Prediction of the progression of endometrial hyperplasia in women of premenopausal and menopausal age based on an analysis of clinical and anamnestic indicators using multiparametric neural network clustering
Notice bibliographique
Résumé
Background.A number of studies are aimed at solving the problems of implementing innovative medical information technologies, but the issues of family medicine informatisation have not been fully resolved.This is especially important to optimise the diagnosis of the most common diseases.Objectives.The aim of our study was to develop a methodology for predicting the progression of endometrial hyperplasia at the primary healthcare level based on an analysis of clinical and anamnestic indicators using multiparameter neural network clustering.Material and methods.Clinical and anamnestic data was obtained based on the results of a retrospective analysis of the inpatient charts of 52 patients with non-atypical endometrial hyperplasia.For a deeper analysis and clustering, the neural network approach was used with the NeuroXL Classifier add-in application for Microsoft Excel.Results.The results of the cluster analysis showed that when predicting the progression of endometrial hyperplasia based on an analysis of clinical and anamnestic indicators, it is important to take into account the combination of the use of intrauterine contraception, as well as infertility, obesity and diseases of the gastrointestinal tract in patients.At the same time, the probability of progression of endometrial hyperplasia also increases with an increase in the number of operative obstetric and gynaecological interventions.Conclusions.In order to effectively and objectively assign patients to the risk group for the progression of endometrial hyperplasia according to the indicators obtained during observation, neural network clustering was used, which allows one to determine the value of combined changes of certain parameters for the prognosis of the progression of the disease.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».