Πρωτότυπος Τίτλος:
Εξόρυξη γνώσης από διαχρονικές μελέτες πληθυσμών
Συγγραφέας:
Μπουζέτος, Εμμανουήλ, Κωνσταντίνος
Επιβλέπων καθηγητής:
Βαρλάμης, Ηρακλής
Περίληψη:
Η εξόρυξη γνώσης στις διαχρονικές μελέτες πληθυσμού είναι η διαδικασία εξερεύνησης συνόλων δεδομένων από μελέτες οι οποίες επαναλαμβάνονται ανά τακτά χρονικά διαστήματα σε ένα συγκεκριμένο κομμάτι του πληθυσμού με τη χρήση αλγορίθμων, στατιστικών μεθόδων και τεχνικών μηχανικής μάθησης. Σκοπός είναι η πληροφορία η οποία θα εξαχθεί να είναι κατανοητή από τον άνθρωπο ώστε να μπορεί να χρησιμοποιηθεί για τη λήψη αποφάσεων.
Ένας σημαντικός δείκτης για την υγεία των ηλικιωμένων είναι η “ευθραυστότητα ” (frailty index) ο οποίος χρησιμοποιείται ως μέτρο της γήρανσης και της ευπάθειας αυτών των ατόμων. Η πρόβλεψή της μεταβολής του frailty index στους ηλικιωμένους ανθρώπους συμβάλει ευνοϊκά για την έγκαιρη παρέμβαση ιατρικής φροντίδας ώστε να βελτιωθεί η ποιότητά ζωής τους.
Για την πρόβλεψη επιλέχθηκαν 2820 άτομά από την English Lognitudinal Study of Ageing και με τη δημιουργία ενός μοντέλου πρόβλεψης γνωρίσματων με τον πυρήνα του να αποτελείται από ένα Long Short Memory Neural Network εκτιμήθηκαν τα μελλοντικά τους γνωρίσματα. Στην συνέχεια δημιουργήθηκαν επιπλέον 5 μοντέλα μηχανικής μάθησης όπου με βάση τα γνωρίσματα αυτά έγινε η πρόβλεψη του frailty index. Τα γνωρίσματα είναι παράγωγα ιατρικών εξετάσεων όπου επαναλαμβάνονται ανά τακτά χρονικά διαστήματα στους συμμετέχοντες της English Lognitudinal Study of Ageing
Για την αξιολόγησή των μοντέλων κατασκευαστήκαν και μοντέλα αναφοράς με μειωμένη προβλεπτική δύναμη ώστε να χρησιμοποιηθούν τα μέτρα R^2 ,adjusted R^2, Mean Squared Error, Mean Absolute Squared Error για την σύγκριση και την αξιολόγηση της απόδοσης τους
Ένας σημαντικός δείκτης για την υγεία των ηλικιωμένων είναι η “ευθραυστότητα ” (frailty index) ο οποίος χρησιμοποιείται ως μέτρο της γήρανσης και της ευπάθειας αυτών των ατόμων. Η πρόβλεψή της μεταβολής του frailty index στους ηλικιωμένους ανθρώπους συμβάλει ευνοϊκά για την έγκαιρη παρέμβαση ιατρικής φροντίδας ώστε να βελτιωθεί η ποιότητά ζωής τους.
Για την πρόβλεψη επιλέχθηκαν 2820 άτομά από την English Lognitudinal Study of Ageing και με τη δημιουργία ενός μοντέλου πρόβλεψης γνωρίσματων με τον πυρήνα του να αποτελείται από ένα Long Short Memory Neural Network εκτιμήθηκαν τα μελλοντικά τους γνωρίσματα. Στην συνέχεια δημιουργήθηκαν επιπλέον 5 μοντέλα μηχανικής μάθησης όπου με βάση τα γνωρίσματα αυτά έγινε η πρόβλεψη του frailty index. Τα γνωρίσματα είναι παράγωγα ιατρικών εξετάσεων όπου επαναλαμβάνονται ανά τακτά χρονικά διαστήματα στους συμμετέχοντες της English Lognitudinal Study of Ageing
Για την αξιολόγησή των μοντέλων κατασκευαστήκαν και μοντέλα αναφοράς με μειωμένη προβλεπτική δύναμη ώστε να χρησιμοποιηθούν τα μέτρα R^2 ,adjusted R^2, Mean Squared Error, Mean Absolute Squared Error για την σύγκριση και την αξιολόγηση της απόδοσης τους
Ημερομηνία κατάθεσης:
2022-07-15
Γλώσσες Τεκμηρίου:
Ελληνικά
Θεματικές Κατηγορίες:
Ηλεκτρονικοί υπολογιστές. Επιστήμη των υπολογιστών
Λοιπά Θέματα:
Αλγόριθμοι - Επεξεργασία δεδομένων
Λέξεις-κλειδιά:
πρόβλεψη, Δείκτης Ευθραυστότητας, Διαχρονικές Μελέτες Πληθυσμού, Εξόρυξη Γνώσης, μηχανική μάθηση
Περιγραφή:
52 σ.,εικ.,πίν.,διαγρ.
Άδεια χρήσης:
Αναφορά Δημιουργού – Μη Εμπορική Χρήση 4.0
