Identifikace kauzálních vztahů v síti humánních fenotypů

Bc. Monika Bezděková

Diplomová práce

Identification of causal relations in phenotypic disease network

Anotace:

Práce se zabývá identifikací orientovaných vztahů v síti humánních fenotypů na základě administrativních dat. Tato data v sobě obsahují velké množství informací o pacientech a jejich onemocněních a navíc jsou dostupná z dlouhodobého časového hlediska. Identifikace příčinných vztahů na základě hospitalizační historie pacientů přispívá k pochopení progrese jednotlivých onemocnění. Datovým zdrojem pro analýzu byla data z Národního registru hospitalizovaných z let 2007–2016. Práce vyžadovala zvládnutí velkých dat a následnou aplikaci výpočetně náročných algoritmů. Výsledkem jsou sítě humánních fenotypů s orientovanými vztahy na různých úrovních Mezinárodní klasifikace nemocí. Vizualizované vztahy spadají do různých oblastí jako například onkologie, onemocnění srdce a psychiatrie. Získané vztahy jsou v souladu s literaturou. I přes limitace administrativních dat nemocnic tak lze říci, že jsou pro tento typ analýz využitelná. Do budoucna by dalším krokem mohla být analýza provedená na datech obohacených o ambulantní záznamy.

Abstract:

The thesis deals with identification of oriented relationships in the phenotypic disease network based on patient administrative data. These data contain a wealth of information about patients and their diseases. In addition, these data are available in the long time perspective. Identifying causal relationships based on patients' hospitalization history could help to understand the progression of the disease. The data source for the analysis was from the National Register of Hospitalised Patients from the years 2007–2016. For the work it was necessary to handle this big data and subsequently apply computationally demanding algorithms. The result are oriented phenotypic disease networks at different levels of the International Classification of Diseases. Visualized relationships fall into various areas such as oncology, heart disease and psychiatry. The relationships obtained from the networks are in agreement with literature. Despite limitations of hospital administrative data this data source can be said to be applicable to this type of analysis. The next step could be analysis performed on data enriched by outpatient records.

Klíčová slova

Síť humánních fenotypů, Administrativní data zdravotnických zařízení, Národní registr hospitalizovaných, Kauzalita, Epidemiologie, Teorie grafů, Network science, Phenotypic disease network, Administrative data of health facilities, National Register of Hospitalised Patients, Causality, Epidemiology, Graph theory

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 14. 5. 2018

Obhajoba závěrečné práce

• Obhajoba proběhla 22. 6. 2018
• Vedoucí: RNDr. Jiří Jarkovský, Ph.D.
• Oponent: prof. RNDr. Zdeněk Pospíšil, Dr.

Masarykova univerzita

Přírodovědecká fakulta

Magisterský studijní program / obor:
Experimentální biologie / Matematická biologie