ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ KATEDRA KYBERNETIKY

Rozměr: px
Začít zobrazení ze stránky:

Download "ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ KATEDRA KYBERNETIKY"

Transkript

1 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 2008

2 2

3 Prohlášení Prohlašuji, že jsem svou diplomovou práci vypracovala samostatně a použila jsem pouze podklady (literaturu, projekty, SW atd.) uvedené v přiloženém seznamu. V Praze dne.. Podpis 3

4 Poděkování Ráda bych tímto poděkovala vedoucímu diplomové práce Ing. Danielu Novákovi, Ph.D. za odborné vedení diplomové práce a za mnoho cenných rad a podnětných připomínek, kterými přispěl ke vzniku této práce. Na projektu analýzy bipolárních pacientů se významně podíleli i další dva kolegové, Radek Jedlička a Jan Poupě, proto bych i jim ráda na tomto místě poděkovala za příjemnou a přínosnou spolupráci. V Praze dne.. Podpis 4

5 Abstrakt Bipolární afektivní porucha je psychické onemocnění charakteristické střídáním depresivních a manických episod. Zejména depresivní období může být pro pacienta nebezpečné, neboť je prokázán zvýšený výskyt sebevražedných pokusů během tohoto období. Pokud by bylo možné tuto episodu, popřípadě i manickou fázi, predikovat, dalo by se předejít nejen sebevražedným pokusům, ale i nutnosti pacienta hospitalizovat. Za tímto účelem vznikl nápad snímat pohybovou aktivitu vybraných pacientů diagnostikovaných pro bipolární poruchu pomocí zápěstního aktigrafu. Doposud se této studie účastnilo sedm takových dobrovolníků, ale relevantní data máme zatím jen od tří. Výstupní aktigrafická data těchto pacientů analyzujeme a to zejména se zaměřením na získání vhodných příznaků pro klasifikaci a následnou predikci. Takovým příznakem je např. délka spánku, celková pohybová aktivita za sledované období, počet segmentů bez pohybu, nebo také aproximativní entropie či Dentrended Fluctuation Analysis. K těmto zjištěným příznakům je důležité získat od pacientů, nebo jejich ošetřujícího lékaře, navíc ještě záznamy o výskytu deprese či mánie. Teprve na základě těchto informací lze sestavit trénovací a testovací množinu pro klasifikaci. V tomto případě je jako klasifikační metoda používán Dynamic Time Warping. Bohužel nemáme v tuto chvíli zatím žádné uspokojivé výsledky vedoucí ke kvalitní predikce relapsu bipolární poruchy. Abstract Bipolar affective disorder is one of the mental diseases, which is typical of changing depressive and manic episodes. Especially depressive period can be dangerous for a patient, because in many studies have been documented that in this period patients suffer from increasing count of suicide risk. If it is possible to predict depressive or manic period, it should be feasible to prevent parasuicide, but also necessity of patient admission to hospital. The methodology and analysis of recording the motion activity of bipolar patients is described in the thesis. The activity is recorded using wrist actigraphs. Up to now seven volunteers have participated in the study, but data from three patients only are relevant for the futher processing. Output data from actigraph are analyzed, the set of features parameters are calculated for classification and resulting prediction of depressive or manic episodes. Those parameters are the length of sleep, the total activity score, and number of phases without moving, or also Approximate Entropy and Dentrended Fluctuation Analysis. Moreover undergoing depressive and manic episodes obtainded from patients or their attending physician are taken onto account. Dynamic Time Warping is used as a relapse predictor. But since this moment we haven t any good predictions of relapse of bipolar disorder. 5

6 Obsah Kapitola 1 Program ITAREPS Program ITAREPS a pacienti s bipolární poruchou Bipolární porucha Účastníci programu pro prevenci příznaků bipolární poruchy Úprava programu pro bipolární poruchu Aktigrafie...18 Kapitola 2 Detekce spánkových oblastí a extrakce příznaků Metoda detekce spánkových oblastí Předzpracování Princip automatické detekce Manuální editace Extrakce příznaků Aproximativní entropie Výpočet ApEn Vlastnosti ApEn Dentrended Fluctuation Analysis (DFA)...39 Kapitola 3 Dynamic Time Warping Klasický algoritmus DTW Optimalizace algoritmu DTW...46 Kapitola 4 Selekce příznaků a klasifikace Selekce příznaků Klasifikace Grafický výstup klasifikátoru DTW Automatická analýza...57 Kapitola 5 Shrnutí...59 Přílohy

7 Seznam obrázků Obr. 1 Schéma programu ITAREPS...14 Obr. 2 Časový průběh otázky č. 4 s vyznačenými událostmi, jako je deprese, zhoršení nálady, prodloužení spánku a hospitalizace pro Pacienta č Obr. 3 Naměřený vstupní aktigram (výsek) Pacient č. 1, vzorkovací frekvence 2 minuty...19 Obr. 4 Naměřený vstupní aktigram (výsek) Pacient č. 4, vzorkovací frekvence 30 vteřin...19 Obr. 5 Naměřený vstupní aktigram (výsek) Pacient č. 6, vzorkovací frekvence 30 vteřin...20 Obr. 6 Předzpracovaný vstupní aktigram z obr. 3 (výsek) Pacient č Obr. 7 Předzpracovaný vstupní aktigram z obr. 4 (výsek) Pacient č Obr. 8 Předzpracovaný vstupní aktigram z obr. 5 (výsek) Pacient č Obr. 9 Vykreslení nalezených spánkových oblastí do naměřeného vstupního aktigramu s vyznačenou značkou půlnoci a datem (výsek) Pacient č. 1, vzorkovací frekvence 2 minuty...25 Obr. 10 Vykreslení nalezených spánkových oblastí do naměřeného vstupního aktigramu s vyznačenou značkou půlnoci a datem (výsek) Pacient č. 4, vzorkovací frekvence 30 vteřin...26 Obr. 11 Vykreslení nalezených spánkových oblastí do naměřeného vstupního aktigramu s vyznačenou značkou půlnoci a datem (výsek) Pacient č. 6, vzorkovací frekvence 30 vteřin...26 Obr. 12 Vykreslení nalezených a manuálně dohledaných spánkových oblastí do naměřeného vstupního aktigramu s vyznačenou značkou půlnoci a datem (výsek) Pacient č. 6, vzorkovací frekvence 30 vteřin...27 Obr. 13 Detail nepřesně detekovaného začátku spánkové oblasti...28 Obr. 14 Detail opravené polohy téhož začátku spánkové oblasti po manuální editaci...28 Obr. 15 Celkový přehled sledovaného období pro Pacienta č Obr. 16 Sinusový signál (ApEn)...39 Obr. 17 Sinusový signál superponovaný bílým šumem (ApEn)...39 Obr. 18 Sinusový signál (DFA)...40 Obr. 19 Sinusový signál superponovaný bílým...40 Obr. 20 Skrytý Markovský model pro tři stavy...42 Obr. 21 Struktura rekurentní neuronové sítě...42 Obr. 22 A) Dvě časové řady reprezentující pohyb ruky píšící perem. B) Uspořádání dvou sekvencí pomocí DTW...43 Obr. 23 Princip deformace časové dimenze...43 Obr. 24 Grafická reprezentace matice M s vyznačenou deformační cestou W...45 Obr. 25 Sakoe-Chubův pás (vlevo), Itakurův rovnoběžník (vpravo)...46 Obr. 26 Princip lokální optimalizace DTW...47 Obr. 27 Vykreslená kombinace příznaků: Časy usnutí (Sleep begin), Časy probuzení (Sleep end)...49 Obr. 28 Vykreslená kombinace příznaků: Délka spánkové oblasti (Assumed sleep), Součet vzorků bez pohybu (Number of minutes immobile), Suma doby spánku (Actual sleep time), Počet minut s pohybem (Number of minutes moving)...50 Obr. 29 Vykreslená kombinace příznaků: Počet segmentů klasifikovaných jako bdění (Number of wake bouts), Počet segmentů klasifikovaných jako spánek (Number of sleep bouts), Počet segmentů klasifikovaných jako klid (Number of immobile phases), Počet 7

8 segmentů klasifikovaných jako klid, které trvají 1 minutu a méně (Number of immobile phases of 1 min)...50 Obr. 30 Vykreslená kombinace příznaků: Efektivita spánku (Sleep efficiency), Počet minut bez pohybu (Number of minutes immobile)...50 Obr. 31 Vykreslená kombinace příznaků: Součet aktivity v dané oblasti (Total activity score), Průměrná aktivita v dané oblasti (Mean activity score), Průměrná aktivita na počet aktivních vzorků (Mean score in active period)...51 Obr. 32 Vykreslená kombinace příznaků: Poměr segmentů klasifikovaných jako klid, které trvají 1 minutu (Immobility of 1 minute), Fragmentace spánku (Fragmentation index)...51 Obr. 33 Vykreslená kombinace příznaků: DFA Fast pro oblasti klasifikované jako spánek, DFA Slow pro oblasti klasifikované jako spánek...51 Obr. 34 Vykreslená kombinace příznaků: ApEn pro oblasti klasifikované jako spánek, ApEn pro oblasti klasifikované jako bdění, ApEn pro celý den...52 Obr. 35 Vykreslená kombinace příznaků: Časy usnutí (Sleep begin), Časy probuzení (Sleep end)...52 Obr. 36 Vykreslená kombinace příznaků: Efektivita spánku (Sleep efficiency), Počet minut bez pohybu (Number of minutes immobile)...53 Obr. 37 Vykreslená kombinace příznaků: DFA Fast pro oblasti klasifikované jako spánek, DFA Slow pro oblasti klasifikované jako spánek...53 Obr. 38 Vykreslená kombinace příznaků: ApEn pro oblasti klasifikované jako spánek, ApEn pro oblasti klasifikované jako bdění, ApEn pro celý den...53 Obr. 39 Použití EPOCH_LENGTH a PREDICTION_LENGTH při tvorbě matice Train...54 Obr. 40 Výsledná klasifikace pro šablonu tvořenou v pořadí druhou depresí, proložení polynomem devátého stupně...55 Obr. 41 Výsledná klasifikace pro šablonu tvořenou aritmetickým součtem třetí a čtvrté deprese, proložení polynomem šestého stupně...56 Obr. 42 Výsledná klasifikace pro šablonu tvořenou aritmetickým součtem všech šesti zaznamenaných depresí, proložení polynomem šestého stupně...56 Obr. 43 Výsledná klasifikace pro šablonu tvořenou v pořadí první depresí, proložení polynomem čtvrtého stupně...57 Obr. 44 Výsledek automatické analýzy...58 Obr. 45 Výsledek automatické analýzy detail...58 Obr. 46A Otázka 1 Pacient č. 1...i Obr. 47A Otázka 1 Pacient č. 4...i Obr. 48A Otázka 1 Pacient č. 6...i Obr. 49A Otázka 2 Pacient č. 1...ii Obr. 50A Otázka 2 Pacient č. 4...ii Obr. 51A Otázka 2 Pacient č. 6...ii Obr. 52A Otázka 3 Pacient č. 1...ii Obr. 53A Otázka 3 Pacient č. 4...iii Obr. 54A Otázka 3 Pacient č. 6...iii Obr. 55A Otázka 4 Pacient č. 4...iii Obr. 56A Otázka 4 Pacient č. 6...iii Obr. 57A Otázka 5 Pacient č. 1...iv Obr. 58A Otázka 5 Pacient č. 4...iv Obr. 59A Otázka 5 Pacient č. 6...iv Obr. 60A Otázka 6 Pacient č. 1...iv Obr. 61A Otázka 6 Pacient č. 4...v Obr. 62A Otázka 6 Pacient č. 6...v Obr. 63A Otázka 7 Pacient č. 1...v 8

9 Obr. 64A Otázka 7 Pacient č. 4...v Obr. 65A Otázka 7 Pacient č. 6...vi Obr. 66A Otázka 8 Pacient č. 1...vi Obr. 67A Otázka 8 Pacient č. 4...vi Obr. 68A Otázka 8 Pacient č. 6...vi Obr. 69A Otázka 9 Pacient č. 1...vii Obr. 70A Otázka 9 Pacient č. 4...vii Obr. 71A Otázka 9 Pacient č. 6...vii Obr. 72A Otázka 10 Pacient č. 1...vii Obr. 73A Otázka 10 Pacient č. 4...viii Obr. 74A Otázka 10 Pacient č. 6...viii Obr. 75A Otázka 11 Pacient č. 1...viii Obr. 76A Otázka 11 Pacient č. 4...viii Obr. 77A Otázka 11 Pacient č. 6...ix Obr. 78A Otázka 12 Pacient č. 1...ix Obr. 79A Otázka 12 Pacient č. 4...ix Obr. 80A Otázka 12 Pacient č. 6...ix Obr. 81A Otázka 13 Pacient č. 1...x Obr. 82A Otázka 13 Pacient č. 4...x Obr. 83A Otázka 13 Pacient č. 6...x Obr. 84A Otázka 14 Pacient č. 1...x Obr. 85A Otázka 14 Pacient č. 4...xi Obr. 86A Otázka 14 Pacient č. 6...xi Obr. 87A Otázka 15 Pacient č 1...xi Obr. 88A Otázka 15 Pacient č. 4...xi Obr. 89A Otázka 15 Pacient č. 6...xii Obr. 90A Otázka 16 Pacient č. 1...xii Obr. 91A Otázka 16 Pacient č. 4...xii Obr. 92A Otázka 16 Pacient č. 6...xii Obr. 93A Otázka 17 Pacient č. 1...xiii Obr. 94A Otázka 17 Pacient č. 4...xiii Obr. 95A Otázka 17 Pacient č. 6...xiii Obr. 96A Otázka 18 Pacient č. 1...xiii Obr. 97A Otázka 18 Pacient č. 4...xiv Obr. 98A Otázka 18 Pacient č. 6...xiv Obr. 99C GUI pro manuální editaci výběr detekovaného záznamu...xvii Obr. 100C GUI pro manuální editaci výběr manuální editace...xvii Obr. 101C Zobrazený detekovaný aktigrafický záznam a prostředí umožňující jeho manuální editaci...xviii Obr. 102D Celkový přehled sledovaného období pro Pacienta č. 1...xxvi Obr. 103D Celkový přehled sledovaného období pro Pacienta č. 4...xxx Obr. 104E Vykreslení aktigramu pomocí programu Sleep Analysis Pacient č. 1...xl Obr. 105E Vykreslení aktigramu pomocí programu Sleep Analysis Pacient č. 4...xlv Obr. 106E Vykreslení aktigramu pomocí programu Sleep Analysis Pacient č. 6...l Obr. 107F Vykreslená kombinace příznaků: Délka spánkové oblasti (Assumed sleep), Součet vzorků bez pohybu (Number of minutes immobile), Suma doby spánku (Actual sleep time)..li Obr. 108F Vykreslená kombinace příznaků: Průměrná délka segmentů klasifikovaných jako bdění (Mean length of wake bouts), Průměrná délka segmentů klasifikovaných jako spánek (Mean length of sleep bouts), Průměrná délka segmentů klasifikovaných jako klid (Mean length of immobility)...li 9

10 Obr. 109F Vykreslená kombinace příznaků: DFA Fast pro oblasti klasifikované jako bdění, DFA Slow pro oblasti klasifikované jako bdění...lii Obr. 110F Vykreslená kombinace příznaků: DFA Fast pro celý den, DFA Slow pro celý denlii Obr. 111F Vykreslená kombinace příznaků: Entropie pro oblasti klasifikované jako spánek, Entropie pro oblasti klasifikované jako bdění, Entropie pro celý den...lii Obr. 112F Vykreslená kombinace příznaků: Časy usnutí (Sleep begin), Časy probuzení (Sleep end)... liii Obr. 113F Vykreslená kombinace příznaků: Délka spánkové oblasti (Assumed sleep), Součet vzorků bez pohybu (Number of minutes immobile), Suma doby spánku (Actual sleep time)liii Obr. 114F Vykreslená kombinace příznaků: Délka spánkové oblasti (Assumed sleep), Součet vzorků bez pohybu (Number of minutes immobile), Suma doby spánku (Actual sleep time), Počet minut s pohybem (Number of minutes moving)... liii Obr. 115F Vykreslená kombinace příznaků: Počet segmentů klasifikovaných jako bdění (Number of wake bouts), Počet segmentů klasifikovaných jako spánek (Number of sleep bouts), Počet segmentů klasifikovaných jako klid (Number of immobile phases), Počet segmentů klasifikovaných jako klid, které trvají 1 minutu a méně (Number of immobile phases of 1 min)...liv Obr. 116F Vykreslená kombinace příznaků: Efektivita spánku (Sleep efficiency), Počet minut bez pohybu (Number of minutes immobile)...liv Obr. 117F Vykreslená kombinace příznaků: Součet aktivity v dané oblasti (Total activity score), Průměrná aktivita v dané oblasti (Mean activity score), Průměrná aktivita na počet aktivních vzorků (Mean score in active period)...liv Obr. 118F Vykreslená kombinace příznaků: Průměrná délka segmentů klasifikovaných jako bdění (Mean length of wake bouts), Průměrná délka segmentů klasifikovaných jako spánek (Mean length of sleep bouts), Průměrná délka segmentů klasifikovaných jako klid (Mean length of immobility)...lv Obr. 119F Vykreslená kombinace příznaků: Poměr segmentů klasifikovaných jako klid, které trvají 1 minutu (Immobility of 1 minute), Fragmentace spánku (Fragmentation index)...lv Obr. 120F Vykreslená kombinace příznaků: Délka spánkové oblasti (Assumed sleep), Součet vzorků bez pohybu (Number of minutes immobile), Suma doby spánku (Actual sleep time).lv Obr. 121F Vykreslená kombinace příznaků: Délka spánkové oblasti (Assumed sleep), Součet vzorků bez pohybu (Number of minutes immobile), Suma doby spánku (Actual sleep time), Počet minut s pohybem (Number of minutes moving)...lvi Obr. 122F Vykreslená kombinace příznaků: Počet segmentů klasifikovaných jako bdění (Number of wake bouts), Počet segmentů klasifikovaných jako spánek (Number of sleep bouts), Počet segmentů klasifikovaných jako klid (Number of immobile phases), Počet segmentů klasifikovaných jako klid, které trvají 1 minutu a méně (Number of immobile phases of 1 min)...lvi Obr. 123F Vykreslená kombinace příznaků: Součet aktivity v dané oblasti (Total activity score), Průměrná aktivita v dané oblasti (Mean activity score), Průměrná aktivita na počet aktivních vzorků (Mean score in active period)...lvi Obr. 124F Vykreslená kombinace příznaků: Průměrná délka segmentů klasifikovaných jako bdění (Mean length of wake bouts), Průměrná délka segmentů klasifikovaných jako spánek (Mean length of sleep bouts), Průměrná délka segmentů klasifikovaných jako klid (Mean length of immobility)...lvii Obr. 125F Vykreslená kombinace příznaků: Poměr segmentů klasifikovaných jako klid, které trvají 1 minutu (Immobility of 1 minute), Fragmentace spánku (Fragmentation index)...lvii Obr. 126F Vykreslená kombinace příznaků: DFA Fast pro oblasti klasifikované jako bdění, DFA Slow pro oblasti klasifikované jako bdění...lvii 10

11 Obr. 127F Vykreslená kombinace příznaků: DFA Fast pro celý den, DFA Slow pro celý den...lviii Obr. 128F Vykreslená kombinace příznaků: Entropie pro oblasti klasifikované jako spánek, Entropie pro oblasti klasifikované jako bdění, Entropie pro celý den...lviii 11

12 Seznam tabulek Tab. 1 Přehled pacientů účastnících se projektu pro prevenci BAP...16 Tab. 2 Otázky subjektivního dotazníku...17 Tab. 3 Přehled použitých filtrů pro předzpracování...23 Tab. 4 Přehled použitých oken pro detekci...25 Tab. 5 Vstupní parametry získané analýzou programu Cambridge Neurotechnology

13 Kapitola 1 Program ITAREPS Tým z Psychiatrického centra Praha ve spolupráci se společností Academia Medica Pragensis s.r.o. a za podpory firmy Eli Lilly Česká republika vytvořil ve světě prozatím ojedinělý projekt s názvem ITAREPS (Information Technology Aided Relaps Prevention in Schizophrenia). Program je zaměřen na rychlé a cílené rozpoznání časných varovných příznaků relapsu 1 psychotického onemocnění s využitím moderních komunikačních a informačních technologií. Včasné odhalení varovných příznaků a následná cílená farmakologická intervence umožní odvrátit hrozbu opětovného vzplanutí onemocnění. Princip programu ITAREPS je jednoduchý. Každý týden ve stejný den vyplní pacient a jeho rodinný příslušník desetibodový dotazník časných varovných příznaků. ITAREPS se v tuto dobu účastníkům programu přihlásí na mobilní telefon v podobě SMS výzvy. Odpovědi na jednotlivé otázky dotazníku mapují, zda se jednotlivé časné varovné příznaky od posledního vyplnění minulý týden buďto nově objevily, nebo zhoršily. Výsledkem je celkem deset čísel, které v podobě SMS zprávy účastníci odešlou ze svých mobilních telefonů zpět ITA- REPSu. Vyplnění a odeslání dotazníku vyžaduje přibližně pět minut. Pokud se u pacienta objeví časné varovné příznaky, zašle o této události ITAREPS automaticky varovnou zprávu na ovou adresu ošetřujícího ambulantního lékaře. Klíčovým aspektem programu je včasná intervence. Podmínkou je tedy rychlé jednání po obdržení zprávy: telefonický kontakt s pacientem, posouzení situace a následně dočasné zvýšení medikace. Ostatně nejvhodnější postup systém nabídne sám už v samém varovném u. Lékař má po krátké registraci přístup i na svou individuální internetovou stránku umístěnou na adrese Na této doméně najde své zadané pacienty pod kódovými čísly. Systém je tímto a dalšími způsoby na několika úrovních chráněn proti zneužití osobních dat. V kterékoli chvíli má lékař možnost snadno zkontrolovat současný stav pacienta, což ITAREPS umožňuje graficky i slovně. A tak je možné se přesně dozvědět, kdy se například v posledním měsíci objevily u svěřeného nemocného problémy se spánkem, soustředěním či prepsychotickými příznaky, a jak se obtíže dlouhodobě vyvíjejí [1]. 1 Relaps opětovné objevení se příznaků nemoci, která byla v klidovém období. 13

14 Obr. 1 Schéma programu ITAREPS (Obrázek převzat z: ITAREPS: Technologie ve službách prevence relapsu psychózy [1].) 1.1 Program ITAREPS a pacienti s bipolární poruchou Jak je vidět z plného názvu programu ITAREPS (Information Technology Aided Relaps Prevention in Schizophrenia) byl tento program primárně určený pro pacienty se schizofrenií. Výsledky provedené studie ukázaly, že u pacientů zapojených do tohoto programu došlo k výraznému poklesu počtu hospitalizací nebo dokonce k úplnému vymizení potřeby pacienta hospitalizovat [2]. Včasné zvýšení medikace tedy dokázalo zamezit vzniku relapsu. Tento nepopiratelný úspěch vedl k myšlence využít tohoto principu i u pacientů s bipolární poruchou Bipolární porucha Bipolární porucha patří mezi těžká duševní onemocnění. U pacientů trpících touto nemocí dochází k velkým, pro ně samé i jejich okolí někdy těžce zvladatelným, výkyvům nálady. Periodicky se střídají období velké euforie doprovázené nadměrně dobrou náladou s obdobími absolutní skepse a trudomyslnosti. Mezi tato duševně náročná období jsou vklíněna i období normální nálady. Při bipolární poruše se objevují tři různé druhy epizod, které pojmenováváme podle typu a intenzity doprovázejících příznaků. Mluvíme pak o epizodách hypomanických, manických a depresivních. Pro pochopení této závažné nemoci je důležité vědět, co se s nemocným během těchto epizod děje. Následující řádky by měly průběh jednotlivých epizod přiblížit [3]. Hypománie je charakteristická trvale nadnesenou náladou, nadměrnou energií a zvýšenou aktivitou, subjektivním pocitem dobré pohody a dobré celkové kondice. Člověk v hypománii bývá velmi hovorný, snadno navazuje kontakt s ostatními lidmi, je nenucený, komunikuje bez 14

15 zábran, hýří nápady. Zvýšení aktivity se projevuje často i v sexuální oblasti, nezřídka dochází k lehkomyslnému navazování známostí a střídání partnerů (i u jedinců, kteří jsou obvykle zdrženliví). Potřeba spánku je snížená, po pár hodinách se člověk cítí odpočinutý, čilý a další setrvávání v posteli je pro něj marněním času. Začátek bývá obvykle náhlý. Tyto stavy jsou většinou jedincem snášeny dobře a někteří dokonce v tomto stádiu přestanou navštěvovat lékaře a užívat léky. Mánií rozumíme nepřiměřeně zvýšenou náladu provázenou nárůstem aktivity. Všechno se stává nadmíru snadným, nic není neřešitelné, nápady se přímo řítí jeden za druhým. Okolí obvykle nestačí myšlenky sledovat a často pro ně také nejeví pochopení. Ve snaze přesvědčit ostatní o své pravdě se stává pacient stále naléhavějším, mluví překotně, někdy až nesrozumitelně. Zhoršená souvislost projevu je spojená též se sníženou schopností udržet pozornost, což se navenek projeví zřetelnou roztržitostí. Se zvýšeným přísunem nápadů (kdy se před dokončením jedné úvahy již rodí další myšlenka) a s narůstajícím tempem a aktivitou přestává být čas na "zdržování se" společenskými konvencemi, takový člověk se nechce nechat v projevu přerušit a rychle roste jeho podrážděnost. Stačí mu drobný podnět, náznak nesouhlasu a může se začít projevovat nepříjemně. Někdy dojde k nekontrolovatelnému vzrušení nebo až k zuřivosti a agresivitě. Jindy převažuje naopak žoviálnost, jedinec vypráví obhroublé vtipy, často se sexuálním podtextem, používá vulgarismy ve společensky nevhodných situacích. Snížený společenský odstup je podložen také vlastním nadměrným sebevědomím. Typické jsou velikášské myšlenky, zahrnující přehnané přesvědčení o vlastních schopnostech, znalostech, majetku a významu. Ztráta normálních sociálních zábran se projevuje rovněž nedbalým, nezodpovědným, nevhodným či riskantním chováním, které neodpovídá okolnostem ani charakteru jedince. Své nápady neuváženě okamžitě realizuje, aniž by byl schopen reálně posoudit možné důsledky finanční, společenské či osobní. Velmi typickým příkladem je nadměrné utrácení. K němu dochází buď při nákupech nepotřebných věcí, nebo v rámci "podnikání", kdy buď pacient sám vymyslí "geniální obchod" nebo je náchylný uvěřit pro ostatní průhlednému podvodu. Skutečným právním problémem se pak stává uzavírání smluv, obvykle nevýhodných. Velmi vážnou formu představuje mánie s tzv. psychotickými příznaky, kdy se kromě výše uvedených příznaků typických pro mánii vyskytují navíc tzv. psychotické příznaky, zejména bludy a halucinace. U mánie se nejčastěji vyskytují bludy velikášské, chorobné přesvědčení o vlastní důležitosti, velikosti nebo dokonalosti (např. bludy o mesiášském poslání). Megalomanické neboli vyvýšené bludy se mohou týkat tělesné stránky, pacient si o sobě např. myslí, že je největší silák, nikdy neonemocní, je nesmrtelný, nebo se vztahují k duševním schopnostem, např. uvádí, že vystudoval všechny vysoké školy, umí všechny řeči světa apod. Mezi psychotické příznaky řadíme též tzv. paranoiditu. Pod tímto pojmem rozumíme buď ovládavé chorobné myšlenky nebo nadměrnou vztahovačnost či podezíravost. Deprese je protipólem mánie, stojí na druhém konci změn nálady. Projevuje se skleslou náladou, snížením energie a aktivity. Zhoršuje se schopnost prožívat radost, zážitky se stávají méně příjemnými, neutrálními nebo dokonce vedou k prožitkům negativním. Dochází k poklesu zájmů a klesá schopnost soustředění. Nemocného unaví i drobná práce či námaha. Dochází k poklesu sebevědomí a sebedůvěry, cokoli se nepodaří, přičítá pacient vlastní neschopnosti, selhání. Dostavují se pocity viny, bezcennosti nebo neodůvodněné výčitky svědomí. Často se vyskytují myšlenky na sebepoškození až sebevraždu. Depresi doprovází též tzv. tělesné příznaky, mezi které počítáme poruchy spánku, sníženou chuť k jídlu, váhový úbytek, ztrátu sexuálního prožívání. Okolí depresivního nemocného pozná podle smutného, unaveného a ztrápeného výrazu obličeje, chudé mimiky a gestikulace. Současně ve výrazu očí a v celém držení těla bývá patrná únava, skleslost, nejistota, ustrašenost nebo úzkostlivost. Depresivní jsou málomluvní, své myšlenky skrývají. Pocity nedostatečnosti vedou k vyhýbání se lidem. Chybí aktivita, ztratila se iniciativa a přichází rezignace. Každé, byť i malé, rozhodnutí 15

16 je nemožné, dříve zvládané úkoly jsou nezdolatelné překážky. Velmi časté bývá odkládání činnosti pod jakoukoliv záminkou následované sebevýčitkami. Střídání nálady od normální po radostnou, či naopak po zcela skleslou mají za následek charakteristické změny chemických procesů v mozku, které jsou ovlivněny zejména vyplavováním a distribucí dvou hormonů: noradrenalinu a serotoninu. 2 Přesná etiologie a patogeneze bipolární poruchy není dosud známa. Na jejím vzniku se podílí vždy několik faktorů, které se začnou vzájemně ovlivňovat. Tyto vyvolávající faktory můžeme rozdělit do dvou skupin, na faktory dědičné (genetické) a psychosociální. Ač toto onemocnění patří do skupiny psychických poruch, které jsou vázány na genetickou výbavu jedince, dědí se pouze vloha k tomuto onemocnění, ne nemoc samotná. Vyvolávající příčinou vzniku bipolární poruchy je tedy kombinace tohoto zděděného (genetického) předpokladu a faktorů prostředí, v kterém se daný jedinec nachází. Tato skutečnost byla ukázána na studii jednovaječných dvojčat, která mají identickou genetickou výbavu, což je dáno tím, že se oplodněné vajíčko rozdělí na dvě a v mateřské děloze se tak vyvíjejí dva stejní jedinci. Pro účely studie byla vybrána dvojčata s genetickým předpokladem pro vznik bipolární poruchy. Každé z nich bylo vždy umístěno ve zcela rozdílném prostředí. Bipolární poruchou onemocněli jen někteří jedinci. Kombinace dědičných vloh a faktorů vnějšího prostředí je tedy zjevná, ale v jaké míře jsou jednotlivé vlivy zastoupeny, se stále diskutuje [4] Účastníci programu pro prevenci příznaků bipolární poruchy Zapojení pacientů do programu pro prevenci relapsu bipolární poruchy je zcela dobrovolné. Tito dobrovolníci se rekrutují z řad pacientů s bipolární poruchou, jejichž ošetřujícím lékařem je MUDr. Filip Španiel, Ph.D. z Psychiatrického centra Praha v Bohnicích, více o tomto institutu na Stejně jako v případě projektu týkajícího se schizofrenních pacientů je i v tomto případě pan doktor nejen ošetřujícím lékařem ale zároveň i koordinátorem celého projektu. Na začátku projektu nebyla vytvořena jednotná skupina dobrovolníků, ale pacienti jsou do tohoto projektu přibíráni postupně. Z tohoto důvodů je pro každého pacienta zcela identickým údajem datum, kdy vstoupil do programu, a aktuální délka monitorování v rámci tohoto projektu. Do této doby se projektu účastnilo sedm pacientů, jak je vidět v následujícím přehledu v Tab. 1, kde zkratka BAP znamená Bipolární afektivní porucha. Pro zachování utajení osobních údajů a lékařského tajemství jsou pacientům přidělována čísla, pod kterými v projektu vystupují. Tab. 1 Přehled pacientů účastnících se projektu pro prevenci BAP číslo pacienta diagnóza věk pohlaví vzdělání doba účasti ve studii medikován/a 1 BAP 31 žena SŠ ano 2 BAP 42 muž vyučený ne 3 BAP 32 žena SŠ ano 4 BAP 34 muž VŠ ano 5 BAP 36 muž vyučený ano 6 BAP 37 žena SŠ ano 7 BAP 31 žena VŠ ano 2 Noradrenalin je hormon tvořený dření nadledvin a patří mezi neurotransmitery, což jsou látky přenášející vzruch v mozku a v sympatickém nervovém systému. Serotonin je biologicky aktivní látka obsažená mimo jiné v centrálním nervovém systému, kde se účastní především procesů, které se podílejí na vzniku nálad. Jeho nedostatek způsobuje celkovou depresi, poruchy spánku, podrážděnost až agresivitu. 16

17 V Tab. 1 jsou červeně označeni pacienti, s jejichž údaji a výsledky bude na následujících stránkách této práce pracováno. Tito dobrovolníci byli pro tuto práci vybráni proto, že u nich máme k dispozici nejdelší záznamy monitorování a nejvíce subjektivních informací. Co se týče ostatních pacientů zapojených do projektu, tak pacient číslo 3 a 5 museli být ze studie pro závažné zdravotní komplikace vyřazeni a u pacienta 2 a 7 máme příliš krátké záznamy o průběhu monitorování a nedostatečné subjektivní informace Úprava programu pro bipolární poruchu U pacientů s bipolární poruchou jde stejně jako u schizofrenních pacientů o prevenci. Tedy o včasné zachycení symptomů upozorňujících na blížící se vznik depresivní nebo manické epizody. Pacienti odpovídají na osmnáct otázek (jak ukazuje Tab. 2). Podle svého momentálního subjektivního pocitu na dané otázky odpovídají pomocí bodového ohodnocení, kde 0 znamená zcela nesouhlasím a 9 znamená naprosto souhlasím. Toto bodové ohodnocení zasílají svému lékaři také pomocí SMS zpráv. Lékař z těchto údajů sestavuje tzv. subjektivní dotazník, do kterého při každé pacientově návštěvě navíc zaznamenává dva parametry: HAMD (Hamilton Depression Rating Scale) a YMRS (Young Mania Rating Scale). Dále jsou do tohoto dotazníku zaznamenávány propady do deprese (popřípadě mánie), hospitalizace a subjektivní pocit zhoršení nálady nebo změny kvality a délky spánku. Tab. 2 Otázky subjektivního dotazníku 1. Cítím se jako schopný člověk 10. Cítím se impulzivní 2. Opravdu se vnitřně cítím skvěle 11. Má nálada je proměnlivá 3. Připadá mi, že se mi nikdy nic nepovede 12. Cítím jako by mě lidé chtěli dostat 4. Cítím se depresivní 13. Cítím jako by svět byl proti mně 5. Cítím se plný energie 14. Cítím se podrážděný 6. Cítím se vnitřně urychlený 15. Cítím se hádavý 7. Mé myšlenky rychle utíkají 16. Snadno se stanu roztržitým 8. Cítím se nadměrně aktivní 17. Nemohu se soustředit 9. Cítím se neklidný 18. Spím dobře Pro ilustraci je na následujícím obrázku (Obr. 2) ukázán časový průběh otázky č. 4 (viz Tab. 2) pro Pacienta č. 1, u kterého máme k dispozici nejdelší záznam o průběhu monitorování a nejpodrobnější údaje ze subjektivního dotazníku. Časovým průběhem rozumíme průběžný záznam bodového ohodnocení dané otázky v čase. Záznam je navíc doplněn údaji, jako je výskyt deprese, zhoršení nálady, subjektivní prodloužení spánku nebo hospitalizace. Časové průběhy ostatních otázek pro Pacienta č. 1 a úplný soubor časových průběhů všech otázek pro Pacienta č. 4 a 6 je možno nalézt v příloze A. Pro Pacienta č. 4 nemáme bohužel k dispozici žádné doplňující údaje, jen bodové ohodnocení otázek ze subjektivního dotazníku. 17

18 Obr. 2 Časový průběh otázky č. 4 s vyznačenými událostmi, jako je deprese, zhoršení nálady, prodloužení spánku a hospitalizace pro Pacienta č. 4 Oproti pacientům se schizofrenií mají pacienti s bipolární poruchou zapojení do tohoto programu navíc po dobu dvaceti čtyř hodin denně na ruce zařízení pro detekci pohybové aktivity, tzv. aktigraf. Jedná se o malé zařízení velikosti běžných náramkových hodinek, které se stejně jako hodinky nosí na zápěstí. Ve většině případů se pro nošení aktigrafu upřednostňuje nedominantní ruka. Hlavní součástí tohoto elektronického zařízení je piezoelektrický akcelerometr, který měří rozdíl mezi kinematickým a gravitačním zrychlením. Další důležitou součástí je paměť pro uchování naměřených hodnot a rozhraní umožňující aktigraf propojit s počítačem pro přenos dat. Samotná metoda měření je založena na numerickém vyjádření rozdílu zrychlení, které je vzorkováno několikrát za vteřinu a zaznamenáváno. Po zvoleném časovém úseku jsou zaznamenané hodnoty zprůměrovány. Tyto průměrné hodnoty jsou pak ukládány do paměti, z které jsou po připojení k počítači do tohoto počítače načteny [5]. V příloze B je uveden přehled aktigrafů firmy Cambridge Neurotechnology Ltd. použitých v této studii. Metoda využívající záznamy dat získaných pomocí aktigrafů se nazývá aktigrafie Aktigrafie Obecně lze aktigrafii charakterizovat jako dlouhodobou metodu záznamu pohybové aktivity. Jedná se o zcela neinvazivní a ekonomicky dostupnou metodu. Hlavním přínosem této metody je, že v záznamu pohybové aktivity je nepřímo uložena informace o době a délce spánku. To je dáno tím, že se v průběhu dne mění četnost a velikost amplitudy pohybové aktivity v závislosti na aktivitě sledovaného subjektu. Během období spánku je četnost i velikost aktivity výrazně nižší než v průběhu bdělého stavu, jak je vidět na naměřeném aktigramu viz Obr. 3, Obr. 4 a Obr. 5. Na těchto třech vstupních aktigrafických záznamech je také vidět, jak jsou vstupní data pro každého pacienta jiná. Vstupní aktigrafické záznamy se liší i vzorkovací frekvencí, která je uvedena u vykreslení každého naměřeného vstupního aktigramu. 18

19 Obr. 3 Naměřený vstupní aktigram (výsek) Pacient č. 1, vzorkovací frekvence 2 minuty Obr. 4 Naměřený vstupní aktigram (výsek) Pacient č. 4, vzorkovací frekvence 30 vteřin 19

20 Obr. 5 Naměřený vstupní aktigram (výsek) Pacient č. 6, vzorkovací frekvence 30 vteřin Díky nepřímé informaci o spánku se aktigrafie nejčastěji používá jako doplňková nebo přímá metoda v diagnostice poruch spánku a bdění. Dále je aktigrafie validní metodou pro určování poruch cirkadiánní rytmicity (opakování jedenkrát za 24 hodin) a je to výhodné vyšetření při diferenciální diagnostice hypersomnií (nadměrná spavost) a insomnií (nespavost). Aktigrafie je také užitečný nástroj k dlouhodobému sledování efektu terapie u poruch spánku a u nemocných, u nichž je míra pohybové aktivity úměrná závažnosti onemocnění. V poslední době se začíná tato metoda také uplatňovat v psychiatrii a neurologii. Abnormity spánku jsou velice častým symptomem duševních onemocnění. Dlouhodobé aktigrafické studie umožňují orientační posuzování spánkových poruch sdružených se základním onemocněním a ukazují strukturu denních aktivit těchto nemocných. Motorické projevy patří do současných diagnostických kritérií afektivních poruch a mají prediktivní význam pro další vývoj choroby [6]. Abnormality spánku vyskytující se jako častý symptom duševního onemocnění a dále prediktivní význam motorických projevů u afektivních poruch byly důvodem pro zařazení aktigrafie jako objektivní metody pro sledování doby a charakteru spánku u pacientů s bipolární poruchou zařazených do programu pro výzkum prevence tohoto onemocnění. 20

Bipolární afektivní porucha - BAP (Maniodepresivní psychóza)

Bipolární afektivní porucha - BAP (Maniodepresivní psychóza) Bipolární afektivní porucha - BAP (Maniodepresivní psychóza) JEDNOU JSI DOLE JEDNOU NAHOŘE ( P A T O P S Y C H O L O G I E ) J A N A K R E J Č O V Á 3 5 0 2 5 0 Definice Bipolární afektivní porucha (maniodepresivní

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

Aktigrafie: pohybová aktivita jako odraz stavu pacienta. Eduard Bakštein (NÚDZ / FEL ČVUT)

Aktigrafie: pohybová aktivita jako odraz stavu pacienta. Eduard Bakštein (NÚDZ / FEL ČVUT) Aktigrafie: pohybová aktivita jako odraz stavu pacienta Eduard Bakštein (NÚDZ / FEL ČVUT) 9. 10. 2016 Aktigrafie CO: Záznam pohybové aktivity (člověka) K ČEMU: Měření fází klidu/aktivity JAK: měření zrychlení

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

Afektivní poruchy. MUDr. Jana Hořínková Psychiatrická klinika FN Brno a LF MU

Afektivní poruchy. MUDr. Jana Hořínková Psychiatrická klinika FN Brno a LF MU Afektivní poruchy MUDr. Jana Hořínková Psychiatrická klinika FN Brno a LF MU AFEKTIVNÍ PORUCHY Hlavní projev: změna nálady ve smyslu snížení (deprese) nebo zvýšení (manie) Definice nálady: déletrvající

Více

Žádost o umožnění dotazníkové akce. Dotazník pro organizace služeb komunitní péče

Žádost o umožnění dotazníkové akce. Dotazník pro organizace služeb komunitní péče Seznam příloh Příloha A: Příloha B: Příloha C: Příloha D: Žádost o umožnění dotazníkové akce Dotazník pro pacienty Dotazník pro organizace služeb komunitní péče Afektivní poruchy (poruchy nálady) F30-F39

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

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

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi

Více

Algoritmy a struktury neuropočítačů ASN - P10. Aplikace UNS v biomedicíně

Algoritmy a struktury neuropočítačů ASN - P10. Aplikace UNS v biomedicíně Aplikace UNS v biomedicíně aplikace v medicíně postup při zpracování úloh Aplikace UNS v medicíně Důvod: nalezení exaktnějších, levnějších a snadnějších metod určování diagnóz pro lékaře nalezení šetrnějších

Více

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence APLIKACE UMĚLÉ INTELIGENCE Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence Aplikace umělé inteligence - seminář ING. PETR HÁJEK, PH.D. ÚSTAV SYSTÉMOVÉHO INŽENÝRSTVÍ A INFORMATIKY

Více

Klasifikace předmětů a jevů

Klasifikace předmětů a jevů Klasifikace předmětů a jevů 1. Úvod Rozpoznávání neboli klasifikace je základní znak lidské činnosti. Rozpoznávání (klasifikace) předmětů a jevů spočívá v jejich zařazování do jednotlivých tříd. Třídou

Více

KONFERENCE Aktuální trendy v péči o lidi s duševním onemocněním dubna 2016

KONFERENCE Aktuální trendy v péči o lidi s duševním onemocněním dubna 2016 KONFERENCE Aktuální trendy v péči o lidi s duševním onemocněním 12. 13. dubna 2016 Konference Aktuální trendy v péči o duševně nemocné, NF-CZ11-BFB-1-053-2016 Podpořeno grantem z Norska. Supported by grant

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

Trénování sítě pomocí učení s učitelem

Trénování sítě pomocí učení s učitelem Trénování sítě pomocí učení s učitelem! předpokládá se, že máme k dispozici trénovací množinu, tj. množinu P dvojic [vstup x p, požadovaný výstup u p ]! chceme nastavit váhy a prahy sítě tak, aby výstup

Více

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření Jan Krystek 9. května 2019 CHYBY A NEJISTOTY MĚŘENÍ Každé měření je zatíženo určitou nepřesností způsobenou nejrůznějšími negativními vlivy,

Více

3. Výdaje zdravotních pojišťoven

3. Výdaje zdravotních pojišťoven 3. Výdaje zdravotních pojišťoven Náklady sedmi zdravotních pojišťoven, které působí v současné době v České republice, tvořily v roce 2013 více než tři čtvrtiny všech výdajů na zdravotní péči. Z pohledu

Více

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Obecný postup 1. Určení statistické hypotézy 2. Určení hladiny chyby 3. Výpočet

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

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

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

ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY

ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY zhanel@fsps.muni.cz ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY METODY DESKRIPTIVNÍ STATISTIKY 1. URČENÍ TYPU ŠKÁLY (nominální, ordinální, metrické) a) nominální + ordinální neparametrické stat. metody b) metrické

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

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

SCHIZOFRENIE. Tomáš Volf, Anna Svobodová

SCHIZOFRENIE. Tomáš Volf, Anna Svobodová SCHIZOFRENIE Tomáš Volf, Anna Svobodová Osnova Definice Průběh Formy Léčba schizofrenie Definice schizofrenie narušené myšlení a vnímání, např. halucinace dochází k poruchám koncentrace, ztrácení nadhledu,

Více

Závěrečná zpráva projektu. Péče o schizofrenní pacienty v ordinaci praktického lékaře

Závěrečná zpráva projektu. Péče o schizofrenní pacienty v ordinaci praktického lékaře Závěrečná zpráva projektu Péče o schizofrenní pacienty v ordinaci praktického lékaře Obsah projektu V rámci projektu byl realizován vzdělávací cyklus, určený praktickým lékařům v Praze a Karlových Varech.

Více

MUDr. Milena Bretšnajdrová, Ph.D. Prim. MUDr. Zdeněk Záboj. Odd. geriatrie Fakultní nemocnice Olomouc

MUDr. Milena Bretšnajdrová, Ph.D. Prim. MUDr. Zdeněk Záboj. Odd. geriatrie Fakultní nemocnice Olomouc MUDr. Milena Bretšnajdrová, Ph.D. Prim. MUDr. Zdeněk Záboj Odd. geriatrie Fakultní nemocnice Olomouc Neurodegenerativní onemocnění mozku, při kterém dochází k postupné demenci. V patofyziologickém obraze

Více

Délka nočního spánku a jeho kvalita se výrazně podílí na zdravotním stavu obyvatel i kvalitě jejich života.

Délka nočního spánku a jeho kvalita se výrazně podílí na zdravotním stavu obyvatel i kvalitě jejich života. Březen 1 Spánek je nezbytný nejen pro regeneraci duševních a fyzických sil, pro vytváření paměťových stop a tedy pro kognitivní funkce, ale i pro celou řadu metabolických pochodů. Kvalita nočního spánku

Více

Informace ze zdravotnictví Kraje Vysočina

Informace ze zdravotnictví Kraje Vysočina Informace ze zdravotnictví Kraje Vysočina Ústavu zdravotnických informací a statistiky České republiky Brno 9 20. 9. 2011 Souhrn Činnost ambulantních psychiatrických zařízení v Kraji Vysočina v roce 2010

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

OBSEDANTNĚ - KOMPULZIVNÍ PORUCHA

OBSEDANTNĚ - KOMPULZIVNÍ PORUCHA OBSEDANTNĚ - KOMPULZIVNÍ PORUCHA Co to je obsedantně-kompulzivní porucha? dále jen: OKP (Obsessive compulsive disorder, někdy se používá zkratka OCD) Uvedení do tématu: video a otázky, podněty pro studenty:

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

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek UNIVERZITA PARDUBICE Licenční Studium Archimedes Statistické zpracování dat a informatika 4.4 Aproximace křivek a vyhlazování křivek Mgr. Jana Kubátová Endokrinologický ústav V Praze, leden 2012 Obsah

Více

Emoce a jejich poruchy. Rozšiřující materiál k tématu emoce.

Emoce a jejich poruchy. Rozšiřující materiál k tématu emoce. Emoce a jejich poruchy Rozšiřující materiál k tématu emoce. CITY=EMOCE, lat.moveo psychické procesy zahrnující subjektivní zážitky, stavy a vztahy k působícím podnětům provázené fyziologickými změnami,

Více

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry Testování hypotéz Obecný postup 1. Určení statistické hypotézy 2. Určení hladiny chyby 3. Výpočet

Více

Činnost oboru diabetologie, péče o diabetiky v roce Activity of the branch of diabetology, care for diabetics in 2006

Činnost oboru diabetologie, péče o diabetiky v roce Activity of the branch of diabetology, care for diabetics in 2006 Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 5. 11. 2007 55 Činnost oboru diabetologie, péče o diabetiky v roce 2006 Activity of the branch of diabetology, care

Více

Seminář o duševním zdraví pro střední zdravotnické školy 2015

Seminář o duševním zdraví pro střední zdravotnické školy 2015 Seminář o duševním zdraví pro střední zdravotnické školy 2015 Kvíz.aneb vše, co jste si přáli vědět, ale báli jste se zeptat? Interaktivní hra Jen tak pro představu Jak je člověku v akutní fázi onemocnění

Více

Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy

Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Lukáš Havrlant Univerzita Palackého 10. ledna 2014 Primární zdroj Jiří Adámek: Foundations of Coding. Strany 137 160. Na webu ke stažení, heslo:

Více

Úvod do zpracování signálů

Úvod do zpracování signálů 1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování

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

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

Obr. 1 Vzorec adrenalinu

Obr. 1 Vzorec adrenalinu Feochromocytom, nádor nadledvin Autor: Antonín Zdráhal Výskyt Obecně nádorové onemocnění vzniká následkem nekontrolovatelného množení buněk, k němuž dochází mnoha různými mechanismy, někdy tyto příčiny

Více

KLIMA ŠKOLY. Zpráva z evaluačního nástroje Klima školy. Škola Testovací škola - vyzkoušení EN, Praha. Termín

KLIMA ŠKOLY. Zpráva z evaluačního nástroje Klima školy. Škola Testovací škola - vyzkoušení EN, Praha. Termín KLIMA ŠKOLY Zpráva z evaluačního nástroje Klima školy Škola Testovací škola - vyzkoušení EN, Praha Termín 29.9.2011-27.10.2011-1 - Vážená paní ředitelko, vážený pane řediteli, milí kolegové! Dovolte, abychom

Více

Spokojenost se životem

Spokojenost se životem SEMINÁRNÍ PRÁCE Spokojenost se životem (sekundárních analýza dat sociologického výzkumu Naše společnost 2007 ) Předmět: Analýza kvantitativních revize Šafr dat I. Jiří (18/2/2012) Vypracoval: ANONYMIZOVÁNO

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

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ OBOR GEODÉZIE A KARTOGRAFIE KATEDRA VYŠŠÍ GEODÉZIE název předmětu úloha/zadání název úlohy Základy fyzikální geodézie 3/19 Legendreovy přidružené funkce

Více

Lokální analýza dat Národního registru CMP. Komplexní cerebrovaskulární centrum Fakultní nemocnice Ostrava

Lokální analýza dat Národního registru CMP. Komplexní cerebrovaskulární centrum Fakultní nemocnice Ostrava NÁRODNÍ REGISTR CMP Lokální analýza dat Národního registru CMP za rok 2010 Komplexní cerebrovaskulární centrum Fakultní nemocnice Ostrava MUDr. Martin Roubec Garant centra: MUDr. Michal Bar, Ph.D. Garant

Více

OCHRANA VEŘEJNÉHO ZDRAVÍ. Mgr. Aleš Peřina, Ph. D. Ústav ochrany a podpory zdraví LF MU

OCHRANA VEŘEJNÉHO ZDRAVÍ. Mgr. Aleš Peřina, Ph. D. Ústav ochrany a podpory zdraví LF MU OCHRANA VEŘEJNÉHO ZDRAVÍ Mgr. Aleš Peřina, Ph. D. Ústav ochrany a podpory zdraví LF MU OTTŮV SLOVNÍK NAUČNÝ, 1908 Zdravotnictví, zdravověda (hygiena) jest nauka, která se především obírá studiem nebezpečí

Více

Rozpoznávání izolovaných slov (malý slovník, např. číslovky, povely).

Rozpoznávání izolovaných slov (malý slovník, např. číslovky, povely). Rozpoznávání řeči Každý člověk má originální hlasové ústrojí a odlišný způsob artikulace, to se projevuje rozdílnou barvou hlasu, přízvukem, rychlostí řeči atd. I hlas jednoho řečníka je variabilní a závislý

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

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

Činnost oboru diabetologie, péče o diabetiky v roce 2007. Activity of the branch of diabetology, care for diabetics in 2007

Činnost oboru diabetologie, péče o diabetiky v roce 2007. Activity of the branch of diabetology, care for diabetics in 2007 Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 30. 7. 2008 31 Činnost oboru diabetologie, péče o diabetiky v roce 2007 Activity of the branch of diabetology, care

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

Základy genetiky populací

Základy genetiky populací Základy genetiky populací Jedním z významných odvětví genetiky je genetika populací, která se zabývá studiem dědičnosti a proměnlivosti u velkých skupin jedinců v celých populacích. Populace je v genetickém

Více

1. Statistická analýza dat Jak vznikají informace Rozložení dat

1. Statistická analýza dat Jak vznikají informace Rozložení dat 1. Statistická analýza dat Jak vznikají informace Rozložení dat J. Jarkovský, L. Dušek, S. Littnerová, J. Kalina Význam statistické analýzy dat Sběr a vyhodnocování dat je způsobem k uchopení a pochopení

Více

PŘEKLADY DO PSYCHIATRICKÉ LÉČEBNY DOBŘANY

PŘEKLADY DO PSYCHIATRICKÉ LÉČEBNY DOBŘANY PŘEKLADY DO PSYCHIATRICKÉ LÉČEBNY DOBŘANY Katamnestická studie záznamů pacientů z ambulantních knih psychiatrického oddělení Nemocnice Ostrov (NEMOS PLUS s r.o.) za období 200-2011 Listopad 2011/ Dodavatel:

Více

ERGODIAGNOSTIKA PRIM. MUDR. PAVEL MARŠÁLEK, REHABILITAČNÍ ODDĚLENÍ KRAJSKÁ ZDRAVOTNÍ A.S, MASARYKOVA NEMOCNICE V ÚSTÍ NAD LABEM O.Z.

ERGODIAGNOSTIKA PRIM. MUDR. PAVEL MARŠÁLEK, REHABILITAČNÍ ODDĚLENÍ KRAJSKÁ ZDRAVOTNÍ A.S, MASARYKOVA NEMOCNICE V ÚSTÍ NAD LABEM O.Z. ERGODIAGNOSTIKA PRIM. MUDR. PAVEL MARŠÁLEK, REHABILITAČNÍ ODDĚLENÍ KRAJSKÁ ZDRAVOTNÍ A.S, MASARYKOVA NEMOCNICE V ÚSTÍ NAD LABEM O.Z. Metodika ergodiagnostiky je výstupem projektů Praha 7.4.2016 Problematika

Více

Matematické modelování dopravního proudu

Matematické modelování dopravního proudu Matematické modelování dopravního proudu Ondřej Lanč, Alena Girglová, Kateřina Papežová, Lucie Obšilová Gymnázium Otokara Březiny a SOŠ Telč lancondrej@centrum.cz Abstrakt: Cílem projektu bylo seznámení

Více

Prof. MUDr. Karel Šonka, DrSc.

Prof. MUDr. Karel Šonka, DrSc. Prof. MUDr. Karel Šonka, DrSc. 1 Nespavost je buď jen symptom a nebo samostatná nemoc. Příčiny nespavosti jsou velmi různé, ale základní a nejčastější diagnoza u dospělých je primární (psychofyziologická)

Více

Zdravotní péče ošetřovatelská péče

Zdravotní péče ošetřovatelská péče Zdravotní péče ošetřovatelská péče Zdeňka Mikšová Olomouc 29.11.2016 Ošetřovatelská péče Rozpoznání příznaků poruchy zdraví Svépomoc a pomoc Svépomoc a pomoc při poruše zdraví při poruše zdraví Dodržování

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

Nadváha a obezita a možnosti nefarmakologického ovlivnění

Nadváha a obezita a možnosti nefarmakologického ovlivnění Nadváha a obezita a možnosti nefarmakologického ovlivnění Václav Bunc a Marie Skalská UK FTVS Praha Obezita nebo nadváha je jedním ze základních problémů současnosti. Je komplikací jak v rozvojových tak

Více

Obsah přednášky Jaká asi bude chyba modelu na nových datech?

Obsah přednášky Jaká asi bude chyba modelu na nových datech? Obsah přednášky Jaká asi bude chyba modelu na nových datech? Chyba modelu Bootstrap Cross Validation Vapnik-Chervonenkisova dimenze 2 Chyba skutečná a trénovací Máme 30 záznamů, rozhodli jsme se na jejich

Více

Dědičnost vázaná na X chromosom

Dědičnost vázaná na X chromosom 12 Dědičnost vázaná na X chromosom EuroGentest - Volně přístupné webové stránky s informacemi o genetickém vyšetření (v angličtině). www.eurogentest.org Orphanet - Volně přístupné webové stránky s informacemi

Více

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ

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

Posouzení přesnosti měření

Posouzení přesnosti měření Přesnost měření Posouzení přesnosti měření Hodnotu kvantitativně popsaného parametru jakéhokoliv objektu zjistíme jedině měřením. Reálné měření má vždy omezenou přesnost V minulosti sloužila k posouzení

Více

ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY

ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY Knowledge and skills of Czech men in the field of information security - the results of statistical analysis

Více

1 Modelování systémů 2. řádu

1 Modelování systémů 2. řádu OBSAH Obsah 1 Modelování systémů 2. řádu 1 2 Řešení diferenciální rovnice 3 3 Ukázka řešení č. 1 9 4 Ukázka řešení č. 2 11 5 Ukázka řešení č. 3 12 6 Ukázka řešení č. 4 14 7 Ukázka řešení č. 5 16 8 Ukázka

Více

SYMPTOMATOLOGIE A DIAGNOSTIKA

SYMPTOMATOLOGIE A DIAGNOSTIKA STŘEDNÍ ZDRAVOTNICKÁ ŠKOLA A VYŠŠÍ ODBORNÁ ŠKOLA ZDRAVOTNICKÁ ŽĎÁR NAD SÁZAVOU SYMPTOMATOLOGIE A DIAGNOSTIKA Mgr. Pavlína Lysá ANAMNÉZA ANAMNESE - "VZPOMENOUT SI" ANAMNÉZA rozhovor lékaře s pacientem,

Více

Rozdělování dat do trénovacích a testovacích množin

Rozdělování dat do trénovacích a testovacích množin Rozdělování dat do trénovacích a testovacích množin Marcel Jiřina Rozpoznávání je důležitou metodou při zpracování reálných úloh. Rozpoznávání je definováno dvěma kroky a to pořízením dat o reálném rozpoznávaném

Více

CZEch Mental health Study (CZEMS)

CZEch Mental health Study (CZEMS) CZEch Mental health Study (CZEMS) MUDr. Pavla Čermáková, Ph.D. 16.8.2017 Výskyt duševních nemocí Disabilita spojená s duševními nemocemi Treatment gap mezera v léčbě Výběr vzorku Paper and pen interviewing

Více

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368

676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368 Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540

Více

Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma

Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění Jan Klíma Obsah Motivace & cíle práce Evoluční algoritmy Náhradní modelování Stromové regresní metody Implementace a výsledky

Více

Ošetřovatelský proces

Ošetřovatelský proces Je těžké měnit lidi, ale je možné změnit systém práce v organizaci. J.Kersnik - Medical Tribune Ošetřovatelský proces Simona Saibertová LF, MU Ošetřovatelský proces je racionální vědecká metoda poskytování

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

AFEKTIVN Í PORUCHY. J.Hüttlová Psychiatrická klinika, FN Brno

AFEKTIVN Í PORUCHY. J.Hüttlová Psychiatrická klinika, FN Brno AFEKTIVN Í PORUCHY J.Hüttlová Psychiatrická klinika, FN Brno AFEKTIVNÍ PORUCHY Hlavním projevem: změna nálady ve smyslu snížení (deprese) nebo zvýšení (manie) Definice nálady: déletrvající pohotovost k

Více

Statistická teorie učení

Statistická teorie učení Statistická teorie učení Petr Havel Marek Myslivec přednáška z 9. týdne 1 Úvod Představme si situaci výrobce a zákazníka, který si u výrobce objednal algoritmus rozpoznávání. Zákazník dodal experimentální

Více

Světový den spánku a poruchy biologických rytmů

Světový den spánku a poruchy biologických rytmů Světový den spánku a poruchy biologických rytmů Soňa Nevšímalová Neurologická klinika 1. LF UK a VFN Podpořeno společností sanofi-aventis, s. r. o. SACS.CHC.18.02.0208 Tisková konference, 6. března 2018

Více

ADA Semestrální práce. Harmonické modelování signálů

ADA Semestrální práce. Harmonické modelování signálů České vysoké učení technické v Praze ADA Semestrální práce Harmonické modelování signálů Jiří Kořínek 31.12.2005 1. Zadání Proveďte rozklad signálu do harmonických komponent (řeč, hudba). Syntetizujte

Více

1. Pojetí speciálně pedagogické diagnostiky

1. Pojetí speciálně pedagogické diagnostiky SPECIÁLNĚ PEDAGOGICKÁ DIAGNOSTIKA 1. Pojetí speciálně pedagogické diagnostiky Cílem je poznání člověka s postižením. Cílem není léčba, ale výchova a vzdělávání. Diagnostika zkoumá průběh vývoje člověka.

Více

Popisná statistika. Komentované řešení pomocí MS Excel

Popisná statistika. Komentované řešení pomocí MS Excel Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,

Více

Příloha I: Schématické znázornění regulace krevního tlaku baroreflexem

Příloha I: Schématické znázornění regulace krevního tlaku baroreflexem Příloha I: Schématické znázornění regulace krevního tlaku baroreflexem respiračni pohyby výměna krevních plynů chemoreflex změny nitrohrudního tlaku BAROREFLEX RC KVC srdeční frekvence tepový objem krevní

Více

Technická kybernetika. Obsah. Principy zobrazení, sběru a uchování dat. Měřicí řetězec. Principy zobrazení, sběru a uchování dat

Technická kybernetika. Obsah. Principy zobrazení, sběru a uchování dat. Měřicí řetězec. Principy zobrazení, sběru a uchování dat Akademický rok 2016/2017 Připravil: Radim Farana Technická kybernetika Principy zobrazení, sběru a uchování dat 2 Obsah Principy zobrazení, sběru a uchování dat strana 3 Snímač Měřicí řetězec Měřicí obvod

Více

Klinické ošetřovatelství

Klinické ošetřovatelství Klinické ošetřovatelství zdroj www.wikiskripta.eu úprava textu Ing. Petr Včelák vcelak@kiv.zcu.cz Obsah 1 Klinické ošetřovatelství... 3 1.1 Psychiatrická ošetřovatelská péče... 3 1.1.1 Duševní zdraví...

Více

Psychické problémy a psychiatrické diagnózy jako příčiny (ženského) bezdomovectví. MUDr. Martin Hollý, MBA

Psychické problémy a psychiatrické diagnózy jako příčiny (ženského) bezdomovectví. MUDr. Martin Hollý, MBA Psychické problémy a psychiatrické diagnózy jako příčiny (ženského) bezdomovectví MUDr. Martin Hollý, MBA 19.5.2015 Sociální situace Tělesné zdraví Duševní zdraví Prevalence duševních poruch u bezdomovců

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

Dostupné a důstojné bydlení pro všechny II

Dostupné a důstojné bydlení pro všechny II Tomandl J. Dostupné a důstojné bydlení pro všechny II PRINCIPY TVORBY PROSTŘEDÍ PRO OSOBY S PARKINSONOVOU NEMOCÍ 1.11.2016 Praha I. podnět PODNĚT podněty vzešly od samotných pacientů s diagnostikovanou

Více

Huntingtonova choroba

Huntingtonova choroba Huntingtonova choroba Renata Gaillyová OLG FN Brno Huntingtonova choroba je dědičné neurodegenerativní onemocnění mozku, které postihuje jedince obojího pohlaví příznaky se obvykle začínají objevovat mezi

Více

Kalkulace závažnosti komorbidit a komplikací pro CZ-DRG

Kalkulace závažnosti komorbidit a komplikací pro CZ-DRG Kalkulace závažnosti komorbidit a komplikací pro CZ-DRG Michal Uher a analytický tým projektu DRG Restart Ústav zdravotnických informací a statistiky ČR, Praha Institut biostatistiky a analýzy, Lékařská

Více

Model. zdraví a nemoci

Model. zdraví a nemoci Model zdraví a nemoci Zdraví SZO (WHO) definovalo zdraví jako:,,celkový stav tělesné, duševní a sociální pohody, a ne pouze nepřítomnost nemoci nebo slabosti". Dále (velmi zjednodušeně): - zdraví je nebýt

Více

23. Matematická statistika

23. Matematická statistika Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti

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

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

Vyhodnocení studie SPACE

Vyhodnocení studie SPACE Kotlářská 267/2 602 00 Brno Česká republika www.biostatistika.cz Vyhodnocení studie SPACE Tato zpráva sumarizuje data shromážděná v rámci studie SPACE. Data byla poskytnuta Diabetickou asociací ČR. Autorský

Více

Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného)

Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného) Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného) 1 Obecný popis metody Particle Image Velocimetry, nebo-li zkráceně PIV, je měřící

Více

Stavový model a Kalmanův filtr

Stavový model a Kalmanův filtr Stavový model a Kalmanův filtr 2 prosince 23 Stav je veličina, kterou neznáme, ale chtěli bychom znát Dozvídáme se o ní zprostředkovaně prostřednictvím výstupů Příkladem může býapř nějaký zašuměný signál,

Více

Úloha - rozpoznávání číslic

Úloha - rozpoznávání číslic Úloha - rozpoznávání číslic Vojtěch Franc, Tomáš Pajdla a Tomáš Svoboda http://cmp.felk.cvut.cz 27. listopadu 26 Abstrakt Podpůrný text pro cvičení předmětu X33KUI. Vysvětluje tři způsoby rozpoznávání

Více

Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik

Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik Ondřej Pavlačka Praha, 18. ledna 2011 Cíle projektu Vytvořit matematický model pro oceňování přijímaného

Více