dc.contributor.advisor | Μαγκλογιάννης, Ηλίας | |
dc.contributor.author | Αγγελίδης, Χρήστος | |
dc.date.accessioned | 2021-02-08T12:15:40Z | |
dc.date.available | 2021-02-08T12:15:40Z | |
dc.date.issued | 2021-02 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13246 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/669 | |
dc.description.abstract | Η παρούσα εργασία ασχολείται με την μελέτη και εξαγωγή συμπερασμάτων από δεδομένα νεφροπαθών ασθενών. Χρησιμοποιώντας Περιγραφική Στατιστική διερευνώνται πτυχές της ασθένειας, όπως ο συχνότερος τρόπος θανάτου των ασθενών, τα φάρμακα που συνταγογραφούνται, σε ποιες ηλικίες υπάρχει μεγαλύτερη θνησιμότητα κ.α.
Χρησιμοποιούνται τεχνικές μηχανικής μάθησης ώστε να προβλεφθεί ο χρόνος ζωής των ασθενών, η αιτία θανάτου, καθώς και η οικονομική επιβάρυνση που προκαλεί η συγκεκριμένη ασθένεια στους ασθενείς, χρησιμοποιώντας χαρακτηριστικά που εξήχθησαν μέσω τεχνικών επιλογής χαρακτηριστικών (Feature Selection).
Γίνεται ανάλυση θνησιμότητας ώστε να διαπιστωθεί ο χρόνος ζωής των ασθενών ανάλογα με το στάδιο που βρίσκονται, είτε σε αιμοκάθαρση είτε σε μεταμόσχευση. Τέλος χρησιμοποιώντας Causal Analysis διερευνήθηκε αν το φάρμακο ‘Trombyl’, ανάλογα με την δοσολογία του επιμηκύνει τη διάρκεια ζωής των ασθενών. | el |
dc.format.extent | 79 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Ανάλυση ιατρικών δεδομένων | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
dc.description.abstractEN | The current Thesis is dealing with the study and analysis of data of patients suffering from Chronic Kidney Disease. Using Descriptive Statistics, aspects of the disease are investigated, such as the most common cause of death, the prescribed drugs, and at what ages there is higher mortality, etc.
Machine learning techniques are used to predict patients' life expectancy, cause of death, and the financial burden of the disease on patients, using features that were refined through Feature Selection techniques.
Survival analysis is performed to determine the life expectancy of patients depending on the stage they are in, either on dialysis or transplant. Finally, using Causal Analysis, it was investigated whether the drug ‘Trombyl’, depending on its dosage, prolongs the life of patients. | el |
dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
dc.subject.keyword | Μηχανική μάθηση | el |
dc.subject.keyword | Ανάλυση δεδομένων | el |
dc.subject.keyword | Feature selection | el |
dc.subject.keyword | Ανάλυση επιβίωσης | el |
dc.subject.keyword | Causal analysis | el |
dc.subject.keyword | Αλγόριθμοι | el |
dc.subject.keyword | Random forest | el |
dc.subject.keyword | Decision tree | el |
dc.subject.keyword | KNN | el |
dc.subject.keyword | Survival analysis | el |
dc.subject.keyword | OLS | el |
dc.subject.keyword | Matching | el |
dc.subject.keyword | Weighting | el |
dc.subject.keyword | Ιατρικά δεδομένα | el |
dc.date.defense | 2021-01-18 | |