ZASTOSOWANIE METOD BAYESOWSKICH DO MODELOWANIA ROZWOJU FARMAKOOPORNOŚCI U PACJENTÓW | Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

Open full text

Opublikowane: cze 30, 2022

DOI: https://doi.org/10.35784/iapgos.2968

Crossref

Scopus

Google Scholar

Europe PMC

Numer Tom 12 Nr 2 (2022)

Artykuły

CKRIPT: NOWY JĘZYK SKRYPTOWY APLIKACJI INTERNETOWYCH
Wiktor Kania, Radosław Wajman

4-9
WIELOKLASOWA KLASYFI KACJA Z NAM ION SK Ó RNYCH W OPARCIU O GŁĘBOKIE SIECI NEURONOW E
Magdalena Michalska

10-14
SYNTEZA MATEMATYCZNYCH MODELI NIELINIOWYCH UKŁADÓW DYNAMICZNYCH Z WYKORZYSTANIEM RÓWNANIA CAŁKOWEGO VOLTERRY
Borys Mokin, Vitalii Mokin, Oleksandr Mokin, Orken Mamyrbaev, Saule Smailova

15-19
METODA DŁUGOŚCI WIDMA W ILOŚCIOWEJ INTERPRETACJI WYBRANYCH WIDM OPTYCZNYCH
Martyna Wawrzyk

20-23
ROZWÓJ AUTOMATYZACJI SORTOWANIA ODPADÓW JAKO INTEGRALNA CZĘŚĆ OCHRONY ŚRODOWISKA
Nataliia Stelmakh, Oleg Belman

24-29
SPOSÓB OCENY PARAMETRÓW JAKOŚCI USŁUG TELEKOMUNIKACYJNYCH
Valentyn Zablotskyi, Yosyp Selepyna, Viktor Lyshuk, Natalia Yakymchuk, Anatolii Tkachuk

30-33
NOWA METODA KALIBRACJI ON-LINE PRZETWORNIKA AC METODĄ KOLEJNYCH APROKSYMACJI
Serhii Zakharchenko, Tetiana Korobeinikova, Aigul Tungatarova, Bakhyt Yeraliyeva

34-37
KONSTRUKCJA INNOWACYJNYCH SYSTEMÓW POMIAROWYCH W TOMOGRAFII ULTRADŹWIĘKOWEJ
Michał Gołąbek, Tomasz Rymarczyk

38-42
SYMULACJA MATEMATYCZNA PRZETWORNIKA MIKROELEKTRONICZNEGO Z WYJŚCIEM CZĘSTOTLIWOŚCIOWYM DO POMIARU INDUKCJI POLA MAGNETYCZNEGO
Alexander Osadchuk, Iaroslav Osadchuk, Volodymyr Martyniuk, Lyudmila Krylik, Maria Evseeva

43-49
BADANIE ODDZIAŁYWANIA ELEKTROMAGNETYCZNEGO NAPOWIETRZNYCH LINII PRZESYŁOWYCH 330 KV NA SYSTEMY EKOLOGICZNE
Veronika Cherkashina, Svitlana Litvinchuk, Vladyslav Lesko, Svetlana Kravets, Volodymyr Netrebskiy, Olena Sikorska, Orken Mamyrbayev, Baglan Imanbek

50-55
WYZNACZANIE OPTYMALNEJ CZĘSTOTLIWOŚCI PIERWOTNYCH PRZETWORNIKÓW POMIAROWYCH DO POMIARU GRUBOŚCI POWŁOK DIELEKTRYCZNYCH NA POWIERZCHNIACH METALOWYCH
Kostyantyn Ovchynnykov, Oleksandr Vasilevskyi, Volodymyr Sevastianov, Yurii Polievoda, Aliya Kalizhanova, Bakhyt Yeraliyeva

56-59
DYNAMIKA SYSTEMU STABILIZACJI PRĘDKOŚCI PRZENOŚNIKA PRZY ZMIENNYCH OBCIĄŻENIACH
Leonid Polishchuk, Oleh Khmara , Oleh Piontkevych, Oksana Adler, Aigul Tungatarova , Ainur Kozbakova

60-63
O PRECYZYJNYM OBLICZANIU FAL AKUSTYCZNYCH W DZIEDZINIE CZĘSTOTLIWOŚCI
Tomasz Rymarczyk, Jan Sikora

64-68
METODY WYKRYWANIA I WYRÓŻNIANIA OBSZARÓW W TEKSTUROWANYCH OBRAZACH BIOMEDYCZNYCH RAKA PIERSI
Ainur Orazayeva , Jamalbek Tussupov, Waldemar Wójcik, Sergii Pavlov, Gulzira Abdikerimova, Liudmyla Savytska

69-72
SYMULACJE NUMERYCZNE PŁASKIEGO FANTOMU W BLISKIM POLU SYMETRYCZNEJ ANTENY DIPOLOWEJ
Monika Styła, Sebastian Styła

73-76
ZASTOSOWANIE METOD BAYESOWSKICH DO MODELOWANIA ROZWOJU FARMAKOOPORNOŚCI U PACJENTÓW
Mariia A. Voronenko, Ulzhalgas M. Zhunissova, Saule S. Smailova, Luidmila N. Lytvynenko, Nataliia B. Savina, Pavlo P. Mulesa, Volodymyr I. Lytvynenko

77-82

Archiwum

Tom 14 Nr 4
2024-12-21 25
Tom 14 Nr 3
2024-09-30 24
Tom 14 Nr 2
2024-06-30 24
Tom 14 Nr 1
2024-03-31 23

Tom 13 Nr 4
2023-12-20 24
Tom 13 Nr 3
2023-09-30 25
Tom 13 Nr 2
2023-06-30 14
Tom 13 Nr 1
2023-03-31 12

Tom 12 Nr 4
2022-12-30 16
Tom 12 Nr 3
2022-09-30 15
Tom 12 Nr 2
2022-06-30 16
Tom 12 Nr 1
2022-03-31 9

Tom 11 Nr 4
2021-12-20 15
Tom 11 Nr 3
2021-09-30 10
Tom 11 Nr 2
2021-06-30 11
Tom 11 Nr 1
2021-03-31 14

Tom 10 Nr 4
2020-12-20 16
Tom 10 Nr 3
2020-09-30 22
Tom 10 Nr 2
2020-06-30 16
Tom 10 Nr 1
2020-03-30 19

DOI

https://doi.org/10.35784/iapgos.2968

Authors

Mariia A. Voronenko

mary.voronenko@gmail.com

Kherson National Technical University, Ukraina

http://orcid.org/0000-0002-5392-5125

Ulzhalgas M. Zhunissova

ulzhalgas@list.ru

Astana Medical University, Kazachstan

http://orcid.org/0000-0001-5255-9314

Saule S. Smailova

Saule_Smailova@mail.ru

D.Serikbayev East Kazakhstan State Technical University, Kazachstan

http://orcid.org/0000-0002-8411-3584

Luidmila N. Lytvynenko

llytvynenko58@gmail.com

Kherson City Psychoneurological Clinic, Ukraina

http://orcid.org/0000-0001-8445-5704

Nataliia B. Savina

n.b.savina@nuwm.edu.ua

National University of Water and Environmental Engineering, Ukraina

http://orcid.org/0000-0001-8339-1219

Pavlo P. Mulesa

pavlo.mulesa@uzhnu.edu.ua

Uzhhorod National University, Ukraina

http://orcid.org/0000-0002-3437-8082

Volodymyr I. Lytvynenko

immun56@gmail.com

Kherson National Technical University, Ukraina

http://orcid.org/0000-0002-1536-5542

Abstrakt

W niniejszej pracy zaproponowano metodologię wykorzystania statycznych sieci bayesowskich (BN) w modelowaniu rozwoju farmakooporności u pacjentów z rozpoznaniem padaczki. Rozważane są metody konstruowania struktury statycznej BN, jej parametrycznego treningu, walidacji, analizy wrażliwości i analizy scenariuszy "co-jeśli". Model został zaprojektowany we współpracy z ekspertami – lekarzami, a także ekspertami – farmakologami w zakresie doboru i kwantyfikacji zmiennych wejściowych i wyjściowych.

Słowa kluczowe:

epileptologia, farmakooporność, sieci bayesowskie, uczenie strukturalne, uczenie parametryczne, analiza wrażliwości, walidacja

Bibliografia

Bates D. W., Kuperman G. J., Wang S., Gandhi T., Kittler A.: Ten commandments for effective clinical decision support: Making the practice of evidence-based medicine a reality. Journal of the American Medical Informatics Association 10, 2003, 523–530. DOI: https://doi.org/10.1197/jamia.M1370

Castillo E. F., Guti´errez J. M., Hadi A. S.: Sensitivity analysis in discrete Bayesian networks. IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems and Humans 27(4), 1997, 412–423. DOI: https://doi.org/10.1109/3468.594909

Cheeseman P., Kelly M., Taylor W., Freema D., Stutz J.: Bayesian classification. Proceedings of AAAI, St. Paul 1988, 607–611.

Cooper G. F.: Current research directions in the development of expert systems based on belief networks. Applied Stochastic Models and Data Analysis 5, 1989, 39–52. DOI: https://doi.org/10.1002/asm.3150050106

Darwiche A.: A differential approach to inference in Bayesian networks. Proceedings of Uncertainty in Artiﬁcial Intelligence 2000, 123–132.

Hiritis N.: Predictors of pharmacoresistant epilepsy. Epilepsy research 75(2-3), 2007, 192–196. DOI: https://doi.org/10.1016/j.eplepsyres.2007.06.003

Kahane Ph., Berg A., Loscher W.: Current knowledge on basic mechanism of drug resistance. Drug resistant epilepsy, UK John Libbey Eurotext, 2008, 47–57.

Kawamoto K., Houlihan C. A., Balas E. A., Lobach D. F.: Improving clinical practice using clinical decision support systems: a systematic review of trials to identify features critical to success. British Medical Journa 330, 2005, 765–773. DOI: https://doi.org/10.1136/bmj.38398.500764.8F

Kipersztok O., Wang H.: Another look at sensitivity of Bayesian networks to imprecise probabilities. Proceedings of the Eighth International Workshop on Artiﬁcial Intelligence and Statistics 2001, 226–232.

Kjærulff U., van der Gaag L. C.: Making sensitivity analysis computationally efﬁcient. Proceedings of Uncertainty in Artiﬁcial Intelligence 2000, 317–325.

Kwan P., Arzimanoglou A., Berg A. T., Brodie M. J.: Definition of drug resistant epilepsy: Consensus proposal by the ad hoc Task Force of the ILAE Commission on Therapeutic Strategies. Epilepsia 51(6), 2010, 1069–1077. DOI: https://doi.org/10.1111/j.1528-1167.2009.02397.x

Lucas P. J. F., Boot H., Taal B. G.: Decision-theoretic network approach to treatment management and prognosis. Knowledge-based Systems 11, 1998, 321–330. DOI: https://doi.org/10.1016/S0950-7051(98)00060-4

Miller R.: Medical diagnostic decision support systems-past, present and future. Journal of the American Medical Informatics Association 1, 1994, 8–27. DOI: https://doi.org/10.1136/jamia.1994.95236141

Musen M. A., Shahar Y., Shortliffe E. H.: Biomedial Informatics: computer applications in health care and biomedicine. Springer, New York 2006, 698–736. DOI: https://doi.org/10.1007/0-387-36278-9_20

Osheroff J. A.: Improving medication use and outcomes with clinical decision support: a step-by-step guide. Healthcare Information and Management Systems Society, Chicago 2009.

Percell G. P.: What makes a good clinical decision support system. British Medical Journal 330, 2005, 740–741. DOI: https://doi.org/10.1136/bmj.330.7494.740

Voronenko, M. A., Zhunissova, U. M., Smailova, S. S., Lytvynenko, L. N., Savina, N. B., Mulesa, P. P., & Lytvynenko, V. I. (2022). ZASTOSOWANIE METOD BAYESOWSKICH DO MODELOWANIA ROZWOJU FARMAKOOPORNOŚCI U PACJENTÓW. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12(2), 77–82. https://doi.org/10.35784/iapgos.2968