Hasil Pencarian  ::  Simpan CSV :: Kembali

"Extended cox model adalah perluasan dari model cox yaitu dengan melibatkan variabel yang bergantung pada waktu. Model ini digunakan untuk memperbaiki model cox proportional hazard apabila satu atau lebih covariate tidak memenuhi asumsi proportional hazard. Covariate yang tidak memenuhi asumsi proportional hazard dalam extended cox model diinteraksikan dengan fungsi waktu, sehingga diperoleh covariate yang bergantung pada waktu. Sehingga pada model terdapat covariate yang tidak bergantung pada waktu dan covariate yang bergantung pada waktu. Parameter-parameter dari covariate tersebut ditaksir dengan menggunakan metode maksimum partial likelihood. Untuk mengetahui apakah extended cox model adalah model yang sesuai untuk suatu data dalam kasus tertentu, digunakan uji ratio likelihood. Sebagai contoh penerapan digunakan data berupa waktu seorang pasien mengalami infeksi pada ginjal setelah dilakukan transplantasi ginjal, dengan covariate yang diperhatikan yaitu pemasangan catheter pada ginjal pasien. Diperoleh hasil bahwa model yang sesuai untuk data tersebut adalah extended cox model.

---

Extended cox model is an extension of cox model by constructing time-dependent covariates that can be added to the model. This model is used to adjust the cox proportional hazard model if one or more covariates do not satisfy the proportional hazard assumption. Covariates, which do not satisfy the proportional hazard assumption, in extended cox model, are interacted with time function, so that time-dependent variables are obtained. Therefore, the model contains both time-independent and time-dependent covariates. Parameters of these covariates are estimated by maximum partial likelihood method. To find out whether extended cox model is better than cox proportional hazard model, ratio likelihood test is used. As the example, data of the period of time a patient suffering kidney infection after having kidney transplantation, with the concerned covariate is placed catheter in patient?s kidney. The result showed that extended cox model is appropriate for the data."

"Summary:Engaging and accessible, this comprehensive introduction to statistics integrates Stata commands with numerous examples based on real data."

"ABSTRACTDewasa ini, sudah banyak rumah sakit modern yang dilengkapi dengan peralatan monitoring yang lengkap, yang menyebabkan makin banyaknya data medis yang tersimpan. Data medis ini memiliki karakteristik khusus, dan biasanya metode statistika biasa tidak dapat diterapkan begitu saja. Dari sinilah kemudian muncul gagasan mengenai Medical Data Mining (MDM) yang sudah terbukti cocok untuk diterapkan dalam analisis data medis. Naive Bayes Classifier (NBC) merupakan salah satu implementasi dari MDM. Kendati terbukti memiliki hasil yang akurat dan memuaskan dalam proses diagnosis medis, metode-metode dalam MDM belum sepenuhnya diterima dalam praktek medis untuk diterapkan. Alasan utama mengapa metode ini belum dapat diterima adalah karena terdapatnya resistansi dari tenaga medis terhadap metode diagnosis yang baru. Tujuan dari penelitian ini adalah untuk menerapkan dan mengevaluasi performa NBC  pada data rekam medis pasien kanker payudara di salah satu rumah sakit di Jakarta dalam masalah klasifikasi subtipe molekular kanker payudara, serta membandingkan hasil klasifikasi NBC dengan metode MDM lain, yaitu Decision Tree (DT). Hasil analisis menunjukkan bahwa NBC mengungguli DT dengan tingkat akurasi sebesar 92,8%. Selain itu, dapat juga ditunjukkan secara empiris bahwa NBC mampu menangani missing value dengan cukup baik dan tidak membutuhkan data dalam jumlah banyak untuk tetap dapat mengklasifikasikan sebagian besar pasien dengan benar.

---

ABSTRACTNowadays, modern hospitals are well equipped with data monitoring devices, which resulted in an abundant amount of medical data. These medical data possess specific characteristics and usually, statistical methods could not be applied directly. This is what started the notion of Medical Data Mining (MDM), which has proven to be effective in analysing medical data. Naive Bayes Classifier (NBC) is an implementation of MDM. Even though MDM methods produce a sufficiently accurate and satisfying results in diagnosis problems, these methods are still not well accepted in the medical practice. One of the main reasons is because there is a resistance of physicians to a new diagnosis method. The main goal of this study is to apply and evaluate the performance of NBC in classifying breast cancer patients in a private hospital in Indonesia into five classes of molecular subtypes and compare its performance with another popular MDM method, Decision Tree (DT). Results showed that NBC outperformed DT by reaching an accuracy rate of 92.8%. This study could also show empirically that NBC does not need a big dataset to be able to achieve a high accuracy rate and that NBC could handle the problem of missing values just fine."

"This book shows how to compute statistics under such interval and fuzzy uncertainty. The resulting methods are applied to computer science (optimal scheduling of different processors), to information technology (maintaining privacy), to computer engineering (design of computer chips), and to data processing in geosciences, radar imaging, and structural mechanics."