Biosurveillance using control charts and scan statistics
| dc.contributor.advisor | Μπρισίμης, Σοφοκλής | |
| dc.contributor.author | Μουζάκη, Γεωργία | |
| dc.date.accessioned | 2016-07-21T05:48:58Z | |
| dc.date.available | 2016-07-21T05:48:58Z | |
| dc.date.issued | 2015-11 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/8979 | |
| dc.description.abstract | Σκοπός της παρούσας εργασίας είναι η ανάπτυξη ενός συστήματος παρακολούθησης ικανό να ανιχνεύσει ασυνήθιστα μεγάλα ξεσπάσματα σε χρονοσειρές από κρούσματα λοιμωδών ασθενειών συγκριτικά με τον αναμενόμενο αριθμό κρουσμάτων. Το σχεδιασμένο σε δύο φάσεις σύστημα επιτήρησης αποτελείται από (i) προσαρμογή Γενικευμένων Γραμμικών Μοντέλων στις χρονοσειρές με σκοπό να εξασφαλίσει δυναμικές προβλέψεις των μελλοντικών αναμενόμενων κρουσμάτων και (ii) τη χρήση διαγραμμάτων ελέγχου του Στατιστικού Ελέγχου Ποιότητας για την παρακολούθηση των σφαλμάτων των προβλέψεων, όπως προκύπτουν από τα προσαρμοσμένα μοντέλα. Η ανάλυση της παρούσας εργασίας εφαρμόστηκε σε χρονικά εξαρτώμενες μετρήσεις, που αντικατοπτρίζουν το συνολικό αριθμό κρουσμάτων λοιμωδών ασθενειών που έχουν καταγραφεί σε διαφορετικές γεωγραφικές περιοχές στην Ελλάδα την περίοδο από τον Ιανουάριο του 2015 μέχρι το Δεκέμβριο του 2012 και εκθέτονται σε εβδομαδιαία βάση στο Κέντρο Ελέγχου και Πρόληψης Νοσημάτων (ΚΕΕΛΠΝΟ). Η μεθοδολογία που αναπτύχθηκε είναι ικανή να εντοπίζει αποκλίσεις από το μοτίβο που ακολουθούν οι λοιμώδεις ασθένειες συμβάλλοντας έτσι στην έγκαιρη ανταπόκριση της δημόσιας υγείας, καθώς επίσης μπορεί να γενικευτεί και σε άλλες εφαρμογές της φροντίδας υγείας. | el |
| dc.format.extent | 78 | el |
| dc.language.iso | en | 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.subject | Medical statistics | el |
| dc.title | Biosurveillance using control charts and scan statistics | el |
| dc.title.alternative | Επιδημιολογική επίβλεψη με χρήση διαγραμμάτων ελέγχου και στατιστικών σάρωσης | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
| dc.description.abstractEN | In the present study, is described a monitoring system which is developed to identify unusually large increases in time series of infectious disease counts (outbreak detection) compared to the expected number of cases. The designed two-phase monitoring system consists of (i) successful integration of count time series following generalized linear models, in order to provide dynamic forecasting of future expected disease counts and (ii) using SPC methods for tracking the forecast errors from the fitted models. Analysis for this study was illustrated on time-dependent count data which reflect the total number of infectious diseases from January 2005 through December 2012 in different geographical areas in Greece and were reported weekly to the Hellenic Center for Disease Control and Prevention (HCDCP). The systematic methodology that is developed, is capable of detecting aberrations in infectious disease patterns, facilitating a timely public health response and it can be generalized to other healthcare settings. | el |
| dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
| dc.subject.keyword | Infectious diseases | el |
| dc.subject.keyword | Disease outbreaks | el |
| dc.subject.keyword | Health surveillance systems | el |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές