Show simple item record

dc.contributor.authorMisztal, Małgorzata
dc.date.accessioned2016-02-01T13:21:40Z
dc.date.available2016-02-01T13:21:40Z
dc.date.issued2007
dc.identifier.issn0208-6018
dc.identifier.urihttp://hdl.handle.net/11089/16840
dc.description.abstractClassification and regression trees are very popular and attractive types of classifiers, widely used to solve decision-making problems in different fields of science. The study was conducted to identify preoperative risk factors associated with morbidity outcome among patients undergoing isolated Coronary Artery Bypass Grafting (CABG) and to develop some classification rules assigning patients to selected risk subgroups. Prediction rules were established on the basis of the selected tree-structured models. The following tree-based algorithms were used: QUEST, CRUISE, LOTUS and PLUS.pl_PL
dc.description.abstractDrzewa klasyfikacyjne i regresyjne należą do bardzo popularnych metod klasyfikacji, przede wszystkim ze względu na prostotę interpretacji i przejrzystą formę wizualizacji wyników. Stąd też są one szeroko wykorzystywane do rozwiązywania problemów decyzyjnych w różnych dziedzinach nauki. Celem prowadzonych badań była identyfikacja przedoperacyjnych czynników ryzyka, związanych z wystąpieniem powikłań śród- i pooperacyjnych wśród pacjentów z chorobą wieńcową, leczonych w sposób operacyjny. Dodatkowo podjęto próbę zdefiniowania reguł decyzyjnych, które mogłyby umożliwić przydzielenie pacjenta do jednej z wyróżnionych grup ryzyka operacyjnego na podstawie opisujących go cech przedoperacyjnych. Reguły klasyfikacyjne budowano wykorzystując metodę rekurencyjnego podziału. W analizie uwzględniono algorytmy QUEST i CRUJSE, tworzące drzewa klasyfikacyjne oraz algorytmy LOTUS i PLUS, łączące rekurencyjny podział przestrzeni cech z analizą regresji logistycznej.pl_PL
dc.description.sponsorshipZadanie pt. „Digitalizacja i udostępnienie w Cyfrowym Repozytorium Uniwersytetu Łódzkiego kolekcji czasopism naukowych wydawanych przez Uniwersytet Łódzki” nr 885/P-DUN/2014 zostało dofinansowane ze środków MNiSW w ramach działalności upowszechniającej naukę.pl_PL
dc.language.isoenpl_PL
dc.publisherWydawnictwo Uniwersytetu Łódzkiegopl_PL
dc.relation.ispartofseriesActa Universitatis Lodziensis. Folia Oeconomica;206
dc.subjectrecursive partitioning inethodpl_PL
dc.subjectclassification and regression treespl_PL
dc.subjectcoronary artery diseasepl_PL
dc.subjectcoronary artery bypass graftingpl_PL
dc.titleA Proposal for Using Selected Tree-Based Models to Identify Operative Risk Subgroups among Patients Undergoing Coronary Artery Bypass Graftingpl_PL
dc.title.alternativePropozycja wykorzystania wybranych modeli drzew klasyfikacyjnych i regresyjnych do identyfikacji grup ryzyka operacyjnego pacjentów z chorobą wieńcową leczonych operacyjniepl_PL
dc.typeArticlepl_PL
dc.rights.holder© Copyright by Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2007pl_PL
dc.page.number199-208pl_PL
dc.contributor.authorAffiliationUniversity of Łódź, Chiar of Statistical Methodspl_PL
dc.referencesBreiman L., Friedman J., Olshen R., Stone C. (1984), Classification and Regression Trees, CRC Press, London.pl_PL
dc.referencesChan K.-Y., Loh W.-Y. (2004), LOTUS: An Algorithm for Building Accurate and Comprehensible Logistic Regression Trees, “Journal of Computational and Graphical Statistics”, 13, Issue 4, 826-852.pl_PL
dc.referencesDomański Cz., Iwaszkiewicz-Zasłonka A., Jaszewski R., Zasłonka J. (red.) (2003), Zastosowanie metod statystycznych w badaniach pacjentów z chorobą niedokrwienną serca leczonych operacyjnie, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.pl_PL
dc.referencesGatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.pl_PL
dc.referencesHiggins T. L., Estafanous F. G., Loop F. D., Beck G. J., Blum J. M., Paranandi L. (1992), Stratification of Morbidity and Mortality Outcome by Preoperative Risk Factors in Coronary Artery Bypass Patients. A Clinical Severity Score, JAMA (May 6), 267, 17, 2344-2348.pl_PL
dc.referencesKim H., Loh W.-Y. (2001), Classification Trees with Unbiased Multiway Splits, “Journal of the American Statistical Association”, 96, 598-604.pl_PL
dc.referencesLim T.-S. (2000), Polytomous Logistic Regression Trees, Department of Statistics, University of Wisconsin, Madison, PhD Thesis.pl_PL
dc.referencesLoh W.-Y., Shih Y.-S. (1997), Split Selection Methods for Classification Trees, “Statistica Sinica”, 7, 815-840.pl_PL
dc.referencesMisztal M. (2005), Wykorzystanie metody rekurencyjnego podziału do identyfikacji grup ryzyka operacyjnego pacjentów z chorobą wieńcową, [in:] Klasyfikacja i analiza danych - teoria i zastosowania, K. Jajuga, M. Walesiak (red.), “Taksonomia” , 12, (Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1076, Wydawnictwo AE we Wrocławiu), 330-338.pl_PL
dc.referencesNashef S. A., Roques F., Michel P., Gauducheau E., Lemeshow S., Salamon R. (1999), European System for Cardiac Operative Risk Evaluation (EuroSCORE), “European Journal of Cardiothoracic Surgery”, 16, 9-13., doi:10.1016/S1010-7940(99)00134-7.pl_PL


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record