A partire da dati clinici e demografici estratti dal database PRO-ACT (Amyotrophic Lateral Sclerosis Clinical Trial), si implementa l'algoritmo Random Survival Forests per ottenere una predizione del rischio di morte, a partire dalle variabili registrate nei pazienti. Alla predizione survival ottenuta si applicano tecniche di stratificazione dei pazienti in sottogruppi omogenei, sfruttando gli algoritmi di Clustering Gerarchico e K-means
Random Survival Forests per la stratificazione del rischio in pazienti affetti da Sclerosi Laterale Amiotrofica
Tavazzi, Erica
2017/2018
Abstract
A partire da dati clinici e demografici estratti dal database PRO-ACT (Amyotrophic Lateral Sclerosis Clinical Trial), si implementa l'algoritmo Random Survival Forests per ottenere una predizione del rischio di morte, a partire dalle variabili registrate nei pazienti. Alla predizione survival ottenuta si applicano tecniche di stratificazione dei pazienti in sottogruppi omogenei, sfruttando gli algoritmi di Clustering Gerarchico e K-meansFile in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
Tesi_tavazzi.pdf
accesso aperto
Dimensione
3.38 MB
Formato
Adobe PDF
|
3.38 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
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12608/23493