Fakulta elektrotechnická Katedra kybernetiky. Analýza sociobiologických rytmů

Rozměr: px
Začít zobrazení ze stránky:

Download "Fakulta elektrotechnická Katedra kybernetiky. Analýza sociobiologických rytmů"

Transkript

1 České vysoké učení technické v Praze Fakulta elektrotechnická Katedra kybernetiky DIPLOMOVÁ PRÁCE Analýza sociobiologických rytmů bipolárních pacientů Autor: Vedoucí práce: Bc. Jindřich Koreš Ing. Daniel Novák, Ph.D. Praha, 2011

2

3 i

4 ii

5 Poděkování Rád bych poděkoval vedoucímu bakalářské práce Ing. Danielu Novákovi, Ph.D. za jeho četné a užitečné rady, připomínky a pečlivou kontrolu textu i software. Moje poděkování patří i Ing. Jiřímu Mistrovi za jeho cenné rady. iii

6 iv

7 Abstrakt Tato diplomová práce se zabývá studiem bipolární poruchy, se zaměřením na pohybovou aktivitu bipolárních pacientů. Data byla získána od pěti pacientů, pro zpracování se vzhledem k výpadkům a délce monitorovaného období hodili pouze dva z nich. Práce představuje dvě nové nové metody pro analýzu aktigrafických dat a také se věnuje predikci nadcházejícího relapsu deprese. Spánkový parametr celkový čas s pohybem a parametry délka NAP oblastí a celkový čas bez pohybu + délka NAP oblastí (před depresemi a mimo ně) vykazují u pac. č. 6 signifikanci. Frekveční analýza u pacienta č. 6 poukazuje na periody vyskytující se pouze v depresivních týdnech. Predikce pomocí rozhodovacích stromů se nejevila jako úspěšná. Abstract This thesis deals with the study of bipolar disorder, with the aim of analysing patients motion activity. Data were obtained from five patients. Due to the short monitoring period and to the measurement failures, only two of the patients were considered for further analysis. The thesis introduces two new methods for the Actigraphic Data Analysis, and is also aimed at prediction of the on-coming depression relapse. The sleep parameter Number of Minutes with Motion, and the parameters NAP Length and Number of Minutes without Motion + NAP Length (prior to depressions and outside of them) show statistical significance in case of patient No. 6. The frequency analysis in patient No. 6 shows certain periods, which occur only during the weeks classified as depression weeks. The prediction with the decision trees did not deliver promising results. v

8 vi

9 vii

10 viii

11 Obsah Seznam obrázků Seznam tabulek xi xii 1 Úvod 1 2 Bipolární porucha Definice bipolární poruchy Symptomy Mánie Deprese Rozdělení bipolárních poruchy Příčiny vzniku Genetický původ Externí podněty a životní zkušenosti Léky a drogy Léčba Farmaka Psychologické terapie Fototerapie Elektrokonvulzivní terapie Hospitalizace Zpracovávaná data Data získaná od pacienta Dotazníky Depresivní a manické epizody, hospitalizace Aktigrafická data ix

12 3.2 Medicínský portál Metodika Analýza v časové oblasti Detekce spánku Aktigrafické parametry Spánková oblast Oblast mezi hranicemi spánku (denní oblast) Dotazníky Frekvenční analýza Aktigrafický záznam Dotazníky Problémy výpadků Predikce relapsu Metoda týdenních oken Porovnání parametrů Vizualizace matic Box Plot Rozhodovací stromy J Alternating Decision Tree Spektrální analýza Závěr 41 Literatura 45 A Obsah přiloženého CD B Vizualizace oken spánkových parametrů C Dotazník HRSD D Dotazník YMRS E Popis datového souboru AWD I III XI XVII XXI x

13 Seznam obrázků 2.1 Grafické znázornění epizod bipolární poruchy Zapojení elektrod při ECT (převzato z [1]) Aktigrafické zařízení Actiwatch II od firmy Philips (převzato z [2]) Aktigrafická data pacienta č Aktigrafická data pacienta č.1 s náhledem na pětidenní okno Aktigrafická data pacienta č Porovnání aktigramu před (a) a po filtraci (b) Celková doba spánku během celého monitorovaného období pacienta č Celková doba bdění pacienta č. 6 (vybraná oblast) Účinnost spánku pacienta č. 6 (vybraná oblast) Počet bezpohybových segmentů kratších než 1 min. u pac. č Časy usnutí a probuzení pacienta č Medián z týdenního měření č Odpovědi pacienta č. 1 na otázku č Spektrum celkové pohybové aktivity pacienta č Spektrum celkové pohybové aktivity pacienta č Porovnání aktigramu před (a) a po korekci (b) Histogramy týdenních oken vybraných parametrů - pac. č Histogramy týdenních oken vybraných parametrů - pac. č Počet minut s pohybem (pac. č. 1) Box Plot - pac. č Box Plot - pac. č Rozhodovací strom J48 u pacienta č Porovnání spektra týden před depresí a týdne bez deprese (pac. č. 1) Porovnání spektra týden před depresí a týdne bez deprese (pac. č. 6).. 40 xi

14 B.1 Celkový čas bez pohybu + délka NAP oblastí (pac. č. 1) III B.2 Celková doba spánku (pac. č. 1) IV B.3 Celkový čas probuzení (pac. č. 1) IV B.4 Počet probuzení (pac. č. 1) IV B.5 Celkový čas bez pohybu (pac. č. 1) V B.6 Počet fází bez pohybu (pac. č. 1) V B.7 Suma pohybové aktivity v průběhu spánku (pac. č. 1) V B.8 Počet minut s pohybem (pac. č. 1) VI B.9 Celkový čas bez pohybu + délka NAP oblastí (pac. č. 6) VI B.10 Celková doba spánku (pac. č. 6) VII B.11 Celkový čas probuzení (pac. č. 6) VII B.12 Počet probuzení (pac. č. 6) VIII B.13 Celkový čas bez pohybu (pac. č. 6) VIII B.14 Počet fází bez pohybu (pac. č. 6) IX B.15 Suma pohybové aktivity v průběhu spánku (pac. č. 6) IX B.16 Počet minut s pohybem (pac. č. 6) X xii

15 Seznam tabulek 3.1 Otázky použité v dotazníku Přehled monitorovaných období pro subjektivní data Přehled významných událostí během monitorování pacienta č Přehled významných událostí během monitorování pacienta č Informace o objektivní části dat testovaného souboru pacientů Okna použitá při automatické detekci spánku Ilustrace konfuzní matice algoritmu J48 (pac. č. 1) Ilustrace konfuzní matice algoritmu J48 (pac. č. 6) Ilustrace matice záměn algoritmu ADTree (pac. č. 1) Ilustrace matice záměn algoritmu ADTree (pac. č. 6) C.1 Vyhodnocení dotazníku HRSD dle skóre XVI xiii

16 xiv

17 Kapitola 1 Úvod Bipolární porucha je psychické onemocnění, které je diagnostikováno zhruba u 1% populace. V současné době neexistují žádné léčebné postupy, které by dokázaly trvale bipolárního pacienta vyléčit. Původce onemocnění není znám, předpokládají se však určité genové predispozice. I přesto, že za pomoci farmak a terapií jsou bipolárním pacientům léčeny pouze symptomy, tito lidé mohou žít plnohodnotný život. Samotná choroba se u postižených projevuje kolísáním nálad mezi dvěma hranicemi; mezi mánií a depresí. Na jedné straně stojí pocity bezmezného štěstí, spokojenosti a radosti, na straně druhé pak pocity absolutní beznaděje, neschopnosti a podrážděnost. Obě spojují i poruchy spánku - at již nadměrná spavost či nespavost. Depresivní fáze bývají u pacientů velmi nebezpečné a často vrcholí sebevražednými pokusy. Každý bipolární pacient navštěvuje svého psychiatra na pravidelných vizitách. Lékař ze svých zkušeností a na základě dotazníků může rozpoznat blížící se depresi či mánii. Dle svého nejlepšího vědomí a svědomí předepisuje svému pacientu medikamenty tak, aby se jeho nálada stabilizovala na normální úrovni a nedošlo k prohloubení nastupující epizody. Pokud však není relaps včas rozpoznán a utlumen léky, pacient se může dostat do svízelné situace, být hospitalizován na několik dní či měsíců, nebo v nejhorším případě ukončit svůj život. Tato diplomová práce je součástí projektu, jehož hlavním cílem je včas predikovat relaps bipolární poruchy. Výzkumu se účastnilo 5 dobrovolníků, z nichž do dnešních dní spolupracuje pouze jediný. Zkoumaní jedinci byli monitorováni aktigrafickým přístrojem, který poskytl data o jejich pohybové aktivitě. Jelikož je aktigraf podobný náramkovým hodinkám, nebyl pro ně problém přístroj nosit 24 hodin denně. Pacienti každý týden rovněž zasílali odpovědi na 18 otázek týkajících se jejich psychické kondice a vnímání okolního světa. Z lékařského pracoviště byla také dodána data jednotlivých depresivních 1

18 a manických epizod a hospitalizací. Při analýze naměřených dat jsme se nejprve soustředili na extrakci vhodných příznaků a následně jsme se zaměřili na jejich porovnání napříč různými časovými obdobími. Tato práce je členěna do kapitol s důrazem na prvotní porozumění problematice. V druhé kapitole se tedy čtenář seznámí s bipolární poruchou a jejími druhy, pravděpodobnými původci choroby, symptomy a dostupnou léčbou. Třetí kapitola je věnována podrobnému popisu zpracovávaných dat; jak objektivních, tak subjektivních. Čtvrtá kapitola detailně popisuje metodiku analýzy šablon sociobiologických rytmů námi monitorovaných bipolárních pacientů. Kapitola pátá se zabývá predikcí depresivního relapsu z naměřených dat, se zaměřením na data aktigrafická. Závěrečná kapitola shrnuje dosažené výsledky a obsahuje doporučení, kterým směrem by se měly orientovat další práce. 2

19 Kapitola 2 Bipolární porucha 2.1 Definice bipolární poruchy Bipolární porucha, někdy též nazývaná maniodepresivní psychóza, je psychické onemocnění patřící do skupiny afektivních poruch. Postižení touto chorobou se vyznačují atypickými změnami nálad i mentálních funkcí, které mohou omezit jejich každodenní činnosti, či je přímo ohrozit na životě. V současné době neexistuje žádná léčba, která by dokázala postiženého plně vyléčit [3]. 2.2 Symptomy Onemocnění se projevuje střídáním manických a depresivních fází, které se mohou u některých jedinců dostavit jen jedenkrát za život, u některých postižených i několikrát během jediného dne. Stav mezi jednotlivými epizodami, kdy je pacient prakticky zdráv, se označuje jako remise. Kromě mánie a deprese může pacient procházet stavy označovanými jako hypománie a mírná deprese. Během těchto fází jsou níže uvedené symptomy mírnějšího charakteru a nemocný na sobě nemusí nic pocítit. Během hypomanické epizody může být dokonce např. více produktivní v práci. Celou škálu fází ilustruje diagram na obrázku Mánie Jedinec prožívající manickou fázi se pro své okolí jeví jako extrémně neklidný. Jeho nálada prochází stavy od absolutního štěstí po podrážděnost. Má sklon vykonávat činnosti pro něj příjemné, u kterých lze ale očekávat negativní následky; jako například utrácení 3

20 Obrázek 2.1: Grafické znázornění epizod bipolární poruchy velkých finančních částek. Není s to se plně soustředit na jeden konkrétní úkon, jeho myšlenky se rychle přenášejí na další, někdy i naprosto irelevantní externí podněty. Při těžké fázi myslí velmi rychle a mluví nesrozumitelně- nedokáže souvisle dokončit větu. Nemocný má tendenci fixovat se na určité cíle, je velmi podnikavý a plný energie - ale povětšinou neproduktivně. Vykazuje i sníženou potřebu spánku a projevuje známky odpočinutí již po několika prospaných hodinách. Často mívá zkreslené představy o svých vlastních schopnostech a světě okolo něj. Jsou popsané i případy halucinací. V sexuálním životě jedná často velmi impulsivně a je promiskuitní Deprese Pojem deprese je často laickou veřejností nesprávně používán v souvislosti se špatnou náladou vyvolanou určitým podnětem: např. ztrátou blízké osoby či pracovním neúspěchem. Depresivní fáze u osob trpících bipolární poruchou je ale vyvolána bez jakéhokoliv podnětu a může trvat i několik týdnů. Depresivní jednotlivci trpí úzkostmi a pocity prázdnoty, spojené s velmi špatnou náladou. Typické symptomy nejlépe ukazuje následující seznam: Přetrvávající nezvykle smutná nebo úzkostná nálada či pocit prázdnoty. Pocity beznaděje a pesimismus. Pocity viny, neschopnosti a bezmoci. 4

21 Ztráta zájmu o předtím oblíbené aktivity. Snížená energie, pocit únavy a zpomalení. Poruchy soustředění, paměti, rozhodování. Neklid a podrážděnost. Nadměrná spavost nebo naopak nespavost. Změny chuti k jídlu, hubnutí nebo naopak přibývání na váze. Chronické bolesti nebo přetrvávající tělesné příznaky, které však nejsou způsobeny tělesným onemocněním nebo poraněním. Myšlenky na smrt nebo sebevraždu, sebevražedné pokusy. 2.3 Rozdělení bipolárních poruchy Bipolární porucha se rozděluje podle projevů do 3 skupin: 1. Bipolární porucha I Jedna nebo více manických epizod. Pro diagnózu není vyžadována žádná deprese, ale i ta může nastat. 2. Bipolární porucha II - Bez výskytu manických epizod, mohou se však vyskytovat hypománie. Důležité pro tuto diagnózu je jedna či více silných depresivních epizod. 3. Cyklotymie - Pravidelný výskyt lehčích depresí a hypománií. Jedná se o nejlehčí formu bipolární poruchy. 2.4 Příčiny vzniku Původce bipolární poruchy není do dnešní doby plně znám. Existuje však řada prací, které studiem příčin vzniku poruchy zabývaly. Choroba se vyskytuje napříč celým spektrem ras a pohlaví bez ohledu na věk. Bipolární poruchou trpí 1% z celé populace [4]. 5

22 2.4.1 Genetický původ Předpokládá se, že lidé trpící touto chorobou mají pro její propuknutí jisté genetické predispozice. Dle [5], děti jedinců s bipolární poruchou jsou čtyřikrát až šestkrát náchylnější ktomu,žeseunichtatochorobatakévyvine-vporovnánísjejichvrstevníky. Teoriigenetického původu bipolární poruchy podporuje například studie [6], která ukázala, že pokud jedno z jednovaječných dvojčat trpí bipolární poruchou, u druhého je pravděpodobnost výskytu vysokých 40 procent Externí podněty a životní zkušenosti Bipolární porucha může být vyvolána také některým ze silně emotivně působících podnětů. At už se jedná o podněty kladné; jako např. vstoupení do manželského svazku, narození dítěte, apod. Nebo podněty negativní, mezi kterými mohou figurovat události jako ztráta zaměstnání, nečekaná změna bydliště, či ztráta blízké osoby. Zajímavé je také rozložení pravděpodobnosti výskytu manických a depresivních epizod v čase. Manická fáze se dostavuje nejčastěji v letních měsících, naproti tomu depresivní fáze jsou zaznamenány nejčastěji na podzim, v zimě a na jaře Léky a drogy Jsou popsány i případy, kdy bipolární porucha byla diagnostikována po delším využití určitých druhů farmak či drog. Nejčastěji jsou v této souvislosti zmiňována antidepresiva (viz 2.5.1). 2.5 Léčba Jak bylo naznačeno, v současné době neexistují žádné lékařské postupy, které by dokázaly bipolární poruchu vyléčit. Léčba se tedy nezaměřuje na zdroj choroby jako takové, ale pouze a jen na potlačení jejich symptomů. Jelikož následky depresivních epizod mohou být pro pacienta naprosto fatální, je dotyčný pod trvalým lékařským dohledem. Samotnou léčbu lze rozdělit do několika kategorií Farmaka Primárním úkolem léku je zabránit extrémním změnám nálad. K tomu se používají stabilizátory nálady. Tyto medikamenty se užívají pravidelně po delší časové období. Jako his- 6

23 toricky prvním lékem, určeným pro léčbu mánie a prevenci opakujících se manických a depresivních epizod, byl v roce 1979 schválen Lithobid [7]. Toto farmakum, jehož účinnou látkou je Lithium, je v různých variacích používáno dodnes. V současné době se jako stabilizátory nálady používají také některá antikonvulziva 1, jako např. Lamotrigine (Lamictal). Další skupinou používaných medikamentů tvoří antidepresiva. Ta se užívají ke zmírnění symptomů deprese. Často jsou indikovány současně se stabilizátory nálady, protože samotné užívání antidepresiv zvyšuje riziko, že se u pacienta objeví mánie, hypománie či smíšené epizody [8]. K léčbě bipolární poruchy se dále využívají antipsychotika 2. Jako příklad lze uvést Quetiapine (Seroquel) Psychologické terapie Společně s medikamenty, psychologická terepaie může být velice efektivním způsobem léčby bipolární poruchy [9]. Terapie přispívají ke zvýšení stability nálady a snížení počtu hospitalizací. Každému pacientovi je vytvořen program a intenzita jednotlivých sezení, které odpovídají jeho potřebám a průběhu choroby, kterou trpí. Mezi nejčastěji používané terapie patří následující: 1. Kognitivní behaviorální léčba pomáhá lidem s bipolární poruchou naučit se měnit negativní myšlenkové pochody a chování pozitivním směrem. 2. Rodinná terapie zahrnuje i členy rodiny postiženého. Všichni dohromady se zde učí jakým způsobem včas rozeznat nastupující depresivní či manickou fázi. Tato terapie také pomáhá vylepšovat komunikaci a řešení problémů mezi nemocným a jeho nejbližšími. Jak bylo psáno v kapitole 2.4.2, hádka či náhlé rozrušení může vést k aktivaci jedné z epizod. 3. Psychoedukce dává pacientům s bipolární poruchou informace o podstatě nemoci a její léčbě, jak včas rozpoznat příznaky návratu onemocnění atd. 1 Látky proti křečím centrálního původu. 2 K léčbě bipolární poruchy se převážně využívá atypických antipsychotik, které mají nižší nežádoucí účinky. 7

24 2.5.3 Fototerapie Fototerapie je jedna z nejnovějších metod léčby deprese, velmi populární v posledních letech [10]. Tato nenásilná forma léčby spočívá v tom, že je pacient vystavován jasnému (uměle vytvořenému) světlu po dobu několika desítek minut. Použití jasného světla, zvláště po probuzení, by mělo ukončit vylučování melatoninu 3 v mozku a tím dojít k pozitivní změně nálady Elektrokonvulzivní terapie U pacientů kteří nereagují na léčbu farmaky či terapií se může uplatit elektrokonvulzivní terapie (ECT). Tato terapie je známá také jako elektrošoky a je stále v psychiatrii považována za kontroverzní [1]. Metoda je založena na průchodu impulsu elektrického proudu mozkem pacienta, který je po dobu zákroku v celkové anestezii. V praxi se používají dvě zapojení elektrod - bilaterální a unilaterální. Při prvním (a) (b) Obrázek 2.2: Zapojení elektrod při ECT (převzato z [1]) jmenovaném způsobu jsou elektrody přikládány na oba spánky, při unilaterálním zapojení je první elektroda přiložena na spánek nedominantní hemisféry a druhá pak opět na nedominantní stranu, ale blízko vertexu. Obrázky 2.2(a) a 2.2(b) ilustrují bipolární a unipolární zapojení. Bohužel, nezanedbatelné jsou vedlejší účinky ECT. Dle [11] ve většině případů však odezní rychle a nezanechávají trvalé následky. Mezi nežádoucí účinky ECT řadíme: 3 Hormon produkovaný epifýzou; jeho hladina je nejvyšší v noci. 8

25 Poruchy paměti, kdy pacienti ihned po záchvatu zažívají stav dezorientace, zhoršení pozornosti a paměti (poruchy pozornosti, antegrádní a retrográdní amnézie). Bolesti hlavy, svalů. Nevolnost, zvracení. S přihlédnutím na vedlejší účinky je proto ECT indikována pouze osobám, které vyhovují následujícím podmínkám: 1. Pacienti, u kterých je léčba nezbytná s ohledem na jejich aktuální zdravotní stav a při neprovedení by hrozilo zhoršení. 2. Jedinci, u kterých je ECT nižším rizikem, než použití farmak (např. gravidní ženy). 3. V případech prokazetelných pozitivních výsledků ECT z minulosti Hospitalizace Pokud pacient prochází těžkou depresivní či manickou fází, jeho ošetřující lékář může rozhodnout o hospitalizaci. Postižený je v nemocnici pod neustálým dohledem personálu, který se volbou vhodných medikamentů snaží uvést pacientovu náladu opět do normálního stavu. Hospitalizace je indikována i jedincům, kteří mají sklony k suicidním myšlenkám. Délka pobytu v nemocničním zařízení se různí - od řádově dnů až po několik měsíců. 9

26 10

27 Kapitola 3 Zpracovávaná data Jedním z cílů této práce bylo detekovat relaps bipolární poruchy. Bylo k tomu využito dat, která pocházejí z Psychiatrické kliniky 3. lékařské fakulty UK. Celkem se jednalo o soubor čítající 5 jedinců, u kterých byla diagnostikována bipolární porucha. Data jsou reprezentována dvěma složkami; objektivní a subjektivní. Každá složka byla sbírána s různou intenzitou a bohužel, i s různou pravidelností a pečlivostí. K analýze sociobiologických rytmů se, vzhledem k výpadkům a délce zpracovávaného období, hodili pouze dva pacienti. U nich byla data víceméně kompletní a ve sledovaném období byla registrována alespoň jedna depresivní epizoda. Objektivní i subjektivní část dat je podrobněji popsána v kapitolách 3.1.1, a Data získaná od pacienta Dotazníky Metoda, při níž bipolární pacient odpovídá na otázky související s jeho aktuální náladou a kondicí, byla poprvé představena v roce 1960 [12]. Osoba, která je dotazována, má možnost odpovídat pouze z vybraných možností. Každé možné odpovědi je přiřazeno určité skóre, typicky v rozsahu 0-4 či 0-2. Po součtu dosaženého skóre získá lékař přehled, jakou jeho pacient právě prožívá fázi deprese (přehled dle dosaženého skóre je v tabulce C.1). Metoda je pojmenována podle svého autora - Hamilton Rating Scale for Depression (HRSD). Již ve své první publikaci metoda obsahovala 17 otázek, které se v průběhu let měnily a upravovaly (dotazník je součástí přílohy C) [13][14][15][16]. Další metodou, založenou na subjektivním reportování své fyzické a psychické kondice, 11

28 je Young Mania Rating Scale (YMRS) [17]. Tento dotazník byl původně navrhnut pro dospělé jedince, ale časem byl upraven do nynější podoby, která je zaměřena na děti a dospívající (5-17 let). Dotazník lze nalézt v příloze D. Princip metody je podobný jako u HRSD; na základě dosaženého skóre v jedenácti otázkách má ošetřující lékař přehled o závažnosti aktuální prožívané epizody (u metody YMRS konkrétně jen mánie). Dotazník použitý v této studii obsahuje sedmnáct otázek, na které každý pacient jednoutýdněodpovídalpomocísms.autoremtohotodotazníkujemudr.filipšpaňiel,ph.d. Použité otázky jsou naznačeny v tabulce 3.1. Na každou otázku mohlo být odpovězeno pomocí skóre v rozmezí 0 až 9, přičemž 0 znamená zcela nesouhlasím, 9 naopak naprosto souhlasím. Přibližně s měsíčními intervaly byla u pacientů prováděna vizita, při které Otázka č. Text 1. Cítím se jako schopný člověk 2. Opravdu se vnitřně cítím skvěle 3. Připadá mi, že se mi nikdy nic nepovede 4. Cítím se depresivní 5. Cítím se plný energie 6. Cítím se vnitřně urychlený 7. Mé myšlenky rychle utíkají 8. Cítím se nadměrně aktivní 9. Cítím se neklidný 10. Cítím se impulzivní 11. Má nálada je proměnlivá 12. Cítím jako by mě lidé chtěli dostat 13. Cítím jako by svět byl proti mně 14. Cítím se podrážděný 15. Cítím se hádavý 16. Snadno se stanu roztržitým 17. Nemohu se soustředit 18. Spím dobře Tabulka 3.1: Otázky použité v dotazníku ošetřující lékař nechal pacienta vyplnit dotazníky HRSD i YMRS. Vše bylo zaznamenáváno do tabulky, která posléze posloužila pro export dat. Pokud bylo shledáno u pacienta důvodné podezření na začínající depresi (např. pokles nálady), pacientovi bylo sděleno, 12

29 aby do odvolání zasílal odpovědi na dotazníkové otázky každý den. Jak ukazuje tabulka Pacient č. Počátek měření Konec měření Odesláno SMS Počet vizit Tabulka 3.2: Přehled monitorovaných období pro subjektivní data 3.2, pouze u 4 z pěti pacientů byla sbírána subjektivní data. Pacienti č. 2 a č. 4 sice podstoupili pravidelné vizity, ale v zasílání týdenních SMS nebyli tolik poctiví. Pro analýzu (kapitola 4.1.3) a následnou predikci relapsů bipolární poruchy ze subjektivní části dat byl použit pouze pacient č Depresivní a manické epizody, hospitalizace Každý lékař, ke kterému dochází pacient s bipolární poruchou, má přehled o jeho depresivních a manických epizodách a případných hospitalizacích. Právě datum deprese či mánie je jedním z nejcennějších vstupních parametrů pro algoritmus predikce relapsu. Pouze u dvou pacientů došlo během sledovaného období k výskytu depresivní epizody, Událost č. Deprese Hospitalizace I II III IV V VI VII VIII Tabulka 3.3: Přehled významných událostí během monitorování pacienta č. 1 oba byli alespoň v jednom případě hospitalizováni. U žádného z pacientů nedošlo ve sledovaném období k výskytu manické epizody. 13

30 Tabulky 3.3 a 3.4 ukazují významná data během sledování pacienta č. 1 a pacienta č. 6. Událost č. Deprese Hospitalizace I II III Tabulka 3.4: Přehled významných událostí během monitorování pacienta č Aktigrafická data Objektivní složka dat byla získávána pomocí aktigrafie. Tato neinvazivní metoda je založena na principu monitorování pohybové aktivity pacienta, která je poté vyhodnocována. Použití aktigrafie ve spojení s bipolární poruchou se v minulosti zabývaly také některé studie [18] [19] [20]. Převážně je aktigraf používám v souvislosti s poruchami spánku [21] [22]. V naší studii je aktigrafický záznam využíván k extrakci příznaků, na jejichž základě by bylo možné předpovídat nadcházející deprese. V kapitole je o jednotlivých příznacích diskutováno podrobněji. Obrázek 3.1: Aktigrafické zařízení Actiwatch II od firmy Philips (převzato z [2]) Samotný aktigraf je zařízení, které obsahuje akcelerometrický senzor a I/O port sloužící pro komunikaci s počítačem. Vše je zapouzdřeno do náramku, který pacientovi umožňuje nosit zařízení nepřetržitě ve dne i v noci (obrázek 3.1). Vzorkovací perioda je variabilní; od 15 sekund do 2 minut. 14

31 V době psaní této práce bylo také pro snímání pohybové aktivity testováno využití mobilního telefonu. Konkrétně se jednalo o model HTC Tattoo s operačním systémem Android 1.6, který disponuje akcelerometrem. Data lze sbírat se vzorkovací frekvencí až 25 Hz. Z důvodu snížení velikosti výstupního souboru je v současné chvíli z každých 10 sekund záznamu nalezeno maximum, které je následně zapsáno na výstup. Jelikož pamět náramkového aktigrafu je schopna pojmout jen omezené množství dat (v závislosti na vzorkovací frekvenci a konkrétním modelu), naměřené hodnoty byly na pravidelných vizitách stahovány do počítače, kde byly následně exportovány do souboru (ukázka datového souboru AWD je v příloze E). Poté byl soubor předán k předzpracování a konečně připojen k datům sebraným v předešlých měsících. Pohybová aktivita námi sledovaných pacientů byla vzorkována s periodou 30 nebo 120 sekund. Pacient č. Začátek měření Konec měření Vz. perioda Celkem záznamů s s s s s Tabulka 3.5: Informace o objektivní části dat testovaného souboru pacientů Tabulka 3.5 ukazuje základní informace o souboru dat, který byl zpracováván. I přesto, že délka odměru odpovídá době, kdy byl pacient monitorován, u žádného jedince nejsou data kompletní. Každý výpadek velmi znepříjemnil následnou analýzu. Výpadky měření lze rozdělit do dvou kategorií: 1. Výpadek v důsledku vypnutí přístroje. Pokud se přístroji vybíjí baterie či je obsluhou vypnut, následné zapnutí do měřícího módu má za následek deformaci časové osy. V případě, že nedojde ze strany pacienta či lékaře k zaznamenání takovéhoto výpadku, je celé měření zkresleno. 2. Nulová pohybová aktivita. Tento nejčastější typ výpadku je způsoben tím, že aktigraf není pacientem používán; zařízení tak leží např. na stole a akcelerometrický senzor měří konstantní nulové zrychlení. Na obrázku 3.2 jsou vykreslena aktigrafická data pacienta č. 1, která byla k dispozici od samého počátku měření až do doby psaní této práce. Obrázek také ilustruje depresivní 15

32 Neupraveny aktigram vcetne depresi a hospitalizaci Odpoved Deprese Hospitalizace Amplituda [ ] Datum Obrázek 3.2: Aktigrafická data pacienta č. 1 epizody i hospitalizace. Dále je patrná nekonzistentnost dat; v poslední čtvrtině došlo k téměř tříměsíčnímu výpadku druhého typu. Na obrázku 3.3 je naznačeno náhodně vybrané pětidenní okno stejného pacienta. Lze si povšimnout oblastí s nižší pohybovou aktivitou, která bude později klasifikována jako spánek Aktigram v pohledu na petidenni okno Amplituda [ ] Datum Obrázek 3.3: Aktigrafická data pacienta č.1 s náhledem na pětidenní okno 16

33 Obrázek 3.4 ukazuje data naměřená pacientem č. 6. Data obsahovala pouze 3 několikadenní výpadky typu 2. Jelikož data pacienta č. 6 a pacienta č. 1 byla nejkvalitnější Neupraveny aktigram vcetne depresi a hospitalizaci Aktigram Deprese Hospitalizace 3000 Amplituda [ ] Datum Obrázek 3.4: Aktigrafická data pacienta č.6 z celého souboru, tito dva pacienti byli také dále vybráni pro kalkulaci a analýzu příznaků. Taktéž predikce relapsů z aktigrafických dat (kapitola 5) byla prováděna pouze u těchto dvou. 3.2 Medicínský portál Autorem webového medicínského portálu je Ing. Jan Paděra, který jej vytvořil v rámci své diplomové práce[23]. Autorem nápadu rozšířit již existující portál ITAREPS(Information Technology Aided Relaps Prevent in Schizophrenia [24]) také pro bipolární pacienty je MUDr. Filip Španiel, Ph.D. Projekt je primárně zaměřen na predikci relapsu bipolární poruchy. Portál je určen ke shromažd ování objektivních i subjektivních dat, na základě kterých může dokázat předpovídat blížící se manickou či depresivní epizodu. Dále je zde možnost nastavení různých druhů upozornění lékaře (např. pokud skóre u určitých otázek přesáhne stanovenou hodnotu), zadávání informací o medikamentech, hospitalizacích, prodělaných epizodách, aj. Poznatky zjištěné v této práci budou později s největší pravděpodobností do portálu implementovány. 17

34 18

35 Kapitola 4 Metodika Prvním a nejdůležitějším krokem při zpracování aktigrafických dat je detekce spánkových oblastí (kapitola 4.1.1). Po automatické detekci je vhodné provést manuální korekce a poopravit nalezené začátky a konce spánku. Dalším krokem je extrakce spánkových příznaků z časové oblasti aktigramu (popsáno v kapitole 4.1.2). Po extrakci je k dispozici více jak deset příznaků, které poslouží k dalšímu zkoumání. Analýza ve frekvenční oblasti, která je rozebrána v kapitole 4.2, je zaměřena jak na rozbor spektra samotného aktigrafického záznamu, tak i vypočtených parametrů. V další sekci je také diskutován problém výpadků měření a jejich vliv na frekvenční analýzu. 4.1 Analýza v časové oblasti Jak bylo uvedeno v předchozí kapitole, z důvodu nekomplexnosti naměřených objektivních dat u všech pacientů, podrobnější analýza byla zaměřena pouze na dva z monitorovaných pacientů. Bohužel, ani u zbylých dvou jedinců nebylo ve všech případech možné korektně detekovat spánkové oblasti. Velmi neklidný spánek mohl být zaměněn za pohyb a naopak. To dále ovlivňovalo výpočty Detekce spánku V této práci bylo k detekci spánkových oblastí využíváno algoritmu, který v rámci své bakalářské práce navrhli Ing. Jan Poupě a Ing. Kateřina Sedláčková [25] [26]. Algoritmus však vykazoval jisté nedostatky, zvláště při dlouhodobějších výpadcích, byl proto opti- 19

36 malizován pro nová data. Snížila se tak výpočetní náročnost, zvýšila se rychlost i počet správně detekovaných spánkových oblastí. Algoritmus detekce spánkových oblastí má dvě hlavní části: 1. Vyhledání poteciálních počátků oblastí spánku, selekce a stanovení definitivních počátků. 2. Vyhledání příslušných konců. Dále jsou k výpočtu třeba tři tzv. okna, jejichž velikost byla stanovena empiricky s ohledem na nejlepší výsledky: Pro oba pacienty jsou velikosti oken shodné (tabulka 4.1): Pacient č. OKNO 1 OKNO 2 OKNO Tabulka 4.1: Okna použitá při automatické detekci spánku Jelikož není vzorkovací perioda pacienta č. 1 a pacienta č. 6 shodná, pro univerzálnost detekčního algoritmu je třeba ji unifikovat. Nejvyšší použitá vzorkovací perioda je 2 minuty, převzorkování probíhá tedy na tuto periodu. Samotné převzorkování je provedeno decimací faktorem x 1 pomocí FIR filtru. 900 Aktigram pred filtraci 350 Aktigram po filtraci Amplituda [ ] Amplituda [ ] Vzorek [ ] x Vzorek [ ] x 10 5 (a) (b) Obrázek 4.1: Porovnání aktigramu před (a) a po filtraci (b) 1 V případě 30 s je faktor 4, u jedné minuty pak 2. 20

37 Po případné decimaci je ze signálu odfiltrována vysokofrekveční složka. K filtraci byl použit mediánový filtr o délce 20. Pro větší vyhlazení průběhu byl následně signál zderivován, umocněn a na závěr byl opět použit mediánový filtr o délce 40. Porovnání vybraných oblastí před a po filtraci je na obrázku 4.1(a) resp. 4.1(b). Jakmile je signál odfiltrován, algoritmus pokračuje v detekci samotné. Jak bylo řečeno výše, k detekci jsou používána tzv. okna. Algoritmus prochází každý vzorek a hledá takový, jehož (OKNO 1)-1 vzorků vlevo je nenulových a OKNO 1 vzorků vpravo je nulových. Všechny vyhovující vzorky jsou uloženy do pole P, na pozici i. Dále hledáme takový prvek P, jehož následujících OKNO 2 vzorků vpravo obsahuje alespoň 75% nulových prvků. Takový nalezený prvek je počátkem spánkové oblasti. Tento postup spolehlivě nalezne začátky spánkových oblastí delších jak 6 hodin; což je limit pro dospělého jedince dostatečný. Detekce konců spánkových oblastí je obdobná. Konce spánku v jednotlivých dnech hledáme v intervalu mezi dvěma začátky oblastí. Koncem je pak první nalezený prvek, jehož OKNO 3 následujících hodnot není nulových. Pokud záznam obsahuje výpadky typu 2, nejsou v krizovém intervalu oblasti nalezeny. Je zde ale možnost manuálního dodetekování pomocí vytvořeného GUI. Jestliže nejsme úspěšní ani s manuální detekcí - např. pokud naměřené hodnoty během 24 hodin jsou téměř shodné a nedaří se nám vizuálně najít oblast spánku, pak se mohlo stát, že v takovém intervalu spánek naprosto chyběl. V takové oblasti pak nejsou nalezeny žádné okraje a konkrétnímu dni je přiřazena hodnota NaN (Not a Number). Tento krok je ale velmi kritický pro další výpočty. Příliš mnoho oblastí bez detekovaného spánku vede k tomu, že jsme nuceni, pro zachování spojitosti signálu, nahrazovat části aktigrafických parametrů mediány či průměry z předchozích dní Aktigrafické parametry Spánková oblast Vzorce pro výpočet aktigrafických parametrů byly získány reverzním inženýrství softwaru pro analýzu naměřených dat z přístroje Actiwatch AWx od výrobce CamNtech [27]. Získané parametry spánkové oblasti byly klasifikovány do 4 tříd: 1. Spánek 2. Bdění (probuzení) 3. Pohyb 21

38 4. Bez pohybu Celková doba spánkové oblasti T S : Čas mezi usnutím a probuzením. Na obrázku 4.2 je vykreslena vypočtená doba spánku pro pacienta č. 1 včetně vyznačených depresivních epizod. T S = t S2 t S1 (4.1) t S1 - Čas usnutí t S2 - Čas probuzení 1100 Celkova doba spanku Doba spanku [min] Doba spanku Deprese Datum Obrázek 4.2: Celková doba spánku během celého monitorovaného období pacienta č. 1 Celkový čas probuzení T A : součet vzorků ve spánkovém intervalu, které obsahují pohyb. Parametr nabývá hodnoty 0, pokud byla data klasifikována jako spánek, hodnota 1 pak připadá na bdění. Algoritmus sčítá hodnotu aktuálního vzorku s hodnotami 2 sousedních převážených podle definované úrovňové váhy [25]. Obrázek 4.3 ilustruje vypočtenou dobu bdění u pacienta č. 6. { 0 : ym y ym f A (x) = data(x+ w A y) w A 1 : ym y ym data(x+ w A y) > w A T A = t S2 t=t S1 f A (data(t)) (4.2) p A = T A TS

39 p A - poměr času probuzení a celkové doby spánku w A - váha data - aktigrafická data 150 Celkova doba bdeni Doba bdeni Deprese Celkova doba bdeni [min] Datum Obrázek 4.3: Celková doba bdění pacienta č. 6 (vybraná oblast) Počet segmentů klasifikovaných jako spánek n S : Segmentem spánku rozumíme 2 sousední vzorky ve spánkovém intervalu. Segment je klasifikován jako spánkový(f ns (x) = 1), pokud spánkovému vzorku předchází vzorek bdění. Funkce klasifikuje do třídy 1, pokud je segment spánkový. f ns (x) = { 0 : ws (data(x 1)) = 0 w S (data(x)) = 1 1 : w S (data(x 1)) = 1 w S (data(x)) = 0 n S = t S2 t=t S1 f ns (data(t)) (4.3) Počet segmentů klasifikovaných jako bdění n A : Počet segmentů, které jsou po převážení klasifikovány jako bdění. Funkce klasifikuje do třídy 1, pokud je segment bdění. f na (x) = { 0 : wa (data(x 1)) = 1 w A (data(x)) = 0 1 : w A (data(x 1)) = 0 w A (data(x)) = 1 (4.4) n A = t S2 t=t S1 f na (data(t)) 23

40 Účinnost spánku p e f: Poměr doby spánku bez bdění a celkové doby spánku. Vizualizaci účinnosti spánku pacienta č. 6 s ohledem na data depresí lze nalézt na obrázku 4.4. p ef = T S T A T S (4.5) Ucinnost spanku Ucinnost Deprese Ucinnost spanku [%] Datum Obrázek 4.4: Účinnost spánku pacienta č. 6 (vybraná oblast) Celkový čas bez pohybu T I : Vzorek je klasifikován jako bez pohybu, právě tehdy, když jeho hodnota nepřekročí úrovňovou váhu w I. f I (x) = { 0 : x > wi 1 : x w I T I = t S2 t=t S1 f I (data(t)) (4.6) w I - úrovňová váha p I = T I T S 100 p I - zastoupení času bez pohybu v celé spánkové oblasti 24

41 Počet segmentů bez pohybu n I : f na (x) = { 0 : wi (data(x 1)) = 1 w I (data(x)) = 0 1 : w I (data(x 1)) = 0 w I (data(x)) = 1 (4.7) n I = t S2 t=t S1 f ni (data(t)) Počet bezpohybových segmentů kratších než jedna minuta n I1 : Počet segmentů označenýchjakoklid,kterétrvajíjednuminutuneboméně.funkcef ni1 klasifikujevtomto případě vstupní data do tří stavů. 0 znamená pohyb, stav 1 klid a -1 znamená klid trvající jednu minutu a méně. Vybraná oblast bezpohybových segmentů pacienta č. 1 je vykreslena na obrázku 4.5. f ni1 (x) = N = { 1 1 T SAMPLE : T SAMPLE < : T SAMPLE 1 1 : f ni = 0 N n=1 f i (data(x n)) = N 1 : f ni = 0 N n=1 f i (data(x n)) N 0 : f ni = 1 (4.8) n I1 = t S2 t=ts1 f ni1 (data(t)) Poměr segmentů označených jako klid trvajících jednu minutu p I1 : p I1 = n I1 n I (4.9) Počet minut klasifikovaných jako pohyb T M : T M = T S T I (4.10) Součet celkové aktivity v dané oblasti S A : 25

42 50 45 Pocet bezpohybovych segmentù kratsich nez jedna minuta Pocet segmentu Deprese Pocet [ ] Datum Obrázek 4.5: Počet bezpohybových segmentů kratších než 1 min. u pac. č. 1 S A = ts2 t=t S1 data(t) (4.11) Průměrná aktivita v dané oblasti S AM : S A = S A T S (4.12) Průměrná aktivita na počet aktivních vzorků S AP : S AP = S A T M (4.13) Fragmentace spánku I f : I f = T M T S +p I1 (4.14) 26

43 Časy usnutí a probuzení: Ze známého času začátku měření, vzorkovací periody a intervalu spánkové oblasti není problém extrahovat přesné časy usnutí i probuzení. Na obrázku 4.6 je pro ilustraci vykreslen vybraný úsek usnutí a probuzení pacienta č. 6. Jsou zde patrné oblasti, které nemají přiřazenu žádnou hodnotu. Jedná se o dny, u nichž jsme nebyli schopni spánek detekovat, či zde spánek naprosto chyběl. Casy usnuti a probuzeni 02:00 00:00 22:00 20:00 Hodina 18:00 16:00 14:00 Zacatek spanku Konec spanku Deprese 12:00 10:00 08:00 06: Datum Obrázek 4.6: Časy usnutí a probuzení pacienta č. 6 Týdenní okna: Pro věrohodnější porovnávání vypočtených spánkových atributů mezi sebou byla vytvořena metoda, která extrahuje medián z každého týdne zvoleného spánkového parametru. Jelikož ze znalosti lékařských záznamů víme, ve kterých dnech resp. týdnech došlo u pacienta k depresi, můžeme tuto znalost dále využít pro predikci relapsu (kapitola 5.1.1). MediánzesouborutýdenníchměřeníparametruT I včetnězobrazenýchdepresípacieta č. 1 je vykreslen na obrázku Oblast mezi hranicemi spánku (denní oblast) Následující parametry byly extrahovány z oblastí mezi počátkem a koncem spánku. Zaměřili jsme se na oblasti NAP 2 spánku. Abychom co nejvíce eliminovali riziko chybné 2 Krátký úsek spánku. Většinou vyskytující se přes den. 27

44 Celkovy cas bez pohybu T I Median Deprese Doba bez pohybu [ ] Datum Obrázek 4.7: Medián z týdenního měření č. 1 detekce, jako NAP byly označeny takové oblasti, které splňovaly tyto prerekvizity zároveň: 1. naměřená hodnota u každého vzorku v oblasti byla menší než stanovený práh (SENS). 2. Délka oblasti byla minimálně 10 minut (NAP MIN) 3. Délka oblasti byla nejvýše 45 minut (NAP MAX) NAP - NoEachDay: Parametr indikuje počet NAP oblastí v jednom dni. Je vypočten pro každý den. NAP - Total: Součet délek všech NAP oblastí v jednom dni. Parametr je opět spočten napříč všemi dny. Týdenní okna: Stejně jako v případě spánkových parametrů, i zde u parametrů extrahovaných z mimospánkové oblasti byla vypočtena týdenní okna včetně zaznamenaných depresí Dotazníky Zpracování subjektivní části dat se věnoval Ing. Jiří Mistr ve své diplomové práci [28]. Data z dotazníků byla pro potřeby další analýzy ukládána v matici o rozměrech m n, 28

45 Odpoved Deprese Citim se depresivni Skore [ ] Datum Obrázek 4.8: Odpovědi pacienta č. 1 na otázku č. 4 kde m značí počet otázek, n pak jednotlivé týdny. Hodnota na pozici m,n odpovídá skóre, které bylo té které otázce pacientem přiřazeno. S využitím znalosti depresivních dnů můžeme pak vše vizualizovat (obrázek 4.8). V současné době nejsou v rámci tohoto projektu implementovány žádné postupy, které by dokázaly urychlit zpracování subjektivních dat. Po obdržení odpovědní SMS jsou jednotlivá skóre přepsána do tabulky, která je poté předána ke zpracování. Export do softwaru pro analýzu dat (v našem případě Matlab) probíhá také manuálně. S nasazením medicínského portálu do ostrého provozu by tyto dva nedostatky měly být odstraněny. 4.2 Frekvenční analýza Aktigrafický záznam Relativně vysoká vzorkovací frekvence společně s délkou sledovaného období vybízela k zamyšlení, zda-li nebude možné u monitorovaných pacientů provést frekvenční analýzu. K transformaci posloupnosti N vzorků do frekvenční oblasti bylo využito Diskrétní Fourierovy transformace (DFT) dle rovnice X k = N 1 n=0 x n e 2πi N kn k = 0,...,N 1 (4.15) 29

46 Po vizualizaci spekter si můžeme povšimnout patrného maxima, které odpovídá cirkadiánní periodě. Na obrázku 4.9 je vykresleno spektrum celého aktigrafického záznamu pacienta č. 1. Je zde patrná špička náležící 24 hodinám (cirkadiánní rytmus střídání dne x 108 Spektrum celkove pohybove aktivity Aktigram 24 hodin 3 Amplituda [ ] Perioda [Hodiny] Obrázek 4.9: Spektrum celkové pohybové aktivity pacienta č. 1 a noci). Obrázek 4.10 ukazuje frekvenční analýzu delšího časového období. Vypočtený signál spíše připomíná šum a je velmi těžké odlišit, která ze špiček je k-násobkem periody signálu, a která odpovídá samotné periodě (z definice DFT v 4.15) Dotazníky Vzhledem k použité vzorkovací periodě (1 sada otázek za jeden týden), frekvenční a- nalýza subjektivních dat by neměla téměř žádnou vypovídající hodnotu. Nebyla proto prováděna Problémy výpadků Absence spánkové oblasti z důvodu výpadků byla největším problémem při zpracování dat. Narozdíl od analýzy v časové oblasti, kde se kritické oblasti nechaly nahradit průměry či mediány z různě velkých oken dat naměřených dříve, ve frekvenční oblasti tento postup nepřicházel v úvahu. Pokud bychom chybějící části nahradili takovými postupy, spektrum signálu by bylo zkresleno. 30

47 3.5 x 107 Spektrum celkove pohybove aktivity 3 X: 1 Y: 3.139e Amplituda [ ] Perioda [Dny] Obrázek 4.10: Spektrum celkové pohybové aktivity pacienta č. 6 Pro korekci výpadků se jako nejlepší jevilo nahrazení těchto oblastí bílým šumem 3. Díky vlastnostem tohoto druhu šumu bylo spektrum deformováno rovnoměrně a výsledné zkreslení bylo nulové. Praktická realizace byla provedena generováním náhodných čísel z intervalu 1/4 a 3/4 mediánu z předchozího měsíčního průběhu. 300 Signal pred korekci 300 Signal po korekci Amplituda [ ] 150 Amplituda [ ] Vzorek [ ] x 10 5 (a) Vzorek [ ] x 10 5 (b) Obrázek 4.11: Porovnání aktigramu před (a) a po korekci (b) Nalézt a následně nahradit výpadky v celém průběhu nebylo příliš náročné. Pokud 3 Signál s rovnoměrnou výkonovou spektrální hustotou. 31

48 zařízení v daném intervalu leželo např. na stole, akcelerometrický senzor trvale zaznamenával nulové zrychlení. Stačilo nalézt větší uskupení nulových hodnot a nahradit jej bílým šumem. Pro porovnání je na obrázku 4.11(a) a 4.11(b) zobrazen průběh signálu před a po nahrazení oblastí výpadku. 32

49 Kapitola 5 Predikce relapsu V současné době neexistují žádná objektivní měřítka, kterými by lékaři dokázali předpovídat nadcházející epizodu deprese či mánie. Pacienti jsou plně odkázáni na zkušenosti ošetřujícího psychiatra, jeho úsudek a včasné zvýšení dávky medikamentů, které dokáží zabránit plnému nástupu objevující se depresivní či manické fáze. Spolehlivý predikční algoritmus by tak mohl být, samozřejmě stále s účastí lékaře, silným nástrojem nápomocným řadě osob. Kapitola je zaměřena především na predikci relapsu z aktigrafických dat. Předchozí dvě práce se věnovaly možnostem aplikace metod dynamic time warping (DTW) a hidden Markov model (HMM) [25] [26]. Ani v jedné z prací nebyla prokázána souvislost mezi pohybovou aktivitou a depresivní epizodou. Práce[28] byla primárně zaměřena na analýzu subjektivních dat, ale autor zmínil i predikci z frekvenční oblasti objektivních dat pacienta č. 1. Ani on však nenašel žádné souvislosti. V následujících řádcích vyzkoušíme nové metody, jako je využití týdenních oken či software Weka [29]. Zaměříme se i na pacienta č. 6, který byl v minulosti při zpracování lehce opomíjen. 5.1 Metoda týdenních oken Po extrakci spánkových parametrů byla data rozdělena na týdenní úseky. Z každého týdne byl následně spočten medián pro každý vybraný parametr. Jeden z používaných parametrů je součet dvou původních - TiNAP (Ti+NAP). Jak bylo zmíněno v předchozích kapitolách, v datech se vyskytovaly různě časté výpadky. Pokud z celého týdenního intervalu byl vypočten alespoň jeden parametr (většina dne byla bez výpadku), pak byl tento parametr použit jako medián. V opačném případě nebyl konkrétní parametr v tomto 33

50 týdnu uvažován. Počet takto zahozených instancí se pohyboval mezi 14 17% u pacienta č. 1, pacient č. 2 měl takových instancí do 8% Porovnání parametrů Obrázky 5.1 a 5.2 ukazují histogramy zpracovávaných parametrů po týdenních oknech pro pacienta č. 1 a pacienta č. 6. Ke každé instanci (v našem případě týdnu), byla ještě přiřazena závislá veličina Deprese, která nabývala dvou hodnot - 0 nebo 1. Pokud měla veličina hodnotu 1, pak to znamenalo, že v konkrétním týdnu došlo k depresi. Vzhledem k tomu, že depresivních epizod bylo za celou dobu snímání jen 8 (resp. 3 v případě pac. č. 6), veličina byla nastavena na hodnotu 1 i u dvou týdnů, které předcházely každé události. Tento krok nám tedy ztrojnásobil počet depresivních instancí. Lze proto očekávat objektivnější výsledky. Obrázek 5.1: Histogramy týdenních oken vybraných parametrů - pac. č Vizualizace matic Dále můžeme vizualizovat a porovnat průběhy parametrů v určitém časovém intervalu před depresí se stejně velkým intervalem parametrů mimo depresi. Sloupce tabulky přísluší depresím, řádky jednotlivým týdnům před depresí. 1. řádek náleží 4. týdnu před depresí, poslední řádek týdnu prvnímu. Barevná škála je nastavena tak, že nejvyšší dosažená hodnota z obou tabulek je vykreslena tmavě červeně, nejnižší naopak modře. Barvy ostatních 34

Moravské gymnázium Brno s.r.o. Kateřina Proroková. Psychopatologie duševní poruchy Ročník 1. Datum tvorby 26.1.2013 Anotace

Moravské gymnázium Brno s.r.o. Kateřina Proroková. Psychopatologie duševní poruchy Ročník 1. Datum tvorby 26.1.2013 Anotace Číslo projektu Název školy Autor Tématická oblast Téma CZ.1.07/1.5.00/34.0743 Moravské gymnázium Brno s.r.o. Kateřina Proroková Základy společenských věd Psychopatologie duševní poruchy Ročník 1. Datum

Více

Afektivní poruchy. MUDr. Helena Reguli

Afektivní poruchy. MUDr. Helena Reguli Afektivní poruchy MUDr. Helena Reguli Afektivní poruchy Poruchy nálady Hippokrates (400 př.n.l.) použil termín mánie a melancholie Kahlbaum cyklothymie 1882 Kraepelin maniodepresivita 1899: periodický

Více

Psychiatrická komorbidita pacientů léčených v souvislosti s užíváním návykových látek

Psychiatrická komorbidita pacientů léčených v souvislosti s užíváním návykových látek Psychiatrická komorbidita pacientů léčených v souvislosti s užíváním návykových látek Podle údajů ÚZIS (2004) bylo v r. 2003 v psychiatrických léčebnách a odděleních nemocnic uskutečněno celkem 4 636 hospitalizací

Více

Geriatrická deprese MUDr.Tomáš Turek

Geriatrická deprese MUDr.Tomáš Turek Geriatrická deprese MUDr.Tomáš Turek Psychiatrická léčebna Bohnice Akutní gerontopsychiatrické odd. pav.32 vedoucí lékař e-mail:tomas.turek@plbohnice.cz Historie Starý zákon- popis mánie a deprese- Král

Více

Až dvěma pětinám lidí s depresí nezabírají antidepresiva, u dalších sice léky pomohou některé příznaky nemoci zmírnit, ale například potíže se

Až dvěma pětinám lidí s depresí nezabírají antidepresiva, u dalších sice léky pomohou některé příznaky nemoci zmírnit, ale například potíže se Duben 1 Až dvěma pětinám lidí s depresí nezabírají antidepresiva, u dalších sice léky pomohou některé příznaky nemoci zmírnit, ale například potíže se spánkem přetrvávají. Čeští lékaři a sestry se proto

Více

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát

Více

Možnosti terapie psychických onemocnění

Možnosti terapie psychických onemocnění Možnosti terapie psychických onemocnění Pohled do světa psychických poruch a onemocnění a jejich léčby bez použití léků. Mgr.PaedDr.Hana Pašteková Rupertová Psychiatrická léčebna Kroměříž Osobnost Biologická

Více

PARKINSONOVA NEMOC Z POHLEDU PSYCHIATRA. MUDr.Tereza Uhrová Psychiatrická klinika I.LF UK a VFN Praha

PARKINSONOVA NEMOC Z POHLEDU PSYCHIATRA. MUDr.Tereza Uhrová Psychiatrická klinika I.LF UK a VFN Praha PARKINSONOVA NEMOC Z POHLEDU PSYCHIATRA MUDr.Tereza Uhrová Psychiatrická klinika I.LF UK a VFN Praha Parkinsonova nemoc = primárně neurologické onemocnění doprovodné psychiatrické příznaky deprese psychiatrické

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Spotřeba alkoholu (VI. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Spotřeba alkoholu (VI. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 3. 12. 2002 58 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Spotřeba alkoholu (VI. díl) V této

Více

SOUHRNNÉ VÝSLEDKY ZPĚTNÝCH VAZEB NA PACIENTSKÝ PROGRAM AD VITAM

SOUHRNNÉ VÝSLEDKY ZPĚTNÝCH VAZEB NA PACIENTSKÝ PROGRAM AD VITAM SOUHRNNÉ VÝSLEDKY ZPĚTNÝCH VAZEB NA PACIENTSKÝ PROGRAM AD VITAM 2013 Dotazníkové šetření u pacientů s roztroušenou sklerózou 1. Cíle a způsob provedení dotazníkového šetření Dotazníkové šetření mezi pacienty

Více

Popis využití: Výukový materiál s úkoly pro žáky s využitím dataprojektoru,

Popis využití: Výukový materiál s úkoly pro žáky s využitím dataprojektoru, VY_32_INOVACE_PSYPS14660ZAP Výukový materiál v rámci projektu OPVK 1.5 Peníze středním školám Číslo projektu: CZ.1.07/1.5.00/34.0883 Název projektu: Rozvoj vzdělanosti Číslo šablony: III/2 Datum vytvoření:

Více

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího

Více

Metoda Monte Carlo a její aplikace v problematice oceňování technologií. Manuál k programu

Metoda Monte Carlo a její aplikace v problematice oceňování technologií. Manuál k programu Metoda Monte Carlo a její aplikace v problematice oceňování technologií Manuál k programu This software was created under the state subsidy of the Czech Republic within the research and development project

Více

ANALÝZA LIDSKÉHO HLASU

ANALÝZA LIDSKÉHO HLASU ANALÝZA LIDSKÉHO HLASU Pomůcky mikrofon MCA-BTA, LabQuest, program LoggerPro (nebo LoggerLite), tabulkový editor Excel, program Mathematica Postup Z každodenní zkušenosti víme, že každý lidský hlas je

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Zdravotní potíže (XII. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Zdravotní potíže (XII. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12.3.2003 11 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Zdravotní potíže (XII. díl) Tato aktuální

Více

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

Informace ze zdravotnictví Jihomoravského kraje

Informace ze zdravotnictví Jihomoravského kraje Informace ze zdravotnictví Jihomoravského kraje Ústavu zdravotnických informací a statistiky České republiky Brno 9 15. 9. 2011 Souhrn Činnost ambulantních psychiatrických zařízení v Jihomoravském kraji

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Chronická nemocnost (X. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Chronická nemocnost (X. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12.2.2003 7 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Chronická nemocnost (X. díl) Chronická

Více

Spánek v prostředí intenzivní péče. Přednášející: Michal Pospíšil Spoluautor: Adriana Polanská

Spánek v prostředí intenzivní péče. Přednášející: Michal Pospíšil Spoluautor: Adriana Polanská Spánek v prostředí intenzivní péče Přednášející: Michal Pospíšil Spoluautor: Adriana Polanská Úvod Existuje mnoho studií poukazujících na rizika spojená s nedostatkem spánku u zdravotníků. Jen málo se

Více

Quantization of acoustic low level signals. David Bursík, Miroslav Lukeš

Quantization of acoustic low level signals. David Bursík, Miroslav Lukeš KVANTOVÁNÍ ZVUKOVÝCH SIGNÁLŮ NÍZKÉ ÚROVNĚ Abstrakt Quantization of acoustic low level signals David Bursík, Miroslav Lukeš Při testování kvality A/D převodníků se používají nejrůznější testovací signály.

Více

Neurofeedback. Úvod. Princip

Neurofeedback. Úvod. Princip Radek Procházka prochra4@fel.cvut.cz Neurofeedback Úvod Neurofeedback je moderní terapeutická metoda, používaná k léčbě či alespoň potlačení příznaků poruch soustředění, hyperaktivity a epilepsie, zejména

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 12. 2002 60 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Tato

Více

Klasifikace hudebních stylů

Klasifikace hudebních stylů Klasifikace hudebních stylů Martin Šimonovský (mys7@seznam.cz) Rozpoznávání hudby úloha z oblasti DSP klasifikace dle hudebních stylů

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

Katedra biomedicínské techniky

Katedra biomedicínské techniky ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA BIOMEDICÍNSKÉHO INŽENÝRSTVÍ Katedra biomedicínské techniky BAKALÁŘSKÁ PRÁCE 2008 Jakub Schlenker Obsah Úvod 1 1 Teoretický úvod 2 1.1 Elektrokardiografie............................

Více

Posuzování pracovní schopnosti. U duševně nemocných

Posuzování pracovní schopnosti. U duševně nemocných Posuzování pracovní schopnosti U duševně nemocných Druhy posudkové činnosti Posuzování dočasné neschopnosti k práci Posuzování dlouhodobé neschopnosti k práci Posuzování způsobilosti k výkonu zaměstnání

Více

Schizoafektivní porucha

Schizoafektivní porucha Schizoafektivní porucha Tomáš Novák Psychiatrické centrum Praha Historie konceptu SCHA poruchy 1933 Kasanin: akutní schizoafektivní psychóza Do 1975 v klasifikacích jako podtyp schizofrenie 1975 DSM III:

Více

ANALÝZA: Nesezdaná soužití v ČR podle výsledků SLDB

ANALÝZA: Nesezdaná soužití v ČR podle výsledků SLDB ANALÝZA: Nesezdaná soužití v ČR podle výsledků SLDB Informace o nesezdaném soužití (Český statistický úřad používá k označení vztahu druha a družky pojem faktické manželství) byly zjišťovány ve Sčítáních

Více

Nelegální drogy. Tento výukový materiál vznikl za přispění Evropské unie, státního rozpočtu ČR a Středočeského kraje

Nelegální drogy. Tento výukový materiál vznikl za přispění Evropské unie, státního rozpočtu ČR a Středočeského kraje Nelegální drogy Tento výukový materiál vznikl za přispění Evropské unie, státního rozpočtu ČR a Středočeského kraje Duben 2010 Mgr.Olga Čadilová PROBLEMATIKA ZÁVISLOSTÍ "Jakákoliv závislost je špatná,

Více

Internalizované poruchy chování

Internalizované poruchy chování Internalizované poruchy chování VOJTOVÁ, V. Inkluzivní vzdělávání žáků v riziku a s poruchami chování jako perspektiva kvality života v dospělosti. Brno: MSD, 2010 ISBN 978-80-210-5159-1 Internalizované

Více

Úprava naměřených stavů

Úprava naměřených stavů Návod na používání autorizovaného software Úprava naměřených stavů V Ústí nad Labem 8. 10. 2010 Vytvořil: doc. Ing., Ph.D. Návod pro úpravu stavů_v1 1 z 9 8.10.2010 Obsah 1Úvod...3 2Instalace...4 3Spuštění

Více

Zkoušení velkých výkovků a digitální ultrazvukové přístroje

Zkoušení velkých výkovků a digitální ultrazvukové přístroje - 1 - Zkoušení velkých výkovků a digitální ultrazvukové přístroje Ultrazvuková kontrola Ing. Jaroslav Smejkal, Testima, spol. s r.o. zpracováno dle materiálů GE IT Krautkramer Zkoušení výkovků není jednoduchou

Více

Porovnání dvou výběrů

Porovnání dvou výběrů Porovnání dvou výběrů Menu: QCExpert Porovnání dvou výběrů Tento modul je určen pro podrobnou analýzu dvou datových souborů (výběrů). Modul poskytuje dva postupy analýzy: porovnání dvou nezávislých výběrů

Více

Výběr z nových knih 11/2007 psychologie

Výběr z nových knih 11/2007 psychologie Výběr z nových knih 11/2007 psychologie 1. Mé dítě si věří. / Anne Bacus-Lindroth. -- Vyd. 1. Praha: Portál 2007. 159 s. -- cze. ISBN 978-80-7367-296-6 dítě; výchova dítěte; strach; úzkost; sebedůvěra;

Více

Neuronové časové řady (ANN-TS)

Neuronové časové řady (ANN-TS) Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci

Více

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Automatická detekce anomálií při geofyzikálním průzkumu Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Cíle doktorandské práce Seminář 10. 11. 2010 Najít, implementovat, ověřit a do praxe

Více

Proč je potřeba změna? Odborná společnost vypracovala podněty k úpravám systému DRG v oblasti psychiatrie, který byl předán PS DRG.

Proč je potřeba změna? Odborná společnost vypracovala podněty k úpravám systému DRG v oblasti psychiatrie, který byl předán PS DRG. Psychiatrie Příloha č. 13 Vypracoval:Jana Kárníková Proč je potřeba změna? Odborná společnost vypracovala podněty k úpravám systému DRG v oblasti psychiatrie, který byl předán PS DRG. Dle dostupných vyjádření

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

PŘÍKLAD OSOBNÍCH ZDRAVOTNICKÝCH SYSTÉMŮ 1.generace

PŘÍKLAD OSOBNÍCH ZDRAVOTNICKÝCH SYSTÉMŮ 1.generace PŘÍKLAD OSOBNÍCH ZDRAVOTNICKÝCH SYSTÉMŮ 1.generace Jiří Potůček 1,2,3, Radek Fiala 1,3, Pavel Smrčka 1,2,3, Karel Hána 1,2,3, Jan Mužík 1,2,3, Jan Kašpar 1,2,3 1 CleverTech s.r.o. U Hřiště 149 Světice,

Více

DRG systém klasifikuje případy akutní hospitalizační péče do DRG skupin DRG skupiny = nákladově homogenní a klinicky příbuzné skupiny případů

DRG systém klasifikuje případy akutní hospitalizační péče do DRG skupin DRG skupiny = nákladově homogenní a klinicky příbuzné skupiny případů AGENDA Definice kvality DRG systému Statistické metody hodnocení kvality DRG klasifikace Identifikace nenáhodného rozložení případů Využití regresní analýzy nákladů při hledání důvodů v rozdílných nákladech

Více

Klasifikace Landau-Kleffnerova syndromu

Klasifikace Landau-Kleffnerova syndromu Klasifikace Landau-Kleffnerova syndromu malých dětí 1. Abstrakt Petr Zlatník ČVUT FEL, K13131 Katedra teorie obvodů Tento příspěvěk pojednává o klasifikaci Landau-Kleffnerova syndromu, který se projevuje

Více

Transkraniální elektrostimulace jako způsob rehabilitace částo nemocných dětí

Transkraniální elektrostimulace jako způsob rehabilitace částo nemocných dětí Transkraniální elektrostimulace jako způsob rehabilitace částo nemocných dětí Abstrakt V tomto článku se poprvé zkoumala účinnost transkraniální elektrické stimulace (TES) v programu rehabilitace dětí

Více

Popisná statistika kvantitativní veličiny

Popisná statistika kvantitativní veličiny StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali

Více

Meo S-H: software pro kompletní diagnostiku intenzity a vlnoplochy

Meo S-H: software pro kompletní diagnostiku intenzity a vlnoplochy Centrum Digitální Optiky Meo S-H: software pro kompletní diagnostiku intenzity a vlnoplochy Výzkumná zpráva projektu Identifikační čí slo výstupu: TE01020229DV003 Pracovní balíček: Zpracování dat S-H senzoru

Více

2 Vymezení normy... 21 Shrnutí... 27

2 Vymezení normy... 21 Shrnutí... 27 Obsah Předmluva ke druhému vydání........................ 15 Č Á ST I Základní okruhy obecné psychopatologie............... 17 1 Úvod..................................... 19 2 Vymezení normy..............................

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

Průzkumová analýza dat

Průzkumová analýza dat Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se

Více

ROZPOZNÁVÁNÍ AKUSTICKÉHO SIGNÁLU ŘEČI S PODPOROU VIZUÁLNÍ INFORMACE

ROZPOZNÁVÁNÍ AKUSTICKÉHO SIGNÁLU ŘEČI S PODPOROU VIZUÁLNÍ INFORMACE TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky a mezioborových inženýrských studií ROZPOZNÁVÁNÍ AKUSTICKÉHO SIGNÁLU ŘEČI S PODPOROU VIZUÁLNÍ INFORMACE AUTOREFERÁT DISERTAČNÍ PRÁCE 2005 JOSEF CHALOUPKA

Více

Péče o pacienty s poruchami příjmu potravy v psychiatrických ambulantních a lůžkových zařízeních ČR v letech 2007 2012

Péče o pacienty s poruchami příjmu potravy v psychiatrických ambulantních a lůžkových zařízeních ČR v letech 2007 2012 Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 17. 12. 2013 55 Péče o pacienty s poruchami příjmu potravy v psychiatrických ambulantních a lůžkových zařízeních ČR

Více

Diagnostika infarktu myokardu pomocí pravidlových systémů

Diagnostika infarktu myokardu pomocí pravidlových systémů pomocí pravidlových systémů Bakalářská práce 2009 pomocí pravidlových systémů Přehled prezentace Motivace a cíle Infarkt myokardu, EKG Pravidlové systémy Výsledky Motivace Infarkt myokardu Detekce infarktu

Více

Prof. MUDr. Jiří Raboch, DrSc.

Prof. MUDr. Jiří Raboch, DrSc. Prof. MUDr. Jiří Raboch, DrSc. 1 Pane profesore, můžete nám vysvětlit, proč je zrovna období jara, na které se těšíme celou zimu, tak náchylné na deprese. Výklady jsou různé, ale ten, který se nabízí asi

Více

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Chronické nemoci. European Health Interview Survey in CR - EHIS CR Chronically diseases

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Chronické nemoci. European Health Interview Survey in CR - EHIS CR Chronically diseases Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 19. 8. 9 43 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Chronické nemoci European Health Interview

Více

13 Barvy a úpravy rastrového

13 Barvy a úpravy rastrového 13 Barvy a úpravy rastrového Studijní cíl Tento blok je věnován základním metodám pro úpravu rastrového obrazu, jako je např. otočení, horizontální a vertikální překlopení. Dále budo vysvětleny různé metody

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ KATEDRA KYBERNETIKY

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ KATEDRA KYBERNETIKY ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ KATEDRA KYBERNETIKY Diplomová práce ANALÝZA BIPOLÁRNÍCH PACIENTŮ Kateřina Sedláčková Vedoucí diplomové práce: Ing. Daniel Novák, Ph.D. PRAHA

Více

GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU. Veronika Berková 1

GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU. Veronika Berková 1 GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU Veronika Berková 1 1 Katedra mapování a kartografie, Fakulta stavební, ČVUT, Thákurova 7, 166 29, Praha, ČR veronika.berkova@fsv.cvut.cz Abstrakt. Metody

Více

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté polynomy pro případ dvou uzlových bodů ξ 1 = 1 a ξ 2 = 4. Experimentální body jsou x = [0.2 0.4 0.6 1.5 2.0 3.0

Více

Komorbidity a kognitivní porucha

Komorbidity a kognitivní porucha Komorbidity a kognitivní porucha jak postupovat v praxi? Tereza Uhrová Psychiatrická klinika Universita Karlova v Praze, 1. lékařská fakulta a Všeobecná fakultní nemocnice v Praze Kde může být kognitivní

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

Univerzální prohlížeč naměřených hodnot

Univerzální prohlížeč naměřených hodnot Návod na používání autorizovaného software Univerzální prohlížeč naměřených hodnot V Ústí nad Labem 14. 8. 2009 Vytvořil: doc. Ing., Ph.D. 1 z 10 Obsah 1Úvod...3 2Instalace...3 3Spuštění programu...3 3.1Popis

Více

Negativní dopad domácího násilí na osobnost a psychické zdraví. Hana Pašteková Rupertová Psychiatrická léčebna Kroměříž

Negativní dopad domácího násilí na osobnost a psychické zdraví. Hana Pašteková Rupertová Psychiatrická léčebna Kroměříž Negativní dopad domácího násilí na osobnost a psychické zdraví Hana Pašteková Rupertová Psychiatrická léčebna Kroměříž definice Domácí násilí: násilí, které se odehrává v soukromí, je opakované, má stoupající

Více

Hodnocení kvality logistických procesů

Hodnocení kvality logistických procesů Téma 5. Hodnocení kvality logistických procesů Kvalitu logistických procesů nelze vyjádřit absolutně (nelze ji měřit přímo), nýbrž relativně porovnáním Hodnoty těchto znaků někdo buď předem stanovil (norma,

Více

Tvar dat a nástroj přeskupování

Tvar dat a nástroj přeskupování StatSoft Tvar dat a nástroj přeskupování Chtěli jste někdy použít data v jistém tvaru a STATISTICA Vám to nedovolila? Jistě se najde někdo, kdo se v této situaci již ocitl. Není ale potřeba propadat panice,

Více

BALISTICKÝ MĚŘICÍ SYSTÉM

BALISTICKÝ MĚŘICÍ SYSTÉM BALISTICKÝ MĚŘICÍ SYSTÉM UŽIVATELSKÁ PŘÍRUČKA Verze 2.3 2007 OBSAH 1. ÚVOD... 5 2. HLAVNÍ OKNO... 6 3. MENU... 7 3.1 Soubor... 7 3.2 Měření...11 3.3 Zařízení...16 3.4 Graf...17 3.5 Pohled...17 1. ÚVOD

Více

Vzdělávací materiál projektu Zlepšení podmínek výuky v ZŠ Sloup

Vzdělávací materiál projektu Zlepšení podmínek výuky v ZŠ Sloup Kód: Vzdělávací materiál projektu Zlepšení podmínek výuky v ZŠ Sloup Název vzdělávacího materiálu Poruchy příjmu potravy (mentální anorexie a mentální bulimie) Anotace Pracovní list se týká problematiky

Více

0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí

0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí Program Sorpce1.m psaný v prostředí Matlabu slouží k vyhlazování naměřených sorpčních křivek a výpočtu difuzních koeficientů. Kromě standardního Matlabu vyžaduje ještě Matlab Signal Processing Toolbox

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Projekt: Digitální učební materiály ve škole, registrační číslo projektu CZ.1.07/1.5.00/34.0527 Příjemce: Střední zdravotnická škola a Vyšší odborná škola zdravotnická, Husova

Více

4 Monitoring návštěvnosti Cyklostezky Ohře SVATOŠSKÉ SKÁLY

4 Monitoring návštěvnosti Cyklostezky Ohře SVATOŠSKÉ SKÁLY 4 Monitoring návštěvnosti Cyklostezky Ohře SVATOŠSKÉ SKÁLY 4.1 Základní informace o monitoringu návštěvnosti stezky Zpracovatel: Spolupráce: Období: Lokalita: Partnerství, obecně prospěšná společnost Adresa:

Více

Vliv moderních operačních metod na indikaci lázeňské péče

Vliv moderních operačních metod na indikaci lázeňské péče Michálkovická 18, Slezská Ostrava Vliv moderních operačních metod na indikaci lázeňské péče Bouřlivý rozvoj medicíny, jehož jsme v posledních několika desetiletích svědky, s sebou přináší nové operační

Více

OM-EL-USB-2. USB Záznamník vlhkosti, teploty a rosného bodu.

OM-EL-USB-2. USB Záznamník vlhkosti, teploty a rosného bodu. OM-EL-USB-2 USB Záznamník vlhkosti, teploty a rosného bodu. Tento záznamník je schopen uložit až 16382 hodnot vlhkosti v rozsahu 0 až 100%RH a 16382 hodnot teploty v rozsahu -35 až +80 C (-31 až +176 F).

Více

kde a, b jsou konstanty závislé na střední frekvenci (viz tab. 5.1).

kde a, b jsou konstanty závislé na střední frekvenci (viz tab. 5.1). 5. Hluková kritéria Při hodnocení účinků hluku na člověka je třeba přihlížet na objektivní fyziologické reakce, produktivitu práce a subjektivní slovní reakce na podněty. Při měření účinků hluku na lidi

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

MSA-Analýza systému měření

MSA-Analýza systému měření MSA-Analýza systému měření Josef Bednář Abstrakt: V příspěvku je popsáno provedení analýzy systému měření v technické praxi pro spojitá data. Je zde popsáno provedení R&R studie pomocí analýzy rozptylu

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera Výstup RVP: Klíčová slova: pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Mirek Kubera žák diskutuje a kriticky zhodnotí statistické informace a daná statistická sdělení, volí

Více

F30 F39 AFEKTIVNÍ PORUCHY F30 - MANICKÁ EPIZODA

F30 F39 AFEKTIVNÍ PORUCHY F30 - MANICKÁ EPIZODA F30 F39 AFEKTIVNÍ PORUCHY - hodnocení pomocí škál: deprese = Beckova, Zungova mánie = Youngova (YMRS) F30 - MANICKÁ EPIZODA základní příznak = porucha nálady min 4 dny u hypománie a 7 dnů u mánie. I hypománie

Více

Hospitalizovaní v psychiatrických lůžkových zařízeních ČR v roce 2001

Hospitalizovaní v psychiatrických lůžkových zařízeních ČR v roce 2001 Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 3. 12. 2002 57 Hospitalizovaní v psychiatrických lůžkových zařízeních ČR v roce 2001 Ústavní psychiatrická péče je

Více

BIOMEDICÍNSKÁ INFORMATIKA A JEJÍ ÚLOHA V PERSONALIZOVANÉ MEDICÍNĚ

BIOMEDICÍNSKÁ INFORMATIKA A JEJÍ ÚLOHA V PERSONALIZOVANÉ MEDICÍNĚ BIOMEDICÍNSKÁ INFORMATIKA A JEJÍ ÚLOHA V PERSONALIZOVANÉ MEDICÍNĚ Petr Lesný 1, Kryštof Slabý 1, Tomáš Holeček 2, Jan Vejvalka 1 1 Fakultní nemocnice v Motole, Praha 2 Fakulta humanitních studií UK, Praha

Více

Metodologie pro Informační studia a knihovnictví 2

Metodologie pro Informační studia a knihovnictví 2 Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis nekategorizovaných dat Co se dozvíte v tomto modulu? Kdy používat modus, průměr a medián. Co je to směrodatná odchylka. Jak popsat distribuci

Více

ANTAGONISTICKE HRY 172

ANTAGONISTICKE HRY 172 5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí

Více

Statistika. Semestrální projekt

Statistika. Semestrální projekt Statistika Semestrální projekt 18.5.2013 Tomáš Jędrzejek, JED0008 Obsah Úvod 3 Analyzovaná data 4 Analýza dat 6 Statistická indukce 12 Závěr 15 1. Úvod Cílem této semestrální práce je aplikovat získané

Více

Rozpoznávání písmen. Jiří Šejnoha Rudolf Kadlec (c) 2005

Rozpoznávání písmen. Jiří Šejnoha Rudolf Kadlec (c) 2005 Rozpoznávání písmen Jiří Šejnoha Rudolf Kadlec (c) 2005 Osnova Motivace Popis problému Povaha dat Neuronová síť Architektura Výsledky Zhodnocení a závěr Popis problému Jedná se o praktický problém, kdy

Více

Moderní systémy pro získávání znalostí z informací a dat

Moderní systémy pro získávání znalostí z informací a dat Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:

Více

Statistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika

Statistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika Statistika Cvičení z matematické statistiky na PřF Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy léto 2012 Základní dělení popisná (deskriptivní)

Více

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok IES FSV UK Domácí úkol Pravděpodobnost a statistika I Cyklistův rok Radovan Fišer rfiser@gmail.com XII.26 Úvod Jako statistický soubor jsem si vybral počet ujetých kilometrů za posledních 1 dnů v mé vlastní

Více

Informace ze zdravotnictví Zlínského kraje

Informace ze zdravotnictví Zlínského kraje Informace ze zdravotnictví Zlínského kraje Ústavu zdravotnických informací a statistiky České republiky Zlín 7 10.9.2003 Činnost oboru psychiatrie ve Zlínském kraji v roce 2002 Podkladem pro zpracování

Více

Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ

Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ 10. 5. 2011 Tým: Simplesoft Členové: Zdeněk Malík Jan Rada Ladislav Račák Václav Král Marta Pechová malikz@students.zcu.cz jrada1@students.zcu.cz

Více

VÝUKOVÝ MATERIÁL. Bratislavská 2166, 407 47 Varnsdorf, IČO: 18383874 www.vosassvdf.cz, tel. +420412372632 Číslo projektu

VÝUKOVÝ MATERIÁL. Bratislavská 2166, 407 47 Varnsdorf, IČO: 18383874 www.vosassvdf.cz, tel. +420412372632 Číslo projektu VÝUKOVÝ MATERIÁL Identifikační údaje školy Vyšší odborná škola a Střední škola, Varnsdorf, příspěvková organizace Bratislavská 2166, 407 47 Varnsdorf, IČO: 18383874 www.vosassvdf.cz, tel. +420412372632

Více

VÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ

VÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Užívání léků (XX. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Užívání léků (XX. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 7.8.2003 49 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Užívání léků (XX. díl) V předchozí aktuální

Více

Vybrané praktické aplikace statistické regulace procesu

Vybrané praktické aplikace statistické regulace procesu ČSJ, OSSM Praha, 19. 4. 2012 Vybrané praktické aplikace statistické regulace procesu Prof. Ing. Darja Noskievičová, CSc. Katedra kontroly a řízení jakosti Fakulta metalurgie a materiálového inženýrství

Více

Compliance a adherence pacientů s diabetem mellitem

Compliance a adherence pacientů s diabetem mellitem 1.0 Titulní strana Diabetická asociace České republiky Závěrečná zpráva pilotního projektu Compliance a adherence pacientů s diabetem mellitem Zdůvodnění zprávy: Zkoušející nebo koordinující zkoušející:

Více

Dlouhodobé trendy ve vývoji epidemiologické situace HIV/AIDS v ČR I. Vratislav Němeček Státní zdravotní ústav Praha

Dlouhodobé trendy ve vývoji epidemiologické situace HIV/AIDS v ČR I. Vratislav Němeček Státní zdravotní ústav Praha Dlouhodobé trendy ve vývoji epidemiologické situace HIV/AIDS v ČR I. Vratislav Němeček Státní zdravotní ústav Praha HIV/AIDS v ČR Data o výskytu HIV/AIDS jsou kategorizována podle národnosti, resp. země

Více

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi

Více

VIBEX Uživatelská příručka

VIBEX Uživatelská příručka VIBEX Uživatelská příručka ŠKODA POWER s.r.o. ŠKODA VÝZKUM s.r.o. ČVUT FEL Praha PROFESS, spol. s r.o. Plzeň 2005 VIBEX je program, který slouží k identifikaci příčin změn ve vibračním chování turbosoustrojí.

Více

Informace ze zdravotnictví kraje Vysočina

Informace ze zdravotnictví kraje Vysočina Informace ze zdravotnictví kraje Vysočina Ústavu zdravotnických informací a statistiky České republiky Jihlava 7 16.7.2004 Psychiatrie vč. AT a sexuologie - činnost v kraji Vysočina v roce 2003 Psychiatry

Více

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 8. 2009 40 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví European

Více

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Autor práce : RNDr. Ivo Beroun,CSc. Vedoucí práce: prof. RNDr. Milan Meloun, DrSc. PROFILOVÁNÍ Profilování = klasifikace a rozlišování

Více

KVALITA OČIMA PACIENTŮ psychiatrické léčebny - II. díl

KVALITA OČIMA PACIENTŮ psychiatrické léčebny - II. díl KVALITA OČIMA PACIENTŮ psychiatrické léčebny - II. díl Měření kvality zdravotní ve vybraných psychiatrických léčebnách přímo řízených MZ ČR Únor 2010 / Závěrečná zpráva z projektu / Řešitel projektu: RNDr.

Více

Monitorovací systém problémových projevů chování. PhDr. Jana Zapletalová

Monitorovací systém problémových projevů chování. PhDr. Jana Zapletalová Monitorovací systém problémových projevů chování PhDr. Jana Zapletalová V průběhu každodenní práce se žáky a studenty se psychologové, speciální pedagogové, výchovní poradci i třídní učitelé ve školách

Více