Assessing the 10-Year Risk of Hard Arteriosclerotic Cardiovascular Disease Events Using the Characteristic Objects Method

• Autorzy: Wojciech Sałabun

Warianty tytułu

Ocena ryzyka wystąpienia ciężkiej choroby miażdżycowej układu sercowo-naczyniowego w horyzoncie 10-letnim przy użyciu metody obiektów charakterystycznych

• Języki publikacji: EN

Abstrakty

EN

This paper introduces the Characteristic Objects Method (COMET) as a useful multi-criteria decision-making (MCDM) method for use in medical applications. The author presents an assessment of the risk of hard arteriosclerotic cardiovascular disease (ASCVD) events. First, an MCDM mini model will be obtained using the COMET, this mini model is the easiest to identify but has the lowest accuracy. The mini model uses only two values for each criterion as characteristic values. For the ASCVD problem, the following four criteria will be used: age, total cholesterol, HDL cholesterol and systolic blood pressure. The author assumes that a white, male patient who is nonsmoker and is free of diabetes or hypertension. The model will next be used to build a ranking for example patients. Finally, the obtained results will be verified using the statistical data (ACC/AHA model) to check the accuracy of the COMET procedure. (original abstract)

W artykule przedstawiono przykład zastosowania Metody Obiektów Charakterystycznych (COMET) dla zastosowań medycznych. W tym celu, autor prezentuje problem związany z oceną ryzyka wystąpienia ciężkiej choroby miażdżycowej układu sercowo-naczyniowego (ASCVD). Na początku stosując metodę COMET uzyskiwany jest wielokryterialny mini model decyzyjny, który to mini model jest najłatwiejszy do zidentyfikowania, ale posiada najniższą dokładność. Jednak dokładność tego modelu jest wystarczająca nawet dla tak skomplikowanego problemu. Mini model wykorzystuje tylko dwie wartości dla każdego kryterium jako wartości charakterystyczne. W rozważanym problemie ASCVD zostaną wykorzystane następujące cztery kryteria: wiek, cholesterol całkowity, cholesterol HDL oraz skurczowe ciśnienie krwi. Autor zakłada, iż model ma być wykorzystany do oceny ryzyka u białego mężczyzny, który nie jest palaczem oraz nie choruje na cukrzyce lub nadciśnienie. Następnie model zostanie wykorzystany do zbudowania rankingu dla grupy przykładowych pacjentów. Na zakończenie, otrzymane wyniki zostaną zweryfikowane z zastosowaniem danych statystycznych (model ACC/AHA), w celu sprawdzenia dokładności procedury COMET. (abstrakt oryginalny)

Słowa kluczowe

EN

Fuzzy sets; Multiple-criteria decision making; Decision Support Systems (DSS); Expert systems; Risk assessment

PL

Zbiory rozmyte; Wielokryterialne podejmowanie decyzji; Systemy wspomagania decyzji; Systemy ekspertowe; Ocena ryzyka

• Czasopismo: Studies & Proceedings of Polish Association for Knowledge Management
• Rocznik: 2015
• Tom: 77
• Strony: 65--76

Twórcy

autor

Wojciech Sałabun

• West Pomeranian University of Technology

Bibliografia

• [1] DeFilippis А.Р., Young R., Carrubba C.J., et. al. An analysis of calibration and discrimination among multiple cardiovascular risk scores in a modern multiethnic cohort. Ann Intern Med, Vol. 162, No. 4., pp. 266-75,2014.
• [2] Downs J., Good C. New Cholesterol Guidelines: Has Godot Finally Arrived?. Ann Intern Med. 2014.
• [3] Goff D.C. Jr, Lloyd-Jones D.M, Bennett G, et. al. 2013 ACC/AHA Guideline on the Assessment of Cardiovascular Risk: A Report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. Circulation.2013.
• [4] Herrera-Viedma E. et al. A review of soft consensus models in a fuzzy environment, Vol. 17, May, pp. 4-13, 2014.
• [5] Kaufmann A. and Gupta M. Fuzzy mathematical models in engineering and management science. Elsevier Science Publishers: Amsterdam, Netherlands, 1988.
• [6] Kavousi M., Leening M.J., Nanchen D., et. al. Comparison of Application of the ACC/AHA Guidelines, Adult Treatment Panel III Guidelines, and European Society of Cardiology Guidelines for Cardiovascular Disease Prevention in a European Cohort. JAMA, 2014.
• [7] Kumar A. et al. RM Approach for Ranking of Generalized Trapezoidal Fuzzy Numbers, Fuzzy Information and Engineering, Vol. 2, No. 1, pp. 37-47,2010.
• [8] Muntner P., Colantonio L.D., Cushman M., et. al. Validation of the Atherosclerotic Cardiovascular Disease Pooled Cohort Risk Equations. JAMA, 2014.
• [9] Navar-Boggan A.M., Newby L.K. ACC/AHA Pooled Cohort Risk Equations predicted 5 -у risk for CV events in adults considered for statin initiation. Ann Intern Med, Vol. 161, No. 4,
• 2014.
• [10] Pedrycz W. et al. Fuzzy Multicriteria Decision Making: models, methods and applications. John Wiley & Sons: Chichester,2011.
• [11] Piegat A. and Sałabun W. Identification of a Multicriteria Decision-Making Model Using the Characteristic Objects Method, Applied Computational Intelligence and Soft Computing, Vol. 2014, 14 pages, 2014.
• [12] Piegat A. and Sałabun W. Nonlinearity of human multi-criteria in decision-making, Journal of Theoretical and Applied Computer Science, Vol. 6, No. 3, pp. 36-49,2012.
• [13] Piegat A. Fuzzy Modeling and Control. Springer-Verlag: New York, 2001.
• [14] Piegat A., Sałabun W. Comparative Analysis of MCDM Methods for Assessing the Severity of Chronic Liver Disease,Artificial Intelligence and Soft Computing, LNAI 9119, pp. 228-238, 2015.
• [15] Pulasinghe K. et al. Modular fuzzy neuro controller driven by spoken language commands, IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, Vol. 34, No. 1, pp. 293-302,2004.
• [16] Ridker P.M., Cook N.R. Comparing cardiovascular risk prediction scores. Ann Intern Med, Vol. 17, No. 4., pp. 313-314, 2015.
• [17] Ridker P.M., Cook N.R. Statins: new American guidelines for prevention of cardiovascular disease. Lancet. Vol. 382, No. 9907, pp. 1762-1765,2013.
• [18] Ross T.J. Fuzzy logic with engineering applications. John Wiley & Sons: Chichester, 2010.
• [19] Sałabun W. Application of the Fuzzy Multi-criteria Decision-Making Method to Identify Nonlinear Decision Models, International journal of Computer Applications, Vol. 89, No. 15, pp. 1-6,2014.
• [20] Sałabun W. Reduction in the number of comparisons required to create matrix of expert judgment in the COMET method, Management and Production Engineering Review, Vol. 5, No. 3, pp. 62-69, 2014.
• [21] Sałabun W. The Characteristic Objects Method: A New Distance based Approach to Multicriteria Decision-making Problems, Journal of Multi-Criteria Decision Analysis, Vol. 21, No. 3-4, first published on July 4th, 2014.
• [22] Sałabun W. The use of Fuzzy logic to evaluate the nonlinearity of human multi-criteria used in decision making, Przegląd Elektrotechniczny (Electrical Review), vol. 88, no. 10b, pp. 235-238,2012.
• [23] Stone N.J., Robinson J., Lichtenstein A.H., et. al. 2013 ACC/AHA Guideline on the Treatment of Blood Cholesterol to Reduce Atherosclerotic Cardiovascular Risk in Adults: A Report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines. Circulation. 2013.
• [24] Vaishnava P., Eagle K.A. ACP Journal Club. ACC/AHA, Adult Treatment Panel III, and ESC guidelines overestimated risk for CVD in older adults. Ann Intern Med, Vol. 161, No. 4,2014.
• [25] Wątróbski J., Jankowski J., Piotrowski Z. The Selection of Multicriteria Method Based on Unstructured Decision Problem Description, Lecture Notes in Artificial Intelligence, Vol. 8733, pp. 454- 465,2014.
• [26] Zimmermann H.J. Fuzzy Set Theory and Its Applications, Kluwer: Boston, 2001.