Rekisteriaineistojen monimuuttuja-analyysi

HTML
DOWNLOAD

Koko: px

Aloita esitys sivulta:

Download "Rekisteriaineistojen monimuuttuja-analyysi"

Aku Mäkelä
8 vuotta sitten
Katselukertoja:

1 Loppuseminaari: Terveydenhuollon uudet analyysimenetelmät (TERANA) Jaakko Riihimäki AB HELSINKI UNIVERSITY OF TECHNOLOGY Department of Biomedical Engineering and Computational Science

$Hoitojakson pituuden ennustaminen ja tutkiminen Selittävien tekijöiden merkitys ennusteissa Hip fracture operation Rehabilitation Home Readmission$

2 Lonkkamurtumarekisteri Hoitojakson mallintaminen lonkkamurtuman jälkeen Yhteistyössä THL:n kanssa (Reijo Sund, Matti Mäkelä, Unto Häkkinen) Hoitojakson pituuden ennustaminen ja tutkiminen Selittävien tekijöiden merkitys ennusteissa Hip fracture operation Rehabilitation Home Readmission to hospital

3 Lonkkamurtumarekisteri Lonkkamurtumapotilaat Suomessa vuosina Aineisto muodostettu useasta rekisteristä Kompleksinen aineisto: Havaintoja yli Suuri määrä selittäviä tekijöitä Hierarkkinen: potilas-, kunta- ja sairaanhoitoaluemuuttujat Kovariaattien välillä mahdollisia interaktioita

4 Bayesilainen ei-parametrinen malli Ei-parametrinen Multilayer perceptron-malli (MLP) Vaihtoehtoisesti Gaussinen prosessi (GP) Havaintojen suuren määrän vuoksi valittu MLP Ei-parametrisen mallin avulla Joustavat jakaumien muodot Epälineaarisuudet Syötteiden väliset interaktiot Bayesilainen lähestymistapa mallintamisessa Priori asetettu suosimaan sileitä ratkaisuja Parametriavaruuksien yli integrointi MCMC-menetelmin

5 Ei-parametrinen ennustemalli Hoitojakson keston ennustaminen intracapsular fracture extracapsular fracture probability week of discharge from rehabilitation

6 Kovariaattien merkittävyys ennusteissa Aikaisen kotiuttamisen todennäköisyys change in early discharge probability Background characteristics Intracapsular fracture Admitted from home Malignancy Osteoarthritis Peripheral vascular disease Women sex Ischemic heart disease Previous myocardial infarction Alcoholism One week increase in days of preceding care Chronic obstructive pulmonary disease Five years increase in age Diabetes Cerebrovascular disease Congestive heart failure Dementia Parkinson s disease Process variables Operation type No operation Hemiarthoplasty Total hip arthoplasty Other Internal fixation

7 Epälineaarisuudet ja interaktiot Kotiuttamisen jälkeen sairaalaan uudelleen joutumisen todennäköisyys 0.75 readmission probability days of preceding care age

8 Aluevertailu Kotiuttamisen jälkeen sairaalaan uudelleen joutumisen todennäköisyys hospital areas simulated median value simulated 95% credible interval crude estimate from the data relative risk of readmission

9 Ei-parametrisen ja parametrisen mallin vertailu Ei-parametristen mallien vertailukohdaksi perinteinen parametrinen malli Coxian phase-type mallit ja Weibull-jakaumien sekamallit Jakaumien muodot rajoittuneita Epälineaarisuudet hankala toteuttaa Interaktiot kovariaattien välillä hankalia

10 Ennustavien jakaumien muodot Ei-parametrisen ja parametrisen mallin vertailu 0.2 intracapsular fracture, expectation value extracapsular fracture, expectation value 0.2 intracapsular fracture, expectation value extracapsular fracture, expectation value probability 0.1 probability length of stay in weeks (a) Ennustemallina ei-parametrinen MLP length of stay in weeks (b) Ennustemallina parametrinen Weibull-jakauma sekamalli

11 Syötteiden merkittävyys Ei-parametrisen ja parametrisen mallin vertailu MLP Age Women sex WM Women sex Intracapsular fracture Intracapsular fracture Admitted from home Admitted from home Days of preceding care (square root) Days of preceding care (square root) Malignancy Malignancy Chronic obstructive pulmonary disease Chronic obstructive pulmonary disease Ischemic heart disease Ischemic heart disease Previous myocardial infarction Previous myocardial infarction Congestive heart failure Congestive heart failure Cerebrovascular disease Cerebrovascular disease Peripheral vascular disease Peripheral vascular disease Diabetes without complications Diabetes without complications Osteoarthritis Osteoarthritis Parkinson s disease Parkinson s disease Dementia Dementia Alcoholism Alcoholism MLP WM Average predictive comparison (a) Yksittäisen syötteen merkittävyys KL divergence (b) Syöteparien merkittävyys iän kanssa

12 Epälineaarisuudet ja interaktiot Ei-parametrisen ja parametrisen mallin vertailu intracapsular fracture extracapsular fracture intracapsular fracture extracapsular fracture probability of early discharge probability of early discharge age (a) Ennustemallina ei-parametrinen MLP age (b) Ennustemallina parametrinen Weibull-jakauma sekamalli

13 Epälineaarisuudet ja interaktiot Ei-parametrisen ja parametrisen mallin vertailu without Parkinson s disease Parkinson s disease without Parkinson s disease Parkinson s disease probability of early discharge probability of early discharge age (a) Ennustemallina ei-parametrinen MLP age (b) Ennustemallina parametrinen Weibull-jakauma sekamalli

14 Kuntarekisteri Kuolleisuusriskin mallintaminen kunnittain Kuntakohtaisten kuolleisuusriskien mallinnus koko Suomelle tautikarttojen tueksi (Olli-Pekka Ryynänen) Ennustettava muuttuja: kuntakohtainen ikä-, sukupuoli- ja koulutusvakioitu iskeemisten sydäntautien kuolleisuusriski vuosilta Selittävät tekijät: kuntien taustatietoja aiemmilta vuosilta Asukasluku, työttömyysaste, perusterveydenhuollon ja erikoissairaanhoidon nettomenot jne. Lineaarinen regressiomalli bayesilaisittain Havaintomallina Studentin t-jakauma log-riskille Priorina regressiokertoimille Studentin t-jakauma fiksatulla vapausasteella

15 Kuntarekisteri Kuolleisuusriskin mallintaminen kunnittain med. for heart disease med. for diabetes unemployment % population med. for hypertension tax rate exp. spec. health care sale of alcoholic exp. prim. health care normalised log risk normalised log risk entitled to refunds on medicines for heart disease, % unemployment, %

16 Monimuuttuja-analyysi Mallintamisen optiot Lineaarinen vai epälineaarinen malli Additiivinen vai ei-additiivinen kovariaattien vaikutus Selitettävyys vs. tarkkuus Syötevalinta Merkitsevimmät kovariaatit Klusterointi Aliryhmät Optioiden tavoitteena muodostaa yksinkertaisin ilmiötä kuvaava malli, jonka ennustuskyky lähellä täyden mallin ennustuskykyä

Samankaltaiset tiedostot

Tärkeiden selittävien tekijöiden ja ryhmien etsintä potilasrekistereistä

Tärkeiden selittävien tekijöiden ja ryhmien etsintä potilasrekistereistä Loppuseminaari: Terveydenhuollon uudet analyysimenetelmät (TERANA) Elina Parviainen AB HELSINKI UNIVERSITY OF TECHNOLOGY Department