Συσχέτιση και ταξινόμηση ιατρικών δεδομένων με τη βοήθεια μεθόδων πολυμεταβλητής στατιστικής

Read full text
Authors: Παντελακης Θεοδωρος, Pantelakis Theodoros
Cited by: 0

Abstract

Η παρούσα εργασία πραγματεύεται την εφαρμογή στατιστικών μοντέλων παλινδρόμησης στην ανάλυση ιατρικών δεδομένων, με έμφαση στη μελέτη παραγόντων που σχετίζονται με την καρδιακή λειτουργία και την εμφάνιση καρδιακής νόσου. Στόχος της εργασίας είναι η διερεύνηση και ποσοτική αποτίμηση της σχέσης μεταξύ κλινικών και δημογραφικών μεταβλητών και τόσο συνεχών όσο και δυαδικών ιατρικών εκβάσεων, αξιοποιώντας σύγχρονες μεθόδους στατιστικής μοντελοποίησης. Αρχικά, παρουσιάζεται το θεωρητικό υπόβαθρο των μαθηματικών και στατιστικών μοντέλων, καθώς και η έννοια της μοντελοποίησης ως διαδικασία μετάβασης από το πραγματικό σύστημα στη μαθηματική του αναπαράσταση. Στη συνέχεια, αναλύονται οι μέθοδοι της πολλαπλής γραμμικής παλινδρόμησης και της λογιστικής παλινδρόμησης, με έμφαση στη μεθοδολογία, την ερμηνεία των παραμέτρων και τα κριτήρια αξιολόγησης της απόδοσης των μοντέλων. Η πρακτική εφαρμογή των μεθόδων πραγματοποιείται σε πραγματικό σύνολο ιατρικών δεδομένων που σχετίζονται με καρδιαγγειακά χαρακτηριστικά. Η πολλαπλή γραμμική παλινδρόμηση χρησιμοποιείται για τη μελέτη ενός συνεχούς καρδιακού δείκτη, επιτρέποντας την ποσοτική εκτίμηση της επίδρασης επιμέρους παραγόντων, ενώ η λογιστική παλινδρόμηση εφαρμόζεται για την εκτίμηση της πιθανότητας εμφάνισης καρδιακής νόσου. Τα αποτελέσματα καταδεικνύουν ότι και οι δύο μέθοδοι είναι στατιστικά έγκυρες και προσφέρουν αξιόπιστα και ερμηνεύσιμα συμπεράσματα, ανάλογα με τη φύση της εξεταζόμενης έκβασης. Ιδιαίτερη έμφαση δίνεται στη συγκριτική αξιολόγηση των δύο μεθόδων, μέσα από την οποία αναδεικνύεται ο συμπληρωματικός τους ρόλος στην ανάλυση ιατρικών δεδομένων. Η εργασία καταλήγει στο συμπέρασμα ότι η ορθή επιλογή και εφαρμογή στατιστικών μοντέλων παλινδρόμησης μπορεί να συμβάλει ουσιαστικά στην κατανόηση σύνθετων ιατρικών φαινομένων και στην υποστήριξη τεκμηριωμένων αποφάσεων στον χώρο της υγείας.

Fields of Study & Subjects

Artificial Intelligence in Healthcare Statistical Methods and Applications Probabilistic Statistics in Medicine

Publication details

Journal / source
Technical University of Crete
Publication date
24 February 2026
Language
EL