Μεθοδολογίες Αξιοποίησης Δεδομένων

Transcript

1 Μεθοδολογίες Αξιοποίησης Δεδομένων Βλάχος Σ. Ιωάννης Λέκτορας 407/80, Ιατρικής Σχολής Πανεπιστημίου Αθηνών Εργαστήριο Πειραματικής Χειρουργικής και Χειρουργικής Ερεύνης «Ν.Σ. Σ Χρηστέας»

2 Στάδια Αξιοποίησης Δεδομένων Συλλογή Αποθήκευση Καθαρισμός Περιγραφή Περαιτέρω Αξιοποίηση των Δεδομένων Εξαγωγή Συμπερασμάτων

3 Κατηγορίες Δεδομένων Κατηγορικά Ονομαστικά: φύλο, ιστορικό, τύποι ασθενειών, τύποι παρεμβάσεων.. Διατεταγμένα Κατηγορικά: προτιμήσεις, σταδιοποιήσεις ασθενειών, ανεκτότητα φαρμάκων Διακριτά: Αριθμός παιδιών, συμβαμμάτων Αριθμητικά: ηλικία, ύψος, βάρος, συγκεντρώσεις, πιέσεις..

4 Συλλογή Δεδομένων Κλινικές Μελέτες «Ο Ο υψηλός βαθμός διαφοροποίησης των συμμετεχόντων σε μια κλινική μελέτη, ακόμη και όταν ακολουθούνται τα αυστηρότερα κριτήρια επιλογής αποκλεισμού, καθιστούν την εξαντλητική συλλογή δεδομένων, δ μονόδρομο για την επιτυχία της μελέτης»

5 Συλλογή Δεδομένων Κλινικές Μελέτες Τομείς Συλλογής Πληροφοριών Δημογραφικά Χαρακτηριστικά Ανθρωπομετρικά Χαρακτηριστικά Τρόπος Ζωής (Άγχος, Εργασία,, Άσκηση) η) Διατροφή Προσωπικό Αναμνηστικό Οικογενειακό ιστορικό (τουλάχιστον 1ου 2ου βαθμού συγγένειας) Κλινική Εικόνα Αποτελέσματα Εξετάσεων (Κλινικών Εργαστηριακών)

6 Συλλογή Δεδομένων Πειραματικές Μελέτες «ΗΗ δυνατότητα απόλυτου ελέγχου των συνθηκών διεξαγωγής μιας πειραματικής έρευνας μας δίνει τη δυνατότητα να εντοπίσουμε τις παραμέτρους που είναι πραγματικά σημαντικές για το υπό μελέτη αντικείμενο.» «Γιααυτότολόγοηκαταγραφήκάθελεπτομέρειας, η οποία μπορεί να διαφοροποιηθεί, αποτελεί σημαντική παράμετρο για την επιτυχία μιας μελέτης»

7 Δεδομένα Πειραματικές Μελέτες Τομείς Συλλογής Πληροφοριών Χαρακτηριστικά Ζωϊκού Προτύπου Σημαντικές Παρατηρήσεις Κατά την Παραμονή: Υγεία, Στοιχεία συμπεριφοράς Κατά τη διάρκεια της Παρέμβασης: Χρόνοι, Παρατηρήσεις Κτηνιάτρων Κατά τη φάση Παρακολούθησης: Υγεία, Συμπτώματα, Συμπεριφορά, Χρόνοι επιβίωσης Εξαγόμενα Εξετάσεων: Αιματολογικές, Παθολογανατομικές, Ανοσοϊστοχημικές κλπ.

8 Αποθήκευση των Δεδομένων Καταγραφή των δεδομένων δ στη βασική εφαρμογή: Λογιστικό Φύλλο (Excel, Calc..) Στατιστικό Πακέτο (SPSS, Systat, Medcalc..) Βάση Δεδομένων (Access, MySQL..)

9 Καθαρισμός Έλεγχος των Δεδομένων 1η Φάση Ελέγχου: Κατά τη συλλογή (Πρωτογενής). «Δεν προσφέρεται η δυνατότητα επανάληψης των πειραμάτων» 2η Φάση Ελέγχου: Κατά την αποθήκευση 3η Φάση Ελέγχου: Καθαρισμός των Δεδομένων Βασικές Παράμετροι Συμπλήρωση όλων των πεδίων Έλεγχος εύρους τιμών (εφικτότητα τιμών) Έλεγχος ορθότητας πεδίων «Ο τακτικός επανέλεγχος των ηλεκτρονικών εγγραφών με τα χειρόγραφα (φάκελοι ασθενών προτύπων) αποτελεί πάγια τακτική»

10 Περιγραφή Μέθοδοι Περιγραφική Στατιστική Γραφήματα Εξαγωγή Προφίλ ασθενών ζωϊκών προτύπων Βασικές κατευθύνσεις ανάλυσης Εντοπισμός ακραίων τιμών (4η Φάση Ελέγχου)

11 Εξαγωγή Συμπερασμάτων Σύγκριση Ομάδων Σύγκριση Διαδοχικών Φάσεων Εντοπισμός Συσχετίσεων Διαγώνιο Πηλίκο (odds ratio) Εντοπισμός ανεξαρτήτων παραγόντων Μλέ Μελέτη επιβίωσης

12 Περαιτέρω ρ αξιοποίηση ητων Δεδομένων Προηγμένες Μέθοδοι Ανάλυσης Μοντέλα Πρόγνωσης Έμπειρα Συστήματα

13 Προηγμένη Ανάλυση Δεδομένων Οφέλη Δυνατότητες Αξιοποιήσιμα Δεδομένα Μεθοδολογίες Επιλογή Μεθοδολογίας Στόχοι Εξελίξεις ξ που ωφελούν περαιτέρω την ανάπτυξη

14 Σημαντικά Οφέλη Συνολική εκτίμηση η των Δεδομένων. Εκμετάλλευση κάθε προγνωστικού παράγοντα. Αύξηση της Απόδοσης στο ίδιο κόστος. Αντικειμενική Εξατομικευμένη Διάγνωση Υ β ήθ ί ξ E id B d Υποβοήθηση για την επίτευξη Evidence Based Medicine

15 Προσφερόμενες Δυνατότητες Διεξαγωγή πρώιμης έγκαιρης Διάγνωσης. Εξατομικευμένη Εκτίμηση Κινδύνου. Πρόγνωση Μετεγχειρητικής- Μεταθεραπευτικής πορείας. Εύρεση βέλτιστης θεραπευτικής Αγωγής. γής Εντοπισμός Γονιδίων που συμβάλλουν στη δημιουργία ή αποτροπή μιας Παθολογικής κατάστασης, Αυτοματοποίηση - αύξηση της ακρίβειας Εξετάσεων (Υπερηχογραφικές, Κυτταρολογικές εξετάσεις, Ιστολογικές εξετάσεις ) Εντοπισμός δεικτών (αυτόνομα ή ως σύνολο). Εφαρμογή περιορισμών κόστους κ εφικτότητας

16 Αξιοποιήσιμα Δεδομένα Βαθμονομημένα - Κατηγορικά Δεδομένα Ανθρωπομετρικά Στοιχεία, Αιματολογικές Εξετάσεις, Βιοχημικούς Δείκτες, Αποτελέσματα Κλινικών Εξετάσεων υπό μορφή μετρήσιμων στοιχείων Ψηφιακό - Αναλογικό Σήμα Video Εξετάσεων (π.χ. υπερηχογραφικών), ραφικώ ) Εικόνες, Ηχητικό σήμα.. Συνδυασμός

17 Απόκτηση Δεδομένων Προϋπάρχοντα Δεδομένα Κλινικά Ερευνητικά Νέα Δεδομένα Κλινικά Πρωτόκολλα Πειραματικά Πρωτόκολλα

18 Μεθοδολογίες Παλινδρομήσεις (Γραμμική, Λογιστική) Δένδρα Απόφασης Ασαφής Λογική Γενετικοί Αλγόριθμοι Αυτόματα Τεχνητά Νευρωνικά Δίκτυα Συστήματα Πυρήνων Υβριδικές Υλοποιήσεις

19 Επιλογή Μεθοδολογίας Δυνατότητα εφαρμογής Χαρακτηριστικά Δεδομένων (πληθάριθμος, πληρότητα, αντικειμενικότητα μετρήσεων,, κλπ). ) Χρόνος Εκπαίδευσης - Λειτουργίας Παραμετροποιήσεις Παρεμβάσεις Δυνατότητες γενίκευσης.

20 Παράδειγμα Υλοποίησης Τεχνητά Νευρωνικά Δίκτυα Δομούνται με βάση το νευρικό σύστημα θηλαστικών Ισχυρά Εργαλεία Για Ταξινόμηση Παλινδρόμηση Εντοπισμός ομοειδών ομάδων

21 Διαχωρισμός - Ταξινόμηση «ΟμάδαΟ μεθόδων που έχουν ως σκοπό το διαχωρισμό αντικειμένων (ανθρώπων, ζώων, κυττάρων..) ) σε προκαθορισμένες κατηγορίες, βάσει μετρούμενών τους χαρακτηριστικών» (Μάθηση με Επιτήρηση)

22 Ομαδοποίηση «ΟμάδαΟ μεθόδων που έχουν ως στόχο τη διαίρεση των παρατηρήσεων (άνθρωποι ή αντικείμενα) ) σε ξένα μεταξύ τους υποσύνολα. Τα υποσύνολα αυτά, που δεν είναι πρότερα γνωστά, διαφέρουν το μέγιστο μεταξύ τους» (Μάθηση χωρίς Επιτήρηση)

23 Παλινδρόμηση «Τεχνικές που έχουν ως στόχο τον υπολογισμό της τιμής μιας άγνωστης παραμέτρου αξιοποιώντας τιμές γνωστών χαρακτηριστικών (προγνωστικών παραγόντων).» (Μάθηση η ημε Επιτήρηση) η

24 Παράδειγμα Υλοποίησης Εκπαίδευση Επαλήθευση -> Δεδομένα Εκπαίδευσης Επαλήθευσης Στοιχεία Ασθενών Έκβαση???

25 Παράδειγμα Υλοποίησης ΙΙ

26 Παράδειγμα Υλοποίησης ΙΙ

27 Στόχοι Επίτευξη αντικειμενικής πρόγνωσης υψηλής ακρίβειας. Έγκαιρη έγκυρη υποβοήθηση. Προσφορά στους Ιατρούς αντικειμενικής «τρίτης» γνωμάτευσης. Αύξηση της επιτυχίας της καθημέρας ιατρικής πράξης.

28 Σας Ευχαριστώ Πολύ!!