Перевод названия: Reduction of the features space when processing multiple drug resistance of mycobacteriain patients with pulmonary tuberculosis
Тип публикации: статья из журнала
Год издания: 2018
Ключевые слова: diagnostics of pulmonary tuberculosis, multiple drug resistance of mycobacteria, reduction of the features space, Kulbak method, ROC analysis, диагностика туберкулеза легких, множественная лекарственная устойчивость микобактерий, сокращение признакового пространства, метод Кульбака, roc-анализ
Аннотация: В диагностике и лечении туберкулеза легких существенным является раннее выявление наличия множественной лекарственной устойчивости микобактерий к основным противотуберкулезным препаратам. Использование математических методов и информационных технологий на начальном этапе способствует эффективному решению этой медицинской проблемы, Показать полностьюблагодаря исключению из множества рассматриваемых признаков (показателей состояния здоровья пациента) тех признаков, которые не являются информативными. Для оценки информативности признаков в анализе множественной лекарственной устойчивости используется метод Кульбака. Отбор признаков осуществляется на основе отсортированного (по информативности) списка признаков путем оценки качества классификации, выполняемой с помощью ROCанализа. Выполненные исследования показали, что отобранные предложенным алгоритмом шесть признаков (из 26 рассматриваемых) позволяют с высокой вероятностью выделить пациентов, микобактерии у которых не обладают множественной лекарственной устойчивостью, что создает необходимые условия для их адекватного лечения. Early detection of the presence of multiple drug resistance of mycobacteria to essential antituberculosis drugs is relevant in the diagnosis and treatment of pulmonary tuberculosis. Mathematical methods and information techno ogies can help solving this medical problem by excluding those not informative features from the set of features (indicators of the patient’s health status). The Kulbak method is used for assessment of informative features of the multiple drug resistance. The selection of features is made by the sorted (by informativeness) list of features through evaluating the quality of classification performed by ROC analysis. The performed researches showed that 6 features selected from the suggested method (out of 26 considered) allow to select patients with high probability of not having multiple drug resistance, which creates conditions for their adequate treatment.
Журнал: Врач и информационные технологии
Выпуск журнала: № 2
Номера страниц: 48-57
ISSN журнала: 18110193
Место издания: Москва
Издатель: Общество с ограниченной ответственностью Издательский дом "Менеджер здравоохранения"