haku: @keyword bayesilainen päättely / yhteensä: 17
hakutulos-lista
viite: 14 / 17
« edellinen | seuraava »
Tekijä:Riihimäki, Jaakko
Työn nimi:Bayesian Modelling of the Treatment Chain of Hip Fracture Patients
Lonkkamurtumapotilaiden hoitoketjun bayesilainen mallintaminen
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2006
Sivut:xi + 73      Kieli:   eng
Koulu/Laitos/Osasto:Sähkö- ja tietoliikennetekniikan osasto
Oppiaine:Laskennallinen tekniikka   (S-114)
Valvoja:Lampinen, Jouko
Ohjaaja:Vehtari, Aki ; Sund, Reijo
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark S80     | Arkisto
Avainsanat:treatment chain
hip fracture
bayesian inference
MLP
hoitoketju
lonkkamurtuma
bayesilainen päättely
Tiivistelmä (fin): Tässä diplomityössä tutkitaan lonkkamurtumapotilaiden hoitoketjun bayesilaista mallinnusta eri lähestymistavoin.
Terveydenhuollossa on usein tarpeellista arvioida potilaiden hoitojen kestoja kustannusvaikuttavuuden vuoksi.
Kompleksisten todennäköisyysmallien ja modernien laskennallisten menetelmien avulla on mahdollista saada lisäinformaatiota hallinnon avuksi rajallisten resurssien uudelleenallokoinnissa.

Työssä on tutkittu kahta parametrista sekä yhtä ei-parametrista tilastollista mallia.
Parametriset lähestymistavat ovat Coxin vaihemalli sekä Weibulljakaumien sekamalli, joista edellä mainittu hyödyntää peräkkäisiä latentteja vaiheita potilaiden tiloissa viettämien aikojen mallinnuksessa ja jälkimmäinen perustuu painotettujen jakaumien summaan.
Näiden mallien parametrit on eksplisiittisesti asetettu riippumaan selittävistä tekijöistä lineaarisesti.
Kolmas tutkittu malli on ei-parametrinen monikerros-perceptron neuroverkkomalli, jossa etukäteisoletukset asetetaan epäsuorasti verkon ja verkon painojen kautta äärettömään funktioavaruuteen.
Ei-parametrinen lähestymistapa mahdollistaa joustavan tavan estimoida funktioita kiinnittämättä edeltäkäsin niille jotain tiettyä muotoa.
Mallin avulla epälineaarisuuksia ja muuttujien interaktioita voidaan oppia aineistosta automaattisesti, minkä lisäksi malli mahdollistaa myös erilaisten hierarkkisten rakenteiden ilmaisun implisiittisesti.
Kompleksinen neuroverkkomalli on asetettu suosimaan sileitä ratkaisuja.

Malleja on tässä työssä sovellettu lonkkamurtumapotilaiden hoitoketjun eri tilojen kuvaamiseen.
Metodologisen kehyksen mallinnuksessa muodostavat bayesilainen päättely yhdessä stokastisten Markovin ketju Monte Carlo menetelmien kanssa.
Työn tavoitteena on mallintaa potilaiden kuntoutusaikoja sekä uusintakäyntien osuuksia ja ajankohtia sairaalaan.
Tämän lisäksi yksilötason selittävien tekijöiden ja sairaanhoitoalueiden vaikutukset ennusteisiin ovat tutkimuksen kohteena.
ED:2006-06-15
INSSI tietueen numero: 32022
+ lisää koriin
« edellinen | seuraava »
INSSI