|
|
Počítačová podpora pro monitoring a hodnocení kvality dat v klinickém výzkumu
Šiška, Branislav ; Kolářová, Jana (oponent) ; Schwarz, Daniel (vedoucí práce)
Diplomová práca sa zaoberá monitoringom a hodnotením kvality dát v klinickom výskume. Obvyklý spôsob na identifikáciu odľahlých hodnôt využíva jednorozmerné štatistické metódy pre každú premennú z formulára klinickej štúdie. Metóda popísaná v diplomovej práci vstupuje priamo do databáze štúdie a detekuje odľahlé hodnoty pomocou strojového učenia a viacrozmerného štatistického prístupu, ktorý transformuje všetky premenné z formulára do jednej, reprezentujúcej odpovedajúci záznam pacienta. Navrhnutý algoritmus je navrhnutý v programovom prostredí Matlab.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
| |
|
| |
|
|
Selected impacts of missing data problem in economics
Uenal, Hatice
Dizertační práce se zaměřuje na specifický ekonomický problém vyplývající z problematiky chybějících hodnot v rozsáhlých datových souborech. Obecně kvalitní zpracování dat a statistické analýzy promítající se do následného rozhodování striktně závisí na kvalitě používaných datových souborů. Zároveň však ideální případ kompletní datové základny s dostatečným rozsahem a reliabilitou v praxi nastává velmi zřídka. Navíc, dosažená kvalita dat přímo souvisí s náklady na jejich sběr. V konkrétních aplikacích stojíme tedy před problémem, jak dosáhnout dostatečně kvalitního souboru dat při omezených finančních prostředcích. V aplikacích, které jsou mimořádně náročné z hlediska rozsahu a kvality dat, pak nastává otázka, zda je možné dosáhnout časové a finanční úspory ve fázi sběru dat např. zkrácením doby sledování vzorku či zmenšením celkového pozorovaného rozsahu souboru při požadavku na dostatečnou kvalitu výsledného souboru. Tato práce se zabývá: (i) výzkumem možností kvalitního doplnění chybějících dat do neúplných souborů a zaměřuje se na vyhodnocení celkové kvality zejména s ohledem na reliabilitu a reprezentativnost doplněných souborů; (ii) kvantitativním odhadem možných úspor pro situace, kde doplněné soubory vykazují dostatečné kvalitativní charakteristiky. Jelikož daný výzkum není možné provádět pouze v teoretické rovině, věnuje se práce výzkumu paralelně na třech významných typech datových souborů: ekonomickém, technickodopravním a medicínském. Konkrétně jsou provedeny podrobné rozbory podkladových dat, vybrány a aplikovány vhodné metody doplnění chybějících hodnot a nakonec je statisticky vyhodnocena dosažená kvalita, reliabilita a mohutnost datové základny pro případ (1) podkladových dat pro bankrotní modely, (2) technicko-dopravních dat a (3) dat pacientů nemocných rakovinou. Je rovněž provedena ekonomická analýza možných úspor a práce prezentuje konkrétní doporučení pro realistickou a ekonomicky vhodnou aplikaci metod nahrazení chybějících dat v jednotlivých oborech při zachování reprezentativnosti datových souborů.
|
|
|
Metodologický pohled na měření (anti)imigračních postojů (kvalita měření se zaměřením na jeho ekvivalenci)
Šarapatková, Anna ; Remr, Jiří (vedoucí práce) ; Soukup, Petr (oponent)
Možnosti, které máme k dispozici v dnešním světě, se vyvíjí stále rychleji a svět se proměňuje přirozeně spolu s těmito změnami. Výrazně tento vývoj pozorujeme v otázce světového pohybu obyvatelstva, které ke dnešnímu dni dosáhlo změn zásadního rozsahu jak ekonomického či politického, tak sociálního. Dnešní tolik diverzifikovaná podoba migrace, která ztratila svou transparentnost, kterou oplývala dříve, je velmi aktuálním a diskutovaným tématem současnosti téměř celého světa. Vzhledem k této významnosti tématu migrace se stává čím dál tím častěji předmětem výzkumu a mnohých výběrových šetření. Jednou z nejčastěji zkoumaných oblastí v rámci této problematiky jsou postoje jedinců k imigraci a především k imigrantům, které jsou často zkoumány ve spojitosti s příčinami, které mohou konkrétní postoje ovlivňovat. Vzhledem k tomuto mezinárodnímu dosahu tématu tyto postoje často šetří mezinárodní výzkumy či výzkumy národní, které však data z mezinárodních šetření přebírají. Napříč evropskými státy existuje jasná nejednota v postojích obyvatel jednotlivých států k imigraci a především samotným příchozím. Vzhledem k této povaze výzkumů zkoumajících postoje obyvatel k imigrantům je důležité se věnovat kvalitě daného měření, které se stává v perspektivě mezinárodních výzkumů značně komplexnější. Je třeba brát...
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Algoritmy pro detekci anomálií v datech z klinických studií a zdravotnických registrů
Bondarenko, Maxim ; Blaha, Milan (oponent) ; Schwarz, Daniel (vedoucí práce)
Daná diplomová práce se zabývá problematikou detekci anomálií v datech z klinických studií a zdravotnických registrů. Cílem práce je provedení literární rešerše problematiky kvality dat ve zdravotnickém výzkumu a realizace vlastního algoritmu detekce anomálních záznamů založeného na metodách strojového učení v reálných klinických datech z běžících nebo uzavřených klinických studií či registrů. V praktické části je popsán realizovaný algoritmus detekce, který se skládá z několika častí: import datového souboru z informačního systému, předzpracování a transformace importovaných datových záznamů s proměnnými různých datových typů na numerické vektory, využití známých statistických metod pro detekce outlierů a hodnoceni kvality a přesnosti algoritmu. Výsledkem zpracování algoritmu je vektor parametrů obsahujících anomálií, který má usnadnit práci správci dat. Tento algoritmus je navřen pro rozšíření palety funkcí informačního systému (CLADE-IS) o automatické monitorování kvality dat detekcí anomálních záznamů.
|
|
|
Počítačová podpora pro monitoring a hodnocení kvality dat v klinickém výzkumu
Šiška, Branislav ; Kolářová, Jana (oponent) ; Schwarz, Daniel (vedoucí práce)
Diplomová práca sa zaoberá monitoringom a hodnotením kvality dát v klinickom výskume. Obvyklý spôsob na identifikáciu odľahlých hodnôt využíva jednorozmerné štatistické metódy pre každú premennú z formulára klinickej štúdie. Metóda popísaná v diplomovej práci vstupuje priamo do databáze štúdie a detekuje odľahlé hodnoty pomocou strojového učenia a viacrozmerného štatistického prístupu, ktorý transformuje všetky premenné z formulára do jednej, reprezentujúcej odpovedajúci záznam pacienta. Navrhnutý algoritmus je navrhnutý v programovom prostredí Matlab.
|
host ::
RSS.