On Distance-Based Algorithms in Medical Applications

• Autorzy: Małgorzata Misztal , Maciej Banach
• Języki publikacji: EN

Abstrakty

EN

Logistic regression is the most popular method used to classify patients into 2 selected subgroups in medical research. Distance-based algorithms, such as nearest neighbor algorithm, simple and intuitive, are rarely used in practice. In the study some selected distance-based algorithms (NN, k-NN, DB and k-NN Tree) were applied to predict atrial fibrillation (AF) incidents among 300 patients with aortic valve defects, who underwent aortic valve replacement. (original abstract)

W badaniach medycznych do przewidywania przynależności pacjentów do jednej wyróżnionych dwóch klas zwykle wykorzystuje się model regresji logistycznej. Algorytmy minimalnoodległościowe, takie jak np. algorytm najbliższego sąsiada, mimo ich prostoty i intuicyjnej interpretacji, są wykorzystywane bardzo rzadko. W referacie podjęto próbę zastosowania algorytmów opartych na odległościach (NN, k-NN, DB oraz k-NN Tree) do prognozowania wystąpienia migotania przedsionków wśród 300 pacjentów po zabiegu wymiany zastawki aortalnej. (abstrakt oryginalny)

Słowa kluczowe

EN

Medicine; Algorithms; Forecasting; Statistical surveys

PL

Medycyna; Algorytmy; Prognozowanie; Badania statystyczne

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2009
• Tom: 228 Multivariate Statistical Analysis : Statistical Inference, Statistical Models and Applications
• Strony: 205--212

Twórcy

autor

Małgorzata Misztal

• University of Lodz, Poland

autor

Maciej Banach

• Medical University of Lodz, Poland

Bibliografia

• Banach M., Rysz J., Drożdż J., Okoński P., Misztal M., Barylski M., Irzmański R., Zaskmka J. (2006), Risk Factors of Atrial Fibrillation Following Coronary Artery Bypass Grafting. A Preliminary Report, Circulation Journal 2006; 70: 438 - 441.
• Banach M., Goch A., Misztal M., Rysz J., Jaszewski R., Goch J. H., (2007), Predictors of Paroxymal Atrial Fibrillation in Patients Undergoing Aortic Valve Repalcement, The Journal of Thoracic and Cardiovascular Surgery (in press).
• Buttrey S. E., Karo C. (2002), Using k-nearest-neighbor classification in the leaves of a tree, Computational Statistics & Data Analysis 40 (2002), 27-37.
• Cuadras C. M. (1989), Distance Analysis in Discrimination and Classification Using Both Continuous and Categorical Variables, (in:) Statistical Data Analysis ml Inference, (Dodge ed.), Elsevier Science Publishers B. V., North Holland, 459-413.
• Fielding A. H. (2007), Cluster and Classification Techniques for the Biosciences, Cambridge University Press, Cambridge.
• Kurzyński M. (1997), Rozpoznawanie obiektów. Metody statystyczne, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław.
• Larose D. T. (2006), Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, PWN, Warszawa.
• Tadeusiewicz R., Flasinski M. (1991), Rozpoznawanie obrazów, PWN, Warszawa.