapsu zavedením komplexnějšího návrhu klasifikátoru. Data byla získána z klinického programu ITAREPS. Data v souboru jsou nejprve označena, abychom vydělili dvě nevyvážené třídy a získali sadu dodatečných atributů, na základě nichž lze sestavit binární klasifikátor. Vymodelujeme klasifikátor založený na metodě gradient boosting, který je pak natrénován a vyhodnocen za účelem získání dostatečné senzitivity, aniž bychom přehlíželi méně reprezentovanou kritickou třídu. Schizophrenia is one of the most severe psychiatric disorders affecting around 0.5-1 % of the population in developed countries, with symptoms such as reality distortion, delusions and hallucinations, it has a devastating impact on lives of patients and of their families, and surroundings. The Information Technology Aided Relapse Prevention Programme in Schizophrenia presents a mobile phone-based telemedicine solution for weekly remote patient monitoring and disease management in schizophrenia and psychotic disorders in general. Healthcare professionals receive alerts when the patient's condition worsens which indicates a future relapse, to enable early intervention and avoid unnecessary hospitalisations. This thesis presents an effort to improve relapse detection accuracy by introducing a more complex classifier design. The data is obtained from the ITAREPS clinical programme. The dataset is first labelled in order to extract two unbalanced classes as well as to extract a set of additional features upon which a binary classifier can be built. The classifier based on a gradient boosting machine is modelled, and then trained and evaluated with the aim of yielding sufficient sensitivity as to not overlook the under-represented critical class.}
Kolekce
- Bakalářské práce - 13133 [778]