Lubomír Pavliska. Datový sklad pro vědu a výzkum s návazností na datové analýzy klinických dat FNO

Podobné dokumenty
Uni- and multi-dimensional parametric tests for comparison of sample results

CEITEC a jeho IT požadavky. RNDr. Radka Svobodová Vařeková, Ph.D.

Konsolidace PACS a e-health v souladu s legislativou ve FNB

PROGRAMOVÉ PROHLÁŠENÍ

NÁZEV HABILITAČNÍ PRÁCE: Využití diskriminační analýzy pro predikci budoucího vývoje firmy

analýzy dat v oboru Matematická biologie

Specializace Návrhář software na základě analýzy vytváří návrh softwarových aplikací ve formě schémat a diagramů.

STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI. Pavel Praks, Zdeněk Boháč

Karta předmětu prezenční studium

Hodnocení ISO pro rok 2017/18

Kognitivní rehabilitace, efekt u akutních onem.(cmp) a chronicky-progredientních onem.(ad).

ARCHIVACE A SDÍLENÍ ZDRAVOTNICKÉ DOKUMENTACE V SOULADU S LEGISLATIVOU

Oborová brána TECH tech.jib.cz

Krajská koncepce e-gov

Hodnocení ISO pro rok 2015 katedra 714

Lokální analýza dat Národního registru CMP pro neurologické oddělení Fakultní nemocnice v Ostravě pacienti hospitalizovaní v letech 2010 a 2011

Klasická a robustní ortogonální regrese mezi složkami kompozice

Databázové systémy Cvičení 5.2

Závěrečná konference projektu konaná v rámci mezinárodní konference ODAM , PřF UP Olomouc MAPLIMAT

Fakulta ekonomicko-správní Faculty of Economics and Administration

Možnosti cloudu JAK RYCHLE A JEDNODUŠE VYŘEŠIT KOMUNIKAČNÍ POTŘEBY ÚŘADU

Úvod do databázových systémů

METODICKÉ PROBLÉMY SBĚRU DAT PRO ÚČELY FORMATIVNÍHO HODNOCENÍ BADATELSKY ORIENTOVANÉ VÝUKY PŘÍRODOPISU

Porovnání rychlosti mapového serveru GeoServer při přístupu k různým datovým skladům

SANAČNÍ A VÝPLŇOVÉ SMĚSI PŘIPRAVENÉ PRO KOMPLEXNÍ ŘEŠENÍ PROBLEMATIKY METANU VE VAZBĚ NA STARÁ DŮLNÍ DÍLA

MetaCentrum. Martin Kuba CESNET

Ústřední knihovna ČVUT. Mgr. Lenka Němečková PhDr. Marta Machytková Mgr. Věra Pilecká Mgr. Ilona Trtíková

Zpřístupnění populačních epidemiologických registrů pro výuku: Národní onkologický registr ČR on-line

Smart akcelerátor RIS3 strategie Rok 2016

Czech National e-infrastructure. Projekt MetaCentrum. Jan Kmuníček CESNET. meta.cesnet.cz

Příloha č.1 Vypočtené hodnoty jednotlivých proměnných indexu OCA pro MUBS za období

Manažerský informační systém na MPSV. Mgr. Karel Lux, vedoucí oddělení koncepce informatiky MPSV

Seminář 6 statistické testy

Experiences from using Czech Information System of Real Estate as a primary source of geodata for various purposes and scales

Geoinformatika. I Geoinformatika a historie GIS

Nástroje pro správu bibliografických citací

Návrh softwarových systémů - architektura softwarových systémů

Institut biostatistiky a analýz MU. Zkušenosti s vyhodnocováním telemedicínských technologií

Řešení multicentrických klinických registrů

Úvod do databázových systémů

Kategorie PZS: B* ostatní nemocnice akutní péče

Synergické efekty VaVpI projektů na VŠB-TU Ostrava

MATEMATICKÁ STATISTIKA - XP01MST

Czech National e-infrastructure. Projekt MetaCentrum. Jan Kmuníček CESNET. meta.cesnet.cz

ORGANIZAČNÍ ŘÁD ČVUT FD

Biotechnology Research and Technology Transfer. BioReTT. Projekt, který boří mýtus o černé Ostravě

Kategorie PZS: N nemocnice následné péče a LDN

HODNOCENÍ ISO PRO ROK 2011 KATEDRA 714

Technologická centra obcí ZKUŠENOSTI HOSTOVÁNÍ ŘEŠENÍ SPISOVÉ SLUŽBY

ORGANIZAČNÍ ŘÁD ČVUT FD

ÚVOD DO DATABÁZÍ. Metodické listy pro předmět

Fakulta ekonomicko-správní Faculty of Economics and Administration

Doplňuje vnitřní kontrolu kvality. Principem je provádění mezilaboratorních porovnávacích zkoušek (srovnatelnost výsledků)

Rekonstrukce Národního zdravotnického informačního systému (NZIS) Ladislav Dušek

Možnosti využití databáze Scopus pro hodnocení vědeckého výkonu. Iva Prochásková Univerzita Pardubice

Projekt MEFANET. MEdical FAculties educational NETwork. Představení náplně a cílů projektu. Institut biostatistiky a analýz

Produkty třídy BYZNYS

Architektura informačních systémů. - dílčí architektury - strategické řízení taktické řízení. operativní řízení a provozu. Globální architektura

Tovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale

Transfer of Regenerative medicine products into practice in biotech park 4MEDi. Jakub Schůrek Ostrava

Technické a organizační úkoly a problémy související se sběrem dat

VŠB TU Ostrava Liverpool John Moores University MBA

Centrální portál českých knihoven

INDIKATIVNÍ TABULKA SE SEZNAMEM PŘÍJEMCŮ V RÁMCI OPERAČNÍHO PROGRAMU VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST

POZVÁNKA NA KURZY. Literatura Ke všem kurzům jsou poskytovány metodické příručky pro školství v elektronické podobě.

Analýza nestrukturovaných dat pomocí Oracle Endeca Information Discovery

SADA VY_32_INOVACE_PP1

Konsolidace nemocničních informačních systémů v prostředí cloud infrastruktury

AKREDITOVANÉ STUDIJNÍ PROGRAMY

Patient s hemato-onkologickým onemocněním: péče v závěru života - umírání v ČR, hospicová péče - zkušenosti jednoho pracoviště

NÁRODNÍ PORTÁL Systém hlášení nežádoucích událostí. Evropský sociální fond Operační program Zaměstnanost

Jakub Szarzec Lead Researcher, Bibliometrics Working Group National Library of Technology

AKREDITOVANÉ STUDIJNÍ PROGRAMY

Kategorie PZS: S specializované nemocnice / centra

Penetrační testy v IP telefonii Filip Řezáč Department of Telecommunications VSB - Technical University of Ostrava Ostrava, Czech Republic

Metodický pokyn k evidenci výsledků vědecko-výzkumné činnosti Lékařské fakulty Masarykovy univerzity

Michal Krátký. Tvorba informačních systémů, 2008/2009. Katedra informatiky VŠB Technická univerzita Ostrava. Tvorba informačních systémů

Informační systémy ve zdravotnictví. 10. cvičení

1. KURZ č. 1 - QMS - Školení a výklad normy ČSN EN ISO 9001: KURZ č. 2 - QMS - Školení interních auditorů QMS a metrologa

Statistické zobrazení nehod v geografickém informačním systému

Kategorie PZS: S specializované nemocnice / centra

Současnost a budoucnost Registru Monoklonálních Gamapathií (RMG)

Odbor informatiky a provozu informačních technologií

Kategorie PZS: N nemocnice následné péče a LDN

Časné operace rozštěpu rtu a inteligenční kvocient ve 3-7 letech

Jak být online a ušetřit? Ing. Ondřej Helar

Operační program Praha Adaptabilita 17.1 Podpora rozvoje znalostní ekonomiky

Správa dokumentů rady a zastupitelstva. Ladislav Kraus ladislav.kraus@karvina.cz

Projekt DRG Restart Vývoj, aktuální stav a harmonogram projektu

Strategické řízení a plánování ve školách a v územích (představení projektu)

HODNOCENÍ ISO PRO ROK 2010 KATEDRA 714

Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných)

WEB BASED DYNAMIC MODELING BY MEANS OF PHP AND JAVASCRIPT

Správce IT pro malé a střední organizace

Zkušenosti s budováním základního registru obyvatel

Design Experimentu a Statistika - AGA46E

Manažerský informační systém pro podporu ekonomického řízení laboratoří

Specializace Kraj Od Medián Do Od Medián Do. Hlavní město Praha Kč Kč Kč - - -

Testy nezávislosti kardinálních veličin

C V I Č E N Í ZE STATISTIKY PRO BIOLOGY:

Transkript:

Lubomír Pavliska Datový sklad pro vědu a výzkum s návazností na datové analýzy klinických dat FNO

Hlavní funkce datového skladu Modelování datových struktur Zabezpečený přístup uživatelů Přímé analytické funkce Tvorba výstupů analýz Průběžné analýzy klinických studií Správa klinických studií na jednom místě Archivace dat

Technické řešení

Vnitřní struktura

Řešení Labkey Server

Příklad vstupních dat

Přehledy: celk. počet pacientů 55 Pacienti podle skupin Amputace celkové Pocet pac. Procento Skup. B 22% Skup. A 25% Skup. A Skup. B 14 12 25.5 21.8 Amp. 25% Amputov. Pocet pac. 14 Procento 25.5 Skup. C 15 27.3 Neamputov. 41 74.5 Skup. C 27% Skup. D 25% Skup. D 14 25.5 Neamp. 75% Pacienti podle pohlaví Amputace podle skupin Muži 85% Male Pocet pac. 47 Procento 85.5 Skup. B 33% Skup. A 14% Amput. A Amput. B Pocet pac. 2 4 Procento 14.3 33.3 Ženy 15% Female 8 14.5 Skup. C 27% Skup. D 29% Amput. C Amput. D 4 4 26.7 28.6

Příklad analýzy dat ABI Ankle Brachial Index group I.M. 1.0 3.0 0.8 2.5 Probability 0.6 0.4 2.0 1.5 Density 1.0 0.2 0.5 0.0 0.0 0.2 0.4 0.6 0.8 1.0 Quantile Prob. Vstup Prob. 6 m.. síc.. Den. Vstup Den. 6 m.. síc..

Příklad testování MMSE 30 Pacienti (CMP, ACER[40 79], Test,Re test) 30 1.0 4 25 0.8 3 20 Probability[P] 0.6 0.4 2 Density[D] MMSE 30 15 10 0.2 1 5 0.0 20 22 24 26 28 30 Quantile: Bounds [MinD1,MinD2]=[20, 20]; [MaxD1,MaxD2]=[29, 30] 0 0 Test Re test 20 21 22 23 24 25 26 27 29 20 21 24 25 26 27 28 30 Medians [24.1, 26.2] with bounds Test hypotesis: H 0 : µ 1 = µ 2 against H A : µ 1 µ 2, α = 0.05 p value = 0.0121 Result: rejected null hypothesis. M W U test: p value=0.1633359 [P] Test (n=13) [P] Re test (n=13) [D] Test [D] Re test

Analýza časových vzorků Depth (group B) 1.2 1 Depth [cm] 0.8 0.6 0.4 0.2 0 Enter W1 W2 W3 W4 W5 W6 W7 W8 W9 W10 W11 W12 Index Perc 0.05 LowBound Perc 0.25 Perc 0.10 Perc 0.75 Median Perc 0.95 Perc 0.90 UpperBound

3 Pacienti test re-test (ACER-CMP) Výběr pacientů definovaném z podmínky pro CMP ACER Test/Re-Test (MMSE >= 18, ACER100 <= 79, DgOkruh = 1, Vek >= 55) 3.1 Tabulky statistik Pacient ID Vek Pohlavi Rozsah Leze 1 4 79 2 3 2 34 81 1 1 3 48 70 2 3 4 108 60 1 1 5 128 81 1 2 6 154 74 1 2 7 160 70 1 3 8 173 62 1 1 9 238 71 2 1 10 239 71 1 1 11 249 65 1 1 12 257 69 1 13 271 73 1 Medián Věk od Věk do Muži Ženy Počet Pacienti CMP 71,0 60 81 10 3 13 Min value Max value Robust median Robust(mean ± deviation) Count CMP PAC MMSE 30 Pac1 20 29 24.1 24.2 ± 2.5 13 CMP PAC MMSE 30 Pac2 20 30 26.2 26 ± 2.5 13 CMP PAC ACE R100 Pac1 46 79 66.9 65.8 ± 9.4 13 CMP PAC ACE R100 Pac2 49 83 72.4 71 ± 8.6 13 CMP PAC PozornostOrientace18 Pac1 11 18 15.4 15.1 ± 2.4 13 CMP PAC PozornostOrientace18 Pac2 11 18 15.3 15.1 ± 2.2 13 CMP PAC Pamet26 Pac1 6 17 10 10.4 ± 3.1 13 CMP PAC Pamet26 Pac2 4 21 13.8 13.6 ± 3.6 13 CMP PAC SlovniProdukce14 Pac1 0 12 3.2 4.2 ± 3.6 13 CMP PAC SlovniProdukce14 Pac2 1 10 5.6 5.6 ± 3.2 13 CMP PAC Jazyk26 Pac1 12 26 23.8 22.8 ± 3.2 13 CMP PAC Jazyk26 Pac2 18 26 24.2 23.5 ± 2.4 13 CMP PAC ZrakoveProstoroveSchopnosti16 Pac1 9 26 13 13.9 ± 3.7 13 CMP PAC ZrakoveProstoroveSchopnosti16 Pac2 9 16 13.4 13.2 ± 2.1 13

3.2 Výsledky testů M-W U-test p-value Gnostic p-value CMP PAC MMSE 30 0,1633 0,0121 CMP PAC ACE R100 0,1360 0,0148 CMP PAC PozornostOrientace18 0,8148 0,0343 CMP PAC Pamet26 0,0442 0,0075 CMP PAC SlovniProdukce14 0,2541 0,0133 CMP PAC Jazyk26 0,6214 0,0408 CMP PAC ZrakoveProstoroveSchopnosti16 0,8562 0,0179 MMSE 30 Pacienti (CMP, ACER[40 79], Test,Re test) 4 1.0 30 ACE R100 Pacienti (CMP, ACER[40 79], Test,Re test) 1.0 4 80 25 0.8 3 20 0.8 3 60 Probability[P] 0.6 0.4 2 Density[D] MMSE 30 15 10 Probability[P] 0.6 0.4 2 Density[D] ACE R100 40 0.2 1 5 0.2 1 20 0.0 20 22 24 26 28 30 Quantile: Bounds [MinD1,MinD2]=[20, 20]; [MaxD1,MaxD2]=[29, 30] 0 0 Test Re test 0.0 50 60 70 80 Quantile: Bounds [MinD1,MinD2]=[46, 49]; [MaxD1,MaxD2]=[79, 83] 0 0 Test Re test 20 21 22 23 24 25 26 27 29 20 21 24 25 26 27 28 30 Medians [24.1, 26.2] with bounds 46 55 58 61 67 76 79 49 64 69 74 77 82 Medians [66.9, 72.4] with bounds Test hypotesis: H0: µ1 = µ2 against HA: µ1 µ2, α = 0.05 p value = 0.0121 Result: rejected null hypothesis. M W U test: p value=0.1633359 Test hypotesis: H0: µ1 = µ2 against HA: µ1 µ2, α = 0.05 p value = 0.0148 Result: rejected null hypothesis. M W U test: p value=0.1359595 [P] Test (n=13) [P] Re test (n=13) [D] Test [D] Re test [P] Test (n=13) [P] Re test (n=13) [D] Test [D] Re test

3.3 Relativní změna mediánů Relat. změna mediánů: Pacienti Test/Re test, CMP(MMSE>=18,ACER<=79) 70 60 Poměr nárůstu(+)/poklesu( ) v [%] 50 40 30 20 10 0 MMSE 30 ACE R100 Pozornost a orientace Paměť Slovní produkce Jazyk Zrakově prostorové schopnosti Hodnota 0 představuje hladinu mediánů pro Test

Porovnání mediánů: Pacienti Test/Re test, CMP (P1,P2) AD (P1,P2) CMP P1 CMP P2 AD P1 AD P2 60 40 20 0 MMSE 30 ACE R100 Pozornost a orientace Paměť Slovní produkce Jazyk Zrakově prostorové schopnosti

Correlation coefficient D48 (Placebo) mirna Correlation coefficient D48 (TFC) mirna LDP 0.37 LDP LDP 0.16 LDP 0.58 0.76 0.25 0.7 SMA 0.63 0.66 0.91 SMA 0.69 0.53 0.76 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 Correlation coefficient D48 (SIS) mirna Correlation coefficient D48 (TFC + SIS) mirna LDP 0.79 LDP LDP 0.8 LDP 0.38 0.05 0.29 0.77 SMA 0.22 0.23 0.98 SMA 0.55 0.46 0.59 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1

Regression D48 (Placebo) Regression D48 (TFC) mir 126 1 2 3 4 mir 126 1 2 3 4 5 0.6 0.8 1.0 1.2 1.4 0.5 1.0 1.5 2.0 Regression D48 (SIS) Regression D48 (TFC + SIS) mir 126 1 2 3 4 5 mir 126 0 2 4 6 8 10 0 5 10 15 20 0.2 0.6 1.0

Datový cluster Soustava serverů Jednotná správa vědeckých dat Sjednocení a kooperace analytických kapacit Společný vývoj analytických metod Jednotné prostředí pro analýzy Prostředí pro výuku posluchačů Prostředí pro doktorandské studium Vývoj nových metod a funkcí

Schéma clusteru Organizace n Organizace 2 Organizace 1: PC 1 PC n Data Uživatelské komponenty Rozhraní web prohlížeče Server n Server 2 Server 1: Operační systém Databáze Web server Komponenty uživatelského prostředí Externí servery a databáze

Sdílení dat a tvorba datových analýz Spolupráce externích organizací nad jednotnými daty VŠB-TUO, Ostravská Univerzita Projekty IT4, 4MEDI Tvorba nových analytických funkcí a výstupů ve spolupráci s VŠB-TUO

Tvorba nových vícerozměrných metod analýzy TESTS OF HYPOTHESES ON GNOSTICAL QUANTITIES J. KNIZEK 1,2, L. PAVLISKA 1, V. PROCHAZKA 1, P. BOUCHAL 2,3, B. VOJTESEK 2, R. NENUTIL 2, L. BERANEK 4 1 Institute of Radiodiagnostics and Department for Science and Research, University Hospital Ostrava, Czech Republic; 2 Regional Centre for Applied Molecular Oncology, Masaryk Memorial Cancer Institute, Brno, Czech Republic; 3 Masaryk University, Faculty of Science, Department of Biochemistry, Brno, Czech Republic; 4 Southbohemian University, Faculty of Economics, Department of Applied Mathematics, Ceske Budejovice, Czech Republic Nové metody vícerozměrné analýzy Ověřování skriptů numericky náročných metod ve spolupráci s týmem VŠB-TUO superpočítače (IT4Inovation)

Věda a Výzkum Děkuji za pozornost