Logistická regrese jako nástroj pro diskriminaci v lékařských aplikacích

Abstract

Práce se investigativně zabývá analýzou lékařských dat pocházejících z chirurgických zákroků kolorekta z let 2001-2006. Tato data byla nejdříve transformována do podoby operačních faktorů a fysiologických faktorů a posléze použita pro účely generace logistického regresního modelu, který byl verifikován standardními statistickými, jakož i doplňkovými referenčními verifikačními technikami. Jako doplňková verifikační technika byla použita exponenciální analýza s vylepšením, která byla zalgoritmizována. Získané logistické regresní modely byly konfrontovány s dodaným referenčním modelem. Nalezené logistické regresní modely jsou posléze využity pro účely diskriminační analýzy, která spočívá v možnosti zařazení pacienta s neznámou příslušností do jedné ze dvou skupin podle operačních komplikací. Na vzorku dodaných dat je provedena prognóza operačních komplikací s vyhodnocením chyby správnosti zařazení. Nalezený postup pro toto zařazování pacientů včetně vyhodnocení chyb je algoritmicky zpracován v prostředí MATLAB.

This thesis is investigativly engaged in analysis of medical data derivable from surgical intervention colectomy in years 2001 – 2006. These data was first transformed into form of surgical factors and physiological factors and finally these data was used for generation of logistic regression model purposes that was verified by standard statistical by way of supplementary reference verifications technique. As a supplementary verifications technique was used an exponential analyses in improvement, which were algorithmized. Obtained logistic regressive models were confronted by supplied referential model. Found logistics regressive models are finally utilized for discriminating analysis purposes that consist in possibility of unknown pertinence of patient which is formate into one of two groups according to surgical complications. In the sample of delivered data is performed prognosis of surgical complications with errors evaluation of formatting correctness. The process found for this patient formatting including mistake evaluation is algorithmic processed in MATLAB.