Etapa 2

More documents

Recommendations

Info

4 Figura 25 . Repartitia pacientilor in functie de valoarea scorului gl1 pentru glt=7 4 2 5 Figura 26 . Repartitia pacientilor in functie de valoarea scorului gl2 pentru glt=7 f.grupul pacientilor cu glt ≥ 5 ( 80 de cazuri) Este un grup omogen cu o distributie normala a datelor pentru varsta, gl1, gl2( fig. 27-29, tabel 12), si mai putin glt si psa.( fig.30). In ceea ce priveste corelatiile , remarcam corelatii multiple foarte bune. De exemplu valoarea psa se coreleaza foarte bine cu varsta , gl1 , glt si bine cu gl2. Varsta se coreleaza bine si cu scorul Gleason cat si cu psa. Aceasta confirma ca la varste inaintate atat scorul Gleason cat si psa au valori mari. Reaprtitia cazurilor in functie de valoarea lui gl1 ( cele mai multe 35, pentru gl1=3) si gl2( cele mai multe 33, pentru gl2=3), glt ( cele mai multe cazuri 30 sunt pentru glt =7) sunt prezentate in fig.31-33. VALIDAREA METODELOR DE ANALIZA BIOSTATISTICE PE DATELE OBTINUTE LA ANALIZA HISTOPATOLOGICA SI CLINICA (P5) Acţiunile medicale depind în mare măsură de capacităţile doctorilor de a înţelege şi de aptitudinile lor de a lua decizii legate de o informaţie incertă, nesigură. Această incertitudine are multiple cauze: date eronate, ambiguitatea reprezentării informaţiei, incertitudine legăturii dintre variatele surse de informaţie. Reţelele Bayesiene cu metodele lor asociate sunt potrivite pentru captarea şi analiza incertitudinii. Ele sunt prezente în biomedicină şi în îngrijirea medicală de mai bine de un deceniu şi au devenit extrem de populare în manevrarea noţiunilor incerte implicate în stabilirea diagnosticelor, în stabilirea tratamentului optim alternativ şi în estimarea rezultatului tratamentului. Reţelele Bayesiene sunt de asemenea extrem de dezvoltate în domenii de îngrijire medicală care nu au legătură directă cu tratarea bolilor pacienţilor. Spre exemplu putem enunţa folosirea acestui tip de reţele în epidemiologia clinică pentru construirea unor modele de boli 46 5 2 3 3
O reţea Bayesiana sau o reţea de probabilităţi, B=(Pr,G), este un model al unei distribuţii de probabilităţi peste o mulţime de varibile aleatoare; constă dintr-o structură grafică G şi o distribuţie asociată Pr. Construirea unui model se bazează pe procesul de selectare a variabilelor care reprezintă anumite caracteristici. În modelele medicale, variabilele sunt determinate de: factorii de risc, simptome, rezultatele examenului fizic şi ale testelor de laborator. Deoarece numărul variabilelor este de obicei foarte mare este necesară o sintetizare a datelor. Studiu de caz: utilizarea reţelelor Bayesiene in Un doctor trebuie să decidă dacă un pacient care se plânge de probleme ale tractului urinar (ale prostatei) suferă de adenom, noduli sau cancer de prostată. Cunoştinţele sale medicale, îl ajută pe doctor să găsească cauzele simptomelor pacientului. In figura de mai jos sunt prezentate aceste cunoştinţe medicale sub forma unei reţele cauzale: Pe scurt, reţelele Bayesene sunt definite cu ajutorul grafurilor, care au asociate tabele de probabilităţi si care sunt folosite pentru a modela si raţiona cu incertitudini. Principalul scop al raţionamentelor in reţelele Bayesene este acela de a recalcula probabilităţile asociate variabilelor ţinând cont de noile evenimente observate si de a exploata presupunerile de independenta dintre variabile pentru a face calcule mai eficiente. Pentru monitorizarea cancerului de prostata s-a realizat o reţea Bayesiana folosind Bayes Net Toolbox din Matlab, iar pentru stabilirea diagnosticelor si validarea modelului considerat s-au folosit datele furnizate de la spitalele Sf. Ioan, Panduri si Fundeni (vezi tabelele de mai jos). Cod pacie nt Varst a 5. ANEXE (DOCUMENTATIE DE EXECUTIE, CAIET DE SARCINI, TEME DE PROIECTARE, BULETINE DE INCERCARI, ATESTARI, CERTIFICARI, ETC. – DUPA CAZ); Rude cu malignitati/ grad rudenie/localiz are Tuseu rectal suspect +/- Nodul i unici/ multi plii Echo transrec tal suspect +/ - Meta decela te la internar e +/ - Val PSA liber / tota l Grad tumor al f(atipi e) G1/ G2/ G3 Grad Gleason=patt ern major+minor Remar ci histop at 47
Page 1 and 2: Raportul Stiintific si Tehnic (RST)
Page 3 and 4: medicala avand subiecti umani va fi
Page 5 and 6: In patologia curenta a prostatei, s
Page 7 and 8: In 1895 croitoreasa doctorului Alfr
Page 9 and 10: SEMNE MAJORE SEMNE MINORE FOCAR TUM
Page 11 and 12: Tabel 6. CLASIFICAREA HISTOLOGICALA
Page 13 and 14: LEZIUNI DISPLAZICE PIN-HG LEZIUNI I
Page 15 and 16: Tehnica histologica folosita a fost
Page 17 and 18: Fig. 1. Gradul Gleason Avand in ved
Page 19 and 20: 62% Repartitia in functie de grupel
Page 21 and 22: REPARTITIA CAZURILOR IN FUNCTIE DE
Page 23 and 24: 42% Repartitia cazurilor in functie
Page 25 and 26: aminoacizi, si cu o GM de 34 kDa. E
Page 27 and 28: 15 secunde in 3 bai de etanol de 10
Page 29 and 30: 10,0 7,5 Frequency 12,5 5,0 2,5 0,0
Page 31 and 32: 50 40 30 Frequency 60 20 10 0 0,00
Page 33 and 34: varsta gl1 gl2 glt psa Pearson Corr
Page 35 and 36: Figura 10. Curba de regresie , prez
Page 37 and 38: 15 10 Frequency 20 5 0 0,00 10,00 2
Page 39 and 40: 4 3 Frequency 5 2 1 0 50 60 70 vars
Page 41 and 42: varsta gl2 glt psa Pearson Correlat
Page 43 and 44: e. grupul pacientilor pentru care g
Page 45: 10,0 7,5 Frequency 12,5 5,0 2,5 0,0
Page 49 and 50: multiplii-Biologie Moleculara), Spi
Page 51 and 52: 6705 85 ani 5975 71 ani 5974 72 ani
Page 53 and 54: 69 - + + + - 9 G2 6 61 + - - + - 12
Page 55 and 56: Figure 2 (opposite page). Molecular
Page 57 and 58: are relevanta in conditiile in care
Page 59 and 60: 11. Yamamoto, M., Takeda, K. & Akir
Page 61 and 62: 86. DeMarzo, A.M., Nelson, W.G., Is

Etapa 2

Create successful ePaper yourself

Delete template?

Save as template?