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-means
2017-10-30
SLA, Random Survival Forests, survival function, stratificazione
File 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