Prediction modelling
Dotaz
Zobrazit nápovědu
... Modelling of the Liver -- 0. Leder, H. Scherberger, H. Kurz 13 -- 2. ... ... Biophysical Interaction Between Heart and Lung -- (Simulations on Cumputcr Model) -- A. ... ... The first stage in the development of a computerised model to predict patient flow through a hospital ... ... Risk-function Models for Optimal Drug Combination -- M. Barbosa 168 -- 24. ... ... Computer Model of Electrocardiographic Processes -- L. Horváth, A. ...
253 stran : ilustrace ; 21 cm
- MeSH
- biomedicínské technologie MeSH
- lékařská informatika MeSH
- počítačová simulace MeSH
- Publikační typ
- kongresy MeSH
- sborníky MeSH
- Konspekt
- Lékařské vědy. Lékařství
- NLK Obory
- lékařská informatika
... Contents -- Preface III -- Introduction I -- Part I - Growth prediction models: setting the scene 3 - ... ... 6 -- Importance of the first year growth response 6 -- What is a growth prediction model? ... ... 7 -- Growth prediction models: requirements 8 -- Type I and type 2 models I I -- Variables used for growth ... ... models 23 -- Critical success factors for growth prediction 23 -- High predictive power 23 -- High accuracy ... ... model 42 -- The final Cologne model 52 -- Application of the Cologne growth prediction model to particular ...
GeNeSIS. Next step for growth.
vii, 85 stran : ilustrace, grafy, tabulky ; 24 cm
- MeSH
- hormonální substituční terapie MeSH
- hypofyzární nanismus genetika terapie MeSH
- klinická studie jako téma MeSH
- lékařská genetika MeSH
- lidský růstový hormon genetika terapeutické užití MeSH
- mutace genetika MeSH
- neuroendokrinologie MeSH
- růst a vývoj genetika MeSH
- vývojové poruchy u dětí genetika terapie MeSH
- Publikační typ
- příručky MeSH
... DOSE-RESPONSE MODELLING: BASIC CONCEPTS 22 -- 4.1 Introduction 22 -- 4.2 What is dose? ... ... 24 -- 4.4 What is a model? 25 -- 4.5 What is dose-response modelling? ... ... 27 -- 4.6 Risk versus safety in dose-response modelling 31 -- 4.7 Summary 33 -- 5. ... ... 49 -- 6.2 Models and distributions 51 -- 6.2.1 Dose-response models 51 -- 6.2.1.1 Continuous dose-response ... ... models 51 -- 6.2.1.2 Quantal dose-response models 53 -- 6.2.1.3 Thresholds 53 -- 6.2.1.4 Severity (degree ...
Environmental health criteria, ISSN 0250-863X 239
xx, 137 s. : il., tab. ; 21 cm
Operace bypassu patří v celém světe i v naší republice mezi nejčastější kardiochirurgické zákroky (10 797 srdečních operací, z toho 7051 operací aortokoronárních bypassů v roce 2002 v ČR) [1]. Perioperační i dlouhodobá úspěšnost revaskularizace koronárního řečiště přitom závisí na průchodnosti použitého štěpu a kvalitě anastomózy. Řada autorů se zabývala stanovením charakteristik, které jsou určující pro stanovení průchodnosti štěpu a kvality anastomózy, jak z krátkodobého tak z dlouhodobého hlediska. Ukazuje se, že hemodynamické charakteristiky pomáhají ověřit kvalitu anastomózy a ovlivňují i dlouhodobou průchodnost použitého štěpu [2], [3], [4], [5], [6]. Louagie uvádí jako dominantní charakteristiku ovlivňující dlouhodobou průchodnost štěpu rezistanci, kterou lze stanovit jako podíl tlaku krve a průtoku krve cévou [7]. Tento vztah je ale zjednodušením reality již proto, že průtok krve štěpem není stacionární a krev není Newtonovská kapalina [8]. Přesto má smysl uvažovat průtok krve štěpem a střední arteriální tlak krve jako veličiny rezistanci determinující. Hata [9] na souboru pacientů, u nichž byl naměřen nízký volný průtok arteriálním štěpem, potvrdil již dříve uvažovaný fakt, že levá mammární artérie (LIMA) je schopna přizpůsobovat svůj průměr v závislosti na potřebách zásobení cílového koronárního řečiště krví. Současně je známo, že průtok štěpem je ovlivněn kompetitivním průtokem nativního koronárního řečiště, přičemž se spekuluje o tom, zda tento kompetitivní průtok může způsobit změnu průchodnosti štěpu a zda jsou všechny štěpy (LIMA, RIMA, SVG) stejně citlivé na jeho působení [10], [11], [12]. V průběhu revaskularizace myokardu – operace v mimotělním oběhu, se proto provádí více měření: free-flow (volný průtok štěpem, který ještě není našit na cílovou koronární artérii), před povolením svorky na aortě (není přítomen kompetitivní průtok nativního koronárního řečiště), po povolení svorky na aortě a na konci operace před uzavřením hrudníku. Někdy se před povolením svorky na aortě provádí měření dvakrát: v době, kdy ostatní štěpy nejsou povoleny, a po povolení všech našitých štěpů (zachycuje vliv kolaterál). V Olomoucké fakultní nemocnici je již od roku 2002 pro měření průtoku krve při operacích aortokoronárního bypassu využíván průtokoměr norské společnosti Medi-Stim, který pracuje na tzv. Transit-Time principu. Ten je založen na stanovení časového rozdílu mezi dobou, kterou urazí ultrazvukový signál z vysílače do přijímače proti směru toku krve, a mezi dobou, kterou urazí opačný signál směřující po směru toku krve [13]. Tento přístroj umožňuje sledovat v průběhu měření přímo při operaci aktuální křivku průtoku krve, velikost průtoku krve, průměrný průtok krve, Pulsatility Index PI=(max. průtok - min. průtok)/průměrný průtok a další veličiny. K přístroji lze připojit dvě sondy pro snímání průtoku krve, další 2 sondy snímající tlak krve a k dispozici jsou rovněž 2 vstupy pro další signály, např. pro EKG. Pro zaznamenaná data lze spočítat další charakteristiky, mimo jiné lze provést rychlou Fourierovu transformaci pro libovolnou zaznamenanou křivku. Na menším souboru pacientů (35) byl při operacích bypassu v mimotělním oběhu (CABG, on-pump) zaznamenán střední arteriální tlak krve v a. radialis a také naměřený průtok krve štěpem (levá mammární artérie na r. interventrikularis anterior - LIMA-LAD) v době, kdy je na aortě naložená svorka (do srdce nepřichází krev prostřednictvím koronárních cév ani jinou cestou, ale pouze měřeným štěpem), a později byl zaznamenán tlak krve a změřen průtok na tomtéž místě po povolení svorky na aortě (působení kompetitivního průtoku). Cílem této práce je nalézt model s jehož pomocí bude možné předpovědět průtok krve štěpem po povolení svorky na aortě na základě prvního měření při naložené svorce. Při spolehlivé predikci by bylo možné snížit počet měření se současným zachováním informace o objektu.
Myocardial revascularization belongs among the most frequent cardiosurgery operations. Perioperative and longterm survival depend on the patency of the graft used and the anastomotic quality. Haemodynamical characteristics measured during a coronary artery bypass graft (CABG) surgery help verify anastomotic quality and also affect longterm graft patency. During CABG surgery (on a heart bypass machine with extracorporal circulation), a surgeon measures blood flow through the bypass at the time the cross clamp is applied to the ascending aorta (blood is not flowing through coronary vessels, rather through the bypass) and later at the same place after removal of the cross clamp. The aim of this article is to find a statistical model for prediction of blood flow through the bypass after removal of the cross clamp based on the blood flow value when the cross clamp is placed on the aorta. When this prediction is good, we will be able to decrease a number of measurements with keeping whole information about an object.
- Klíčová slova
- predikce průtoku a tlaku krve, vícerozměrná lineární regrese, nelineární regresní model, linearizace, lineární regresní model s podmínkami, outlier, leverage,
- MeSH
- koronární bypass MeSH
- koronární cirkulace fyziologie MeSH
- krevní tlak fyziologie MeSH
- lidé MeSH
- lineární modely MeSH
- okluze cévního štěpu epidemiologie komplikace patofyziologie MeSH
- peroperační doba MeSH
- peroperační monitorování metody statistika a číselné údaje MeSH
- peroperační péče metody MeSH
- průchodnost cév MeSH
- regresní analýza MeSH
- reprodukovatelnost výsledků MeSH
- revaskularizace myokardu MeSH
- rychlost toku krve fyziologie MeSH
- Check Tag
- lidé MeSH
Radioterapie patří k nejúčinnějším modalitám onkologické léčby, ale její využití je zatíženo rizikem rozvoje nežádoucích účinků. Při plánování léčby zářením je nezbytné maximálně šetřit okolní zdravé tkáně k zajištění přijatelného rizika toxicity a k zachování dobré kvality života pacientů. Nežádoucí účinky ozařování vznikají na podkladě různorodých patofyziologických mechanismů a jejich závažnost je ovlivněna množstvím biologických a klinických faktorů, dále aplikovanou dávkou, velikostí ozařovaného objemu, radiomickými charakteristikami nebo individuální radiosenzitivitou. Na podkladě těchto parametrů je možné různými způsoby predikovat riziko rozvoje nežádoucích účinků radioterapie. Předkládané sdělení nabízí základní přehled mechanismů rozvoje poradiační toxicity a možností predikce těchto projevů radiobiologickými nástroji - projekt QUANTEC, modelování na podkladě EUD, NTCP a s využitím metod umělé inteligence. Prediktivní modely mohou prohloubit pochopení toxicity radioterapie a do budoucna mohou přispět k individualizaci léčebného přístupu za účelem dosažení maximálního přínosu a minimalizace toxicity léčby.
Radiotherapy is one of the most effective modalities of cancer treatment, however its application is associated with the risk of adverse effects. When planning radiation treatment, it is essential to spare the surrounding healthy tissues as much as possible to ensure an acceptable risk of toxicity and to maintain a good quality of life for patients. Radiation side effects result from diverse pathophysiological mechanisms and their severity is modulated by a variety of biological and clinical factors, as well as the applied dose, the size of the irradiated volume, radiomic characteristics or individual radiosensitivity. Based on these parameters, the risk of developing adverse effects of radiotherapy can be predicted by different methods. This paper offers a basic overview of the development mechanisms of radiation toxicity and the possibilities of predicting these effects by radiobiological tools - QUANTEC project, modelling based on EUD, NTCP and using artificial intelligence methods. Predictive models can strengthen the understanding of radiotherapy toxicity and in the future may contribute to individualize the treatment approach to maximize benefit and minimize toxicity.
BACKGROUND: Our purpose is to assess epidemiological agent-based models-or ABMs-of the SARS-CoV-2 pandemic methodologically. The rapid spread of the outbreak requires fast-paced decision-making regarding mitigation measures. However, the evidence for the efficacy of non-pharmaceutical interventions such as imposed social distancing and school or workplace closures is scarce: few observational studies use quasi-experimental research designs, and conducting randomized controlled trials seems infeasible. Additionally, evidence from the previous coronavirus outbreaks of SARS and MERS lacks external validity, given the significant differences in contagiousness of those pathogens relative to SARS-CoV-2. To address the pressing policy questions that have emerged as a result of COVID-19, epidemiologists have produced numerous models that range from simple compartmental models to highly advanced agent-based models. These models have been criticized for involving simplifications and lacking empirical support for their assumptions. METHODS: To address these voices and methodologically appraise epidemiological ABMs, we consider AceMod (the model of the COVID-19 epidemic in Australia) as a case study of the modelling practice. RESULTS: Our example shows that, although epidemiological ABMs involve simplifications of various sorts, the key characteristics of social interactions and the spread of SARS-CoV-2 are represented sufficiently accurately. This is the case because these modellers treat empirical results as inputs for constructing modelling assumptions and rules that the agents follow; and they use calibration to assert the adequacy to benchmark variables. CONCLUSIONS: Given this, we claim that the best epidemiological ABMs are models of actual mechanisms and deliver both mechanistic and difference-making evidence. Consequently, they may also adequately describe the effects of possible interventions. Finally, we discuss the limitations of ABMs and put forward policy recommendations.
- MeSH
- dospělí MeSH
- kohortové studie MeSH
- lidé středního věku MeSH
- lidé MeSH
- nádory plic mortalita MeSH
- předpověď MeSH
- senioři MeSH
- statistické modely MeSH
- Check Tag
- dospělí MeSH
- lidé středního věku MeSH
- lidé MeSH
- mužské pohlaví MeSH
- senioři MeSH
- ženské pohlaví MeSH
- Geografické názvy
- Česká republika MeSH
- Slovenská republika MeSH
