Wykorzystanie drzew regresji logistycznej do prognozowania ryzyka zgonu i powikłań pooperacyjnych u pacjentów z chorobą wieńcową

• Autorzy: Małgorzata Misztal

Warianty tytułu

The Use of Logistic Regression Trees for Predicting Morbidity and Mortality Risk in Patients with Coronary Artery Disease

• Języki publikacji: PL

Abstrakty

W artykule podjęto próbę zdefiniowania reguł decyzyjnych umożliwiających klasyfikację pacjentów do wyodrębnionych grup ryzyka operacyjnego na podstawie opisujących ich cech przedoperacyjnych (przedoperacyjnych czynników ryzyka) oraz oszacowania prawdopodobieństw wystąpienia powikłań okołooperacyjnych i zgonu pacjenta. (fragment tekstu)

EN

The objective of the paper was to evaluate mortality and morbidity risk in patients undergoing coronary artery bypass grafting (CABG) and to define some decision rules assigning patients to selected risk subgroups. All the rules were establish on the basis of tree-structured algorithms: LOTUS and PLUS. Both of them are designed to fit a piecewise (multiple or simple) linear logistic regression model by recursively partitioning the data and fitting a different logistic regression in each partition.
All the analyses were performed on the dataset of 3770 patients treated surgically due to coronary artery disease during October 2003 to December 2004 in 12 Polish Cardiac Departments. (original abstract)

Słowa kluczowe

PL

Regresja logistyczna; Umieralność; Choroby

EN

Logistic regression; Mortality; Illness

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2006
• Tom: 13
• Numer: nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 456--464

Twórcy

autor

Małgorzata Misztal

• Uniwersytet Łódzki

Bibliografia

• Bradley A.P. (1997), The Use of the Area Under Curve in the Evaluation of Machine Learning Algorithms, "Pattern Recognition" vol. 30, nr 7, s. 1154-1159.
• Chan K.-Y., Loh W.-Y. (2004), LOTUS: An Algorithm for Building Accurate and Comprehensible Logistic Regression Trees, "Journal of Computational and Graphical Statistics" vol. 13, issue 4, s. 826-852.
• Higgins T.L., Estafanous F.G., Loop F.D., Beck G.J., Blum J.M., Paranandi L. (1992), Stratification of Morbidity and Mortality Outcome by Preoperative Risk Factors in Coronary Artery Bypass Patients. A Clinical Severity Score, JAMA", 6 maja vol. 267, nr 17, s. 2344-2348.
• Lim T.-S. (2000), Polytomous Logistic Regression Trees, PhD Thesis, Department of Statistics, University of Wisconsin, Madison.
• Nashef S.A., Roques F., Michel P., Gauducheau E., Lemeshow S., Salamon R. (1999), European System for Cardiac Operative Risk Evaluation (Euro- SCORE), "European Journal of Cardiothoracic Surgery", lipiec, 16(1), s. 9-13.
• Shapiro D.E. (1999), The Interpretation of Diagnostic Tests, "Statistical Methods in Medical Research" 8, s. 113-134.