ZASTOSOWANIE METOD BAYESOWSKICH DO MODELOWANIA ROZWOJU FARMAKOOPORNOŚCI U PACJENTÓW
Mariia A. Voronenko
Kherson National Technical University (Ukraina)
http://orcid.org/0000-0002-5392-5125
Ulzhalgas M. Zhunissova
Astana Medical University (Kazachstan)
http://orcid.org/0000-0001-5255-9314
Saule S. Smailova
D.Serikbayev East Kazakhstan State Technical University (Kazachstan)
http://orcid.org/0000-0002-8411-3584
Luidmila N. Lytvynenko
Kherson City Psychoneurological Clinic (Ukraina)
http://orcid.org/0000-0001-8445-5704
Nataliia B. Savina
National University of Water and Environmental Engineering (Ukraina)
http://orcid.org/0000-0001-8339-1219
Pavlo P. Mulesa
Uzhhorod National University (Ukraina)
http://orcid.org/0000-0002-3437-8082
Volodymyr I. Lytvynenko
immun56@gmail.comKherson 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, walidacjaBibliografia
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
Google Scholar
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
Google Scholar
Cheeseman P., Kelly M., Taylor W., Freema D., Stutz J.: Bayesian classification. Proceedings of AAAI, St. Paul 1988, 607–611.
Google Scholar
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
Google Scholar
Darwiche A.: A differential approach to inference in Bayesian networks. Proceedings of Uncertainty in Artificial Intelligence 2000, 123–132.
Google Scholar
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
Google Scholar
Kahane Ph., Berg A., Loscher W.: Current knowledge on basic mechanism of drug resistance. Drug resistant epilepsy, UK John Libbey Eurotext, 2008, 47–57.
Google Scholar
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
Google Scholar
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.
Google Scholar
Kjærulff U., van der Gaag L. C.: Making sensitivity analysis computationally efficient. Proceedings of Uncertainty in Artificial Intelligence 2000, 317–325.
Google Scholar
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
Google Scholar
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
Google Scholar
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
Google Scholar
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
Google Scholar
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.
Google Scholar
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
Google Scholar
Autorzy
Mariia A. VoronenkoKherson National Technical University Ukraina
http://orcid.org/0000-0002-5392-5125
Autorzy
Ulzhalgas M. ZhunissovaAstana Medical University Kazachstan
http://orcid.org/0000-0001-5255-9314
Autorzy
Saule S. SmailovaD.Serikbayev East Kazakhstan State Technical University Kazachstan
http://orcid.org/0000-0002-8411-3584
Autorzy
Luidmila N. LytvynenkoKherson City Psychoneurological Clinic Ukraina
http://orcid.org/0000-0001-8445-5704
Autorzy
Nataliia B. SavinaNational University of Water and Environmental Engineering Ukraina
http://orcid.org/0000-0001-8339-1219
Autorzy
Volodymyr I. Lytvynenkoimmun56@gmail.com
Kherson National Technical University Ukraina
http://orcid.org/0000-0002-1536-5542
Statystyki
Abstract views: 203PDF downloads: 126
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Svitlana A. Yaremko, Elena M. Kuzmina, Nataliia B. Savina, Iryna Yu. Yepifanova, Halyna B. Gordiichuk, Dinara Mussayeva, PROGNOZOWANIE PROCESÓW BIZNESOWYCH W SYSTEMIE ZARZĄDZANIA KORPORACJĄ , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 4 (2022)
- Oleksii M. Shushura, Liudmyla A. Asieieva, Oleksiy L. Nedashkivskiy, Yevhen V. Havrylko, Yevheniia O. Moroz, Saule S. Smailova, Magzhan Sarsembayev, SYMULACJA ZAGROŻEŃ BEZPIECZEŃSTWA INFORMACJI W ZAKRESIE DOSTĘPNOŚCI DOKUMENTÓW PROJEKTOWYCH W OPARCIU O LOGIKĘ ROZMYTĄ , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 3 (2022)
- Anna Vitiuk, Leonid Polishchuk, Nataliia B. Savina, Oksana O. Adler, Gulzhan Kashaganova, Saule Kumargazhanova, INŻYNIERYJNO-TECHNICZNA OCENA KONKURENCYJNOŚCI UKRAIŃSKICH PRZEDSIĘBIORSTW BUDOWY MASZYN NA PODSTAWIE ZASTOSOWANIA MODELI REGRESJI , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 3 (2023)
- Oleksandr Harnaha, Nataliia B. Savina, Volodymyr Hrytsiuk, ŚRODOWISKOWA I EKONOMICZNA OCENA SKUTECZNOŚCI ROZPORZĄDZENIA O UŻYTKOWANIU GRUNTÓW , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 13 Nr 4 (2023)
