03756ntm a22005057i 4500 000699453 CZ-PrVSE 20230618075638.0 m d cr n|||||||||| 230618s2023 xr fsbm 000 0 slo d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Karičková, Bianca Isabelle ISIS:154626 dis Analýza rozsiahlych medicínskych dát / Bianca Isabelle Karičková 2023 ?? stran : digital, PDF soubor Vedoucí práce: David Chudán Bakalářská práce (Bc.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2023 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2023 Cieľom tejto bakalárskej práce je vytvoriť model predikcie mortality kardiochirurgických pacientov z dát získaných z Národného kardiochirurgického registra, z modulu kardiochirurgických operácií. Čiastkovým cieľom je analyzovať dáta s využitím základnej exploračnej analýzy a porovnanie vytvorených modelov predikcie. Práca je rozdelená na teoretickú a praktickú časť. V teoretickej časti bolo predstavené multidisciplinárne odvetvie dolovania znalostí z databáz a podrobne popísaná metodika pre dátovú analýzu, CRISP-DM a jej jednotlivé fázy. Ďalej boli popísané vybrané metódy data miningu a jedna kapitola bola tiež venovaná Ústavu zdravotnických informací a statisiky České Republiky. Spracovaná bola taktiež problematika analýzy dát v zdravotníctve, spoločne s konkrétnymi príkladmi analýz zameraných na kardiovaskulárne ochorenia. Praktická časť postupuje podľa fáz metodiky CRISP-DM v prostredí Jupyter Notebook. Začína zoznámením sa s doménovou oblasťou kardiovaskulárnych ochorení a kardiochirurgických operácií. Nasleduje porozumenie dátam, predspracovanie dát do vhodnej formy a základná exploračná analýza s využitím vizualizačných techník. Vo fáze modelovania boli vytvorené 3 modely predikcie mortality kardiochirurgických pacientov. Modely multinomickej logistickej regresie boli medzi sebou porovnané. Random Forest nebol zahrnutý do komparácie, keďže bol použitý ako medzikrok pri modelovaní druhého modelu multinomickej logistickej regresie. Model multinomickej logistickej regresie s atribútmi vybranými doménovým expertom, sa ukázal ako najvhodnejší s vyváženou správnosťou 84% a F1-skóre 90%. V časti vyhodnotenia výsledkov, boli výsledky modelov konzultované s doménovým expertom. Způsob přístupu: Internet informační média a služby [obor bakal. práce] bakalářské práce fd132403 czenas bachelor's theses eczenas dolovanie znalostí z databáz data mining CRISP-DM predikcia kardiochirurgické dáta Chudán, David js20100609002 ths Berka, Petr, 1959- jn20001103427 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/83017/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/83017 Hlavní práce https://insis.vse.cz/zp/83017/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/83017/posudek/oponent/78423 Oponentura https://insis.vse.cz/zp/83017/podrobnosti dc:identifier NEPOSILAT VSKP vse83017 230616 83017