USMF logo

Institutional Repository in Medical Sciences
of Nicolae Testemitanu State University of Medicine and Pharmacy
of the Republic of Moldova
(IRMS – Nicolae Testemitanu SUMPh)

Biblioteca Stiintifica Medicala
DSpace

University homepage  |  Library homepage

 
 
Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.12710/24699
Full metadata record
DC FieldValueLanguage
dc.contributor.authorIapăscurtă, Victor
dc.date.accessioned2022-12-15T12:50:28Z
dc.date.accessioned2023-06-19T13:45:51Z
dc.date.available2022-12-15T12:50:28Z
dc.date.available2023-06-19T13:45:51Z
dc.date.issued2022
dc.identifier.citationIAPASCURTA, Victor. Gestionarea valorilor lipsă în date biomedicale cu caracter continuu = Management of missing values in continuous biomedical data. In: Revista de Ştiinţe ale Sănătăţii din Moldova. 2022, vol. 29(3), Anexa 1, p. 250. ISSN 2345-1467.en_US
dc.identifier.issn2345-1467
dc.identifier.urihttps://conferinta.usmf.md/wp-content/uploads/MJHS_29_3_2022_anexa_.pdf
dc.identifier.urihttp://repository.usmf.md/handle/20.500.12710/24699
dc.descriptionUniversitatea de Stat de Medicină şi Farmacie „Nicolae Testemiţanu”, Chişinău, Republica Moldovaen_US
dc.description.abstractIntroducere. Datele primare reprezintă un pilon important al practicii și, în deosebi, al cercetării biomedicale. Deseori, ele conțin valori lipsă. Pentru datele „statice” sunt propuse mai multe metode de restabilire. În cazul datelor ce reprezintă semnale biomedicale cu caracter continuu, setul de metode este restrâns. Scopul lucrării. Prezentarea unui algoritm de restabilire a datelor biomedicale cu caracter continuu pentru a fi, ulterior, utilizate pentru învățare automată în scopuri clinice. Material și Metode. Datele cercetate sunt date cu acces public, care descriu 40336 de pacienți cu sepsis și alte patologii (non-sepsis), furnizate de competiția „Early Prediction of Sepsis from Clinical Data: the PhysioNet Computing in cardiology Challenge 2019” și conțin pană la 80,9% de date lipsă. Rezultate. Utilizând limbajul de programare R, a fost creat un algoritm care, spre deosebire de alți algoritmi (ex, LOCF – last observation carried forward), ține cont de dinamică (creștere sau descreștere) a unui anumit parametru de interes. Datele restabilite cu ajutorul algoritmului propus sunt, în final, utilizate pentru crearea unui sistem de prezicere timpurie (cu până la 4 ore până la debut) a sepsisului, care are o performanță predictivă de 92% după aria de sub curba ROC (AUROC). Concluzii. Algoritmul propus poate fi utilizat pentru restabilirea valorilor lipsă în date biomedicale cu caracter continuu, care descriu parametri fiziologici înregistrați în unitățile de terapie intensivă (frecvența cardiacă, saturația sângelui cu O2, tensiune arterială etc.).en_US
dc.description.abstractBackground. Primary data are an important pillar of practice and, in particular, of biomedical research. They often contain missing values. For „static” data, several recovery methods are proposed. In the case of data representing continuous biomedical signals, the set of methods is limited. Objective of the study. Presentation of an algorithm for the recovery of continuous biomedical data for later use for machine learning for clinical purposes. Material and Methods. The researched data are publicly available data describing 40,336 patients with sepsis and other pathologies (non-sepsis) provided by the competition „Early Prediction of Sepsis from Clinical Data: the PhysioNet Computing in cardiology Challenge 2019” and contain up to 80.9% of missing data. Results. Using the R programming language, an algorithm was created which, unlike other algorithms (e.g., LOCF – last observation carried forward) considers the dynamics (increase or decrease) of a certain parameter of interest. The data restored using the proposed algorithm are finally used to create a system for early prediction (up to 4 hours before onset) of sepsis, which has a predictive performance of 92% by the area under the ROC curve (AUROC). Conclusion. The proposed algorithm can be used to restore missing values in continuous biomedical data, describing physiological parameters recorded in intensive care units (heart rate, O2 blood stasis, blood pressure, etc.).en_US
dc.publisherRevista de Științe ale Sănătății din Moldova = Moldovan Journal of Health Sciencesen_US
dc.relation.ispartofRevista de Științe ale Sănătății din Moldova = Moldovan Journal of Health Sciencesen_US
dc.subjectmissing data recoveryen_US
dc.subjectalgorithmen_US
dc.subjectmachine learningen_US
dc.subjectartificial intelligenceen_US
dc.titleGestionarea valorilor lipsă în date biomedicale cu caracter continuuen_US
dc.title.alternativeManagement of missing values in continuous biomedical dataen_US
dc.typeAbstracten_US
Appears in Collections:Revista de Științe ale Sănătății din Moldova : Moldovan Journal of Health Sciences 2022 nr. 3(29) Anexa 1

Files in This Item:
File Description SizeFormat 
MJHS_29_3_2022_A_p250.pdf153.51 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Valid XHTML 1.0! DSpace Software Copyright © 2002-2013  Duraspace - Feedback