Показати скорочену інформацію

dc.contributor.authorЄфремова, С. В.uk
dc.contributor.authorГородецька, О. К.uk
dc.contributor.authorДобровська, Л. М.uk
dc.date.accessioned2023-03-06T12:25:38Z
dc.date.available2023-03-06T12:25:38Z
dc.date.issued2022
dc.identifier.citationЄфремова С. В. Програмний додаток визначення стану хворих на ювенільний ревматоїдний артрит у віддаленому періоді [Електронний ресурс] / С. В. Єфремова, О. К. Городецька, Л. М. Добровська // Наукові праці ВНТУ. – 2022. – № 4. – Режим доступу: https://praci.vntu.edu.ua/index.php/praci/article/view/666.uk
dc.identifier.issn2307-5376
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/36448
dc.description.abstractВ роботі розглянуто процес створення програмного додатку для оцінки віддаленого стану хворих, яким в дитинстві було встановлено діагноз ювенільний ревматоїдний артрит. Складністю поставленої задачі є те що хворі оцінювалися початково в дитячому віці, потім їм надавалося відповідне лікування, яке має бути встановлене індивідуально для кожного хворого і в результаті цього лікування симптоми захворювання повинні зникнути або бути мінімізовані. Для оцінки ступеня захворювання використані показники JADI-A (індекс суглобових пошкоджень) та JADI-Е (індекс позасуглобових пошкоджень). В роботі застосовані дані 289 хворих. Запропоновано застосування методів лінійного програмування для побудови системи регресійних рівнянь, які дозволяють прогнозувати кількісні характеристики стану хворого в дорослому періоді з урахуванням проведеної тактики лікування. Структура системи моделей складається з моделей, які оцінювали стан JADI-A та JADI-Е у віддаленому періоді, а також додаткові параметри управління. Це показники, які мають бути певним чином обмежені. Представлені моделі також можуть бути використані для підбору персоніфікованої тактики лікування, яка враховуючи початковий стан хворого дозволить мінімізувати кількість суглобових та позасуглобових пошкоджень. Ці моделі були оцінені на точність за допомогою коефіцієнта детермінації та всі вони показали загальну точність більше 0.9 на тестових даних, що свідчить про їх високу якість. Всі моделі лягли в основу програмного додатку, який може бути використаний для збереження даних хворих на всіх етапах обстеження та для оцінки їх стану. Цей програмний продукт розроблено на мові програмування R, з використанням фреймворку Shiny. З його допомогою лікарі зможуть спостерігати цього пацієнта, зберігати результати обстежень та проводити оцінку стану хворого.uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofНаукові праці ВНТУ. № 4.uk
dc.relation.urihttps://praci.vntu.edu.ua/index.php/praci/article/view/666
dc.subjectювенільний ревматоїдний артритuk
dc.subjectпрогностична модельuk
dc.subjectрегресійний аналізuk
dc.subjectметоди дослідження операційuk
dc.titleПрограмний додаток визначення стану хворих на ювенільний ревматоїдний артрит у віддаленому періодіuk
dc.typeArticle
dc.identifier.udc004.891.3
dc.relation.referencesClinical outcome measures in juvenile idiopathic arthritis / [G. Giancane, A. Consolaro, B. Schiappapietra et al.]. // Pediatric Rheumatology. – 2016. – № 14. – P. 23.en
dc.relation.referencesArticular damage in adults with juvenile idiopathic arthritis / [E. Gurcay, E. Eksioglu, S. Yuzer та ін.]. // Rheumatology International. – 2009. – № 29. – P. 635 – 640.en
dc.relation.referencesValidity and predictive ability of the juvenile arthritis disease activity score based on CRP versus ESR in a Nordic population-based setting / [E. Nordal, M. Zak, K. Aalto et al.]. // Annals of the Rheumatic Diseases. – 2012. – № 71. – P. 7.en
dc.relation.referencesYoung A. Channeling Fisher: Randomization Tests and the Statistical Insignificance of Seemingly Significant Experimental Results / A. Young. // The Quarterly Journal of Economics. – 2019. – № 134. – P. 557 – 598.en
dc.relation.referencesBerman H. Residual Analysis in Regression [Електронний ресурс] / H.B. Berman. – 2022. – Режим доступу до ресурсу: https://stattrek.com/regression/residual-analysis.en
dc.relation.referencesCardinali1 C. Influence matrix diagnostic of a data assimilation system [Електронний ресурс] / C. Cardinali1, S. Pezzulli, E. Andersson // Research Department. – 2013. – Режим доступу до ресурсу : https://www.ecmwf.int/sites/default/files/elibrary/2003/8591-influence-matrix-diagnostic-data-assimilation-system.pdf.en
dc.relation.referencesMalakooti B. Operations and Production Systems with Multiple Objectives / B. Malakooti. – John Wiley & Sons, 2013. – 1114 р.en
dc.relation.referencesAshish Sen. Regression Analysis : Theory, Methods and Applications / Ashish Sen, Muni Srivastava. – Springer Science & Business Media, 1997. – 348 р.en
dc.relation.referencesStulp F. Many regression algorithms, one unified model: A review / F. Stulp, O. Sigaud // Neural Networks. – 2015. – P. 60 – 79.en


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію