Wynik wyszukiwania w bazie Polska Bibliografia Lekarska GBL

Zapytanie: BUCIŃSKI
Liczba odnalezionych rekordów: 2



Przejście do opcji zmiany formatu | Wyświetlenie wyników w wersji do druku
1/2

Tytuł oryginału: Principal component analysis of patient variables as an objective method of treatment evaluation in adolescent idiopathic scoliosis.
Tytuł polski: Analiza składników głównych jako obiektywny sposób oceny leczenia skoliozy idiopatycznej.
Autorzy: Buciński Adam, Kowalski Ireneusz M., Zarzycki Daniel, Bączek Tomasz, Nasal Antoni, Kaliszan Roman
Źródło: Adv. Clin. Exp. Med. 2002: 11 (1) s.61-68, il., tab., bibliogr. 16 poz., streszcz.
Sygnatura GBL: 313,451

Hasła klasyfikacyjne GBL:
  • traumatologia i ortopedia

    Typ dokumentu:
  • praca kliniczna
  • tytuł obcojęzyczny

    Wskaźnik treści:
  • ludzie

    Streszczenie polskie: Wprowadzenie. Analiza składników głównych (PCA - principal component analysis) została wykorzystana do oceny strategii terapeutycznej leczenia skoliozy idiopatycznej. Analiza PCA została przeprowadzona na dużym zbiorze wskaźników klinicznych. Metoda pozwoliła na ocenę złożonych zależności między zmiennymi charakteryzującymi pacjentów, chorobę i postępowanie terapeutyczne. Materiał i metody. Studia przeprowadzono na grupie 294 pacjentów, których charakteryzowały 137 zmienne. Wszystkich pacjentów poddano standardowej procedurze rehabilitacyjnej, przy czym 180 z nich było dodatkowo leczonych metodą elektrostymulacji LESS (lateral electrical surface stimulation). Macierz 137 zmiennych x 294 przypadki została poddana analizie składników głównych za pomocą programu Statistica (StatSoft Inc., Tulsa, OK, USA). Wyniki. Wyekstrahowane trzy składniki główne, PC1, PC2 i PC3 opisały 13 proc. całkowitej zmienności próby. Wyraźne zróżnicowanie położeń punktów w przestrzeni wyznaczonej przez trzy pierwsze składniki główne interpretowano w kategoriach podobieństw (różnic) między przypadkami. Wnioski. Wykazano, że postępowanie terapeutyczne włączające elektrostymulację LESS pozytywnie wpływa na leczenie skoliozy idiopatycznej.

    Streszczenie angielskie: Background. An advanced multivariate data processing method, principal component analysis (PCA), was demonstrated to provide an objective evaluation of treatmetn strategy by making use of large collections of routine clinical parameters of adolescent idiopathic scoliosis patients. The method allowed for detection of complex systematic relationships between diverse patient, disease and treatment variables. Material and methods. Two hundred ninety four patients with adolescent idiopathic scoliosis were the subject of the study for whose one hundred thirty seven disease and treatment variables were determined. It was revealed by PCA that a lateral electrical surface stimulation (LESS) treatment positively affected the outcome of adolescent idiopathic scoliosis. A matrix of 294 x 137 data points was analyzed by PCA employing a commercially available statistical softwar and a personal computer. All the 294 patients underwent standard rehabilitation procedure and 180 of them were subjected additionally to LESS treatment. Results. Three principal components, PC1, PC2 and PC3, were extracted which accounted cumulatively for 13 p.c. of the variance of the data analyzed. An apparent clustering of the variables and a clear cut clustering of the patients were observed, which have been interpreted in terms of similarity (dissimilarity) of the variables and of the patients. Principal component analysis has been recommended as a new promising altlernative to classical regression analysis of multivariable clinical data. By means of PCA practically useful systematic information may be extracted from large sets of data otherwise hardly interpretable in comphrehensive physical terms...

    2/2

    Tytuł oryginału: Principal component analsyis of patient variables as an objective method of classification of thyroid disorders.
    Tytuł polski: Analiza składników głównych jako obiektywny sposób klasyfikacji schorzeń tarczycy.
    Autorzy: Buciński Adam, Krysińska Iwona, Sowiński Jerzy, Bączek Tomasz, Kaliszan Roman
    Źródło: Endokrynol. Pol. 2002: 53 (2) s.123-136, il., tab., bibliogr. 10 poz., streszcz.
    Sygnatura GBL: 304,167

    Hasła klasyfikacyjne GBL:
  • endokrynologia

    Typ dokumentu:
  • praca kliniczna
  • tytuł obcojęzyczny

    Wskaźnik treści:
  • ludzie

    Streszczenie polskie: Analiza składników głównych (principal component analysis, PCA) wykorzystana została do obiektywnej klasyfikacji pacjentów ze schorzeniami tarczycy. Analiza PCA została przeprowadzona na dużym zbiorze parametrów klinicznych. Metoda pozwoliła na ocenę złożonych zależności pomiędzy zmiennymi charakteryzującymi pacjentów i choroby, w konsekwncji umożliwiając klasyfikację poszczególnych schorzeń tarczycy. Studia przeprowadzono na grupie 230 pacjentów cierpiących na sześć schorzeń tarczycy. Pacjentów charakteryzowało 6 zmiennych, włączając płeć, wiek i oznaczony we krwi poziom pięciu hormonów. Macierz 230 x 6 została poddana analizie składników głównych wykorzystując komercyjnie dostępny program statystyczny i komputer osobisty. Wyekstrahowane dwa składniki główne, PC1 i PC2, opisują 63,09 proc. całkowitej zmienności próby. Wyraźne zróżnicowanie położeń punktów w przestrzeni wyznaczonej przez dwa pierwsze składniki główne interpretowano w kategoriach podobieństw (różnic) między przypadkami.

    Streszczenie angielskie: An advanced multivariate data processing method, principal component analysis (PCA), was demonstrated to provide an objective classification of patients with tyroid disorders by making use of large collections of routine clinical parameters of patients. The method allows for detection of complex systematic relationships between diverse patient and disease variables and hence for the classification of individual thyroid disorders. Two hundred thirty patients with six kinds of thyroid disorders were subjected to the study for whose seven variables including sex, age and blood level of five hormones were determined. A matrix of 230 x 7 data points was analyzed by PCA employing commercially available statistical software and a personal computer. Two principal components, PC1 and PC2, were extracted which accounted cumulatively for 63.09 p.c of the variance in the data set. A clear-cut clustering of patients have been observed, which are interpreted in terms of similarity (dissimilarity) of the variables and of the patients.

    stosując format: