Побудова моделі прогнозування результату лікування на прикладі однієї медичної задачі

O. M. Matsuga; S. O. Dudukina; S. P. Grygoruk

doi:10.15421/432005

Побудова моделі прогнозування результату лікування на прикладі однієї медичної задачі

O. M. Matsuga, S. O. Dudukina, S. P. Grygoruk

Анотація

Розглянуто технологію побудови моделі прогнозування результату лікування у вигляді бінарної логістичної регресії. В рамках технології запропоновано процедуру відбору інформативних ознак на основі методу рекурсивного вилучення ознак. У ході практичної апробації технології побудовано дві моделі, що дозволяють прогнозувати результат реваскуляризації першого басейну при необхідності реваскуляризації обох у хворих з поєднаними атеросклеротичними ураженнями церебральних та коронарних артерій при послідовній тактиці хірургічного лікування.

Ключові слова

модель прогнозування; бінарна логістична регресія; незбалансовані класи; відбір інформативних ознак; реваскуляризація судинного басейну; поєднані атеросклеротичні ураження церебральних та коронарних артерій

Повний текст:

PDF

Посилання

Mohr F. W., Morice M. C., Kappetein A. P., Feldman T. E., Stahle E., Colombo A. et al. Coronary artery bypass graft surgery vs. percutaneous coronary intervention in patients with three-vessel disease and left main coronary disease: 5-year follow-up of the randomised, clinical SYNTAX trial. Lancet. 2013. 381 (9867). P. 629–638.

Соколова Н. Ю., Голухова Е. З. Реваскуляризация миокарда у больных стабильной ишемической болезнью сердца: стратификация периоперационных и отдаленных рисков. Креативная кардиология. 2016. 10 (1). С. 25–36.

Спирин Н. Н., Малышев Н. Н., Малышева И. В. Оценка и прогнозирование результатов каротидной эндартерэктомии клинико-математическим методом. Журнал неврологии и психиатрии. 2012. № 6. С. 40–44.

Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Data Mining, Inference, and Prediction. 2009. 745 p.

Hosmer D., Lemeshow S. Applied Logistic Regression. 2nd ed. 2000. 375 p.

Kuhn M., Johnson K. Applied Predictive Modeling. Springer. 2013. 600 p.

Scikit-learn documentation. URL: https://scikit-learn.org/stable/index.html (дата звернення: 16.11.2020)

DOI: http://dx.doi.org/10.15421/432005