Logistic regression methods application in medical information systems

• Autorzy: Kasperczuk A. , Dardzińska A.

Warianty tytułu

PL

Zastosowanie metod regresji logistycznej w medycznych systemach informacyjnych

• Języki publikacji: EN

Abstrakty

EN

Data analysis methods are widely used to solve many different problems. Intensive development in the field of knowledge discovery in database is a response to a sharp increase in the amount of information in electronic format. Classification is one of the main steps in data analysis. Taking into consideration medical data, it becomes extremely important to obtain knowledge containing valuable information about the patients with serious illness, e.g. cancer. In this paper we mainly focused on logistic regression model parameters. We built model, which shows the impact of predictors on the dependent variable. It will help to create the medical knowledge base as a next step.

PL

Metody analizy danych są szeroko stosowane w rozwiązywaniu problemów z różnych dziedzin. Intensywny rozwój w zakresie odkrywania wiedzy w bazach danych jest odpowiedzią na gwałtowny wzrost ilości informacji w formie elektronicznej. Klasyfikacja jest jednym z kluczowych etapów analizy danych. Biorąc pod uwagę dane medyczne, niezwykle ważne staje się pozyskanie wiedzy zawierającej cenne informacje na temat pacjentów objętych np. chorobami nowotworowymi. W artykule przedstawiono metodykę budowy modelu regresji logistycznej pacjentów z chorobą nowotworową się głównie na parametrach modelu regresji logistycznej. Zbudowaliśmy model, który pokazuje wpływ czynników predykcyjnych na zmienną zależną. Pomoże to stworzyć medyczną bazę wiedzy jako kolejny krok.

Słowa kluczowe

EN

cancer; medical database; classification; logistic regression; ROC

PL

rak; medyczna baza danych; klasyfikacja; regresja logistyczna

• Wydawca: Poznańskie Towarzystwo Przyjaciół Nauk
• Czasopismo: Studia z Automatyki i Informatyki
• Rocznik: 2017
• Tom: T. 42
• Strony: 29--41
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Kasperczuk A.

• Białystok University of Technology, Department of Biocybernetics and Biomedical Engineering, Wiejska 45C Str., 15-351 Białystok

autor

Dardzińska A.

• Białystok University of Technology, Department of Biocybernetics and Biomedical Engineering, Wiejska 45C Str., 15-351 Białystok

Bibliografia

• [1] R. Bellazzi and B. Zupan. Predictive data mining in clinical medicine: Current issues and guidelines. In Int J Med Informatics, pages 81-97, 2008.
• [2] R. Bouckaert. Naive Bayes Classifiers That Perform Well with Continuous Variables, volume 3339. Lecture Notes in Computer Science, 2004.
• [3] R. Centor and G. Keightley. Receiver operating characteristics (roc) curve area analysis using the roc analyser. Proc 13th Ann Symp Computer Application in Medical Care, pages 222-262, 1989.
• [4] A. Dardzinska. Action Rules Mining. Springer, 2013.
• [5] A. Dardzinska and A. Romaniuk. Incomplete distributed information systems optimization based on queries. Advances in Swarm and Computational Intelligence, 9142:265-274, 2015.
• [6] J. Deogun, V. Raghavan, and H. Sever. Rough set based classification methods and extended decision tables. International Workshop on Rough Sets and Soft Computing, pages 301-309, 1994.
• [7] W. Frawley and G. Piatetsky-Shapiro. Knowledge discovery in databases. An overview, Knowledge Discovery in Databases, pages 1-27, 1991.
• [8] J. Han and M. Kamber. Data mining: concepts and techniques. Morgan Kaufmann Publishers, 2006.
• [9] J. Han, J. Pei, and Y. Yin. Mining frequent patterns without candidate generation. ACM SIGMOD International Conference on Management of Data, pages 1-12, 2000.
• [10] D. Hosmer and S. Lemeshow. Applied logistic regression. John Wiley & Sons, 2013.
• [11] A. Kasperczuk. Selected logistic regression methods in medical database. Badania i Rozwój Młodych Naukowców w Polsce: Nauki techniczne i inżynieryjne, 8:87-94, 2017.
• [12] A. Kasperczuk and A. Dardzinska. Comparative evaluation of the different data mining techniques used for the medical database. Acta Mechanica et Automatica, 10(3), 2016.
• [13] B. Modan, E. Ron, and G. Lerner. Cancer incidence in a kohort of infertile women. Am J Epidemiol, (147):1038-1042, 1998.
• [14] A. Stanisz. Przystępny kurs statystyki z wykorzystaniem programu STATISTICA PL na przykładach z medycyny. StatSoft Polska, Kraków, 2000.
• [15] W. Zatonski. Nowotwory złośliwe w Polsce w 2002 roku. Centrum Onkologii - Instytut im. Marii Skłodowskiej-Curie, Warszawa, 2004.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).