predikcia možného výskytu ochorenia v rámci populácie použitím data-mining techník

Bc. Július PálVedúci práce: RNDr. Tomáš Horváth, PhD.Konzultant: MUDr. Dušan Béreš, MPH.

Ústav informatiky, Prírodovedecká fakulta, UPJŠ

1) Charakteristika základného problému

2) Metodika analýzy dát

3) Výsledky

4) Diskusia

Ciele:1) Analýza a prípadná implementácia dostupných metód pre modelovanie šírenia epidemického procesu.2) Získanie reálnych dát3) Návrh modelu pre predikciu šírenia nákazy na základe data mining techník.4) Implementácia navrhnutého modelu, ktorý pre konkrétnu populáciu vypočíta mieru stanovených rizík jednotlivých faktorov, ktoré ovplyvňujú proces šírenia nákazy

Predmetom mojej diplomovej práce je riešiť proces šírenia nákazy, konkrétne vírusových žltačiek typu A

Čo je vírusová hepatitída typu A?

Čo je proces šírenia nákazy?

Hepatitída typu A je prenosné ochorenie spôsobená vírusom hepatitídy typu A pre ktoré je charakteristická fekálne-orálna cesta prenosu pôvodcu nákazu. Hlavným symptómom je akútny zápal pečene (hepatitída).

Proces šírenia nákazy je epidemický proces - je to sústavný výskyt toho istého ochorenia v určitej skupine ľudí, v určitom čase ( spravidla dvojnásobok maximálneho inkubačného času ) a v určitom priestore.

Zameraním mojej práce je identifikovať príčiny, uvedených náhodných zmien výskytu VHA, na Slovensku resp. v okrese Rimavská Sobota hľadať a identifikovať súvislosti medzi výskytom a možnými príčinami za dostupných dát registra prenosných ochorení, ktorý vedie RÚVZ v Banskej Bystrici.

Okrem predpokladaných rizikových faktorov ako sú vek, spôsob zásobovania pitnou vodou, úroveň osobnej hygieny, stav imunity vnímavosti je predpoklad že náhodné zmeny vznikajú aj ako následok, iných príčin resp. tieto potencujú už uvedené príčiny.

CRISP DM model (Cross Industry Standard Process for Data Mining)

1)Pochopenie cieľa2)Pochopenie dát3)Príprava dát4)Modelovanie5)Vyhodnotenie6)Nasadenie

Analýza dát

Analýza dát získaných z centrálneho registra prenosných ochorení RÚVZ so sídlom v Banskej Bystrici, za celé Slovensko, bez dát klasifikovaných ako osobné údaje, za obdobie od 1. 1. 1997 do 31. 12. 2012 12047 záznamov 47 atribútov 12 klasifikačných 35 hodnotové atribúty

Model SIR - Kermackův – Mc Kendrickův model [Vasicek]

Jednoduchý cellulárný automat [Beuchemin]

Analýza časových radov Použitím neuralných sietí [Ture, Kurt;2006]

▪ Viacvrstvový perceptron▪ RBF siete▪ TDDN- time delay neural network▪ ARIMA – model

Analýza časových radov Porovnanie datamining technik

[Carpinteiro;  Leite;Pinheiro;Lima]▪ SVM – support vector machine▪ SOM – self organizing map▪ MLP – multi layer perceptron

Kontrola dát, odstránenenie neplatných dát, chybných údajov

Konzistentnosť dát

Popis jednotlivých atribútov

Vytvorenie grafického prehľadu výskytu VHA, určenie časovej rady, podľa výskytu Pre kazdy den Mesačný

Analýza dát pomocou dataminigového softwaru RapidMiner

Určenie regulárnosti údajov, počet nekompletných údajov

Analýza jednotlivých atribútov

Vek

Kolektív

Kraj nákazy

Freqvent itemset mining – ECLAT Určenie tabuľky atribútov – 3802 Frekvencia výskytu – 10 % Hodnotenie výsledkov

pocetDavOckovania_0 intervalOckovania_0 Slovensko klasifikacia_potvrdený B15 (88.4438)

vyhľadanie zdrav.pomoci vyzdravenie klasifikacia_potvrdený B15 (75.4965)

sporadický vyhľadanie zdrav.pomoci klasifikacia_potvrdený B15 (54.63) mechPrenos_neznámy sporadický vyhľadanie zdrav.pomoci B15

(40.4676) mimo kolektív sporadický B15 (36.177) muž B15 (55.0155) nízky hygienický štandard nepracujúci/dieťa klasifikacia_potvrdený B15

(41.6995) nízky hygienický štandard muž mimo kolektív vyhľadanie zdrav.pomoci

(13.6345) faktorPrenos_kontaminované predmety klasifikacia_potvrdený B15

Slovensko (8.12034)

Pri 9% vyskyte sme dostali 299068 – rôznych kombinácii

Iný pohľad mesiac_oktober klasifikacia_potvrdený B15

(17.3133) pramen_nezistený (26.6655) pramen_človek chorý Slovensko B15 (26.2214) vek_od5_do9 klasifikacia_potvrdený B15 (21.9894)

Zameranie sa na fixáciu jednotlivých premenných

Korelácia medzi atribútmiRelatívne údaje vs absolútne

One class klasifikácia ECLAT – frequent items set mining SVM – support vector machine ARIMA – model

Ďakujem za pozornosť!