La malaria colpisce ogni anno più di 200 milioni di persone, soprattutto nell’ Africa subsahariana, e il 61% dei decessi riguarda bambini al di sotto di 5 anni. Per poter meglio analizzare tale fenomeno, recentemente sono stati sviluppati modelli matematici complessi. In questo lavoro si sono utilizzate tecniche di Machine Learning per l'analisi di un dataset relativo a circa 26000 soggetti di età compresa tra 0 e 15 anni ricoverati in 6 ospedali africani a seguito di un’infezione malarica. I dati in questione sono stati forniti dall’Istituto Nazionale per le Malattie Infettive “Lazzaro Spallanzani” di Roma allo scopo di costruire un modello di apprendimento in grado di predire l'outcome relativo al superamento della malattia e di analizzare i fattori più indicativi per la predizione. Si è inoltre cercato di comprendere, attraverso l'analisi dei dati, le ragioni che hanno generato differenti tassi di mortalità negli ospedali oggetto dello studio."
Analisi di metodi e modelli di apprendimento per l'identificazione della malaria
Covolo, Genny
2019/2020
Abstract
La malaria colpisce ogni anno più di 200 milioni di persone, soprattutto nell’ Africa subsahariana, e il 61% dei decessi riguarda bambini al di sotto di 5 anni. Per poter meglio analizzare tale fenomeno, recentemente sono stati sviluppati modelli matematici complessi. In questo lavoro si sono utilizzate tecniche di Machine Learning per l'analisi di un dataset relativo a circa 26000 soggetti di età compresa tra 0 e 15 anni ricoverati in 6 ospedali africani a seguito di un’infezione malarica. I dati in questione sono stati forniti dall’Istituto Nazionale per le Malattie Infettive “Lazzaro Spallanzani” di Roma allo scopo di costruire un modello di apprendimento in grado di predire l'outcome relativo al superamento della malattia e di analizzare i fattori più indicativi per la predizione. Si è inoltre cercato di comprendere, attraverso l'analisi dei dati, le ragioni che hanno generato differenti tassi di mortalità negli ospedali oggetto dello studio."File | Dimensione | Formato | |
---|---|---|---|
tesi_Covolo.pdf
accesso aperto
Dimensione
1.54 MB
Formato
Adobe PDF
|
1.54 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/22466