From high blood pressure to diabetes. Identification of risk factors through machine learning with heterogeneous data (Q3179048): Difference between revisions
Jump to navigation
Jump to search
(Changed an Item: Edited by the materialized bot - inferring region from the coordinates) |
(Changed label, description and/or aliases in pt) |
||||||||||||||
| (14 intermediate revisions by 2 users not shown) | |||||||||||||||
| label / en | label / en | ||||||||||||||
From high blood pressure to diabetes. Identification of risk factors through machine learning with heterogeneous data | |||||||||||||||
| label / fr | label / fr | ||||||||||||||
De l’hypertension au diabète. Identification des facteurs de risque par l’apprentissage automatique avec des données hétérogènes | |||||||||||||||
| label / de | label / de | ||||||||||||||
Vom Bluthochdruck bis zum Diabetes. Identifizierung von Risikofaktoren durch maschinelles Lernen mit heterogenen Daten | |||||||||||||||
| label / nl | label / nl | ||||||||||||||
Van hoge bloeddruk tot diabetes. Identificatie van risicofactoren door middel van machinaal leren met heterogene gegevens | |||||||||||||||
| label / it | label / it | ||||||||||||||
Dalla pressione alta al diabete. Identificazione dei fattori di rischio attraverso l'apprendimento automatico con dati eterogenei | |||||||||||||||
| label / et | label / et | ||||||||||||||
Kõrgest vererõhust kuni diabeedini. Riskitegurite kindlakstegemine masinõppe abil heterogeensete andmetega | |||||||||||||||
| label / lt | label / lt | ||||||||||||||
Nuo aukšto kraujospūdžio iki diabeto. Rizikos veiksnių nustatymas per mašinų mokymąsi naudojant nevienalyčius duomenis | |||||||||||||||
| label / hr | label / hr | ||||||||||||||
Od visokog krvnog tlaka do dijabetesa. Utvrđivanje čimbenika rizika strojnim učenjem s heterogenim podacima | |||||||||||||||
| label / el | label / el | ||||||||||||||
Από την υψηλή αρτηριακή πίεση στον διαβήτη. Προσδιορισμός παραγόντων κινδύνου μέσω της μηχανικής μάθησης με ετερογενή δεδομένα | |||||||||||||||
| label / sk | label / sk | ||||||||||||||
Od vysokého krvného tlaku po cukrovku. Identifikácia rizikových faktorov prostredníctvom strojového učenia s heterogénnymi údajmi | |||||||||||||||
| label / fi | label / fi | ||||||||||||||
Korkeasta verenpaineesta diabetekseen. Riskitekijöiden tunnistaminen koneoppimisen avulla heterogeenisten tietojen avulla | |||||||||||||||
| label / pl | label / pl | ||||||||||||||
Od wysokiego ciśnienia krwi do cukrzycy. Identyfikacja czynników ryzyka poprzez uczenie maszynowe z niejednorodnymi danymi | |||||||||||||||
| label / hu | label / hu | ||||||||||||||
A magas vérnyomástól a cukorbetegségig. A kockázati tényezők azonosítása gépi tanulással heterogén adatokkal | |||||||||||||||
| label / cs | label / cs | ||||||||||||||
Od vysokého krevního tlaku až po cukrovku. Identifikace rizikových faktorů prostřednictvím strojového učení s heterogenními údaji | |||||||||||||||
| label / lv | label / lv | ||||||||||||||
No augsta asinsspiediena līdz cukura diabētam. Riska faktoru noteikšana, izmantojot mašīnmācīšanos ar neviendabīgiem datiem | |||||||||||||||
| label / ga | label / ga | ||||||||||||||
Ó bhrú fola ard go diaibéiteas. Fachtóirí riosca a shainaithint trí mheaisínfhoghlaim le sonraí ilchineálacha | |||||||||||||||
| label / sl | label / sl | ||||||||||||||
Od visokega krvnega tlaka do sladkorne bolezni. Opredelitev dejavnikov tveganja s pomočjo strojnega učenja s heterogenimi podatki | |||||||||||||||
| label / bg | label / bg | ||||||||||||||
От високо кръвно налягане до диабет. Идентифициране на рисковите фактори чрез машинно самообучение с хетерогенни данни | |||||||||||||||
| label / mt | label / mt | ||||||||||||||
Minn pressjoni tad-demm għolja għad-dijabete. Identifikazzjoni ta’ fatturi ta’ riskju permezz ta’ tagħlim awtomatiku b’data eteroġena | |||||||||||||||
| label / pt | label / pt | ||||||||||||||
Da pressão arterial elevada à diabetes. Identificação de fatores de risco através da aprendizagem automática com dados heterogéneos | |||||||||||||||
| label / da | label / da | ||||||||||||||
Fra højt blodtryk til diabetes. Identifikation af risikofaktorer gennem maskinlæring med heterogene data | |||||||||||||||
| label / ro | label / ro | ||||||||||||||
De la hipertensiune arterială la diabet. Identificarea factorilor de risc prin învățarea automată cu date eterogene | |||||||||||||||
| label / sv | label / sv | ||||||||||||||
Från högt blodtryck till diabetes. Identifiering av riskfaktorer genom maskininlärning med heterogena data | |||||||||||||||
| description / bg | description / bg | ||||||||||||||
Проект Q3179048 в Испания | |||||||||||||||
| description / hr | description / hr | ||||||||||||||
Projekt Q3179048 u Španjolskoj | |||||||||||||||
| description / hu | description / hu | ||||||||||||||
Projekt Q3179048 Spanyolországban | |||||||||||||||
| description / cs | description / cs | ||||||||||||||
Projekt Q3179048 ve Španělsku | |||||||||||||||
| description / da | description / da | ||||||||||||||
Projekt Q3179048 i Spanien | |||||||||||||||
| description / nl | description / nl | ||||||||||||||
Project Q3179048 in Spanje | |||||||||||||||
| description / et | description / et | ||||||||||||||
Projekt Q3179048 Hispaanias | |||||||||||||||
| description / fi | description / fi | ||||||||||||||
Projekti Q3179048 Espanjassa | |||||||||||||||
| description / fr | description / fr | ||||||||||||||
Projet Q3179048 en Espagne | |||||||||||||||
| description / de | description / de | ||||||||||||||
Projekt Q3179048 in Spanien | |||||||||||||||
| description / el | description / el | ||||||||||||||
Έργο Q3179048 στην Ισπανία | |||||||||||||||
| description / ga | description / ga | ||||||||||||||
Tionscadal Q3179048 sa Spáinn | |||||||||||||||
| description / it | description / it | ||||||||||||||
Progetto Q3179048 in Spagna | |||||||||||||||
| description / lv | description / lv | ||||||||||||||
Projekts Q3179048 Spānijā | |||||||||||||||
| description / lt | description / lt | ||||||||||||||
Projektas Q3179048 Ispanijoje | |||||||||||||||
| description / mt | description / mt | ||||||||||||||
Proġett Q3179048 fi Spanja | |||||||||||||||
| description / pl | description / pl | ||||||||||||||
Projekt Q3179048 w Hiszpanii | |||||||||||||||
| description / pt | description / pt | ||||||||||||||
Projeto Q3179048 na Espanha | |||||||||||||||
| description / ro | description / ro | ||||||||||||||
Proiectul Q3179048 în Spania | |||||||||||||||
| description / sk | description / sk | ||||||||||||||
Projekt Q3179048 v Španielsku | |||||||||||||||
| description / sl | description / sl | ||||||||||||||
Projekt Q3179048 v Španiji | |||||||||||||||
| description / es | description / es | ||||||||||||||
Proyecto Q3179048 en España | |||||||||||||||
| description / sv | description / sv | ||||||||||||||
Projekt Q3179048 i Spanien | |||||||||||||||
| Property / budget | |||||||||||||||
| |||||||||||||||
| Property / budget: 25,500.0 Euro / rank | |||||||||||||||
| Property / co-financing rate | |||||||||||||||
| |||||||||||||||
| Property / co-financing rate: 50.0 percent / rank | |||||||||||||||
| Property / EU contribution | |||||||||||||||
| |||||||||||||||
| Property / EU contribution: 12,750.0 Euro / rank | |||||||||||||||
| Property / postal code | |||||||||||||||
| Property / postal code: 28058 / rank | |||||||||||||||
| Property / location (string) | |||||||||||||||
| Property / location (string): Fuenlabrada / rank | |||||||||||||||
| Property / coordinate location | |||||||||||||||
| |||||||||||||||
| Property / coordinate location: 40°16'56.93"N, 3°47'32.42"W / rank | |||||||||||||||
| Property / contained in NUTS | |||||||||||||||
| Property / contained in NUTS: Madrid / rank | |||||||||||||||
| Property / contained in Local Administrative Unit | |||||||||||||||
| Property / contained in Local Administrative Unit: Fuenlabrada / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary | |||||||||||||||
Chronic pathologies account for 75 % of health expenditure. This fact, coupled with the increase in life expectancy, makes it very interesting to study what factors influence the progression of chronic pathologies. Hypertension (HTA) is one of the most prevalent chronic pathologies, and may be associated with the onset of other chronic conditions such as type 2 diabetes mellitus (DM-2). In addition to the comorbidities of AH and DM-2, their simultaneous occurrence significantly increases the risk of cardiovascular events. Since there is no unified record of all care and pharmacological information, heterogeneous data collected by the University Hospital of Móstoles (HUM) and the University Hospital of Fuenlabrada (HUF), technologically supported by the Rey Juan Carlos University, will be used. On the one hand, the data associated with HUM come from a population derived from the Hypertension Unit and were collected during follow-up within this unit. On the other hand, the clinical data provided by the HUF correspond to diagnosis and pharmacological dispensing of the entire population attached to the hospital. Machine learning methods have shown their potential to identify relevant variables and make inference from sufficiently representative data of the problem. The analysis of the expected complex inter-relationships between risk factors, as well as the heterogeneity of intra and inter-database data, will undoubtedly require the creation of advanced analysis tools adapted to both clinical scenarios and their cross-sectional exploitation. The main objective of the project is to design new machine learning tools to identify risk factors to characterise the progression of a hypertensive patient to DM-2, as well as to determine their potential relationship with cardiovascular events. (English) | |||||||||||||||
| Property / summary: Chronic pathologies account for 75 % of health expenditure. This fact, coupled with the increase in life expectancy, makes it very interesting to study what factors influence the progression of chronic pathologies. Hypertension (HTA) is one of the most prevalent chronic pathologies, and may be associated with the onset of other chronic conditions such as type 2 diabetes mellitus (DM-2). In addition to the comorbidities of AH and DM-2, their simultaneous occurrence significantly increases the risk of cardiovascular events. Since there is no unified record of all care and pharmacological information, heterogeneous data collected by the University Hospital of Móstoles (HUM) and the University Hospital of Fuenlabrada (HUF), technologically supported by the Rey Juan Carlos University, will be used. On the one hand, the data associated with HUM come from a population derived from the Hypertension Unit and were collected during follow-up within this unit. On the other hand, the clinical data provided by the HUF correspond to diagnosis and pharmacological dispensing of the entire population attached to the hospital. Machine learning methods have shown their potential to identify relevant variables and make inference from sufficiently representative data of the problem. The analysis of the expected complex inter-relationships between risk factors, as well as the heterogeneity of intra and inter-database data, will undoubtedly require the creation of advanced analysis tools adapted to both clinical scenarios and their cross-sectional exploitation. The main objective of the project is to design new machine learning tools to identify risk factors to characterise the progression of a hypertensive patient to DM-2, as well as to determine their potential relationship with cardiovascular events. (English) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Chronic pathologies account for 75 % of health expenditure. This fact, coupled with the increase in life expectancy, makes it very interesting to study what factors influence the progression of chronic pathologies. Hypertension (HTA) is one of the most prevalent chronic pathologies, and may be associated with the onset of other chronic conditions such as type 2 diabetes mellitus (DM-2). In addition to the comorbidities of AH and DM-2, their simultaneous occurrence significantly increases the risk of cardiovascular events. Since there is no unified record of all care and pharmacological information, heterogeneous data collected by the University Hospital of Móstoles (HUM) and the University Hospital of Fuenlabrada (HUF), technologically supported by the Rey Juan Carlos University, will be used. On the one hand, the data associated with HUM come from a population derived from the Hypertension Unit and were collected during follow-up within this unit. On the other hand, the clinical data provided by the HUF correspond to diagnosis and pharmacological dispensing of the entire population attached to the hospital. Machine learning methods have shown their potential to identify relevant variables and make inference from sufficiently representative data of the problem. The analysis of the expected complex inter-relationships between risk factors, as well as the heterogeneity of intra and inter-database data, will undoubtedly require the creation of advanced analysis tools adapted to both clinical scenarios and their cross-sectional exploitation. The main objective of the project is to design new machine learning tools to identify risk factors to characterise the progression of a hypertensive patient to DM-2, as well as to determine their potential relationship with cardiovascular events. (English) / qualifier | |||||||||||||||
point in time: 12 October 2021
| |||||||||||||||
| Property / summary: Chronic pathologies account for 75 % of health expenditure. This fact, coupled with the increase in life expectancy, makes it very interesting to study what factors influence the progression of chronic pathologies. Hypertension (HTA) is one of the most prevalent chronic pathologies, and may be associated with the onset of other chronic conditions such as type 2 diabetes mellitus (DM-2). In addition to the comorbidities of AH and DM-2, their simultaneous occurrence significantly increases the risk of cardiovascular events. Since there is no unified record of all care and pharmacological information, heterogeneous data collected by the University Hospital of Móstoles (HUM) and the University Hospital of Fuenlabrada (HUF), technologically supported by the Rey Juan Carlos University, will be used. On the one hand, the data associated with HUM come from a population derived from the Hypertension Unit and were collected during follow-up within this unit. On the other hand, the clinical data provided by the HUF correspond to diagnosis and pharmacological dispensing of the entire population attached to the hospital. Machine learning methods have shown their potential to identify relevant variables and make inference from sufficiently representative data of the problem. The analysis of the expected complex inter-relationships between risk factors, as well as the heterogeneity of intra and inter-database data, will undoubtedly require the creation of advanced analysis tools adapted to both clinical scenarios and their cross-sectional exploitation. The main objective of the project is to design new machine learning tools to identify risk factors to characterise the progression of a hypertensive patient to DM-2, as well as to determine their potential relationship with cardiovascular events. (English) / qualifier | |||||||||||||||
readability score: 0.0793202284589285
| |||||||||||||||
| Property / summary | |||||||||||||||
Les pathologies chroniques représentent 75 % des dépenses de santé. Ce fait, associé à l’augmentation de l’espérance de vie, rend très intéressant d’étudier quels facteurs influencent la progression des pathologies chroniques. L’hypertension (HTA) est l’une des pathologies chroniques les plus répandues et peut être associée à l’apparition d’autres affections chroniques comme le diabète sucré de type 2 (DM-2). En plus des comorbidités de l’AH et du DM-2, leur occurrence simultanée augmente considérablement le risque d’événements cardiovasculaires. Comme il n’existe pas de registre unifié de toutes les informations sur les soins et la pharmacologie, des données hétérogènes recueillies par l’Hôpital universitaire de Móstoles (HUM) et l’Hôpital universitaire de Fuenlabrada (HUF), soutenus technologiquement par l’Université Rey Juan Carlos, seront utilisées. D’une part, les données associées au HUM proviennent d’une population dérivée de l’unité d’hypertension et ont été recueillies au cours du suivi au sein de cette unité. D’autre part, les données cliniques fournies par le HUF correspondent au diagnostic et à la distribution pharmacologique de l’ensemble de la population rattachée à l’hôpital. Les méthodes d’apprentissage automatique ont montré qu’elles pouvaient identifier des variables pertinentes et tirer des conclusions à partir de données suffisamment représentatives du problème. L’analyse des interrelations complexes attendues entre les facteurs de risque, ainsi que l’hétérogénéité des données intra et interbases de données, nécessiteront sans aucun doute la création d’outils d’analyse avancés adaptés à la fois aux scénarios cliniques et à leur exploitation transversale. L’objectif principal du projet est de concevoir de nouveaux outils d’apprentissage automatique afin d’identifier les facteurs de risque pour caractériser la progression d’un patient hypertenseur vers le DM-2, ainsi que de déterminer sa relation potentielle avec les événements cardiovasculaires. (French) | |||||||||||||||
| Property / summary: Les pathologies chroniques représentent 75 % des dépenses de santé. Ce fait, associé à l’augmentation de l’espérance de vie, rend très intéressant d’étudier quels facteurs influencent la progression des pathologies chroniques. L’hypertension (HTA) est l’une des pathologies chroniques les plus répandues et peut être associée à l’apparition d’autres affections chroniques comme le diabète sucré de type 2 (DM-2). En plus des comorbidités de l’AH et du DM-2, leur occurrence simultanée augmente considérablement le risque d’événements cardiovasculaires. Comme il n’existe pas de registre unifié de toutes les informations sur les soins et la pharmacologie, des données hétérogènes recueillies par l’Hôpital universitaire de Móstoles (HUM) et l’Hôpital universitaire de Fuenlabrada (HUF), soutenus technologiquement par l’Université Rey Juan Carlos, seront utilisées. D’une part, les données associées au HUM proviennent d’une population dérivée de l’unité d’hypertension et ont été recueillies au cours du suivi au sein de cette unité. D’autre part, les données cliniques fournies par le HUF correspondent au diagnostic et à la distribution pharmacologique de l’ensemble de la population rattachée à l’hôpital. Les méthodes d’apprentissage automatique ont montré qu’elles pouvaient identifier des variables pertinentes et tirer des conclusions à partir de données suffisamment représentatives du problème. L’analyse des interrelations complexes attendues entre les facteurs de risque, ainsi que l’hétérogénéité des données intra et interbases de données, nécessiteront sans aucun doute la création d’outils d’analyse avancés adaptés à la fois aux scénarios cliniques et à leur exploitation transversale. L’objectif principal du projet est de concevoir de nouveaux outils d’apprentissage automatique afin d’identifier les facteurs de risque pour caractériser la progression d’un patient hypertenseur vers le DM-2, ainsi que de déterminer sa relation potentielle avec les événements cardiovasculaires. (French) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Les pathologies chroniques représentent 75 % des dépenses de santé. Ce fait, associé à l’augmentation de l’espérance de vie, rend très intéressant d’étudier quels facteurs influencent la progression des pathologies chroniques. L’hypertension (HTA) est l’une des pathologies chroniques les plus répandues et peut être associée à l’apparition d’autres affections chroniques comme le diabète sucré de type 2 (DM-2). En plus des comorbidités de l’AH et du DM-2, leur occurrence simultanée augmente considérablement le risque d’événements cardiovasculaires. Comme il n’existe pas de registre unifié de toutes les informations sur les soins et la pharmacologie, des données hétérogènes recueillies par l’Hôpital universitaire de Móstoles (HUM) et l’Hôpital universitaire de Fuenlabrada (HUF), soutenus technologiquement par l’Université Rey Juan Carlos, seront utilisées. D’une part, les données associées au HUM proviennent d’une population dérivée de l’unité d’hypertension et ont été recueillies au cours du suivi au sein de cette unité. D’autre part, les données cliniques fournies par le HUF correspondent au diagnostic et à la distribution pharmacologique de l’ensemble de la population rattachée à l’hôpital. Les méthodes d’apprentissage automatique ont montré qu’elles pouvaient identifier des variables pertinentes et tirer des conclusions à partir de données suffisamment représentatives du problème. L’analyse des interrelations complexes attendues entre les facteurs de risque, ainsi que l’hétérogénéité des données intra et interbases de données, nécessiteront sans aucun doute la création d’outils d’analyse avancés adaptés à la fois aux scénarios cliniques et à leur exploitation transversale. L’objectif principal du projet est de concevoir de nouveaux outils d’apprentissage automatique afin d’identifier les facteurs de risque pour caractériser la progression d’un patient hypertenseur vers le DM-2, ainsi que de déterminer sa relation potentielle avec les événements cardiovasculaires. (French) / qualifier | |||||||||||||||
point in time: 4 December 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Chronische Pathologien machen 75 % der Gesundheitsausgaben aus. Diese Tatsache, verbunden mit der Zunahme der Lebenserwartung, macht es sehr interessant, zu untersuchen, welche Faktoren die Progression chronischer Pathologien beeinflussen. Hypertonie (HTA) ist eine der häufigsten chronischen Pathologien und kann mit dem Auftreten anderer chronischer Erkrankungen wie Typ-2-Diabetes mellitus (DM-2) in Verbindung gebracht werden. Neben den Komorbiditäten von AH und DM-2 erhöht ihr gleichzeitiges Auftreten das Risiko von Herz-Kreislauf-Ereignissen. Da es keine einheitliche Aufzeichnung aller Pflege- und pharmakologischen Informationen gibt, werden heterogene Daten verwendet, die vom Universitätsklinikum Móstoles (HUM) und dem Universitätsklinikum Fuenlabrada (HUF), technologisch unterstützt von der Rey Juan Carlos Universität, gesammelt wurden. Zum einen stammen die mit der HUM verbundenen Daten aus einer von der Hypertonie-Einheit abgeleiteten Population und wurden während der Nachbereitung innerhalb dieser Einheit erhoben. Andererseits entsprechen die von der HUF vorgelegten klinischen Daten der Diagnose und der pharmakologischen Abgabe der gesamten an das Krankenhaus angeschlossenen Bevölkerung. Die Methoden des maschinellen Lernens haben gezeigt, dass sie geeignet sind, relevante Variablen zu identifizieren und aus hinreichend repräsentativen Daten des Problems abzuleiten. Die Analyse der erwarteten komplexen Zusammenhänge zwischen Risikofaktoren sowie der Heterogenität von Intra- und Interdatenbankdaten erfordert zweifellos die Schaffung fortschrittlicher Analyseinstrumente, die sowohl an klinische Szenarien als auch an deren Querschnittsauswertung angepasst sind. Hauptziel des Projektes ist es, neue maschinelle Lernwerkzeuge zu entwickeln, um Risikofaktoren zu identifizieren, die das Fortschreiten eines hypertensiven Patienten auf DM-2 charakterisieren und deren potenzielle Beziehung zu kardiovaskulären Ereignissen bestimmen. (German) | |||||||||||||||
| Property / summary: Chronische Pathologien machen 75 % der Gesundheitsausgaben aus. Diese Tatsache, verbunden mit der Zunahme der Lebenserwartung, macht es sehr interessant, zu untersuchen, welche Faktoren die Progression chronischer Pathologien beeinflussen. Hypertonie (HTA) ist eine der häufigsten chronischen Pathologien und kann mit dem Auftreten anderer chronischer Erkrankungen wie Typ-2-Diabetes mellitus (DM-2) in Verbindung gebracht werden. Neben den Komorbiditäten von AH und DM-2 erhöht ihr gleichzeitiges Auftreten das Risiko von Herz-Kreislauf-Ereignissen. Da es keine einheitliche Aufzeichnung aller Pflege- und pharmakologischen Informationen gibt, werden heterogene Daten verwendet, die vom Universitätsklinikum Móstoles (HUM) und dem Universitätsklinikum Fuenlabrada (HUF), technologisch unterstützt von der Rey Juan Carlos Universität, gesammelt wurden. Zum einen stammen die mit der HUM verbundenen Daten aus einer von der Hypertonie-Einheit abgeleiteten Population und wurden während der Nachbereitung innerhalb dieser Einheit erhoben. Andererseits entsprechen die von der HUF vorgelegten klinischen Daten der Diagnose und der pharmakologischen Abgabe der gesamten an das Krankenhaus angeschlossenen Bevölkerung. Die Methoden des maschinellen Lernens haben gezeigt, dass sie geeignet sind, relevante Variablen zu identifizieren und aus hinreichend repräsentativen Daten des Problems abzuleiten. Die Analyse der erwarteten komplexen Zusammenhänge zwischen Risikofaktoren sowie der Heterogenität von Intra- und Interdatenbankdaten erfordert zweifellos die Schaffung fortschrittlicher Analyseinstrumente, die sowohl an klinische Szenarien als auch an deren Querschnittsauswertung angepasst sind. Hauptziel des Projektes ist es, neue maschinelle Lernwerkzeuge zu entwickeln, um Risikofaktoren zu identifizieren, die das Fortschreiten eines hypertensiven Patienten auf DM-2 charakterisieren und deren potenzielle Beziehung zu kardiovaskulären Ereignissen bestimmen. (German) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Chronische Pathologien machen 75 % der Gesundheitsausgaben aus. Diese Tatsache, verbunden mit der Zunahme der Lebenserwartung, macht es sehr interessant, zu untersuchen, welche Faktoren die Progression chronischer Pathologien beeinflussen. Hypertonie (HTA) ist eine der häufigsten chronischen Pathologien und kann mit dem Auftreten anderer chronischer Erkrankungen wie Typ-2-Diabetes mellitus (DM-2) in Verbindung gebracht werden. Neben den Komorbiditäten von AH und DM-2 erhöht ihr gleichzeitiges Auftreten das Risiko von Herz-Kreislauf-Ereignissen. Da es keine einheitliche Aufzeichnung aller Pflege- und pharmakologischen Informationen gibt, werden heterogene Daten verwendet, die vom Universitätsklinikum Móstoles (HUM) und dem Universitätsklinikum Fuenlabrada (HUF), technologisch unterstützt von der Rey Juan Carlos Universität, gesammelt wurden. Zum einen stammen die mit der HUM verbundenen Daten aus einer von der Hypertonie-Einheit abgeleiteten Population und wurden während der Nachbereitung innerhalb dieser Einheit erhoben. Andererseits entsprechen die von der HUF vorgelegten klinischen Daten der Diagnose und der pharmakologischen Abgabe der gesamten an das Krankenhaus angeschlossenen Bevölkerung. Die Methoden des maschinellen Lernens haben gezeigt, dass sie geeignet sind, relevante Variablen zu identifizieren und aus hinreichend repräsentativen Daten des Problems abzuleiten. Die Analyse der erwarteten komplexen Zusammenhänge zwischen Risikofaktoren sowie der Heterogenität von Intra- und Interdatenbankdaten erfordert zweifellos die Schaffung fortschrittlicher Analyseinstrumente, die sowohl an klinische Szenarien als auch an deren Querschnittsauswertung angepasst sind. Hauptziel des Projektes ist es, neue maschinelle Lernwerkzeuge zu entwickeln, um Risikofaktoren zu identifizieren, die das Fortschreiten eines hypertensiven Patienten auf DM-2 charakterisieren und deren potenzielle Beziehung zu kardiovaskulären Ereignissen bestimmen. (German) / qualifier | |||||||||||||||
point in time: 9 December 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Chronische pathologieën zijn goed voor 75 % van de uitgaven voor gezondheidszorg. Dit feit, in combinatie met de stijging van de levensverwachting, maakt het zeer interessant om te bestuderen welke factoren van invloed zijn op de progressie van chronische pathologieën. Hypertensie (HTA) is een van de meest voorkomende chronische pathologieën en kan geassocieerd worden met het begin van andere chronische aandoeningen zoals type 2 diabetes mellitus (DM-2). Naast de comorbiditeiten van AH en DM-2 verhoogt hun gelijktijdige optreden het risico op cardiovasculaire voorvallen aanzienlijk. Aangezien er geen verenigd record van alle zorg en farmacologische informatie, heterogene gegevens verzameld door het Universitair Ziekenhuis van Móstoles (HUM) en het Universitair Ziekenhuis van Fuenlabrada (HUF), technologisch ondersteund door de Rey Juan Carlos University, zal worden gebruikt. Enerzijds zijn de gegevens in verband met HUM afkomstig van een populatie die afkomstig is van de hypertensie-eenheid en werden verzameld tijdens de follow-up binnen deze eenheid. Anderzijds komen de door het HUF verstrekte klinische gegevens overeen met de diagnose en farmacologische verstrekking van de gehele populatie die aan het ziekenhuis verbonden is. Machine learning-methoden hebben hun potentieel getoond om relevante variabelen te identificeren en uit voldoende representatieve gegevens van het probleem gevolg te geven. Voor de analyse van de verwachte complexe verbanden tussen risicofactoren en de heterogeniteit van intra- en interdatabasegegevens zullen ongetwijfeld geavanceerde analyse-instrumenten moeten worden ontwikkeld die zijn aangepast aan zowel klinische scenario’s als hun transversale exploitatie. Het belangrijkste doel van het project is het ontwerpen van nieuwe machine learning tools om risicofactoren te identificeren om de progressie van een hypertensieve patiënt te karakteriseren naar DM-2, en om hun potentiële relatie met cardiovasculaire voorvallen te bepalen. (Dutch) | |||||||||||||||
| Property / summary: Chronische pathologieën zijn goed voor 75 % van de uitgaven voor gezondheidszorg. Dit feit, in combinatie met de stijging van de levensverwachting, maakt het zeer interessant om te bestuderen welke factoren van invloed zijn op de progressie van chronische pathologieën. Hypertensie (HTA) is een van de meest voorkomende chronische pathologieën en kan geassocieerd worden met het begin van andere chronische aandoeningen zoals type 2 diabetes mellitus (DM-2). Naast de comorbiditeiten van AH en DM-2 verhoogt hun gelijktijdige optreden het risico op cardiovasculaire voorvallen aanzienlijk. Aangezien er geen verenigd record van alle zorg en farmacologische informatie, heterogene gegevens verzameld door het Universitair Ziekenhuis van Móstoles (HUM) en het Universitair Ziekenhuis van Fuenlabrada (HUF), technologisch ondersteund door de Rey Juan Carlos University, zal worden gebruikt. Enerzijds zijn de gegevens in verband met HUM afkomstig van een populatie die afkomstig is van de hypertensie-eenheid en werden verzameld tijdens de follow-up binnen deze eenheid. Anderzijds komen de door het HUF verstrekte klinische gegevens overeen met de diagnose en farmacologische verstrekking van de gehele populatie die aan het ziekenhuis verbonden is. Machine learning-methoden hebben hun potentieel getoond om relevante variabelen te identificeren en uit voldoende representatieve gegevens van het probleem gevolg te geven. Voor de analyse van de verwachte complexe verbanden tussen risicofactoren en de heterogeniteit van intra- en interdatabasegegevens zullen ongetwijfeld geavanceerde analyse-instrumenten moeten worden ontwikkeld die zijn aangepast aan zowel klinische scenario’s als hun transversale exploitatie. Het belangrijkste doel van het project is het ontwerpen van nieuwe machine learning tools om risicofactoren te identificeren om de progressie van een hypertensieve patiënt te karakteriseren naar DM-2, en om hun potentiële relatie met cardiovasculaire voorvallen te bepalen. (Dutch) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Chronische pathologieën zijn goed voor 75 % van de uitgaven voor gezondheidszorg. Dit feit, in combinatie met de stijging van de levensverwachting, maakt het zeer interessant om te bestuderen welke factoren van invloed zijn op de progressie van chronische pathologieën. Hypertensie (HTA) is een van de meest voorkomende chronische pathologieën en kan geassocieerd worden met het begin van andere chronische aandoeningen zoals type 2 diabetes mellitus (DM-2). Naast de comorbiditeiten van AH en DM-2 verhoogt hun gelijktijdige optreden het risico op cardiovasculaire voorvallen aanzienlijk. Aangezien er geen verenigd record van alle zorg en farmacologische informatie, heterogene gegevens verzameld door het Universitair Ziekenhuis van Móstoles (HUM) en het Universitair Ziekenhuis van Fuenlabrada (HUF), technologisch ondersteund door de Rey Juan Carlos University, zal worden gebruikt. Enerzijds zijn de gegevens in verband met HUM afkomstig van een populatie die afkomstig is van de hypertensie-eenheid en werden verzameld tijdens de follow-up binnen deze eenheid. Anderzijds komen de door het HUF verstrekte klinische gegevens overeen met de diagnose en farmacologische verstrekking van de gehele populatie die aan het ziekenhuis verbonden is. Machine learning-methoden hebben hun potentieel getoond om relevante variabelen te identificeren en uit voldoende representatieve gegevens van het probleem gevolg te geven. Voor de analyse van de verwachte complexe verbanden tussen risicofactoren en de heterogeniteit van intra- en interdatabasegegevens zullen ongetwijfeld geavanceerde analyse-instrumenten moeten worden ontwikkeld die zijn aangepast aan zowel klinische scenario’s als hun transversale exploitatie. Het belangrijkste doel van het project is het ontwerpen van nieuwe machine learning tools om risicofactoren te identificeren om de progressie van een hypertensieve patiënt te karakteriseren naar DM-2, en om hun potentiële relatie met cardiovasculaire voorvallen te bepalen. (Dutch) / qualifier | |||||||||||||||
point in time: 17 December 2021
| |||||||||||||||
| Property / summary | |||||||||||||||
Le patologie croniche rappresentano il 75 % della spesa sanitaria. Questo fatto, accoppiato con l'aumento della speranza di vita, rende molto interessante studiare quali fattori influenzano la progressione delle patologie croniche. L'ipertensione (HTA) è una delle patologie croniche più diffuse e può essere associata all'insorgenza di altre condizioni croniche come il diabete mellito di tipo 2 (DM-2). Oltre alle comorbidità di AH e DM-2, il loro verificarsi simultaneo aumenta significativamente il rischio di eventi cardiovascolari. Dal momento che non vi è un registro unificato di tutte le informazioni di cura e farmacologia, i dati eterogenei raccolti dall'ospedale universitario di Móstoles (HUM) e l'ospedale universitario di Fuenlabrada (HUF), tecnologicamente supportato dalla Rey Juan Carlos University, saranno utilizzati. Da un lato, i dati associati all'HUM provengono da una popolazione derivata dall'unità di ipertensione e sono stati raccolti durante il follow-up all'interno di questa unità. D'altro canto, i dati clinici forniti dall'HUF corrispondono alla diagnosi e all'erogazione farmacologica dell'intera popolazione annessa all'ospedale. I metodi di apprendimento automatico hanno dimostrato il loro potenziale per identificare le variabili pertinenti e trarre conclusioni da dati sufficientemente rappresentativi del problema. L'analisi delle complesse interrelazioni previste tra i fattori di rischio, nonché l'eterogeneità dei dati intra e inter-database, richiederanno senza dubbio la creazione di strumenti di analisi avanzati adattati sia agli scenari clinici che al loro sfruttamento trasversale. L'obiettivo principale del progetto è quello di progettare nuovi strumenti di apprendimento automatico per identificare i fattori di rischio per caratterizzare la progressione di un paziente ipertensivo a DM-2, nonché per determinare il loro potenziale rapporto con gli eventi cardiovascolari. (Italian) | |||||||||||||||
| Property / summary: Le patologie croniche rappresentano il 75 % della spesa sanitaria. Questo fatto, accoppiato con l'aumento della speranza di vita, rende molto interessante studiare quali fattori influenzano la progressione delle patologie croniche. L'ipertensione (HTA) è una delle patologie croniche più diffuse e può essere associata all'insorgenza di altre condizioni croniche come il diabete mellito di tipo 2 (DM-2). Oltre alle comorbidità di AH e DM-2, il loro verificarsi simultaneo aumenta significativamente il rischio di eventi cardiovascolari. Dal momento che non vi è un registro unificato di tutte le informazioni di cura e farmacologia, i dati eterogenei raccolti dall'ospedale universitario di Móstoles (HUM) e l'ospedale universitario di Fuenlabrada (HUF), tecnologicamente supportato dalla Rey Juan Carlos University, saranno utilizzati. Da un lato, i dati associati all'HUM provengono da una popolazione derivata dall'unità di ipertensione e sono stati raccolti durante il follow-up all'interno di questa unità. D'altro canto, i dati clinici forniti dall'HUF corrispondono alla diagnosi e all'erogazione farmacologica dell'intera popolazione annessa all'ospedale. I metodi di apprendimento automatico hanno dimostrato il loro potenziale per identificare le variabili pertinenti e trarre conclusioni da dati sufficientemente rappresentativi del problema. L'analisi delle complesse interrelazioni previste tra i fattori di rischio, nonché l'eterogeneità dei dati intra e inter-database, richiederanno senza dubbio la creazione di strumenti di analisi avanzati adattati sia agli scenari clinici che al loro sfruttamento trasversale. L'obiettivo principale del progetto è quello di progettare nuovi strumenti di apprendimento automatico per identificare i fattori di rischio per caratterizzare la progressione di un paziente ipertensivo a DM-2, nonché per determinare il loro potenziale rapporto con gli eventi cardiovascolari. (Italian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Le patologie croniche rappresentano il 75 % della spesa sanitaria. Questo fatto, accoppiato con l'aumento della speranza di vita, rende molto interessante studiare quali fattori influenzano la progressione delle patologie croniche. L'ipertensione (HTA) è una delle patologie croniche più diffuse e può essere associata all'insorgenza di altre condizioni croniche come il diabete mellito di tipo 2 (DM-2). Oltre alle comorbidità di AH e DM-2, il loro verificarsi simultaneo aumenta significativamente il rischio di eventi cardiovascolari. Dal momento che non vi è un registro unificato di tutte le informazioni di cura e farmacologia, i dati eterogenei raccolti dall'ospedale universitario di Móstoles (HUM) e l'ospedale universitario di Fuenlabrada (HUF), tecnologicamente supportato dalla Rey Juan Carlos University, saranno utilizzati. Da un lato, i dati associati all'HUM provengono da una popolazione derivata dall'unità di ipertensione e sono stati raccolti durante il follow-up all'interno di questa unità. D'altro canto, i dati clinici forniti dall'HUF corrispondono alla diagnosi e all'erogazione farmacologica dell'intera popolazione annessa all'ospedale. I metodi di apprendimento automatico hanno dimostrato il loro potenziale per identificare le variabili pertinenti e trarre conclusioni da dati sufficientemente rappresentativi del problema. L'analisi delle complesse interrelazioni previste tra i fattori di rischio, nonché l'eterogeneità dei dati intra e inter-database, richiederanno senza dubbio la creazione di strumenti di analisi avanzati adattati sia agli scenari clinici che al loro sfruttamento trasversale. L'obiettivo principale del progetto è quello di progettare nuovi strumenti di apprendimento automatico per identificare i fattori di rischio per caratterizzare la progressione di un paziente ipertensivo a DM-2, nonché per determinare il loro potenziale rapporto con gli eventi cardiovascolari. (Italian) / qualifier | |||||||||||||||
point in time: 16 January 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Kroonilised patoloogiad moodustavad 75 % tervishoiukuludest. See asjaolu koos oodatava eluea pikenemisega muudab väga huvitavaks uurida, millised tegurid mõjutavad krooniliste patoloogiate progresseerumist. Hüpertensioon (HTA) on üks levinumaid kroonilisi patoloogiaid ja võib olla seotud teiste krooniliste seisundite, näiteks II tüüpi suhkurtõve (DM-2) tekkega. Lisaks AH ja DM-2 kaasuvatele haigustele suurendab nende samaaegne esinemine oluliselt kardiovaskulaarsete tüsistuste riski. Kuna kogu hooldus- ja farmakoloogilist teavet ei ole ühtlustatud, kasutatakse Móstoles’i ülikoolihaigla (HUM) ja Fuenlabrada Ülikoolihaigla (HUF) kogutud heterogeenseid andmeid, mida tehnoloogiliselt toetab Rey Juan Carlose Ülikool. Ühest küljest pärinevad ravimiga seotud andmed hüpertensiooniüksusest saadud populatsioonist ja neid koguti selles üksuses järelkontrolli käigus. Teisest küljest vastavad Ungari forinti esitatud kliinilised andmed kogu haiglaga seotud elanikkonna diagnoosimisele ja farmakoloogilisele väljastamisele. Masinõppe meetodid on näidanud oma potentsiaali tuvastada asjakohaseid muutujaid ja teha järeldusi probleemi piisavalt representatiivsetest andmetest. Riskitegurite eeldatavate keeruliste vastastikuste seoste ning sise- ja andmebaaside vaheliste andmete heterogeensuse analüüsimiseks on kahtlemata vaja luua täiustatud analüüsivahendid, mis on kohandatud nii kliinilistele stsenaariumidele kui ka nende valdkondadevahelisele kasutamisele. Projekti peamine eesmärk on töötada välja uued masinõppevahendid, et teha kindlaks riskitegurid, mis iseloomustavad hüpertensiivse patsiendi progresseerumist DM-2-ks, ning määrata kindlaks nende võimalik seos südame-veresoonkonna haigustega. (Estonian) | |||||||||||||||
| Property / summary: Kroonilised patoloogiad moodustavad 75 % tervishoiukuludest. See asjaolu koos oodatava eluea pikenemisega muudab väga huvitavaks uurida, millised tegurid mõjutavad krooniliste patoloogiate progresseerumist. Hüpertensioon (HTA) on üks levinumaid kroonilisi patoloogiaid ja võib olla seotud teiste krooniliste seisundite, näiteks II tüüpi suhkurtõve (DM-2) tekkega. Lisaks AH ja DM-2 kaasuvatele haigustele suurendab nende samaaegne esinemine oluliselt kardiovaskulaarsete tüsistuste riski. Kuna kogu hooldus- ja farmakoloogilist teavet ei ole ühtlustatud, kasutatakse Móstoles’i ülikoolihaigla (HUM) ja Fuenlabrada Ülikoolihaigla (HUF) kogutud heterogeenseid andmeid, mida tehnoloogiliselt toetab Rey Juan Carlose Ülikool. Ühest küljest pärinevad ravimiga seotud andmed hüpertensiooniüksusest saadud populatsioonist ja neid koguti selles üksuses järelkontrolli käigus. Teisest küljest vastavad Ungari forinti esitatud kliinilised andmed kogu haiglaga seotud elanikkonna diagnoosimisele ja farmakoloogilisele väljastamisele. Masinõppe meetodid on näidanud oma potentsiaali tuvastada asjakohaseid muutujaid ja teha järeldusi probleemi piisavalt representatiivsetest andmetest. Riskitegurite eeldatavate keeruliste vastastikuste seoste ning sise- ja andmebaaside vaheliste andmete heterogeensuse analüüsimiseks on kahtlemata vaja luua täiustatud analüüsivahendid, mis on kohandatud nii kliinilistele stsenaariumidele kui ka nende valdkondadevahelisele kasutamisele. Projekti peamine eesmärk on töötada välja uued masinõppevahendid, et teha kindlaks riskitegurid, mis iseloomustavad hüpertensiivse patsiendi progresseerumist DM-2-ks, ning määrata kindlaks nende võimalik seos südame-veresoonkonna haigustega. (Estonian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Kroonilised patoloogiad moodustavad 75 % tervishoiukuludest. See asjaolu koos oodatava eluea pikenemisega muudab väga huvitavaks uurida, millised tegurid mõjutavad krooniliste patoloogiate progresseerumist. Hüpertensioon (HTA) on üks levinumaid kroonilisi patoloogiaid ja võib olla seotud teiste krooniliste seisundite, näiteks II tüüpi suhkurtõve (DM-2) tekkega. Lisaks AH ja DM-2 kaasuvatele haigustele suurendab nende samaaegne esinemine oluliselt kardiovaskulaarsete tüsistuste riski. Kuna kogu hooldus- ja farmakoloogilist teavet ei ole ühtlustatud, kasutatakse Móstoles’i ülikoolihaigla (HUM) ja Fuenlabrada Ülikoolihaigla (HUF) kogutud heterogeenseid andmeid, mida tehnoloogiliselt toetab Rey Juan Carlose Ülikool. Ühest küljest pärinevad ravimiga seotud andmed hüpertensiooniüksusest saadud populatsioonist ja neid koguti selles üksuses järelkontrolli käigus. Teisest küljest vastavad Ungari forinti esitatud kliinilised andmed kogu haiglaga seotud elanikkonna diagnoosimisele ja farmakoloogilisele väljastamisele. Masinõppe meetodid on näidanud oma potentsiaali tuvastada asjakohaseid muutujaid ja teha järeldusi probleemi piisavalt representatiivsetest andmetest. Riskitegurite eeldatavate keeruliste vastastikuste seoste ning sise- ja andmebaaside vaheliste andmete heterogeensuse analüüsimiseks on kahtlemata vaja luua täiustatud analüüsivahendid, mis on kohandatud nii kliinilistele stsenaariumidele kui ka nende valdkondadevahelisele kasutamisele. Projekti peamine eesmärk on töötada välja uued masinõppevahendid, et teha kindlaks riskitegurid, mis iseloomustavad hüpertensiivse patsiendi progresseerumist DM-2-ks, ning määrata kindlaks nende võimalik seos südame-veresoonkonna haigustega. (Estonian) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Lėtinės patologijos sudaro 75 % sveikatos priežiūros išlaidų. Šis faktas, kartu su gyvenimo trukmės didėjimu, daro labai įdomu ištirti, kokie veiksniai turi įtakos lėtinių patologijų progresavimui. Hipertenzija (HTA) yra viena iš labiausiai paplitusių lėtinių patologijų ir gali būti susijusi su kitų lėtinių ligų, tokių kaip 2 tipo cukrinis diabetas (DM-2), pradžia. Be AH ir DM-2 gretutinių ligų, jų pasireiškimas tuo pačiu metu žymiai padidina širdies ir kraujagyslių reiškinių riziką. Kadangi nėra vieningos visos priežiūros ir farmakologinės informacijos įrašų, bus naudojami nevienalyčiai duomenys, surinkti Mestolio universiteto ligoninės (HUM) ir Fuenlabrado universiteto ligoninės (HUF), kurią technologiškai remia Rey Juan Carlos universitetas. Viena vertus, duomenys, susiję su HUM, gauti iš populiacijos, gautos iš hipertenzijos vieneto, ir buvo surinkti atliekant stebėjimą šiame vienete. Kita vertus, HUF pateikti klinikiniai duomenys atitinka visų ligoninių gyventojų diagnozę ir farmakologinį išdavimą. Mašinų mokymosi metodai parodė, kad jie gali nustatyti atitinkamus kintamuosius ir padaryti išvadas iš pakankamai reprezentatyvių problemos duomenų. Norint išanalizuoti laukiamus sudėtingus rizikos veiksnių tarpusavio ryšius, taip pat duomenų bazės ir tarp jų duomenų nevienalytiškumą, neabejotinai reikės sukurti pažangias analizės priemones, pritaikytas tiek klinikiniams scenarijams, tiek jų skerspjūvio naudojimui. Pagrindinis projekto tikslas – sukurti naujas mašinų mokymosi priemones, skirtas nustatyti rizikos veiksnius, apibūdinančius hipertenzinio paciento progresavimą į DM-2, taip pat nustatyti jų galimą ryšį su širdies ir kraujagyslių reiškiniais. (Lithuanian) | |||||||||||||||
| Property / summary: Lėtinės patologijos sudaro 75 % sveikatos priežiūros išlaidų. Šis faktas, kartu su gyvenimo trukmės didėjimu, daro labai įdomu ištirti, kokie veiksniai turi įtakos lėtinių patologijų progresavimui. Hipertenzija (HTA) yra viena iš labiausiai paplitusių lėtinių patologijų ir gali būti susijusi su kitų lėtinių ligų, tokių kaip 2 tipo cukrinis diabetas (DM-2), pradžia. Be AH ir DM-2 gretutinių ligų, jų pasireiškimas tuo pačiu metu žymiai padidina širdies ir kraujagyslių reiškinių riziką. Kadangi nėra vieningos visos priežiūros ir farmakologinės informacijos įrašų, bus naudojami nevienalyčiai duomenys, surinkti Mestolio universiteto ligoninės (HUM) ir Fuenlabrado universiteto ligoninės (HUF), kurią technologiškai remia Rey Juan Carlos universitetas. Viena vertus, duomenys, susiję su HUM, gauti iš populiacijos, gautos iš hipertenzijos vieneto, ir buvo surinkti atliekant stebėjimą šiame vienete. Kita vertus, HUF pateikti klinikiniai duomenys atitinka visų ligoninių gyventojų diagnozę ir farmakologinį išdavimą. Mašinų mokymosi metodai parodė, kad jie gali nustatyti atitinkamus kintamuosius ir padaryti išvadas iš pakankamai reprezentatyvių problemos duomenų. Norint išanalizuoti laukiamus sudėtingus rizikos veiksnių tarpusavio ryšius, taip pat duomenų bazės ir tarp jų duomenų nevienalytiškumą, neabejotinai reikės sukurti pažangias analizės priemones, pritaikytas tiek klinikiniams scenarijams, tiek jų skerspjūvio naudojimui. Pagrindinis projekto tikslas – sukurti naujas mašinų mokymosi priemones, skirtas nustatyti rizikos veiksnius, apibūdinančius hipertenzinio paciento progresavimą į DM-2, taip pat nustatyti jų galimą ryšį su širdies ir kraujagyslių reiškiniais. (Lithuanian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Lėtinės patologijos sudaro 75 % sveikatos priežiūros išlaidų. Šis faktas, kartu su gyvenimo trukmės didėjimu, daro labai įdomu ištirti, kokie veiksniai turi įtakos lėtinių patologijų progresavimui. Hipertenzija (HTA) yra viena iš labiausiai paplitusių lėtinių patologijų ir gali būti susijusi su kitų lėtinių ligų, tokių kaip 2 tipo cukrinis diabetas (DM-2), pradžia. Be AH ir DM-2 gretutinių ligų, jų pasireiškimas tuo pačiu metu žymiai padidina širdies ir kraujagyslių reiškinių riziką. Kadangi nėra vieningos visos priežiūros ir farmakologinės informacijos įrašų, bus naudojami nevienalyčiai duomenys, surinkti Mestolio universiteto ligoninės (HUM) ir Fuenlabrado universiteto ligoninės (HUF), kurią technologiškai remia Rey Juan Carlos universitetas. Viena vertus, duomenys, susiję su HUM, gauti iš populiacijos, gautos iš hipertenzijos vieneto, ir buvo surinkti atliekant stebėjimą šiame vienete. Kita vertus, HUF pateikti klinikiniai duomenys atitinka visų ligoninių gyventojų diagnozę ir farmakologinį išdavimą. Mašinų mokymosi metodai parodė, kad jie gali nustatyti atitinkamus kintamuosius ir padaryti išvadas iš pakankamai reprezentatyvių problemos duomenų. Norint išanalizuoti laukiamus sudėtingus rizikos veiksnių tarpusavio ryšius, taip pat duomenų bazės ir tarp jų duomenų nevienalytiškumą, neabejotinai reikės sukurti pažangias analizės priemones, pritaikytas tiek klinikiniams scenarijams, tiek jų skerspjūvio naudojimui. Pagrindinis projekto tikslas – sukurti naujas mašinų mokymosi priemones, skirtas nustatyti rizikos veiksnius, apibūdinančius hipertenzinio paciento progresavimą į DM-2, taip pat nustatyti jų galimą ryšį su širdies ir kraujagyslių reiškiniais. (Lithuanian) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Kronične patologije čine 75 % rashoda za zdravstvo. Ta činjenica, zajedno s povećanjem očekivanog životnog vijeka, čini vrlo zanimljivim proučavanje čimbenika koji utječu na progresiju kroničnih patologija. Hipertenzija (HTA) jedna je od najčešćih kroničnih patologija i može biti povezana s nastupom drugih kroničnih stanja poput šećerne bolesti tipa 2 (DM-2). Osim komorbiditeta AH i DM-2, njihova istovremena pojava značajno povećava rizik od kardiovaskularnih događaja. Budući da ne postoji jedinstvena evidencija o svim informacijama o njezi i farmakološkim informacijama, koristit će se heterogeni podaci koje su prikupili Sveučilišna bolnica Móstoles (HUM) i Sveučilišna bolnica Fuenlabrada (HUF), tehnološki podržani od Sveučilišta Rey Juan Carlos. S jedne strane, podaci povezani s HUM-om potječu iz populacije dobivene iz jedinice za hipertenziju i prikupljeni su tijekom praćenja unutar te jedinice. S druge strane, klinički podaci koje je dostavio HUF odgovaraju dijagnozi i farmakološkom izdavanju cjelokupne populacije povezane s bolnicom. Metode strojnog učenja pokazale su svoj potencijal za utvrđivanje relevantnih varijabli i donošenje zaključaka iz dovoljno reprezentativnih podataka o problemu. Analiza očekivanih složenih međusobnih odnosa između čimbenika rizika, kao i heterogenost podataka unutar i među bazama podataka, nedvojbeno će zahtijevati stvaranje naprednih analitičkih alata prilagođenih kliničkim scenarijima i njihovom transverzalnom iskorištavanju. Glavni cilj projekta je osmisliti nove alate za strojno učenje kako bi se utvrdili čimbenici rizika koji karakteriziraju progresiju hipertenzivnog pacijenta na DM-2, kao i kako bi se utvrdio njihov potencijalni odnos s kardiovaskularnim događajima. (Croatian) | |||||||||||||||
| Property / summary: Kronične patologije čine 75 % rashoda za zdravstvo. Ta činjenica, zajedno s povećanjem očekivanog životnog vijeka, čini vrlo zanimljivim proučavanje čimbenika koji utječu na progresiju kroničnih patologija. Hipertenzija (HTA) jedna je od najčešćih kroničnih patologija i može biti povezana s nastupom drugih kroničnih stanja poput šećerne bolesti tipa 2 (DM-2). Osim komorbiditeta AH i DM-2, njihova istovremena pojava značajno povećava rizik od kardiovaskularnih događaja. Budući da ne postoji jedinstvena evidencija o svim informacijama o njezi i farmakološkim informacijama, koristit će se heterogeni podaci koje su prikupili Sveučilišna bolnica Móstoles (HUM) i Sveučilišna bolnica Fuenlabrada (HUF), tehnološki podržani od Sveučilišta Rey Juan Carlos. S jedne strane, podaci povezani s HUM-om potječu iz populacije dobivene iz jedinice za hipertenziju i prikupljeni su tijekom praćenja unutar te jedinice. S druge strane, klinički podaci koje je dostavio HUF odgovaraju dijagnozi i farmakološkom izdavanju cjelokupne populacije povezane s bolnicom. Metode strojnog učenja pokazale su svoj potencijal za utvrđivanje relevantnih varijabli i donošenje zaključaka iz dovoljno reprezentativnih podataka o problemu. Analiza očekivanih složenih međusobnih odnosa između čimbenika rizika, kao i heterogenost podataka unutar i među bazama podataka, nedvojbeno će zahtijevati stvaranje naprednih analitičkih alata prilagođenih kliničkim scenarijima i njihovom transverzalnom iskorištavanju. Glavni cilj projekta je osmisliti nove alate za strojno učenje kako bi se utvrdili čimbenici rizika koji karakteriziraju progresiju hipertenzivnog pacijenta na DM-2, kao i kako bi se utvrdio njihov potencijalni odnos s kardiovaskularnim događajima. (Croatian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Kronične patologije čine 75 % rashoda za zdravstvo. Ta činjenica, zajedno s povećanjem očekivanog životnog vijeka, čini vrlo zanimljivim proučavanje čimbenika koji utječu na progresiju kroničnih patologija. Hipertenzija (HTA) jedna je od najčešćih kroničnih patologija i može biti povezana s nastupom drugih kroničnih stanja poput šećerne bolesti tipa 2 (DM-2). Osim komorbiditeta AH i DM-2, njihova istovremena pojava značajno povećava rizik od kardiovaskularnih događaja. Budući da ne postoji jedinstvena evidencija o svim informacijama o njezi i farmakološkim informacijama, koristit će se heterogeni podaci koje su prikupili Sveučilišna bolnica Móstoles (HUM) i Sveučilišna bolnica Fuenlabrada (HUF), tehnološki podržani od Sveučilišta Rey Juan Carlos. S jedne strane, podaci povezani s HUM-om potječu iz populacije dobivene iz jedinice za hipertenziju i prikupljeni su tijekom praćenja unutar te jedinice. S druge strane, klinički podaci koje je dostavio HUF odgovaraju dijagnozi i farmakološkom izdavanju cjelokupne populacije povezane s bolnicom. Metode strojnog učenja pokazale su svoj potencijal za utvrđivanje relevantnih varijabli i donošenje zaključaka iz dovoljno reprezentativnih podataka o problemu. Analiza očekivanih složenih međusobnih odnosa između čimbenika rizika, kao i heterogenost podataka unutar i među bazama podataka, nedvojbeno će zahtijevati stvaranje naprednih analitičkih alata prilagođenih kliničkim scenarijima i njihovom transverzalnom iskorištavanju. Glavni cilj projekta je osmisliti nove alate za strojno učenje kako bi se utvrdili čimbenici rizika koji karakteriziraju progresiju hipertenzivnog pacijenta na DM-2, kao i kako bi se utvrdio njihov potencijalni odnos s kardiovaskularnim događajima. (Croatian) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Οι χρόνιες παθολογίες αντιπροσωπεύουν το 75 % των δαπανών για την υγεία. Το γεγονός αυτό, σε συνδυασμό με την αύξηση του προσδόκιμου ζωής, καθιστά πολύ ενδιαφέρον να μελετήσουμε ποιοι παράγοντες επηρεάζουν την εξέλιξη των χρόνιων παθολογιών. Η υπέρταση (HTA) είναι μία από τις πιο διαδεδομένες χρόνιες παθολογίες και μπορεί να σχετίζεται με την εμφάνιση άλλων χρόνιων παθήσεων όπως ο σακχαρώδης διαβήτης τύπου 2 (DM-2). Εκτός από τις συννοσηρότητες του AH και DM-2, η ταυτόχρονη εμφάνισή τους αυξάνει σημαντικά τον κίνδυνο καρδιαγγειακών επεισοδίων. Δεδομένου ότι δεν υπάρχει ενιαία καταγραφή όλων των πληροφοριών περίθαλψης και φαρμακολογικών πληροφοριών, θα χρησιμοποιηθούν ετερογενή δεδομένα που συλλέγονται από το Πανεπιστημιακό Νοσοκομείο Μοστόλης (HUM) και το Πανεπιστημιακό Νοσοκομείο Fuenlabrada (HUF), που υποστηρίζονται τεχνολογικά από το Πανεπιστήμιο Rey Juan Carlos. Αφενός, τα δεδομένα που σχετίζονται με το ΦΑΧ προέρχονται από πληθυσμό που προέρχεται από τη μονάδα υπέρτασης και συλλέχθηκαν κατά τη διάρκεια παρακολούθησης εντός αυτής της μονάδας. Από την άλλη πλευρά, τα κλινικά δεδομένα που παρέχει το HUF αντιστοιχούν στη διάγνωση και τη φαρμακολογική χορήγηση ολόκληρου του πληθυσμού που είναι συνδεδεμένος με το νοσοκομείο. Οι μέθοδοι μηχανικής μάθησης έχουν καταδείξει τη δυνατότητά τους να εντοπίζουν σχετικές μεταβλητές και να συνάγουν από επαρκώς αντιπροσωπευτικά δεδομένα του προβλήματος. Η ανάλυση των αναμενόμενων σύνθετων σχέσεων μεταξύ παραγόντων κινδύνου, καθώς και η ετερογένεια των δεδομένων εντός και μεταξύ βάσεων δεδομένων, θα απαιτήσουν αναμφίβολα τη δημιουργία προηγμένων εργαλείων ανάλυσης προσαρμοσμένων τόσο στα κλινικά σενάρια όσο και στη διατομεακή εκμετάλλευσή τους. Κύριος στόχος του έργου είναι ο σχεδιασμός νέων εργαλείων μηχανικής μάθησης για τον εντοπισμό παραγόντων κινδύνου για τον χαρακτηρισμό της εξέλιξης ενός υπερτασικού ασθενούς σε DM-2, καθώς και για τον προσδιορισμό της πιθανής σχέσης τους με καρδιαγγειακά συμβάντα. (Greek) | |||||||||||||||
| Property / summary: Οι χρόνιες παθολογίες αντιπροσωπεύουν το 75 % των δαπανών για την υγεία. Το γεγονός αυτό, σε συνδυασμό με την αύξηση του προσδόκιμου ζωής, καθιστά πολύ ενδιαφέρον να μελετήσουμε ποιοι παράγοντες επηρεάζουν την εξέλιξη των χρόνιων παθολογιών. Η υπέρταση (HTA) είναι μία από τις πιο διαδεδομένες χρόνιες παθολογίες και μπορεί να σχετίζεται με την εμφάνιση άλλων χρόνιων παθήσεων όπως ο σακχαρώδης διαβήτης τύπου 2 (DM-2). Εκτός από τις συννοσηρότητες του AH και DM-2, η ταυτόχρονη εμφάνισή τους αυξάνει σημαντικά τον κίνδυνο καρδιαγγειακών επεισοδίων. Δεδομένου ότι δεν υπάρχει ενιαία καταγραφή όλων των πληροφοριών περίθαλψης και φαρμακολογικών πληροφοριών, θα χρησιμοποιηθούν ετερογενή δεδομένα που συλλέγονται από το Πανεπιστημιακό Νοσοκομείο Μοστόλης (HUM) και το Πανεπιστημιακό Νοσοκομείο Fuenlabrada (HUF), που υποστηρίζονται τεχνολογικά από το Πανεπιστήμιο Rey Juan Carlos. Αφενός, τα δεδομένα που σχετίζονται με το ΦΑΧ προέρχονται από πληθυσμό που προέρχεται από τη μονάδα υπέρτασης και συλλέχθηκαν κατά τη διάρκεια παρακολούθησης εντός αυτής της μονάδας. Από την άλλη πλευρά, τα κλινικά δεδομένα που παρέχει το HUF αντιστοιχούν στη διάγνωση και τη φαρμακολογική χορήγηση ολόκληρου του πληθυσμού που είναι συνδεδεμένος με το νοσοκομείο. Οι μέθοδοι μηχανικής μάθησης έχουν καταδείξει τη δυνατότητά τους να εντοπίζουν σχετικές μεταβλητές και να συνάγουν από επαρκώς αντιπροσωπευτικά δεδομένα του προβλήματος. Η ανάλυση των αναμενόμενων σύνθετων σχέσεων μεταξύ παραγόντων κινδύνου, καθώς και η ετερογένεια των δεδομένων εντός και μεταξύ βάσεων δεδομένων, θα απαιτήσουν αναμφίβολα τη δημιουργία προηγμένων εργαλείων ανάλυσης προσαρμοσμένων τόσο στα κλινικά σενάρια όσο και στη διατομεακή εκμετάλλευσή τους. Κύριος στόχος του έργου είναι ο σχεδιασμός νέων εργαλείων μηχανικής μάθησης για τον εντοπισμό παραγόντων κινδύνου για τον χαρακτηρισμό της εξέλιξης ενός υπερτασικού ασθενούς σε DM-2, καθώς και για τον προσδιορισμό της πιθανής σχέσης τους με καρδιαγγειακά συμβάντα. (Greek) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Οι χρόνιες παθολογίες αντιπροσωπεύουν το 75 % των δαπανών για την υγεία. Το γεγονός αυτό, σε συνδυασμό με την αύξηση του προσδόκιμου ζωής, καθιστά πολύ ενδιαφέρον να μελετήσουμε ποιοι παράγοντες επηρεάζουν την εξέλιξη των χρόνιων παθολογιών. Η υπέρταση (HTA) είναι μία από τις πιο διαδεδομένες χρόνιες παθολογίες και μπορεί να σχετίζεται με την εμφάνιση άλλων χρόνιων παθήσεων όπως ο σακχαρώδης διαβήτης τύπου 2 (DM-2). Εκτός από τις συννοσηρότητες του AH και DM-2, η ταυτόχρονη εμφάνισή τους αυξάνει σημαντικά τον κίνδυνο καρδιαγγειακών επεισοδίων. Δεδομένου ότι δεν υπάρχει ενιαία καταγραφή όλων των πληροφοριών περίθαλψης και φαρμακολογικών πληροφοριών, θα χρησιμοποιηθούν ετερογενή δεδομένα που συλλέγονται από το Πανεπιστημιακό Νοσοκομείο Μοστόλης (HUM) και το Πανεπιστημιακό Νοσοκομείο Fuenlabrada (HUF), που υποστηρίζονται τεχνολογικά από το Πανεπιστήμιο Rey Juan Carlos. Αφενός, τα δεδομένα που σχετίζονται με το ΦΑΧ προέρχονται από πληθυσμό που προέρχεται από τη μονάδα υπέρτασης και συλλέχθηκαν κατά τη διάρκεια παρακολούθησης εντός αυτής της μονάδας. Από την άλλη πλευρά, τα κλινικά δεδομένα που παρέχει το HUF αντιστοιχούν στη διάγνωση και τη φαρμακολογική χορήγηση ολόκληρου του πληθυσμού που είναι συνδεδεμένος με το νοσοκομείο. Οι μέθοδοι μηχανικής μάθησης έχουν καταδείξει τη δυνατότητά τους να εντοπίζουν σχετικές μεταβλητές και να συνάγουν από επαρκώς αντιπροσωπευτικά δεδομένα του προβλήματος. Η ανάλυση των αναμενόμενων σύνθετων σχέσεων μεταξύ παραγόντων κινδύνου, καθώς και η ετερογένεια των δεδομένων εντός και μεταξύ βάσεων δεδομένων, θα απαιτήσουν αναμφίβολα τη δημιουργία προηγμένων εργαλείων ανάλυσης προσαρμοσμένων τόσο στα κλινικά σενάρια όσο και στη διατομεακή εκμετάλλευσή τους. Κύριος στόχος του έργου είναι ο σχεδιασμός νέων εργαλείων μηχανικής μάθησης για τον εντοπισμό παραγόντων κινδύνου για τον χαρακτηρισμό της εξέλιξης ενός υπερτασικού ασθενούς σε DM-2, καθώς και για τον προσδιορισμό της πιθανής σχέσης τους με καρδιαγγειακά συμβάντα. (Greek) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Chronické patológie predstavujú 75 % výdavkov na zdravotníctvo. Táto skutočnosť spolu so zvýšením strednej dĺžky života robí veľmi zaujímavé študovať, aké faktory ovplyvňujú progresiu chronických patológií. Hypertenzia (HTA) je jednou z najčastejších chronických patológií a môže byť spojená s nástupom iných chronických stavov, ako je diabetes mellitus 2. typu (DM-2). Okrem komorbidít AH a DM-2 ich súčasný výskyt významne zvyšuje riziko kardiovaskulárnych príhod. Keďže neexistuje jednotný záznam všetkých informácií o starostlivosti a farmakologických informáciách, použijú sa heterogénne údaje zozbierané univerzitnou nemocnicou v Móstoles (HUM) a univerzitnou nemocnicou vo Fuenlabrade (HUF), ktorú technologicky podporuje Univerzita Rey Juan Carlos. Na jednej strane údaje súvisiace s HUM pochádzajú z populácie odvodenej z jednotky hypertenzie a boli zhromaždené počas sledovania v rámci tejto jednotky. Na druhej strane klinické údaje poskytnuté HUF zodpovedajú diagnostike a farmakologickému dávkovaniu celej populácie napojenej na nemocnicu. Metódy strojového učenia preukázali svoj potenciál identifikovať relevantné premenné a odvodiť z dostatočne reprezentatívnych údajov o probléme. Analýza očakávaných komplexných vzájomných vzťahov medzi rizikovými faktormi, ako aj heterogénnosť údajov v rámci databázy a medzi databázami si nepochybne vyžiada vytvorenie pokročilých analytických nástrojov prispôsobených tak klinickým scenárom, ako aj ich prierezovému využívaniu. Hlavným cieľom projektu je navrhnúť nové nástroje strojového učenia na identifikáciu rizikových faktorov, ktoré charakterizujú progresiu hypertenzného pacienta na DM-2, ako aj určiť ich potenciálny vzťah s kardiovaskulárnymi udalosťami. (Slovak) | |||||||||||||||
| Property / summary: Chronické patológie predstavujú 75 % výdavkov na zdravotníctvo. Táto skutočnosť spolu so zvýšením strednej dĺžky života robí veľmi zaujímavé študovať, aké faktory ovplyvňujú progresiu chronických patológií. Hypertenzia (HTA) je jednou z najčastejších chronických patológií a môže byť spojená s nástupom iných chronických stavov, ako je diabetes mellitus 2. typu (DM-2). Okrem komorbidít AH a DM-2 ich súčasný výskyt významne zvyšuje riziko kardiovaskulárnych príhod. Keďže neexistuje jednotný záznam všetkých informácií o starostlivosti a farmakologických informáciách, použijú sa heterogénne údaje zozbierané univerzitnou nemocnicou v Móstoles (HUM) a univerzitnou nemocnicou vo Fuenlabrade (HUF), ktorú technologicky podporuje Univerzita Rey Juan Carlos. Na jednej strane údaje súvisiace s HUM pochádzajú z populácie odvodenej z jednotky hypertenzie a boli zhromaždené počas sledovania v rámci tejto jednotky. Na druhej strane klinické údaje poskytnuté HUF zodpovedajú diagnostike a farmakologickému dávkovaniu celej populácie napojenej na nemocnicu. Metódy strojového učenia preukázali svoj potenciál identifikovať relevantné premenné a odvodiť z dostatočne reprezentatívnych údajov o probléme. Analýza očakávaných komplexných vzájomných vzťahov medzi rizikovými faktormi, ako aj heterogénnosť údajov v rámci databázy a medzi databázami si nepochybne vyžiada vytvorenie pokročilých analytických nástrojov prispôsobených tak klinickým scenárom, ako aj ich prierezovému využívaniu. Hlavným cieľom projektu je navrhnúť nové nástroje strojového učenia na identifikáciu rizikových faktorov, ktoré charakterizujú progresiu hypertenzného pacienta na DM-2, ako aj určiť ich potenciálny vzťah s kardiovaskulárnymi udalosťami. (Slovak) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Chronické patológie predstavujú 75 % výdavkov na zdravotníctvo. Táto skutočnosť spolu so zvýšením strednej dĺžky života robí veľmi zaujímavé študovať, aké faktory ovplyvňujú progresiu chronických patológií. Hypertenzia (HTA) je jednou z najčastejších chronických patológií a môže byť spojená s nástupom iných chronických stavov, ako je diabetes mellitus 2. typu (DM-2). Okrem komorbidít AH a DM-2 ich súčasný výskyt významne zvyšuje riziko kardiovaskulárnych príhod. Keďže neexistuje jednotný záznam všetkých informácií o starostlivosti a farmakologických informáciách, použijú sa heterogénne údaje zozbierané univerzitnou nemocnicou v Móstoles (HUM) a univerzitnou nemocnicou vo Fuenlabrade (HUF), ktorú technologicky podporuje Univerzita Rey Juan Carlos. Na jednej strane údaje súvisiace s HUM pochádzajú z populácie odvodenej z jednotky hypertenzie a boli zhromaždené počas sledovania v rámci tejto jednotky. Na druhej strane klinické údaje poskytnuté HUF zodpovedajú diagnostike a farmakologickému dávkovaniu celej populácie napojenej na nemocnicu. Metódy strojového učenia preukázali svoj potenciál identifikovať relevantné premenné a odvodiť z dostatočne reprezentatívnych údajov o probléme. Analýza očakávaných komplexných vzájomných vzťahov medzi rizikovými faktormi, ako aj heterogénnosť údajov v rámci databázy a medzi databázami si nepochybne vyžiada vytvorenie pokročilých analytických nástrojov prispôsobených tak klinickým scenárom, ako aj ich prierezovému využívaniu. Hlavným cieľom projektu je navrhnúť nové nástroje strojového učenia na identifikáciu rizikových faktorov, ktoré charakterizujú progresiu hypertenzného pacienta na DM-2, ako aj určiť ich potenciálny vzťah s kardiovaskulárnymi udalosťami. (Slovak) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Kroonisten sairauksien osuus terveydenhuoltomenoista on 75 prosenttia. Tämä seikka yhdistettynä elinajanodotteen kasvuun tekee erittäin kiinnostavaksi tutkia, mitkä tekijät vaikuttavat kroonisten patologioiden etenemiseen. Hypertensio (HTA) on yksi yleisimmistä kroonisista patologioista, ja se voi liittyä muiden kroonisten sairauksien, kuten tyypin 2 diabetes mellituksen (DM-2), alkamiseen. AH:n ja DM-2:n rinnakkaissairauksien lisäksi niiden samanaikainen esiintyminen lisää merkittävästi sydän- ja verisuonitapahtumien riskiä. Koska ei ole olemassa yhtenäistä kirjaa kaikista hoito- ja farmakologisista tiedoista, käytetään Móstolesin yliopistosairaalan (HUM) ja Fuenlabradan yliopistollisen sairaalan (HUF) keräämiä heterogeenisiä tietoja, joita tuetaan teknisesti Rey Juan Carlos -yliopistossa. Yhtäältä HUM:ään liittyvät tiedot ovat peräisin hypertensioyksiköstä johdetusta perusjoukosta, ja ne kerättiin seurannan aikana tässä yksikössä. Toisaalta HUF:n toimittamat kliiniset tiedot vastaavat koko sairaalaan liitetyn väestön diagnoosia ja farmakologista annostelua. Koneoppimismenetelmät ovat osoittaneet, että niillä voidaan tunnistaa relevantteja muuttujia ja tehdä johtopäätöksiä ongelmasta riittävän edustavista tiedoista. Riskitekijöiden välisten odotettavissa olevien monimutkaisten keskinäisten suhteiden sekä tietokannan sisäisten ja tietokantojen välisten tietojen heterogeenisuuden analysointi edellyttää epäilemättä kehittyneiden analyysivälineiden luomista sekä kliinisiin skenaarioihin että niiden poikkileikkausten hyödyntämiseen. Hankkeen päätavoitteena on suunnitella uusia koneoppimistyökaluja, jotta voidaan tunnistaa riskitekijöitä, jotka kuvaavat hypertensiivisen potilaan etenemistä DM-2:een, sekä määrittää niiden mahdollinen suhde sydän- ja verisuonitapahtumiin. (Finnish) | |||||||||||||||
| Property / summary: Kroonisten sairauksien osuus terveydenhuoltomenoista on 75 prosenttia. Tämä seikka yhdistettynä elinajanodotteen kasvuun tekee erittäin kiinnostavaksi tutkia, mitkä tekijät vaikuttavat kroonisten patologioiden etenemiseen. Hypertensio (HTA) on yksi yleisimmistä kroonisista patologioista, ja se voi liittyä muiden kroonisten sairauksien, kuten tyypin 2 diabetes mellituksen (DM-2), alkamiseen. AH:n ja DM-2:n rinnakkaissairauksien lisäksi niiden samanaikainen esiintyminen lisää merkittävästi sydän- ja verisuonitapahtumien riskiä. Koska ei ole olemassa yhtenäistä kirjaa kaikista hoito- ja farmakologisista tiedoista, käytetään Móstolesin yliopistosairaalan (HUM) ja Fuenlabradan yliopistollisen sairaalan (HUF) keräämiä heterogeenisiä tietoja, joita tuetaan teknisesti Rey Juan Carlos -yliopistossa. Yhtäältä HUM:ään liittyvät tiedot ovat peräisin hypertensioyksiköstä johdetusta perusjoukosta, ja ne kerättiin seurannan aikana tässä yksikössä. Toisaalta HUF:n toimittamat kliiniset tiedot vastaavat koko sairaalaan liitetyn väestön diagnoosia ja farmakologista annostelua. Koneoppimismenetelmät ovat osoittaneet, että niillä voidaan tunnistaa relevantteja muuttujia ja tehdä johtopäätöksiä ongelmasta riittävän edustavista tiedoista. Riskitekijöiden välisten odotettavissa olevien monimutkaisten keskinäisten suhteiden sekä tietokannan sisäisten ja tietokantojen välisten tietojen heterogeenisuuden analysointi edellyttää epäilemättä kehittyneiden analyysivälineiden luomista sekä kliinisiin skenaarioihin että niiden poikkileikkausten hyödyntämiseen. Hankkeen päätavoitteena on suunnitella uusia koneoppimistyökaluja, jotta voidaan tunnistaa riskitekijöitä, jotka kuvaavat hypertensiivisen potilaan etenemistä DM-2:een, sekä määrittää niiden mahdollinen suhde sydän- ja verisuonitapahtumiin. (Finnish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Kroonisten sairauksien osuus terveydenhuoltomenoista on 75 prosenttia. Tämä seikka yhdistettynä elinajanodotteen kasvuun tekee erittäin kiinnostavaksi tutkia, mitkä tekijät vaikuttavat kroonisten patologioiden etenemiseen. Hypertensio (HTA) on yksi yleisimmistä kroonisista patologioista, ja se voi liittyä muiden kroonisten sairauksien, kuten tyypin 2 diabetes mellituksen (DM-2), alkamiseen. AH:n ja DM-2:n rinnakkaissairauksien lisäksi niiden samanaikainen esiintyminen lisää merkittävästi sydän- ja verisuonitapahtumien riskiä. Koska ei ole olemassa yhtenäistä kirjaa kaikista hoito- ja farmakologisista tiedoista, käytetään Móstolesin yliopistosairaalan (HUM) ja Fuenlabradan yliopistollisen sairaalan (HUF) keräämiä heterogeenisiä tietoja, joita tuetaan teknisesti Rey Juan Carlos -yliopistossa. Yhtäältä HUM:ään liittyvät tiedot ovat peräisin hypertensioyksiköstä johdetusta perusjoukosta, ja ne kerättiin seurannan aikana tässä yksikössä. Toisaalta HUF:n toimittamat kliiniset tiedot vastaavat koko sairaalaan liitetyn väestön diagnoosia ja farmakologista annostelua. Koneoppimismenetelmät ovat osoittaneet, että niillä voidaan tunnistaa relevantteja muuttujia ja tehdä johtopäätöksiä ongelmasta riittävän edustavista tiedoista. Riskitekijöiden välisten odotettavissa olevien monimutkaisten keskinäisten suhteiden sekä tietokannan sisäisten ja tietokantojen välisten tietojen heterogeenisuuden analysointi edellyttää epäilemättä kehittyneiden analyysivälineiden luomista sekä kliinisiin skenaarioihin että niiden poikkileikkausten hyödyntämiseen. Hankkeen päätavoitteena on suunnitella uusia koneoppimistyökaluja, jotta voidaan tunnistaa riskitekijöitä, jotka kuvaavat hypertensiivisen potilaan etenemistä DM-2:een, sekä määrittää niiden mahdollinen suhde sydän- ja verisuonitapahtumiin. (Finnish) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Choroby przewlekłe stanowią 75 % wydatków na opiekę zdrowotną. Fakt ten, w połączeniu ze wzrostem średniej długości życia, sprawia, że bardzo interesujące jest zbadanie, jakie czynniki wpływają na progresję chorób przewlekłych. Nadciśnienie tętnicze (HTA) jest jedną z najczęstszych chorób przewlekłych i może być związana z wystąpieniem innych chorób przewlekłych, takich jak cukrzyca typu 2 (DM-2). Oprócz współistniejących chorób AH i DM-2, ich jednoczesne występowanie znacznie zwiększa ryzyko wystąpienia zdarzeń sercowo-naczyniowych. Ponieważ nie ma jednolitego zapisu wszystkich informacji farmakologicznych i opieki, niejednorodne dane zebrane przez Szpital Uniwersytecki w Móstoles (HUM) i Szpital Uniwersytecki Fuenlabrada (HUF), technologicznie wspierane przez Rey Juan Carlos University, będą wykorzystywane. Z jednej strony dane związane z HUM pochodzą z populacji pochodzącej z jednostki nadciśnienia tętniczego i zostały zebrane w trakcie obserwacji w ramach tej jednostki. Z drugiej strony dane kliniczne dostarczone przez HUF odpowiadają diagnozie i dozowaniu farmakologicznemu całej populacji należącej do szpitala. Metody uczenia maszynowego wykazały swój potencjał w zakresie identyfikowania istotnych zmiennych i wyciągania wniosków z wystarczająco reprezentatywnych danych dotyczących problemu. Analiza oczekiwanych złożonych powiązań między czynnikami ryzyka, a także niejednorodności danych wewnątrz i między bazami danych będzie niewątpliwie wymagała stworzenia zaawansowanych narzędzi analitycznych dostosowanych zarówno do scenariuszy klinicznych, jak i ich przekrojowego wykorzystania. Głównym celem projektu jest zaprojektowanie nowych narzędzi uczenia maszynowego w celu identyfikacji czynników ryzyka charakteryzujących postęp pacjenta z nadciśnieniem tętniczym na DM-2, a także określenie ich potencjalnego związku ze zdarzeniami sercowo-naczyniowymi. (Polish) | |||||||||||||||
| Property / summary: Choroby przewlekłe stanowią 75 % wydatków na opiekę zdrowotną. Fakt ten, w połączeniu ze wzrostem średniej długości życia, sprawia, że bardzo interesujące jest zbadanie, jakie czynniki wpływają na progresję chorób przewlekłych. Nadciśnienie tętnicze (HTA) jest jedną z najczęstszych chorób przewlekłych i może być związana z wystąpieniem innych chorób przewlekłych, takich jak cukrzyca typu 2 (DM-2). Oprócz współistniejących chorób AH i DM-2, ich jednoczesne występowanie znacznie zwiększa ryzyko wystąpienia zdarzeń sercowo-naczyniowych. Ponieważ nie ma jednolitego zapisu wszystkich informacji farmakologicznych i opieki, niejednorodne dane zebrane przez Szpital Uniwersytecki w Móstoles (HUM) i Szpital Uniwersytecki Fuenlabrada (HUF), technologicznie wspierane przez Rey Juan Carlos University, będą wykorzystywane. Z jednej strony dane związane z HUM pochodzą z populacji pochodzącej z jednostki nadciśnienia tętniczego i zostały zebrane w trakcie obserwacji w ramach tej jednostki. Z drugiej strony dane kliniczne dostarczone przez HUF odpowiadają diagnozie i dozowaniu farmakologicznemu całej populacji należącej do szpitala. Metody uczenia maszynowego wykazały swój potencjał w zakresie identyfikowania istotnych zmiennych i wyciągania wniosków z wystarczająco reprezentatywnych danych dotyczących problemu. Analiza oczekiwanych złożonych powiązań między czynnikami ryzyka, a także niejednorodności danych wewnątrz i między bazami danych będzie niewątpliwie wymagała stworzenia zaawansowanych narzędzi analitycznych dostosowanych zarówno do scenariuszy klinicznych, jak i ich przekrojowego wykorzystania. Głównym celem projektu jest zaprojektowanie nowych narzędzi uczenia maszynowego w celu identyfikacji czynników ryzyka charakteryzujących postęp pacjenta z nadciśnieniem tętniczym na DM-2, a także określenie ich potencjalnego związku ze zdarzeniami sercowo-naczyniowymi. (Polish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Choroby przewlekłe stanowią 75 % wydatków na opiekę zdrowotną. Fakt ten, w połączeniu ze wzrostem średniej długości życia, sprawia, że bardzo interesujące jest zbadanie, jakie czynniki wpływają na progresję chorób przewlekłych. Nadciśnienie tętnicze (HTA) jest jedną z najczęstszych chorób przewlekłych i może być związana z wystąpieniem innych chorób przewlekłych, takich jak cukrzyca typu 2 (DM-2). Oprócz współistniejących chorób AH i DM-2, ich jednoczesne występowanie znacznie zwiększa ryzyko wystąpienia zdarzeń sercowo-naczyniowych. Ponieważ nie ma jednolitego zapisu wszystkich informacji farmakologicznych i opieki, niejednorodne dane zebrane przez Szpital Uniwersytecki w Móstoles (HUM) i Szpital Uniwersytecki Fuenlabrada (HUF), technologicznie wspierane przez Rey Juan Carlos University, będą wykorzystywane. Z jednej strony dane związane z HUM pochodzą z populacji pochodzącej z jednostki nadciśnienia tętniczego i zostały zebrane w trakcie obserwacji w ramach tej jednostki. Z drugiej strony dane kliniczne dostarczone przez HUF odpowiadają diagnozie i dozowaniu farmakologicznemu całej populacji należącej do szpitala. Metody uczenia maszynowego wykazały swój potencjał w zakresie identyfikowania istotnych zmiennych i wyciągania wniosków z wystarczająco reprezentatywnych danych dotyczących problemu. Analiza oczekiwanych złożonych powiązań między czynnikami ryzyka, a także niejednorodności danych wewnątrz i między bazami danych będzie niewątpliwie wymagała stworzenia zaawansowanych narzędzi analitycznych dostosowanych zarówno do scenariuszy klinicznych, jak i ich przekrojowego wykorzystania. Głównym celem projektu jest zaprojektowanie nowych narzędzi uczenia maszynowego w celu identyfikacji czynników ryzyka charakteryzujących postęp pacjenta z nadciśnieniem tętniczym na DM-2, a także określenie ich potencjalnego związku ze zdarzeniami sercowo-naczyniowymi. (Polish) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
A krónikus patológiák az egészségügyi kiadások 75%-át teszik ki. Ez a tény a várható élettartam növekedésével párosulva nagyon érdekessé teszi annak tanulmányozását, hogy milyen tényezők befolyásolják a krónikus patológiák fejlődését. A magas vérnyomás (HTA) az egyik legelterjedtebb krónikus patológiák egyike, és más krónikus betegségek, például 2-es típusú diabetes mellitus (DM-2) kialakulásával járhat. Az AH és a DM-2 komorbiditásai mellett egyidejű előfordulásuk jelentősen növeli a kardiovaszkuláris események kockázatát. Mivel nincs egységes nyilvántartás minden gondozási és farmakológiai információról, a Móstolesi Egyetemi Kórház (HUM) és a Fuenlabradai Egyetemi Kórház (HUF) által gyűjtött heterogén adatok kerülnek felhasználásra, amelyeket a Rey Juan Carlos Egyetem technológiailag támogat. Egyrészt az EFGY-hez kapcsolódó adatok a hipertónia egységből származó populációból származnak, és azokat az egységen belüli nyomon követés során gyűjtötték be. Másrészről a forint által szolgáltatott klinikai adatok a kórházhoz tartozó teljes lakosság diagnózisának és farmakológiai kiadásának felelnek meg. A gépi tanulási módszerek megmutatták, hogy képesek azonosítani a releváns változókat, és a probléma kellően reprezentatív adataiból következtetéseket levonni. A kockázati tényezők közötti várható összetett kölcsönhatások, valamint az adatbázison belüli és az adatbázisok közötti adatok heterogenitásának elemzése kétségtelenül szükségessé teszi olyan fejlett elemzési eszközök létrehozását, amelyek mind a klinikai forgatókönyvekhez, mind azok keresztmetszeti hasznosításához igazodnak. A projekt fő célja olyan új gépi tanulási eszközök kialakítása, amelyek meghatározzák a magas vérnyomású beteg DM-2-ra történő progressziójának jellemzését, valamint a kardiovaszkuláris eseményekkel való potenciális kapcsolatuk meghatározását. (Hungarian) | |||||||||||||||
| Property / summary: A krónikus patológiák az egészségügyi kiadások 75%-át teszik ki. Ez a tény a várható élettartam növekedésével párosulva nagyon érdekessé teszi annak tanulmányozását, hogy milyen tényezők befolyásolják a krónikus patológiák fejlődését. A magas vérnyomás (HTA) az egyik legelterjedtebb krónikus patológiák egyike, és más krónikus betegségek, például 2-es típusú diabetes mellitus (DM-2) kialakulásával járhat. Az AH és a DM-2 komorbiditásai mellett egyidejű előfordulásuk jelentősen növeli a kardiovaszkuláris események kockázatát. Mivel nincs egységes nyilvántartás minden gondozási és farmakológiai információról, a Móstolesi Egyetemi Kórház (HUM) és a Fuenlabradai Egyetemi Kórház (HUF) által gyűjtött heterogén adatok kerülnek felhasználásra, amelyeket a Rey Juan Carlos Egyetem technológiailag támogat. Egyrészt az EFGY-hez kapcsolódó adatok a hipertónia egységből származó populációból származnak, és azokat az egységen belüli nyomon követés során gyűjtötték be. Másrészről a forint által szolgáltatott klinikai adatok a kórházhoz tartozó teljes lakosság diagnózisának és farmakológiai kiadásának felelnek meg. A gépi tanulási módszerek megmutatták, hogy képesek azonosítani a releváns változókat, és a probléma kellően reprezentatív adataiból következtetéseket levonni. A kockázati tényezők közötti várható összetett kölcsönhatások, valamint az adatbázison belüli és az adatbázisok közötti adatok heterogenitásának elemzése kétségtelenül szükségessé teszi olyan fejlett elemzési eszközök létrehozását, amelyek mind a klinikai forgatókönyvekhez, mind azok keresztmetszeti hasznosításához igazodnak. A projekt fő célja olyan új gépi tanulási eszközök kialakítása, amelyek meghatározzák a magas vérnyomású beteg DM-2-ra történő progressziójának jellemzését, valamint a kardiovaszkuláris eseményekkel való potenciális kapcsolatuk meghatározását. (Hungarian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: A krónikus patológiák az egészségügyi kiadások 75%-át teszik ki. Ez a tény a várható élettartam növekedésével párosulva nagyon érdekessé teszi annak tanulmányozását, hogy milyen tényezők befolyásolják a krónikus patológiák fejlődését. A magas vérnyomás (HTA) az egyik legelterjedtebb krónikus patológiák egyike, és más krónikus betegségek, például 2-es típusú diabetes mellitus (DM-2) kialakulásával járhat. Az AH és a DM-2 komorbiditásai mellett egyidejű előfordulásuk jelentősen növeli a kardiovaszkuláris események kockázatát. Mivel nincs egységes nyilvántartás minden gondozási és farmakológiai információról, a Móstolesi Egyetemi Kórház (HUM) és a Fuenlabradai Egyetemi Kórház (HUF) által gyűjtött heterogén adatok kerülnek felhasználásra, amelyeket a Rey Juan Carlos Egyetem technológiailag támogat. Egyrészt az EFGY-hez kapcsolódó adatok a hipertónia egységből származó populációból származnak, és azokat az egységen belüli nyomon követés során gyűjtötték be. Másrészről a forint által szolgáltatott klinikai adatok a kórházhoz tartozó teljes lakosság diagnózisának és farmakológiai kiadásának felelnek meg. A gépi tanulási módszerek megmutatták, hogy képesek azonosítani a releváns változókat, és a probléma kellően reprezentatív adataiból következtetéseket levonni. A kockázati tényezők közötti várható összetett kölcsönhatások, valamint az adatbázison belüli és az adatbázisok közötti adatok heterogenitásának elemzése kétségtelenül szükségessé teszi olyan fejlett elemzési eszközök létrehozását, amelyek mind a klinikai forgatókönyvekhez, mind azok keresztmetszeti hasznosításához igazodnak. A projekt fő célja olyan új gépi tanulási eszközök kialakítása, amelyek meghatározzák a magas vérnyomású beteg DM-2-ra történő progressziójának jellemzését, valamint a kardiovaszkuláris eseményekkel való potenciális kapcsolatuk meghatározását. (Hungarian) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Chronické patologie představují 75 % výdajů na zdravotnictví. Tato skutečnost, spolu se zvýšením střední délky života, dělá to velmi zajímavé studovat, jaké faktory ovlivňují progresi chronických patologií. Hypertenze (HTA) je jednou z nejčastějších chronických patologií a může být spojena s nástupem jiných chronických onemocnění, jako je diabetes mellitus 2. typu (DM-2). Kromě komorbidit AH a DM-2 jejich současný výskyt významně zvyšuje riziko kardiovaskulárních příhod. Vzhledem k tomu, že neexistuje jednotný záznam o veškeré péči a farmakologických informacích, budou použity heterogenní údaje shromážděné Fakultní nemocnicí v Móstoles (HUM) a Fakultní nemocnicí Fuenlabrada (HUF), které technologicky podporuje Univerzita Rey Juan Carlos. Na jedné straně údaje související s HUM pocházejí od populace odvozené z jednotky hypertenze a byly shromážděny během sledování v rámci této jednotky. Na druhé straně klinické údaje poskytnuté HUF odpovídají diagnóze a farmakologickému dávkování celé populace připojené k nemocnici. Metody strojového učení prokázaly svůj potenciál identifikovat relevantní proměnné a odvodit z dostatečně reprezentativních údajů o problému. Analýza očekávaných složitých vzájemných vztahů mezi rizikovými faktory, jakož i různorodost údajů v rámci databáze a mezi nimi bude nepochybně vyžadovat vytvoření pokročilých analytických nástrojů přizpůsobených jak klinickým scénářům, tak jejich průřezovému využití. Hlavním cílem projektu je navrhnout nové nástroje pro strojové učení s cílem identifikovat rizikové faktory pro charakterizaci progrese hypertenzního pacienta na DM-2 a určit jejich potenciální vztah s kardiovaskulárními příhodami. (Czech) | |||||||||||||||
| Property / summary: Chronické patologie představují 75 % výdajů na zdravotnictví. Tato skutečnost, spolu se zvýšením střední délky života, dělá to velmi zajímavé studovat, jaké faktory ovlivňují progresi chronických patologií. Hypertenze (HTA) je jednou z nejčastějších chronických patologií a může být spojena s nástupem jiných chronických onemocnění, jako je diabetes mellitus 2. typu (DM-2). Kromě komorbidit AH a DM-2 jejich současný výskyt významně zvyšuje riziko kardiovaskulárních příhod. Vzhledem k tomu, že neexistuje jednotný záznam o veškeré péči a farmakologických informacích, budou použity heterogenní údaje shromážděné Fakultní nemocnicí v Móstoles (HUM) a Fakultní nemocnicí Fuenlabrada (HUF), které technologicky podporuje Univerzita Rey Juan Carlos. Na jedné straně údaje související s HUM pocházejí od populace odvozené z jednotky hypertenze a byly shromážděny během sledování v rámci této jednotky. Na druhé straně klinické údaje poskytnuté HUF odpovídají diagnóze a farmakologickému dávkování celé populace připojené k nemocnici. Metody strojového učení prokázaly svůj potenciál identifikovat relevantní proměnné a odvodit z dostatečně reprezentativních údajů o problému. Analýza očekávaných složitých vzájemných vztahů mezi rizikovými faktory, jakož i různorodost údajů v rámci databáze a mezi nimi bude nepochybně vyžadovat vytvoření pokročilých analytických nástrojů přizpůsobených jak klinickým scénářům, tak jejich průřezovému využití. Hlavním cílem projektu je navrhnout nové nástroje pro strojové učení s cílem identifikovat rizikové faktory pro charakterizaci progrese hypertenzního pacienta na DM-2 a určit jejich potenciální vztah s kardiovaskulárními příhodami. (Czech) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Chronické patologie představují 75 % výdajů na zdravotnictví. Tato skutečnost, spolu se zvýšením střední délky života, dělá to velmi zajímavé studovat, jaké faktory ovlivňují progresi chronických patologií. Hypertenze (HTA) je jednou z nejčastějších chronických patologií a může být spojena s nástupem jiných chronických onemocnění, jako je diabetes mellitus 2. typu (DM-2). Kromě komorbidit AH a DM-2 jejich současný výskyt významně zvyšuje riziko kardiovaskulárních příhod. Vzhledem k tomu, že neexistuje jednotný záznam o veškeré péči a farmakologických informacích, budou použity heterogenní údaje shromážděné Fakultní nemocnicí v Móstoles (HUM) a Fakultní nemocnicí Fuenlabrada (HUF), které technologicky podporuje Univerzita Rey Juan Carlos. Na jedné straně údaje související s HUM pocházejí od populace odvozené z jednotky hypertenze a byly shromážděny během sledování v rámci této jednotky. Na druhé straně klinické údaje poskytnuté HUF odpovídají diagnóze a farmakologickému dávkování celé populace připojené k nemocnici. Metody strojového učení prokázaly svůj potenciál identifikovat relevantní proměnné a odvodit z dostatečně reprezentativních údajů o problému. Analýza očekávaných složitých vzájemných vztahů mezi rizikovými faktory, jakož i různorodost údajů v rámci databáze a mezi nimi bude nepochybně vyžadovat vytvoření pokročilých analytických nástrojů přizpůsobených jak klinickým scénářům, tak jejich průřezovému využití. Hlavním cílem projektu je navrhnout nové nástroje pro strojové učení s cílem identifikovat rizikové faktory pro charakterizaci progrese hypertenzního pacienta na DM-2 a určit jejich potenciální vztah s kardiovaskulárními příhodami. (Czech) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Hroniskās patoloģijas veido 75 % no veselības aprūpes izdevumiem. Šis fakts kopā ar paredzamā dzīves ilguma pieaugumu padara ļoti interesantu pētīt, kādi faktori ietekmē hronisku patoloģiju progresēšanu. Hipertensija (HTA) ir viena no izplatītākajām hroniskām patoloģijām, un tā var būt saistīta ar citu hronisku slimību rašanos, piemēram, 2. tipa cukura diabētu (DM-2). Papildus AH un DM-2 blakusslimībām to vienlaicīga parādīšanās ievērojami palielina kardiovaskulāro notikumu risku. Tā kā nav vienota ieraksta par visu aprūpes un farmakoloģisko informāciju, tiks izmantoti neviendabīgi dati, ko savākusi Móstoles Universitātes slimnīca (HUM) un Fuenlabradas Universitātes slimnīca (HUF), ko tehnoloģiski atbalsta Rey Juan Carlos universitāte. No vienas puses, dati, kas saistīti ar HUM, ir iegūti no populācijas, kas iegūta no Hipertensijas vienības, un tika savākti šajā vienībā pēcpārbaudes laikā. No otras puses, HUF sniegtie klīniskie dati atbilst diagnozei un farmakoloģiskajai izsniegšanai visiem slimnīcas iedzīvotājiem. Mašīnmācīšanās metodes ir apliecinājušas savu potenciālu identificēt attiecīgos mainīgos lielumus un izdarīt secinājumus no pietiekami reprezentatīviem problēmas datiem. Lai analizētu sagaidāmās sarežģītās savstarpējās saiknes starp riska faktoriem, kā arī datu bāzu un starpdatubāzu datu neviendabīgumu, neapšaubāmi būs jāizveido progresīvi analīzes rīki, kas pielāgoti gan klīniskajiem scenārijiem, gan to šķērsgriezuma izmantošanai. Projekta galvenais mērķis ir izstrādāt jaunus mašīnmācīšanās rīkus, lai noteiktu riska faktorus, kas raksturo hipertensīva pacienta progresēšanu DM-2, kā arī noteikt to iespējamo saistību ar kardiovaskulāriem notikumiem. (Latvian) | |||||||||||||||
| Property / summary: Hroniskās patoloģijas veido 75 % no veselības aprūpes izdevumiem. Šis fakts kopā ar paredzamā dzīves ilguma pieaugumu padara ļoti interesantu pētīt, kādi faktori ietekmē hronisku patoloģiju progresēšanu. Hipertensija (HTA) ir viena no izplatītākajām hroniskām patoloģijām, un tā var būt saistīta ar citu hronisku slimību rašanos, piemēram, 2. tipa cukura diabētu (DM-2). Papildus AH un DM-2 blakusslimībām to vienlaicīga parādīšanās ievērojami palielina kardiovaskulāro notikumu risku. Tā kā nav vienota ieraksta par visu aprūpes un farmakoloģisko informāciju, tiks izmantoti neviendabīgi dati, ko savākusi Móstoles Universitātes slimnīca (HUM) un Fuenlabradas Universitātes slimnīca (HUF), ko tehnoloģiski atbalsta Rey Juan Carlos universitāte. No vienas puses, dati, kas saistīti ar HUM, ir iegūti no populācijas, kas iegūta no Hipertensijas vienības, un tika savākti šajā vienībā pēcpārbaudes laikā. No otras puses, HUF sniegtie klīniskie dati atbilst diagnozei un farmakoloģiskajai izsniegšanai visiem slimnīcas iedzīvotājiem. Mašīnmācīšanās metodes ir apliecinājušas savu potenciālu identificēt attiecīgos mainīgos lielumus un izdarīt secinājumus no pietiekami reprezentatīviem problēmas datiem. Lai analizētu sagaidāmās sarežģītās savstarpējās saiknes starp riska faktoriem, kā arī datu bāzu un starpdatubāzu datu neviendabīgumu, neapšaubāmi būs jāizveido progresīvi analīzes rīki, kas pielāgoti gan klīniskajiem scenārijiem, gan to šķērsgriezuma izmantošanai. Projekta galvenais mērķis ir izstrādāt jaunus mašīnmācīšanās rīkus, lai noteiktu riska faktorus, kas raksturo hipertensīva pacienta progresēšanu DM-2, kā arī noteikt to iespējamo saistību ar kardiovaskulāriem notikumiem. (Latvian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Hroniskās patoloģijas veido 75 % no veselības aprūpes izdevumiem. Šis fakts kopā ar paredzamā dzīves ilguma pieaugumu padara ļoti interesantu pētīt, kādi faktori ietekmē hronisku patoloģiju progresēšanu. Hipertensija (HTA) ir viena no izplatītākajām hroniskām patoloģijām, un tā var būt saistīta ar citu hronisku slimību rašanos, piemēram, 2. tipa cukura diabētu (DM-2). Papildus AH un DM-2 blakusslimībām to vienlaicīga parādīšanās ievērojami palielina kardiovaskulāro notikumu risku. Tā kā nav vienota ieraksta par visu aprūpes un farmakoloģisko informāciju, tiks izmantoti neviendabīgi dati, ko savākusi Móstoles Universitātes slimnīca (HUM) un Fuenlabradas Universitātes slimnīca (HUF), ko tehnoloģiski atbalsta Rey Juan Carlos universitāte. No vienas puses, dati, kas saistīti ar HUM, ir iegūti no populācijas, kas iegūta no Hipertensijas vienības, un tika savākti šajā vienībā pēcpārbaudes laikā. No otras puses, HUF sniegtie klīniskie dati atbilst diagnozei un farmakoloģiskajai izsniegšanai visiem slimnīcas iedzīvotājiem. Mašīnmācīšanās metodes ir apliecinājušas savu potenciālu identificēt attiecīgos mainīgos lielumus un izdarīt secinājumus no pietiekami reprezentatīviem problēmas datiem. Lai analizētu sagaidāmās sarežģītās savstarpējās saiknes starp riska faktoriem, kā arī datu bāzu un starpdatubāzu datu neviendabīgumu, neapšaubāmi būs jāizveido progresīvi analīzes rīki, kas pielāgoti gan klīniskajiem scenārijiem, gan to šķērsgriezuma izmantošanai. Projekta galvenais mērķis ir izstrādāt jaunus mašīnmācīšanās rīkus, lai noteiktu riska faktorus, kas raksturo hipertensīva pacienta progresēšanu DM-2, kā arī noteikt to iespējamo saistību ar kardiovaskulāriem notikumiem. (Latvian) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Is ionann paiteolaíochtaí ainsealacha agus 75 % den chaiteachas ar shláinte. Mar gheall ar an bhfíric seo, mar aon leis an méadú ar ionchas saoil, tá sé an-suimiúil staidéar a dhéanamh ar na fachtóirí a mbíonn tionchar acu ar dhul chun cinn paiteolaíochtaí ainsealacha. Tá Hipirtheannas (HTA) ar cheann de na paiteolaíochtaí ainsealacha is coitianta, agus d’fhéadfadh baint a bheith aige le coinníollacha ainsealacha eile amhail diaibéiteas de chineál 2 mellitus (DM-2). Chomh maith le comorbidities AH agus DM-2, méadaíonn a dtarlú comhuaineach an baol a bhaineann le himeachtaí cardashoithíoch. Ós rud é nach bhfuil aon taifead aontaithe ar gach faisnéis cúraim agus cógaseolaíochta, úsáidfear sonraí ilchineálacha a bhailigh Ospidéal Ollscoile Móstoles (HUM) agus Ospidéal Ollscoile Fuenlabrada (HUF), le tacaíocht theicneolaíoch ó Ollscoil Rey Juan Carlos. Ar thaobh amháin, tagann na sonraí a bhaineann le HUM ó dhaonra a dhíorthaítear ón Aonad Hipirtheannas agus bailíodh iad le linn obair leantach laistigh den aonad seo. Ar an taobh eile, comhfhreagraíonn na sonraí cliniciúla a chuir HUF ar fáil d’dhiagnóisiú agus d’urghnamh cógaseolaíochta an daonra ar fad a ghabhann leis an ospidéal. Tá sé léirithe ag modhanna meaisínfhoghlama go bhféadfadh siad athróga ábhartha a shainaithint agus tátal a bhaint as sonraí atá ionadaíoch go leor ar an bhfadhb. Maidir leis an anailís ar na hidirghaolmhaireachtaí casta a bhfuiltear ag súil leo idir fachtóirí riosca, chomh maith le hilchineálacht na sonraí laistigh agus idir-bunachair sonraí, beidh gá, gan amhras, le harduirlisí anailíse a chruthú a bheidh curtha in oiriúint do chásanna cliniciúla agus dá saothrú trasghearrthach araon. Is é príomhchuspóir an tionscadail uirlisí nua meaisínfhoghlama a dhearadh chun tosca riosca a shainaithint chun dul chun cinn othar hipirtheannach go DM-2 a shainaithint, chomh maith leis an ngaol a d’fhéadfadh a bheith acu le himeachtaí cardashoithíocha a chinneadh. (Irish) | |||||||||||||||
| Property / summary: Is ionann paiteolaíochtaí ainsealacha agus 75 % den chaiteachas ar shláinte. Mar gheall ar an bhfíric seo, mar aon leis an méadú ar ionchas saoil, tá sé an-suimiúil staidéar a dhéanamh ar na fachtóirí a mbíonn tionchar acu ar dhul chun cinn paiteolaíochtaí ainsealacha. Tá Hipirtheannas (HTA) ar cheann de na paiteolaíochtaí ainsealacha is coitianta, agus d’fhéadfadh baint a bheith aige le coinníollacha ainsealacha eile amhail diaibéiteas de chineál 2 mellitus (DM-2). Chomh maith le comorbidities AH agus DM-2, méadaíonn a dtarlú comhuaineach an baol a bhaineann le himeachtaí cardashoithíoch. Ós rud é nach bhfuil aon taifead aontaithe ar gach faisnéis cúraim agus cógaseolaíochta, úsáidfear sonraí ilchineálacha a bhailigh Ospidéal Ollscoile Móstoles (HUM) agus Ospidéal Ollscoile Fuenlabrada (HUF), le tacaíocht theicneolaíoch ó Ollscoil Rey Juan Carlos. Ar thaobh amháin, tagann na sonraí a bhaineann le HUM ó dhaonra a dhíorthaítear ón Aonad Hipirtheannas agus bailíodh iad le linn obair leantach laistigh den aonad seo. Ar an taobh eile, comhfhreagraíonn na sonraí cliniciúla a chuir HUF ar fáil d’dhiagnóisiú agus d’urghnamh cógaseolaíochta an daonra ar fad a ghabhann leis an ospidéal. Tá sé léirithe ag modhanna meaisínfhoghlama go bhféadfadh siad athróga ábhartha a shainaithint agus tátal a bhaint as sonraí atá ionadaíoch go leor ar an bhfadhb. Maidir leis an anailís ar na hidirghaolmhaireachtaí casta a bhfuiltear ag súil leo idir fachtóirí riosca, chomh maith le hilchineálacht na sonraí laistigh agus idir-bunachair sonraí, beidh gá, gan amhras, le harduirlisí anailíse a chruthú a bheidh curtha in oiriúint do chásanna cliniciúla agus dá saothrú trasghearrthach araon. Is é príomhchuspóir an tionscadail uirlisí nua meaisínfhoghlama a dhearadh chun tosca riosca a shainaithint chun dul chun cinn othar hipirtheannach go DM-2 a shainaithint, chomh maith leis an ngaol a d’fhéadfadh a bheith acu le himeachtaí cardashoithíocha a chinneadh. (Irish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Is ionann paiteolaíochtaí ainsealacha agus 75 % den chaiteachas ar shláinte. Mar gheall ar an bhfíric seo, mar aon leis an méadú ar ionchas saoil, tá sé an-suimiúil staidéar a dhéanamh ar na fachtóirí a mbíonn tionchar acu ar dhul chun cinn paiteolaíochtaí ainsealacha. Tá Hipirtheannas (HTA) ar cheann de na paiteolaíochtaí ainsealacha is coitianta, agus d’fhéadfadh baint a bheith aige le coinníollacha ainsealacha eile amhail diaibéiteas de chineál 2 mellitus (DM-2). Chomh maith le comorbidities AH agus DM-2, méadaíonn a dtarlú comhuaineach an baol a bhaineann le himeachtaí cardashoithíoch. Ós rud é nach bhfuil aon taifead aontaithe ar gach faisnéis cúraim agus cógaseolaíochta, úsáidfear sonraí ilchineálacha a bhailigh Ospidéal Ollscoile Móstoles (HUM) agus Ospidéal Ollscoile Fuenlabrada (HUF), le tacaíocht theicneolaíoch ó Ollscoil Rey Juan Carlos. Ar thaobh amháin, tagann na sonraí a bhaineann le HUM ó dhaonra a dhíorthaítear ón Aonad Hipirtheannas agus bailíodh iad le linn obair leantach laistigh den aonad seo. Ar an taobh eile, comhfhreagraíonn na sonraí cliniciúla a chuir HUF ar fáil d’dhiagnóisiú agus d’urghnamh cógaseolaíochta an daonra ar fad a ghabhann leis an ospidéal. Tá sé léirithe ag modhanna meaisínfhoghlama go bhféadfadh siad athróga ábhartha a shainaithint agus tátal a bhaint as sonraí atá ionadaíoch go leor ar an bhfadhb. Maidir leis an anailís ar na hidirghaolmhaireachtaí casta a bhfuiltear ag súil leo idir fachtóirí riosca, chomh maith le hilchineálacht na sonraí laistigh agus idir-bunachair sonraí, beidh gá, gan amhras, le harduirlisí anailíse a chruthú a bheidh curtha in oiriúint do chásanna cliniciúla agus dá saothrú trasghearrthach araon. Is é príomhchuspóir an tionscadail uirlisí nua meaisínfhoghlama a dhearadh chun tosca riosca a shainaithint chun dul chun cinn othar hipirtheannach go DM-2 a shainaithint, chomh maith leis an ngaol a d’fhéadfadh a bheith acu le himeachtaí cardashoithíocha a chinneadh. (Irish) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Kronične patologije predstavljajo 75 % izdatkov za zdravstvo. Zaradi tega dejstva, skupaj s podaljšanjem pričakovane življenjske dobe, je zelo zanimivo preučiti, kateri dejavniki vplivajo na napredovanje kroničnih patologij. Hipertenzija (HTA) je ena od najbolj razširjenih kroničnih bolezni in je lahko povezana z nastopom drugih kroničnih bolezni, kot je sladkorna bolezen tipa 2. Poleg sočasnih bolezni AH in DM-2 njun hkratni pojav bistveno poveča tveganje za kardiovaskularne dogodke. Ker ni enotne evidence o vseh zdravstvenih in farmakoloških informacijah, bodo uporabljeni heterogeni podatki, ki jih zbirata univerzitetna bolnišnica Móstoles (HUM) in univerzitetna bolnišnica Fuenlabrada (HUF), tehnološko podprta z Univerzo Rey Juan Carlos. Po eni strani podatki, povezani s HUM, izvirajo iz populacije, izpeljane iz enote za hipertenzijo, in so bili zbrani med spremljanjem v tej enoti. Po drugi strani klinični podatki, ki jih je predložil HUF, ustrezajo diagnozi in farmakološki uporabi celotne populacije, ki je del bolnišnice. Metode strojnega učenja so pokazale, da lahko prepoznajo ustrezne spremenljivke in sklepajo na podlagi dovolj reprezentativnih podatkov o problemu. Analiza pričakovanih zapletenih medsebojnih odnosov med dejavniki tveganja ter heterogenost podatkov znotraj in med zbirkami podatkov bo nedvomno zahtevala oblikovanje naprednih orodij za analizo, prilagojenih kliničnim scenarijem in njihovemu presečnemu izkoriščanju. Glavni cilj projekta je zasnovati nova orodja za strojno učenje, da bi prepoznali dejavnike tveganja, da bi opredelili napredovanje hipertenzivnega bolnika na DM-2, ter določili njihov potencialni odnos s kardiovaskularnimi dogodki. (Slovenian) | |||||||||||||||
| Property / summary: Kronične patologije predstavljajo 75 % izdatkov za zdravstvo. Zaradi tega dejstva, skupaj s podaljšanjem pričakovane življenjske dobe, je zelo zanimivo preučiti, kateri dejavniki vplivajo na napredovanje kroničnih patologij. Hipertenzija (HTA) je ena od najbolj razširjenih kroničnih bolezni in je lahko povezana z nastopom drugih kroničnih bolezni, kot je sladkorna bolezen tipa 2. Poleg sočasnih bolezni AH in DM-2 njun hkratni pojav bistveno poveča tveganje za kardiovaskularne dogodke. Ker ni enotne evidence o vseh zdravstvenih in farmakoloških informacijah, bodo uporabljeni heterogeni podatki, ki jih zbirata univerzitetna bolnišnica Móstoles (HUM) in univerzitetna bolnišnica Fuenlabrada (HUF), tehnološko podprta z Univerzo Rey Juan Carlos. Po eni strani podatki, povezani s HUM, izvirajo iz populacije, izpeljane iz enote za hipertenzijo, in so bili zbrani med spremljanjem v tej enoti. Po drugi strani klinični podatki, ki jih je predložil HUF, ustrezajo diagnozi in farmakološki uporabi celotne populacije, ki je del bolnišnice. Metode strojnega učenja so pokazale, da lahko prepoznajo ustrezne spremenljivke in sklepajo na podlagi dovolj reprezentativnih podatkov o problemu. Analiza pričakovanih zapletenih medsebojnih odnosov med dejavniki tveganja ter heterogenost podatkov znotraj in med zbirkami podatkov bo nedvomno zahtevala oblikovanje naprednih orodij za analizo, prilagojenih kliničnim scenarijem in njihovemu presečnemu izkoriščanju. Glavni cilj projekta je zasnovati nova orodja za strojno učenje, da bi prepoznali dejavnike tveganja, da bi opredelili napredovanje hipertenzivnega bolnika na DM-2, ter določili njihov potencialni odnos s kardiovaskularnimi dogodki. (Slovenian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Kronične patologije predstavljajo 75 % izdatkov za zdravstvo. Zaradi tega dejstva, skupaj s podaljšanjem pričakovane življenjske dobe, je zelo zanimivo preučiti, kateri dejavniki vplivajo na napredovanje kroničnih patologij. Hipertenzija (HTA) je ena od najbolj razširjenih kroničnih bolezni in je lahko povezana z nastopom drugih kroničnih bolezni, kot je sladkorna bolezen tipa 2. Poleg sočasnih bolezni AH in DM-2 njun hkratni pojav bistveno poveča tveganje za kardiovaskularne dogodke. Ker ni enotne evidence o vseh zdravstvenih in farmakoloških informacijah, bodo uporabljeni heterogeni podatki, ki jih zbirata univerzitetna bolnišnica Móstoles (HUM) in univerzitetna bolnišnica Fuenlabrada (HUF), tehnološko podprta z Univerzo Rey Juan Carlos. Po eni strani podatki, povezani s HUM, izvirajo iz populacije, izpeljane iz enote za hipertenzijo, in so bili zbrani med spremljanjem v tej enoti. Po drugi strani klinični podatki, ki jih je predložil HUF, ustrezajo diagnozi in farmakološki uporabi celotne populacije, ki je del bolnišnice. Metode strojnega učenja so pokazale, da lahko prepoznajo ustrezne spremenljivke in sklepajo na podlagi dovolj reprezentativnih podatkov o problemu. Analiza pričakovanih zapletenih medsebojnih odnosov med dejavniki tveganja ter heterogenost podatkov znotraj in med zbirkami podatkov bo nedvomno zahtevala oblikovanje naprednih orodij za analizo, prilagojenih kliničnim scenarijem in njihovemu presečnemu izkoriščanju. Glavni cilj projekta je zasnovati nova orodja za strojno učenje, da bi prepoznali dejavnike tveganja, da bi opredelili napredovanje hipertenzivnega bolnika na DM-2, ter določili njihov potencialni odnos s kardiovaskularnimi dogodki. (Slovenian) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Хроничните патологии представляват 75 % от разходите за здравеопазване. Този факт, заедно с увеличаването на продължителността на живота, прави много интересно да се проучи кои фактори влияят върху развитието на хроничните патологии. Хипертонията (HTA) е една от най-разпространените хронични патологии и може да бъде свързана с появата на други хронични заболявания като захарен диабет тип 2 (DM-2). В допълнение към коморбидността на AH и DM-2, едновременното им възникване значително увеличава риска от сърдечносъдови събития. Тъй като няма единен запис на цялата информация за грижите и фармакологичната информация, ще бъдат използвани разнородни данни, събрани от Университетската болница в Мостоле (ХУМ) и Университетската болница във Фуенлабрада (HUF), технологично подкрепяни от университета „Рей Хуан Карлос“. От една страна, данните, свързани с HUM, произхождат от популация, получена от звеното за хипертония, и са събрани по време на проследяването в рамките на тази единица. От друга страна, клиничните данни, предоставени от HUF, съответстват на диагностиката и фармакологичното отпускане на цялата популация, свързана с болницата. Методите за машинно самообучение показаха потенциала си да идентифицират съответните променливи и да правят изводи от достатъчно представителни данни за проблема. Анализът на очакваните сложни взаимовръзки между рисковите фактори, както и разнородността на данните от вътрешната и междубазата данни несъмнено ще изискват създаването на усъвършенствани инструменти за анализ, адаптирани както към клиничните сценарии, така и към тяхното използване на моментното състояние. Основната цел на проекта е да се разработят нови инструменти за машинно самообучение, за да се идентифицират рисковите фактори за характеризиране на прогресирането на хипертоничен пациент към DM-2, както и да се определи тяхната потенциална връзка със сърдечносъдовите събития. (Bulgarian) | |||||||||||||||
| Property / summary: Хроничните патологии представляват 75 % от разходите за здравеопазване. Този факт, заедно с увеличаването на продължителността на живота, прави много интересно да се проучи кои фактори влияят върху развитието на хроничните патологии. Хипертонията (HTA) е една от най-разпространените хронични патологии и може да бъде свързана с появата на други хронични заболявания като захарен диабет тип 2 (DM-2). В допълнение към коморбидността на AH и DM-2, едновременното им възникване значително увеличава риска от сърдечносъдови събития. Тъй като няма единен запис на цялата информация за грижите и фармакологичната информация, ще бъдат използвани разнородни данни, събрани от Университетската болница в Мостоле (ХУМ) и Университетската болница във Фуенлабрада (HUF), технологично подкрепяни от университета „Рей Хуан Карлос“. От една страна, данните, свързани с HUM, произхождат от популация, получена от звеното за хипертония, и са събрани по време на проследяването в рамките на тази единица. От друга страна, клиничните данни, предоставени от HUF, съответстват на диагностиката и фармакологичното отпускане на цялата популация, свързана с болницата. Методите за машинно самообучение показаха потенциала си да идентифицират съответните променливи и да правят изводи от достатъчно представителни данни за проблема. Анализът на очакваните сложни взаимовръзки между рисковите фактори, както и разнородността на данните от вътрешната и междубазата данни несъмнено ще изискват създаването на усъвършенствани инструменти за анализ, адаптирани както към клиничните сценарии, така и към тяхното използване на моментното състояние. Основната цел на проекта е да се разработят нови инструменти за машинно самообучение, за да се идентифицират рисковите фактори за характеризиране на прогресирането на хипертоничен пациент към DM-2, както и да се определи тяхната потенциална връзка със сърдечносъдовите събития. (Bulgarian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Хроничните патологии представляват 75 % от разходите за здравеопазване. Този факт, заедно с увеличаването на продължителността на живота, прави много интересно да се проучи кои фактори влияят върху развитието на хроничните патологии. Хипертонията (HTA) е една от най-разпространените хронични патологии и може да бъде свързана с появата на други хронични заболявания като захарен диабет тип 2 (DM-2). В допълнение към коморбидността на AH и DM-2, едновременното им възникване значително увеличава риска от сърдечносъдови събития. Тъй като няма единен запис на цялата информация за грижите и фармакологичната информация, ще бъдат използвани разнородни данни, събрани от Университетската болница в Мостоле (ХУМ) и Университетската болница във Фуенлабрада (HUF), технологично подкрепяни от университета „Рей Хуан Карлос“. От една страна, данните, свързани с HUM, произхождат от популация, получена от звеното за хипертония, и са събрани по време на проследяването в рамките на тази единица. От друга страна, клиничните данни, предоставени от HUF, съответстват на диагностиката и фармакологичното отпускане на цялата популация, свързана с болницата. Методите за машинно самообучение показаха потенциала си да идентифицират съответните променливи и да правят изводи от достатъчно представителни данни за проблема. Анализът на очакваните сложни взаимовръзки между рисковите фактори, както и разнородността на данните от вътрешната и междубазата данни несъмнено ще изискват създаването на усъвършенствани инструменти за анализ, адаптирани както към клиничните сценарии, така и към тяхното използване на моментното състояние. Основната цел на проекта е да се разработят нови инструменти за машинно самообучение, за да се идентифицират рисковите фактори за характеризиране на прогресирането на хипертоничен пациент към DM-2, както и да се определи тяхната потенциална връзка със сърдечносъдовите събития. (Bulgarian) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Il-patoloġiji kroniċi jammontaw għal 75 % tan-nefqa fuq is-saħħa. Dan il-fatt, flimkien maż-żieda fl-istennija tal-għomor, jagħmilha interessanti ħafna li wieħed jistudja liema fatturi jinfluwenzaw il-progressjoni ta’ patoloġiji kroniċi. Pressjoni għolja (HTA) hija waħda mill-aktar patoloġiji kroniċi prevalenti, u tista’ tkun assoċjata mal-bidu ta’ kundizzjonijiet kroniċi oħra bħad-dijabete mellitus tat-tip 2 (DM-2). Minbarra l-komorbiditajiet ta’ AH u DM-2, l-okkorrenza simultanja tagħhom iżżid b’mod sinifikanti r-riskju ta’ avvenimenti kardjovaskulari. Peress li m’hemm l-ebda rekord unifikat ta’ kull informazzjoni dwar il-kura u l-informazzjoni farmakoloġika, se tintuża dejta eteroġenja miġbura mill-Isptar Universitarju ta’ Móstoles (HUM) u l-Isptar Universitarju ta’ Fuenlabrada (HUF), teknoloġikament appoġġat mill-Università Rey Juan Carlos. Minn naħa, id-data assoċjata mal-HUM ġejja minn popolazzjoni derivata mill-Unità ta’ Pressjoni Għolja u nġabret matul is-segwitu f’din l-unità. Min-naħa l-oħra, id-dejta klinika pprovduta mill-HUF tikkorrispondi għad-dijanjożi u t-tqassim farmakoloġiku tal-popolazzjoni kollha mwaħħla mal-isptar. Il-metodi tat-tagħlim awtomatiku wrew il-potenzjal tagħhom li jidentifikaw il-varjabbli rilevanti u jiddeduċu minn data suffiċjentement rappreżentattiva tal-problema. L-analiżi tal-interrelazzjonijiet kumplessi mistennija bejn il-fatturi ta’ riskju, kif ukoll l-eteroġeneità tad-data intra u interdatabase, bla dubju se jeħtieġu l-ħolqien ta’ għodod ta’ analiżi avvanzati adattati kemm għax-xenarji kliniċi kif ukoll għall-isfruttament trasversali tagħhom. L-għan ewlieni tal-proġett huwa li jitfasslu għodod ġodda għat-tagħlim awtomatiku biex jiġu identifikati l-fatturi ta’ riskju li jikkaratterizzaw il-progressjoni ta’ pazjent bi pressjoni għolja għal DM-2, kif ukoll li tiġi ddeterminata r-relazzjoni potenzjali tagħhom ma’ avvenimenti kardjovaskulari. (Maltese) | |||||||||||||||
| Property / summary: Il-patoloġiji kroniċi jammontaw għal 75 % tan-nefqa fuq is-saħħa. Dan il-fatt, flimkien maż-żieda fl-istennija tal-għomor, jagħmilha interessanti ħafna li wieħed jistudja liema fatturi jinfluwenzaw il-progressjoni ta’ patoloġiji kroniċi. Pressjoni għolja (HTA) hija waħda mill-aktar patoloġiji kroniċi prevalenti, u tista’ tkun assoċjata mal-bidu ta’ kundizzjonijiet kroniċi oħra bħad-dijabete mellitus tat-tip 2 (DM-2). Minbarra l-komorbiditajiet ta’ AH u DM-2, l-okkorrenza simultanja tagħhom iżżid b’mod sinifikanti r-riskju ta’ avvenimenti kardjovaskulari. Peress li m’hemm l-ebda rekord unifikat ta’ kull informazzjoni dwar il-kura u l-informazzjoni farmakoloġika, se tintuża dejta eteroġenja miġbura mill-Isptar Universitarju ta’ Móstoles (HUM) u l-Isptar Universitarju ta’ Fuenlabrada (HUF), teknoloġikament appoġġat mill-Università Rey Juan Carlos. Minn naħa, id-data assoċjata mal-HUM ġejja minn popolazzjoni derivata mill-Unità ta’ Pressjoni Għolja u nġabret matul is-segwitu f’din l-unità. Min-naħa l-oħra, id-dejta klinika pprovduta mill-HUF tikkorrispondi għad-dijanjożi u t-tqassim farmakoloġiku tal-popolazzjoni kollha mwaħħla mal-isptar. Il-metodi tat-tagħlim awtomatiku wrew il-potenzjal tagħhom li jidentifikaw il-varjabbli rilevanti u jiddeduċu minn data suffiċjentement rappreżentattiva tal-problema. L-analiżi tal-interrelazzjonijiet kumplessi mistennija bejn il-fatturi ta’ riskju, kif ukoll l-eteroġeneità tad-data intra u interdatabase, bla dubju se jeħtieġu l-ħolqien ta’ għodod ta’ analiżi avvanzati adattati kemm għax-xenarji kliniċi kif ukoll għall-isfruttament trasversali tagħhom. L-għan ewlieni tal-proġett huwa li jitfasslu għodod ġodda għat-tagħlim awtomatiku biex jiġu identifikati l-fatturi ta’ riskju li jikkaratterizzaw il-progressjoni ta’ pazjent bi pressjoni għolja għal DM-2, kif ukoll li tiġi ddeterminata r-relazzjoni potenzjali tagħhom ma’ avvenimenti kardjovaskulari. (Maltese) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Il-patoloġiji kroniċi jammontaw għal 75 % tan-nefqa fuq is-saħħa. Dan il-fatt, flimkien maż-żieda fl-istennija tal-għomor, jagħmilha interessanti ħafna li wieħed jistudja liema fatturi jinfluwenzaw il-progressjoni ta’ patoloġiji kroniċi. Pressjoni għolja (HTA) hija waħda mill-aktar patoloġiji kroniċi prevalenti, u tista’ tkun assoċjata mal-bidu ta’ kundizzjonijiet kroniċi oħra bħad-dijabete mellitus tat-tip 2 (DM-2). Minbarra l-komorbiditajiet ta’ AH u DM-2, l-okkorrenza simultanja tagħhom iżżid b’mod sinifikanti r-riskju ta’ avvenimenti kardjovaskulari. Peress li m’hemm l-ebda rekord unifikat ta’ kull informazzjoni dwar il-kura u l-informazzjoni farmakoloġika, se tintuża dejta eteroġenja miġbura mill-Isptar Universitarju ta’ Móstoles (HUM) u l-Isptar Universitarju ta’ Fuenlabrada (HUF), teknoloġikament appoġġat mill-Università Rey Juan Carlos. Minn naħa, id-data assoċjata mal-HUM ġejja minn popolazzjoni derivata mill-Unità ta’ Pressjoni Għolja u nġabret matul is-segwitu f’din l-unità. Min-naħa l-oħra, id-dejta klinika pprovduta mill-HUF tikkorrispondi għad-dijanjożi u t-tqassim farmakoloġiku tal-popolazzjoni kollha mwaħħla mal-isptar. Il-metodi tat-tagħlim awtomatiku wrew il-potenzjal tagħhom li jidentifikaw il-varjabbli rilevanti u jiddeduċu minn data suffiċjentement rappreżentattiva tal-problema. L-analiżi tal-interrelazzjonijiet kumplessi mistennija bejn il-fatturi ta’ riskju, kif ukoll l-eteroġeneità tad-data intra u interdatabase, bla dubju se jeħtieġu l-ħolqien ta’ għodod ta’ analiżi avvanzati adattati kemm għax-xenarji kliniċi kif ukoll għall-isfruttament trasversali tagħhom. L-għan ewlieni tal-proġett huwa li jitfasslu għodod ġodda għat-tagħlim awtomatiku biex jiġu identifikati l-fatturi ta’ riskju li jikkaratterizzaw il-progressjoni ta’ pazjent bi pressjoni għolja għal DM-2, kif ukoll li tiġi ddeterminata r-relazzjoni potenzjali tagħhom ma’ avvenimenti kardjovaskulari. (Maltese) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
As patologias crónicas representam 75 % das despesas de saúde. Este facto, aliado ao aumento da esperança de vida, torna muito interessante estudar quais os fatores que influenciam a progressão das patologias crónicas. A hipertensão arterial (ATS) é uma das patologias crónicas mais prevalentes e pode estar associada ao aparecimento de outras doenças crónicas, como a diabetes mellitus tipo 2 (DM-2). Além das comorbidades da HA e DM-2, a sua ocorrência simultânea aumenta significativamente o risco de acontecimentos cardiovasculares. Uma vez que não existe um registo unificado de todos os cuidados e informações farmacológicas, serão utilizados dados heterogéneos recolhidos pelo Hospital Universitário de Móstoles (HUM) e pelo Hospital Universitário de Fuenlabrada (HUF), apoiados tecnologicamente pela Universidade Rey Juan Carlos. Por um lado, os dados associados à HUM provêm de uma população derivada da Unidade de Hipertensão e foram coletados durante o seguimento dentro desta unidade. Por outro lado, os dados clínicos fornecidos pelo HUF correspondem ao diagnóstico e dispensação farmacológica de toda a população vinculada ao hospital. Os métodos de aprendizagem automática mostraram o seu potencial para identificar variáveis relevantes e fazer inferências a partir de dados suficientemente representativos do problema. A análise das esperadas inter-relações complexas entre os fatores de risco, bem como a heterogeneidade dos dados intra e interbases de dados, exigirá, sem dúvida, a criação de ferramentas de análise avançadas adaptadas a ambos os cenários clínicos e à sua exploração transversal. O principal objetivo do projeto é conceber novas ferramentas de aprendizagem automática para identificar fatores de risco que caracterizem a progressão de um doente hipertenso para DM-2, bem como determinar a sua potencial relação com eventos cardiovasculares. (Portuguese) | |||||||||||||||
| Property / summary: As patologias crónicas representam 75 % das despesas de saúde. Este facto, aliado ao aumento da esperança de vida, torna muito interessante estudar quais os fatores que influenciam a progressão das patologias crónicas. A hipertensão arterial (ATS) é uma das patologias crónicas mais prevalentes e pode estar associada ao aparecimento de outras doenças crónicas, como a diabetes mellitus tipo 2 (DM-2). Além das comorbidades da HA e DM-2, a sua ocorrência simultânea aumenta significativamente o risco de acontecimentos cardiovasculares. Uma vez que não existe um registo unificado de todos os cuidados e informações farmacológicas, serão utilizados dados heterogéneos recolhidos pelo Hospital Universitário de Móstoles (HUM) e pelo Hospital Universitário de Fuenlabrada (HUF), apoiados tecnologicamente pela Universidade Rey Juan Carlos. Por um lado, os dados associados à HUM provêm de uma população derivada da Unidade de Hipertensão e foram coletados durante o seguimento dentro desta unidade. Por outro lado, os dados clínicos fornecidos pelo HUF correspondem ao diagnóstico e dispensação farmacológica de toda a população vinculada ao hospital. Os métodos de aprendizagem automática mostraram o seu potencial para identificar variáveis relevantes e fazer inferências a partir de dados suficientemente representativos do problema. A análise das esperadas inter-relações complexas entre os fatores de risco, bem como a heterogeneidade dos dados intra e interbases de dados, exigirá, sem dúvida, a criação de ferramentas de análise avançadas adaptadas a ambos os cenários clínicos e à sua exploração transversal. O principal objetivo do projeto é conceber novas ferramentas de aprendizagem automática para identificar fatores de risco que caracterizem a progressão de um doente hipertenso para DM-2, bem como determinar a sua potencial relação com eventos cardiovasculares. (Portuguese) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: As patologias crónicas representam 75 % das despesas de saúde. Este facto, aliado ao aumento da esperança de vida, torna muito interessante estudar quais os fatores que influenciam a progressão das patologias crónicas. A hipertensão arterial (ATS) é uma das patologias crónicas mais prevalentes e pode estar associada ao aparecimento de outras doenças crónicas, como a diabetes mellitus tipo 2 (DM-2). Além das comorbidades da HA e DM-2, a sua ocorrência simultânea aumenta significativamente o risco de acontecimentos cardiovasculares. Uma vez que não existe um registo unificado de todos os cuidados e informações farmacológicas, serão utilizados dados heterogéneos recolhidos pelo Hospital Universitário de Móstoles (HUM) e pelo Hospital Universitário de Fuenlabrada (HUF), apoiados tecnologicamente pela Universidade Rey Juan Carlos. Por um lado, os dados associados à HUM provêm de uma população derivada da Unidade de Hipertensão e foram coletados durante o seguimento dentro desta unidade. Por outro lado, os dados clínicos fornecidos pelo HUF correspondem ao diagnóstico e dispensação farmacológica de toda a população vinculada ao hospital. Os métodos de aprendizagem automática mostraram o seu potencial para identificar variáveis relevantes e fazer inferências a partir de dados suficientemente representativos do problema. A análise das esperadas inter-relações complexas entre os fatores de risco, bem como a heterogeneidade dos dados intra e interbases de dados, exigirá, sem dúvida, a criação de ferramentas de análise avançadas adaptadas a ambos os cenários clínicos e à sua exploração transversal. O principal objetivo do projeto é conceber novas ferramentas de aprendizagem automática para identificar fatores de risco que caracterizem a progressão de um doente hipertenso para DM-2, bem como determinar a sua potencial relação com eventos cardiovasculares. (Portuguese) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Kroniske patologier tegner sig for 75 % af sundhedsudgifterne. Dette faktum, kombineret med stigningen i den forventede levetid, gør det meget interessant at studere, hvilke faktorer påvirker progressionen af kroniske patologier. Hypertension (HTA) er en af de mest udbredte kroniske patologier og kan være forbundet med udbrud af andre kroniske tilstande såsom type 2-diabetes mellitus (DM-2). Ud over komorbiditeterne for AH og DM-2 øger deres samtidige forekomst betydeligt risikoen for kardiovaskulære hændelser. Da der ikke er nogen samlet registrering af alle pleje og farmakologiske oplysninger, vil heterogene data indsamlet af University Hospital of Móstoles (HUM) og University Hospital of Fuenlabrada (HUF), teknologisk støttet af Rey Juan Carlos Universitet, blive brugt. På den ene side stammer de data, der er forbundet med HUM, fra en population, der stammer fra Hypertension-enheden, og blev indsamlet under opfølgningen inden for denne enhed. På den anden side svarer de kliniske data fra HUF til diagnose og farmakologisk udlevering af hele den befolkning, der er tilknyttet hospitalet. Maskinlæringsmetoder har vist deres potentiale til at identificere relevante variabler og drage slutning ud fra tilstrækkeligt repræsentative data om problemet. Analysen af de forventede komplekse indbyrdes forbindelser mellem risikofaktorer samt heterogeniteten af intra- og interdatabasedata vil uden tvivl kræve, at der oprettes avancerede analyseværktøjer, der er tilpasset både kliniske scenarier og deres tværsnitsudnyttelse. Hovedformålet med projektet er at designe nye maskinlæringsværktøjer til at identificere risikofaktorer, der karakteriserer en hypertensiv patients progression til DM-2, samt at bestemme deres potentielle forhold til kardiovaskulære hændelser. (Danish) | |||||||||||||||
| Property / summary: Kroniske patologier tegner sig for 75 % af sundhedsudgifterne. Dette faktum, kombineret med stigningen i den forventede levetid, gør det meget interessant at studere, hvilke faktorer påvirker progressionen af kroniske patologier. Hypertension (HTA) er en af de mest udbredte kroniske patologier og kan være forbundet med udbrud af andre kroniske tilstande såsom type 2-diabetes mellitus (DM-2). Ud over komorbiditeterne for AH og DM-2 øger deres samtidige forekomst betydeligt risikoen for kardiovaskulære hændelser. Da der ikke er nogen samlet registrering af alle pleje og farmakologiske oplysninger, vil heterogene data indsamlet af University Hospital of Móstoles (HUM) og University Hospital of Fuenlabrada (HUF), teknologisk støttet af Rey Juan Carlos Universitet, blive brugt. På den ene side stammer de data, der er forbundet med HUM, fra en population, der stammer fra Hypertension-enheden, og blev indsamlet under opfølgningen inden for denne enhed. På den anden side svarer de kliniske data fra HUF til diagnose og farmakologisk udlevering af hele den befolkning, der er tilknyttet hospitalet. Maskinlæringsmetoder har vist deres potentiale til at identificere relevante variabler og drage slutning ud fra tilstrækkeligt repræsentative data om problemet. Analysen af de forventede komplekse indbyrdes forbindelser mellem risikofaktorer samt heterogeniteten af intra- og interdatabasedata vil uden tvivl kræve, at der oprettes avancerede analyseværktøjer, der er tilpasset både kliniske scenarier og deres tværsnitsudnyttelse. Hovedformålet med projektet er at designe nye maskinlæringsværktøjer til at identificere risikofaktorer, der karakteriserer en hypertensiv patients progression til DM-2, samt at bestemme deres potentielle forhold til kardiovaskulære hændelser. (Danish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Kroniske patologier tegner sig for 75 % af sundhedsudgifterne. Dette faktum, kombineret med stigningen i den forventede levetid, gør det meget interessant at studere, hvilke faktorer påvirker progressionen af kroniske patologier. Hypertension (HTA) er en af de mest udbredte kroniske patologier og kan være forbundet med udbrud af andre kroniske tilstande såsom type 2-diabetes mellitus (DM-2). Ud over komorbiditeterne for AH og DM-2 øger deres samtidige forekomst betydeligt risikoen for kardiovaskulære hændelser. Da der ikke er nogen samlet registrering af alle pleje og farmakologiske oplysninger, vil heterogene data indsamlet af University Hospital of Móstoles (HUM) og University Hospital of Fuenlabrada (HUF), teknologisk støttet af Rey Juan Carlos Universitet, blive brugt. På den ene side stammer de data, der er forbundet med HUM, fra en population, der stammer fra Hypertension-enheden, og blev indsamlet under opfølgningen inden for denne enhed. På den anden side svarer de kliniske data fra HUF til diagnose og farmakologisk udlevering af hele den befolkning, der er tilknyttet hospitalet. Maskinlæringsmetoder har vist deres potentiale til at identificere relevante variabler og drage slutning ud fra tilstrækkeligt repræsentative data om problemet. Analysen af de forventede komplekse indbyrdes forbindelser mellem risikofaktorer samt heterogeniteten af intra- og interdatabasedata vil uden tvivl kræve, at der oprettes avancerede analyseværktøjer, der er tilpasset både kliniske scenarier og deres tværsnitsudnyttelse. Hovedformålet med projektet er at designe nye maskinlæringsværktøjer til at identificere risikofaktorer, der karakteriserer en hypertensiv patients progression til DM-2, samt at bestemme deres potentielle forhold til kardiovaskulære hændelser. (Danish) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Patologiile cronice reprezintă 75 % din cheltuielile de sănătate. Acest fapt, împreună cu creșterea speranței de viață, face foarte interesant să se studieze ce factori influențează progresia patologiilor cronice. Hipertensiunea arterială (HTA) este una dintre cele mai răspândite patologii cronice și poate fi asociată cu debutul altor afecțiuni cronice, cum ar fi diabetul zaharat de tip 2 (DM-2). În plus față de comorbiditățile AH și DM-2, apariția simultană a acestora crește semnificativ riscul de evenimente cardiovasculare. Deoarece nu există nicio înregistrare unificată a tuturor informațiilor de îngrijire și farmacologice, vor fi utilizate date eterogene colectate de Spitalul Universitar din Móstoles (HUM) și de Spitalul Universitar din Fuenlabrada (HUF), susținute tehnologic de Universitatea Rey Juan Carlos. Pe de o parte, datele asociate cu HUM provin de la o populație derivată din unitatea de hipertensiune arterială și au fost colectate în timpul monitorizării în cadrul acestei unități. Pe de altă parte, datele clinice furnizate de HUF corespund diagnosticului și distribuirii farmacologice a întregii populații atașate spitalului. Metodele de învățare automată și-au demonstrat potențialul de a identifica variabilele relevante și de a deduce datele suficient de reprezentative ale problemei. Analiza interdependențelor complexe preconizate între factorii de risc, precum și eterogenitatea datelor intra și inter-date, va necesita, fără îndoială, crearea unor instrumente avansate de analiză adaptate atât scenariilor clinice, cât și exploatării transversale a acestora. Obiectivul principal al proiectului este de a proiecta noi instrumente de învățare automată pentru a identifica factorii de risc pentru a caracteriza progresia unui pacient hipertensiv la DM-2, precum și pentru a determina relația lor potențială cu evenimentele cardiovasculare. (Romanian) | |||||||||||||||
| Property / summary: Patologiile cronice reprezintă 75 % din cheltuielile de sănătate. Acest fapt, împreună cu creșterea speranței de viață, face foarte interesant să se studieze ce factori influențează progresia patologiilor cronice. Hipertensiunea arterială (HTA) este una dintre cele mai răspândite patologii cronice și poate fi asociată cu debutul altor afecțiuni cronice, cum ar fi diabetul zaharat de tip 2 (DM-2). În plus față de comorbiditățile AH și DM-2, apariția simultană a acestora crește semnificativ riscul de evenimente cardiovasculare. Deoarece nu există nicio înregistrare unificată a tuturor informațiilor de îngrijire și farmacologice, vor fi utilizate date eterogene colectate de Spitalul Universitar din Móstoles (HUM) și de Spitalul Universitar din Fuenlabrada (HUF), susținute tehnologic de Universitatea Rey Juan Carlos. Pe de o parte, datele asociate cu HUM provin de la o populație derivată din unitatea de hipertensiune arterială și au fost colectate în timpul monitorizării în cadrul acestei unități. Pe de altă parte, datele clinice furnizate de HUF corespund diagnosticului și distribuirii farmacologice a întregii populații atașate spitalului. Metodele de învățare automată și-au demonstrat potențialul de a identifica variabilele relevante și de a deduce datele suficient de reprezentative ale problemei. Analiza interdependențelor complexe preconizate între factorii de risc, precum și eterogenitatea datelor intra și inter-date, va necesita, fără îndoială, crearea unor instrumente avansate de analiză adaptate atât scenariilor clinice, cât și exploatării transversale a acestora. Obiectivul principal al proiectului este de a proiecta noi instrumente de învățare automată pentru a identifica factorii de risc pentru a caracteriza progresia unui pacient hipertensiv la DM-2, precum și pentru a determina relația lor potențială cu evenimentele cardiovasculare. (Romanian) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Patologiile cronice reprezintă 75 % din cheltuielile de sănătate. Acest fapt, împreună cu creșterea speranței de viață, face foarte interesant să se studieze ce factori influențează progresia patologiilor cronice. Hipertensiunea arterială (HTA) este una dintre cele mai răspândite patologii cronice și poate fi asociată cu debutul altor afecțiuni cronice, cum ar fi diabetul zaharat de tip 2 (DM-2). În plus față de comorbiditățile AH și DM-2, apariția simultană a acestora crește semnificativ riscul de evenimente cardiovasculare. Deoarece nu există nicio înregistrare unificată a tuturor informațiilor de îngrijire și farmacologice, vor fi utilizate date eterogene colectate de Spitalul Universitar din Móstoles (HUM) și de Spitalul Universitar din Fuenlabrada (HUF), susținute tehnologic de Universitatea Rey Juan Carlos. Pe de o parte, datele asociate cu HUM provin de la o populație derivată din unitatea de hipertensiune arterială și au fost colectate în timpul monitorizării în cadrul acestei unități. Pe de altă parte, datele clinice furnizate de HUF corespund diagnosticului și distribuirii farmacologice a întregii populații atașate spitalului. Metodele de învățare automată și-au demonstrat potențialul de a identifica variabilele relevante și de a deduce datele suficient de reprezentative ale problemei. Analiza interdependențelor complexe preconizate între factorii de risc, precum și eterogenitatea datelor intra și inter-date, va necesita, fără îndoială, crearea unor instrumente avansate de analiză adaptate atât scenariilor clinice, cât și exploatării transversale a acestora. Obiectivul principal al proiectului este de a proiecta noi instrumente de învățare automată pentru a identifica factorii de risc pentru a caracteriza progresia unui pacient hipertensiv la DM-2, precum și pentru a determina relația lor potențială cu evenimentele cardiovasculare. (Romanian) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / summary | |||||||||||||||
Kroniska sjukdomar står för 75 % av hälso- och sjukvårdsutgifterna. Detta faktum, i kombination med den ökade livslängden, gör det mycket intressant att studera vilka faktorer som påverkar utvecklingen av kroniska patologier. Hypertoni (HTA) är en av de vanligaste kroniska patologierna och kan associeras med uppkomsten av andra kroniska tillstånd såsom typ 2-diabetes mellitus (DM-2). Förutom komorbiditeterna hos AH och DM-2 ökar deras samtidiga förekomst signifikant risken för kardiovaskulära händelser. Eftersom det inte finns någon enhetlig förteckning över all vård- och farmakologisk information kommer heterogena data som samlats in av Universitetssjukhuset i Móstoles (HUM) och Universitetssjukhuset i Fuenlabrada (HUF), tekniskt stödda av Rey Juan Carlos University, att användas. Å ena sidan kommer de data som hör samman med HUM från en population som härrör från Hypertensionsenheten och samlades in under uppföljningen inom denna enhet. Å andra sidan motsvarar de kliniska data som HUF tillhandahåller diagnos och farmakologisk dosering av hela den population som är knuten till sjukhuset. Maskininlärningsmetoder har visat sin potential att identifiera relevanta variabler och dra slutsatser av tillräckligt representativa uppgifter om problemet. Analysen av de förväntade komplexa sambanden mellan riskfaktorer, liksom heterogeniteten mellan data inom och mellan databaser, kommer utan tvekan att kräva att avancerade analysverktyg skapas som är anpassade till både kliniska scenarier och deras tvärsektionella utnyttjande. Huvudsyftet med projektet är att utforma nya maskininlärningsverktyg för att identifiera riskfaktorer för att karakterisera en hypertensiv patients progression till DM-2, samt att fastställa deras potentiella samband med kardiovaskulära händelser. (Swedish) | |||||||||||||||
| Property / summary: Kroniska sjukdomar står för 75 % av hälso- och sjukvårdsutgifterna. Detta faktum, i kombination med den ökade livslängden, gör det mycket intressant att studera vilka faktorer som påverkar utvecklingen av kroniska patologier. Hypertoni (HTA) är en av de vanligaste kroniska patologierna och kan associeras med uppkomsten av andra kroniska tillstånd såsom typ 2-diabetes mellitus (DM-2). Förutom komorbiditeterna hos AH och DM-2 ökar deras samtidiga förekomst signifikant risken för kardiovaskulära händelser. Eftersom det inte finns någon enhetlig förteckning över all vård- och farmakologisk information kommer heterogena data som samlats in av Universitetssjukhuset i Móstoles (HUM) och Universitetssjukhuset i Fuenlabrada (HUF), tekniskt stödda av Rey Juan Carlos University, att användas. Å ena sidan kommer de data som hör samman med HUM från en population som härrör från Hypertensionsenheten och samlades in under uppföljningen inom denna enhet. Å andra sidan motsvarar de kliniska data som HUF tillhandahåller diagnos och farmakologisk dosering av hela den population som är knuten till sjukhuset. Maskininlärningsmetoder har visat sin potential att identifiera relevanta variabler och dra slutsatser av tillräckligt representativa uppgifter om problemet. Analysen av de förväntade komplexa sambanden mellan riskfaktorer, liksom heterogeniteten mellan data inom och mellan databaser, kommer utan tvekan att kräva att avancerade analysverktyg skapas som är anpassade till både kliniska scenarier och deras tvärsektionella utnyttjande. Huvudsyftet med projektet är att utforma nya maskininlärningsverktyg för att identifiera riskfaktorer för att karakterisera en hypertensiv patients progression till DM-2, samt att fastställa deras potentiella samband med kardiovaskulära händelser. (Swedish) / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / summary: Kroniska sjukdomar står för 75 % av hälso- och sjukvårdsutgifterna. Detta faktum, i kombination med den ökade livslängden, gör det mycket intressant att studera vilka faktorer som påverkar utvecklingen av kroniska patologier. Hypertoni (HTA) är en av de vanligaste kroniska patologierna och kan associeras med uppkomsten av andra kroniska tillstånd såsom typ 2-diabetes mellitus (DM-2). Förutom komorbiditeterna hos AH och DM-2 ökar deras samtidiga förekomst signifikant risken för kardiovaskulära händelser. Eftersom det inte finns någon enhetlig förteckning över all vård- och farmakologisk information kommer heterogena data som samlats in av Universitetssjukhuset i Móstoles (HUM) och Universitetssjukhuset i Fuenlabrada (HUF), tekniskt stödda av Rey Juan Carlos University, att användas. Å ena sidan kommer de data som hör samman med HUM från en population som härrör från Hypertensionsenheten och samlades in under uppföljningen inom denna enhet. Å andra sidan motsvarar de kliniska data som HUF tillhandahåller diagnos och farmakologisk dosering av hela den population som är knuten till sjukhuset. Maskininlärningsmetoder har visat sin potential att identifiera relevanta variabler och dra slutsatser av tillräckligt representativa uppgifter om problemet. Analysen av de förväntade komplexa sambanden mellan riskfaktorer, liksom heterogeniteten mellan data inom och mellan databaser, kommer utan tvekan att kräva att avancerade analysverktyg skapas som är anpassade till både kliniska scenarier och deras tvärsektionella utnyttjande. Huvudsyftet med projektet är att utforma nya maskininlärningsverktyg för att identifiera riskfaktorer för att karakterisera en hypertensiv patients progression till DM-2, samt att fastställa deras potentiella samband med kardiovaskulära händelser. (Swedish) / qualifier | |||||||||||||||
point in time: 4 August 2022
| |||||||||||||||
| Property / location (string) | |||||||||||||||
Fuenlabrada | |||||||||||||||
| Property / location (string): Fuenlabrada / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / coordinate location | |||||||||||||||
40°16'56.93"N, 3°47'32.42"W
| |||||||||||||||
| Property / coordinate location: 40°16'56.93"N, 3°47'32.42"W / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / coordinate location: 40°16'56.93"N, 3°47'32.42"W / qualifier | |||||||||||||||
| Property / contained in NUTS | |||||||||||||||
| Property / contained in NUTS: Madrid / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / budget | |||||||||||||||
25,500.0 Euro
| |||||||||||||||
| Property / budget: 25,500.0 Euro / rank | |||||||||||||||
Preferred rank | |||||||||||||||
| Property / EU contribution | |||||||||||||||
13,884.75 Euro
| |||||||||||||||
| Property / EU contribution: 13,884.75 Euro / rank | |||||||||||||||
Preferred rank | |||||||||||||||
| Property / co-financing rate | |||||||||||||||
54.45 percent
| |||||||||||||||
| Property / co-financing rate: 54.45 percent / rank | |||||||||||||||
Normal rank | |||||||||||||||
| Property / date of last update | |||||||||||||||
20 December 2023
| |||||||||||||||
| Property / date of last update: 20 December 2023 / rank | |||||||||||||||
Normal rank | |||||||||||||||
Latest revision as of 23:00, 9 October 2024
Project Q3179048 in Spain
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | From high blood pressure to diabetes. Identification of risk factors through machine learning with heterogeneous data |
Project Q3179048 in Spain |
Statements
13,884.75 Euro
0 references
25,500.0 Euro
0 references
54.45 percent
0 references
1 January 2018
0 references
31 March 2021
0 references
UNIVERSIDAD REY JUAN CARLOS
0 references
Las patologías crónicas representan el 75% del gasto sanitario. Este hecho, unido al aumento de la esperanza de vida, hace muy interesante estudiar qué factores influyen en la progresión de patologías crónicas. La hipertensión arterial (HTA) es una de las patologías crónicas de mayor prevalencia, pudiendo estar asociada al inicio de otras condiciones crónicas como la diabetes mellitus tipo 2 (DM-2). Además de las comorbilidades de HTA y DM-2, su ocurrencia simultánea aumenta significativamente el riesgo de eventos cardiovasculares. Puesto que no existe un registro unificado de toda la información asistencial y farmacológica, se utilizarán datos heterogéneos recogidos por el Hospital Universitario de Móstoles (HUM) y el Hospital Universitario de Fuenlabrada (HUF), apoyados tecnológicamente por la Universidad Rey Juan Carlos. Por un lado, los datos asociados al HUM proceden de una población derivada a la Unidad de Hipertensión y fueron recogidos durante el seguimiento dentro de esta unidad. Por otro lado, los datos clínicos aportados por el HUF corresponden a diagnósticos y dispensación farmacológica de toda la población adscrita al hospital. Los métodos de aprendizaje automático han mostrado su potencial para identificar variables relevantes y realizar inferencia a partir de datos suficientemente representativos del problema. El análisis de las inter-relaciones esperablemente complejas entre los factores de riesgo, así como la heterogeneidad de los datos intra e inter bases de datos, necesitará sin duda de la creación de herramientas de análisis avanzadas y adaptadas a ambos escenarios clínicos y a su explotación transversal. El objetivo principal del proyecto es diseñar nuevas herramientas de aprendizaje automático que permitan identificar factores de riesgo para caracterizar la progresión de un paciente hipertenso a DM-2, así como determinar su potencial relación con eventos cardiovasculares. (Spanish)
0 references
Chronic pathologies account for 75 % of health expenditure. This fact, coupled with the increase in life expectancy, makes it very interesting to study what factors influence the progression of chronic pathologies. Hypertension (HTA) is one of the most prevalent chronic pathologies, and may be associated with the onset of other chronic conditions such as type 2 diabetes mellitus (DM-2). In addition to the comorbidities of AH and DM-2, their simultaneous occurrence significantly increases the risk of cardiovascular events. Since there is no unified record of all care and pharmacological information, heterogeneous data collected by the University Hospital of Móstoles (HUM) and the University Hospital of Fuenlabrada (HUF), technologically supported by the Rey Juan Carlos University, will be used. On the one hand, the data associated with HUM come from a population derived from the Hypertension Unit and were collected during follow-up within this unit. On the other hand, the clinical data provided by the HUF correspond to diagnosis and pharmacological dispensing of the entire population attached to the hospital. Machine learning methods have shown their potential to identify relevant variables and make inference from sufficiently representative data of the problem. The analysis of the expected complex inter-relationships between risk factors, as well as the heterogeneity of intra and inter-database data, will undoubtedly require the creation of advanced analysis tools adapted to both clinical scenarios and their cross-sectional exploitation. The main objective of the project is to design new machine learning tools to identify risk factors to characterise the progression of a hypertensive patient to DM-2, as well as to determine their potential relationship with cardiovascular events. (English)
12 October 2021
0.0793202284589285
0 references
Les pathologies chroniques représentent 75 % des dépenses de santé. Ce fait, associé à l’augmentation de l’espérance de vie, rend très intéressant d’étudier quels facteurs influencent la progression des pathologies chroniques. L’hypertension (HTA) est l’une des pathologies chroniques les plus répandues et peut être associée à l’apparition d’autres affections chroniques comme le diabète sucré de type 2 (DM-2). En plus des comorbidités de l’AH et du DM-2, leur occurrence simultanée augmente considérablement le risque d’événements cardiovasculaires. Comme il n’existe pas de registre unifié de toutes les informations sur les soins et la pharmacologie, des données hétérogènes recueillies par l’Hôpital universitaire de Móstoles (HUM) et l’Hôpital universitaire de Fuenlabrada (HUF), soutenus technologiquement par l’Université Rey Juan Carlos, seront utilisées. D’une part, les données associées au HUM proviennent d’une population dérivée de l’unité d’hypertension et ont été recueillies au cours du suivi au sein de cette unité. D’autre part, les données cliniques fournies par le HUF correspondent au diagnostic et à la distribution pharmacologique de l’ensemble de la population rattachée à l’hôpital. Les méthodes d’apprentissage automatique ont montré qu’elles pouvaient identifier des variables pertinentes et tirer des conclusions à partir de données suffisamment représentatives du problème. L’analyse des interrelations complexes attendues entre les facteurs de risque, ainsi que l’hétérogénéité des données intra et interbases de données, nécessiteront sans aucun doute la création d’outils d’analyse avancés adaptés à la fois aux scénarios cliniques et à leur exploitation transversale. L’objectif principal du projet est de concevoir de nouveaux outils d’apprentissage automatique afin d’identifier les facteurs de risque pour caractériser la progression d’un patient hypertenseur vers le DM-2, ainsi que de déterminer sa relation potentielle avec les événements cardiovasculaires. (French)
4 December 2021
0 references
Chronische Pathologien machen 75 % der Gesundheitsausgaben aus. Diese Tatsache, verbunden mit der Zunahme der Lebenserwartung, macht es sehr interessant, zu untersuchen, welche Faktoren die Progression chronischer Pathologien beeinflussen. Hypertonie (HTA) ist eine der häufigsten chronischen Pathologien und kann mit dem Auftreten anderer chronischer Erkrankungen wie Typ-2-Diabetes mellitus (DM-2) in Verbindung gebracht werden. Neben den Komorbiditäten von AH und DM-2 erhöht ihr gleichzeitiges Auftreten das Risiko von Herz-Kreislauf-Ereignissen. Da es keine einheitliche Aufzeichnung aller Pflege- und pharmakologischen Informationen gibt, werden heterogene Daten verwendet, die vom Universitätsklinikum Móstoles (HUM) und dem Universitätsklinikum Fuenlabrada (HUF), technologisch unterstützt von der Rey Juan Carlos Universität, gesammelt wurden. Zum einen stammen die mit der HUM verbundenen Daten aus einer von der Hypertonie-Einheit abgeleiteten Population und wurden während der Nachbereitung innerhalb dieser Einheit erhoben. Andererseits entsprechen die von der HUF vorgelegten klinischen Daten der Diagnose und der pharmakologischen Abgabe der gesamten an das Krankenhaus angeschlossenen Bevölkerung. Die Methoden des maschinellen Lernens haben gezeigt, dass sie geeignet sind, relevante Variablen zu identifizieren und aus hinreichend repräsentativen Daten des Problems abzuleiten. Die Analyse der erwarteten komplexen Zusammenhänge zwischen Risikofaktoren sowie der Heterogenität von Intra- und Interdatenbankdaten erfordert zweifellos die Schaffung fortschrittlicher Analyseinstrumente, die sowohl an klinische Szenarien als auch an deren Querschnittsauswertung angepasst sind. Hauptziel des Projektes ist es, neue maschinelle Lernwerkzeuge zu entwickeln, um Risikofaktoren zu identifizieren, die das Fortschreiten eines hypertensiven Patienten auf DM-2 charakterisieren und deren potenzielle Beziehung zu kardiovaskulären Ereignissen bestimmen. (German)
9 December 2021
0 references
Chronische pathologieën zijn goed voor 75 % van de uitgaven voor gezondheidszorg. Dit feit, in combinatie met de stijging van de levensverwachting, maakt het zeer interessant om te bestuderen welke factoren van invloed zijn op de progressie van chronische pathologieën. Hypertensie (HTA) is een van de meest voorkomende chronische pathologieën en kan geassocieerd worden met het begin van andere chronische aandoeningen zoals type 2 diabetes mellitus (DM-2). Naast de comorbiditeiten van AH en DM-2 verhoogt hun gelijktijdige optreden het risico op cardiovasculaire voorvallen aanzienlijk. Aangezien er geen verenigd record van alle zorg en farmacologische informatie, heterogene gegevens verzameld door het Universitair Ziekenhuis van Móstoles (HUM) en het Universitair Ziekenhuis van Fuenlabrada (HUF), technologisch ondersteund door de Rey Juan Carlos University, zal worden gebruikt. Enerzijds zijn de gegevens in verband met HUM afkomstig van een populatie die afkomstig is van de hypertensie-eenheid en werden verzameld tijdens de follow-up binnen deze eenheid. Anderzijds komen de door het HUF verstrekte klinische gegevens overeen met de diagnose en farmacologische verstrekking van de gehele populatie die aan het ziekenhuis verbonden is. Machine learning-methoden hebben hun potentieel getoond om relevante variabelen te identificeren en uit voldoende representatieve gegevens van het probleem gevolg te geven. Voor de analyse van de verwachte complexe verbanden tussen risicofactoren en de heterogeniteit van intra- en interdatabasegegevens zullen ongetwijfeld geavanceerde analyse-instrumenten moeten worden ontwikkeld die zijn aangepast aan zowel klinische scenario’s als hun transversale exploitatie. Het belangrijkste doel van het project is het ontwerpen van nieuwe machine learning tools om risicofactoren te identificeren om de progressie van een hypertensieve patiënt te karakteriseren naar DM-2, en om hun potentiële relatie met cardiovasculaire voorvallen te bepalen. (Dutch)
17 December 2021
0 references
Le patologie croniche rappresentano il 75 % della spesa sanitaria. Questo fatto, accoppiato con l'aumento della speranza di vita, rende molto interessante studiare quali fattori influenzano la progressione delle patologie croniche. L'ipertensione (HTA) è una delle patologie croniche più diffuse e può essere associata all'insorgenza di altre condizioni croniche come il diabete mellito di tipo 2 (DM-2). Oltre alle comorbidità di AH e DM-2, il loro verificarsi simultaneo aumenta significativamente il rischio di eventi cardiovascolari. Dal momento che non vi è un registro unificato di tutte le informazioni di cura e farmacologia, i dati eterogenei raccolti dall'ospedale universitario di Móstoles (HUM) e l'ospedale universitario di Fuenlabrada (HUF), tecnologicamente supportato dalla Rey Juan Carlos University, saranno utilizzati. Da un lato, i dati associati all'HUM provengono da una popolazione derivata dall'unità di ipertensione e sono stati raccolti durante il follow-up all'interno di questa unità. D'altro canto, i dati clinici forniti dall'HUF corrispondono alla diagnosi e all'erogazione farmacologica dell'intera popolazione annessa all'ospedale. I metodi di apprendimento automatico hanno dimostrato il loro potenziale per identificare le variabili pertinenti e trarre conclusioni da dati sufficientemente rappresentativi del problema. L'analisi delle complesse interrelazioni previste tra i fattori di rischio, nonché l'eterogeneità dei dati intra e inter-database, richiederanno senza dubbio la creazione di strumenti di analisi avanzati adattati sia agli scenari clinici che al loro sfruttamento trasversale. L'obiettivo principale del progetto è quello di progettare nuovi strumenti di apprendimento automatico per identificare i fattori di rischio per caratterizzare la progressione di un paziente ipertensivo a DM-2, nonché per determinare il loro potenziale rapporto con gli eventi cardiovascolari. (Italian)
16 January 2022
0 references
Kroonilised patoloogiad moodustavad 75 % tervishoiukuludest. See asjaolu koos oodatava eluea pikenemisega muudab väga huvitavaks uurida, millised tegurid mõjutavad krooniliste patoloogiate progresseerumist. Hüpertensioon (HTA) on üks levinumaid kroonilisi patoloogiaid ja võib olla seotud teiste krooniliste seisundite, näiteks II tüüpi suhkurtõve (DM-2) tekkega. Lisaks AH ja DM-2 kaasuvatele haigustele suurendab nende samaaegne esinemine oluliselt kardiovaskulaarsete tüsistuste riski. Kuna kogu hooldus- ja farmakoloogilist teavet ei ole ühtlustatud, kasutatakse Móstoles’i ülikoolihaigla (HUM) ja Fuenlabrada Ülikoolihaigla (HUF) kogutud heterogeenseid andmeid, mida tehnoloogiliselt toetab Rey Juan Carlose Ülikool. Ühest küljest pärinevad ravimiga seotud andmed hüpertensiooniüksusest saadud populatsioonist ja neid koguti selles üksuses järelkontrolli käigus. Teisest küljest vastavad Ungari forinti esitatud kliinilised andmed kogu haiglaga seotud elanikkonna diagnoosimisele ja farmakoloogilisele väljastamisele. Masinõppe meetodid on näidanud oma potentsiaali tuvastada asjakohaseid muutujaid ja teha järeldusi probleemi piisavalt representatiivsetest andmetest. Riskitegurite eeldatavate keeruliste vastastikuste seoste ning sise- ja andmebaaside vaheliste andmete heterogeensuse analüüsimiseks on kahtlemata vaja luua täiustatud analüüsivahendid, mis on kohandatud nii kliinilistele stsenaariumidele kui ka nende valdkondadevahelisele kasutamisele. Projekti peamine eesmärk on töötada välja uued masinõppevahendid, et teha kindlaks riskitegurid, mis iseloomustavad hüpertensiivse patsiendi progresseerumist DM-2-ks, ning määrata kindlaks nende võimalik seos südame-veresoonkonna haigustega. (Estonian)
4 August 2022
0 references
Lėtinės patologijos sudaro 75 % sveikatos priežiūros išlaidų. Šis faktas, kartu su gyvenimo trukmės didėjimu, daro labai įdomu ištirti, kokie veiksniai turi įtakos lėtinių patologijų progresavimui. Hipertenzija (HTA) yra viena iš labiausiai paplitusių lėtinių patologijų ir gali būti susijusi su kitų lėtinių ligų, tokių kaip 2 tipo cukrinis diabetas (DM-2), pradžia. Be AH ir DM-2 gretutinių ligų, jų pasireiškimas tuo pačiu metu žymiai padidina širdies ir kraujagyslių reiškinių riziką. Kadangi nėra vieningos visos priežiūros ir farmakologinės informacijos įrašų, bus naudojami nevienalyčiai duomenys, surinkti Mestolio universiteto ligoninės (HUM) ir Fuenlabrado universiteto ligoninės (HUF), kurią technologiškai remia Rey Juan Carlos universitetas. Viena vertus, duomenys, susiję su HUM, gauti iš populiacijos, gautos iš hipertenzijos vieneto, ir buvo surinkti atliekant stebėjimą šiame vienete. Kita vertus, HUF pateikti klinikiniai duomenys atitinka visų ligoninių gyventojų diagnozę ir farmakologinį išdavimą. Mašinų mokymosi metodai parodė, kad jie gali nustatyti atitinkamus kintamuosius ir padaryti išvadas iš pakankamai reprezentatyvių problemos duomenų. Norint išanalizuoti laukiamus sudėtingus rizikos veiksnių tarpusavio ryšius, taip pat duomenų bazės ir tarp jų duomenų nevienalytiškumą, neabejotinai reikės sukurti pažangias analizės priemones, pritaikytas tiek klinikiniams scenarijams, tiek jų skerspjūvio naudojimui. Pagrindinis projekto tikslas – sukurti naujas mašinų mokymosi priemones, skirtas nustatyti rizikos veiksnius, apibūdinančius hipertenzinio paciento progresavimą į DM-2, taip pat nustatyti jų galimą ryšį su širdies ir kraujagyslių reiškiniais. (Lithuanian)
4 August 2022
0 references
Kronične patologije čine 75 % rashoda za zdravstvo. Ta činjenica, zajedno s povećanjem očekivanog životnog vijeka, čini vrlo zanimljivim proučavanje čimbenika koji utječu na progresiju kroničnih patologija. Hipertenzija (HTA) jedna je od najčešćih kroničnih patologija i može biti povezana s nastupom drugih kroničnih stanja poput šećerne bolesti tipa 2 (DM-2). Osim komorbiditeta AH i DM-2, njihova istovremena pojava značajno povećava rizik od kardiovaskularnih događaja. Budući da ne postoji jedinstvena evidencija o svim informacijama o njezi i farmakološkim informacijama, koristit će se heterogeni podaci koje su prikupili Sveučilišna bolnica Móstoles (HUM) i Sveučilišna bolnica Fuenlabrada (HUF), tehnološki podržani od Sveučilišta Rey Juan Carlos. S jedne strane, podaci povezani s HUM-om potječu iz populacije dobivene iz jedinice za hipertenziju i prikupljeni su tijekom praćenja unutar te jedinice. S druge strane, klinički podaci koje je dostavio HUF odgovaraju dijagnozi i farmakološkom izdavanju cjelokupne populacije povezane s bolnicom. Metode strojnog učenja pokazale su svoj potencijal za utvrđivanje relevantnih varijabli i donošenje zaključaka iz dovoljno reprezentativnih podataka o problemu. Analiza očekivanih složenih međusobnih odnosa između čimbenika rizika, kao i heterogenost podataka unutar i među bazama podataka, nedvojbeno će zahtijevati stvaranje naprednih analitičkih alata prilagođenih kliničkim scenarijima i njihovom transverzalnom iskorištavanju. Glavni cilj projekta je osmisliti nove alate za strojno učenje kako bi se utvrdili čimbenici rizika koji karakteriziraju progresiju hipertenzivnog pacijenta na DM-2, kao i kako bi se utvrdio njihov potencijalni odnos s kardiovaskularnim događajima. (Croatian)
4 August 2022
0 references
Οι χρόνιες παθολογίες αντιπροσωπεύουν το 75 % των δαπανών για την υγεία. Το γεγονός αυτό, σε συνδυασμό με την αύξηση του προσδόκιμου ζωής, καθιστά πολύ ενδιαφέρον να μελετήσουμε ποιοι παράγοντες επηρεάζουν την εξέλιξη των χρόνιων παθολογιών. Η υπέρταση (HTA) είναι μία από τις πιο διαδεδομένες χρόνιες παθολογίες και μπορεί να σχετίζεται με την εμφάνιση άλλων χρόνιων παθήσεων όπως ο σακχαρώδης διαβήτης τύπου 2 (DM-2). Εκτός από τις συννοσηρότητες του AH και DM-2, η ταυτόχρονη εμφάνισή τους αυξάνει σημαντικά τον κίνδυνο καρδιαγγειακών επεισοδίων. Δεδομένου ότι δεν υπάρχει ενιαία καταγραφή όλων των πληροφοριών περίθαλψης και φαρμακολογικών πληροφοριών, θα χρησιμοποιηθούν ετερογενή δεδομένα που συλλέγονται από το Πανεπιστημιακό Νοσοκομείο Μοστόλης (HUM) και το Πανεπιστημιακό Νοσοκομείο Fuenlabrada (HUF), που υποστηρίζονται τεχνολογικά από το Πανεπιστήμιο Rey Juan Carlos. Αφενός, τα δεδομένα που σχετίζονται με το ΦΑΧ προέρχονται από πληθυσμό που προέρχεται από τη μονάδα υπέρτασης και συλλέχθηκαν κατά τη διάρκεια παρακολούθησης εντός αυτής της μονάδας. Από την άλλη πλευρά, τα κλινικά δεδομένα που παρέχει το HUF αντιστοιχούν στη διάγνωση και τη φαρμακολογική χορήγηση ολόκληρου του πληθυσμού που είναι συνδεδεμένος με το νοσοκομείο. Οι μέθοδοι μηχανικής μάθησης έχουν καταδείξει τη δυνατότητά τους να εντοπίζουν σχετικές μεταβλητές και να συνάγουν από επαρκώς αντιπροσωπευτικά δεδομένα του προβλήματος. Η ανάλυση των αναμενόμενων σύνθετων σχέσεων μεταξύ παραγόντων κινδύνου, καθώς και η ετερογένεια των δεδομένων εντός και μεταξύ βάσεων δεδομένων, θα απαιτήσουν αναμφίβολα τη δημιουργία προηγμένων εργαλείων ανάλυσης προσαρμοσμένων τόσο στα κλινικά σενάρια όσο και στη διατομεακή εκμετάλλευσή τους. Κύριος στόχος του έργου είναι ο σχεδιασμός νέων εργαλείων μηχανικής μάθησης για τον εντοπισμό παραγόντων κινδύνου για τον χαρακτηρισμό της εξέλιξης ενός υπερτασικού ασθενούς σε DM-2, καθώς και για τον προσδιορισμό της πιθανής σχέσης τους με καρδιαγγειακά συμβάντα. (Greek)
4 August 2022
0 references
Chronické patológie predstavujú 75 % výdavkov na zdravotníctvo. Táto skutočnosť spolu so zvýšením strednej dĺžky života robí veľmi zaujímavé študovať, aké faktory ovplyvňujú progresiu chronických patológií. Hypertenzia (HTA) je jednou z najčastejších chronických patológií a môže byť spojená s nástupom iných chronických stavov, ako je diabetes mellitus 2. typu (DM-2). Okrem komorbidít AH a DM-2 ich súčasný výskyt významne zvyšuje riziko kardiovaskulárnych príhod. Keďže neexistuje jednotný záznam všetkých informácií o starostlivosti a farmakologických informáciách, použijú sa heterogénne údaje zozbierané univerzitnou nemocnicou v Móstoles (HUM) a univerzitnou nemocnicou vo Fuenlabrade (HUF), ktorú technologicky podporuje Univerzita Rey Juan Carlos. Na jednej strane údaje súvisiace s HUM pochádzajú z populácie odvodenej z jednotky hypertenzie a boli zhromaždené počas sledovania v rámci tejto jednotky. Na druhej strane klinické údaje poskytnuté HUF zodpovedajú diagnostike a farmakologickému dávkovaniu celej populácie napojenej na nemocnicu. Metódy strojového učenia preukázali svoj potenciál identifikovať relevantné premenné a odvodiť z dostatočne reprezentatívnych údajov o probléme. Analýza očakávaných komplexných vzájomných vzťahov medzi rizikovými faktormi, ako aj heterogénnosť údajov v rámci databázy a medzi databázami si nepochybne vyžiada vytvorenie pokročilých analytických nástrojov prispôsobených tak klinickým scenárom, ako aj ich prierezovému využívaniu. Hlavným cieľom projektu je navrhnúť nové nástroje strojového učenia na identifikáciu rizikových faktorov, ktoré charakterizujú progresiu hypertenzného pacienta na DM-2, ako aj určiť ich potenciálny vzťah s kardiovaskulárnymi udalosťami. (Slovak)
4 August 2022
0 references
Kroonisten sairauksien osuus terveydenhuoltomenoista on 75 prosenttia. Tämä seikka yhdistettynä elinajanodotteen kasvuun tekee erittäin kiinnostavaksi tutkia, mitkä tekijät vaikuttavat kroonisten patologioiden etenemiseen. Hypertensio (HTA) on yksi yleisimmistä kroonisista patologioista, ja se voi liittyä muiden kroonisten sairauksien, kuten tyypin 2 diabetes mellituksen (DM-2), alkamiseen. AH:n ja DM-2:n rinnakkaissairauksien lisäksi niiden samanaikainen esiintyminen lisää merkittävästi sydän- ja verisuonitapahtumien riskiä. Koska ei ole olemassa yhtenäistä kirjaa kaikista hoito- ja farmakologisista tiedoista, käytetään Móstolesin yliopistosairaalan (HUM) ja Fuenlabradan yliopistollisen sairaalan (HUF) keräämiä heterogeenisiä tietoja, joita tuetaan teknisesti Rey Juan Carlos -yliopistossa. Yhtäältä HUM:ään liittyvät tiedot ovat peräisin hypertensioyksiköstä johdetusta perusjoukosta, ja ne kerättiin seurannan aikana tässä yksikössä. Toisaalta HUF:n toimittamat kliiniset tiedot vastaavat koko sairaalaan liitetyn väestön diagnoosia ja farmakologista annostelua. Koneoppimismenetelmät ovat osoittaneet, että niillä voidaan tunnistaa relevantteja muuttujia ja tehdä johtopäätöksiä ongelmasta riittävän edustavista tiedoista. Riskitekijöiden välisten odotettavissa olevien monimutkaisten keskinäisten suhteiden sekä tietokannan sisäisten ja tietokantojen välisten tietojen heterogeenisuuden analysointi edellyttää epäilemättä kehittyneiden analyysivälineiden luomista sekä kliinisiin skenaarioihin että niiden poikkileikkausten hyödyntämiseen. Hankkeen päätavoitteena on suunnitella uusia koneoppimistyökaluja, jotta voidaan tunnistaa riskitekijöitä, jotka kuvaavat hypertensiivisen potilaan etenemistä DM-2:een, sekä määrittää niiden mahdollinen suhde sydän- ja verisuonitapahtumiin. (Finnish)
4 August 2022
0 references
Choroby przewlekłe stanowią 75 % wydatków na opiekę zdrowotną. Fakt ten, w połączeniu ze wzrostem średniej długości życia, sprawia, że bardzo interesujące jest zbadanie, jakie czynniki wpływają na progresję chorób przewlekłych. Nadciśnienie tętnicze (HTA) jest jedną z najczęstszych chorób przewlekłych i może być związana z wystąpieniem innych chorób przewlekłych, takich jak cukrzyca typu 2 (DM-2). Oprócz współistniejących chorób AH i DM-2, ich jednoczesne występowanie znacznie zwiększa ryzyko wystąpienia zdarzeń sercowo-naczyniowych. Ponieważ nie ma jednolitego zapisu wszystkich informacji farmakologicznych i opieki, niejednorodne dane zebrane przez Szpital Uniwersytecki w Móstoles (HUM) i Szpital Uniwersytecki Fuenlabrada (HUF), technologicznie wspierane przez Rey Juan Carlos University, będą wykorzystywane. Z jednej strony dane związane z HUM pochodzą z populacji pochodzącej z jednostki nadciśnienia tętniczego i zostały zebrane w trakcie obserwacji w ramach tej jednostki. Z drugiej strony dane kliniczne dostarczone przez HUF odpowiadają diagnozie i dozowaniu farmakologicznemu całej populacji należącej do szpitala. Metody uczenia maszynowego wykazały swój potencjał w zakresie identyfikowania istotnych zmiennych i wyciągania wniosków z wystarczająco reprezentatywnych danych dotyczących problemu. Analiza oczekiwanych złożonych powiązań między czynnikami ryzyka, a także niejednorodności danych wewnątrz i między bazami danych będzie niewątpliwie wymagała stworzenia zaawansowanych narzędzi analitycznych dostosowanych zarówno do scenariuszy klinicznych, jak i ich przekrojowego wykorzystania. Głównym celem projektu jest zaprojektowanie nowych narzędzi uczenia maszynowego w celu identyfikacji czynników ryzyka charakteryzujących postęp pacjenta z nadciśnieniem tętniczym na DM-2, a także określenie ich potencjalnego związku ze zdarzeniami sercowo-naczyniowymi. (Polish)
4 August 2022
0 references
A krónikus patológiák az egészségügyi kiadások 75%-át teszik ki. Ez a tény a várható élettartam növekedésével párosulva nagyon érdekessé teszi annak tanulmányozását, hogy milyen tényezők befolyásolják a krónikus patológiák fejlődését. A magas vérnyomás (HTA) az egyik legelterjedtebb krónikus patológiák egyike, és más krónikus betegségek, például 2-es típusú diabetes mellitus (DM-2) kialakulásával járhat. Az AH és a DM-2 komorbiditásai mellett egyidejű előfordulásuk jelentősen növeli a kardiovaszkuláris események kockázatát. Mivel nincs egységes nyilvántartás minden gondozási és farmakológiai információról, a Móstolesi Egyetemi Kórház (HUM) és a Fuenlabradai Egyetemi Kórház (HUF) által gyűjtött heterogén adatok kerülnek felhasználásra, amelyeket a Rey Juan Carlos Egyetem technológiailag támogat. Egyrészt az EFGY-hez kapcsolódó adatok a hipertónia egységből származó populációból származnak, és azokat az egységen belüli nyomon követés során gyűjtötték be. Másrészről a forint által szolgáltatott klinikai adatok a kórházhoz tartozó teljes lakosság diagnózisának és farmakológiai kiadásának felelnek meg. A gépi tanulási módszerek megmutatták, hogy képesek azonosítani a releváns változókat, és a probléma kellően reprezentatív adataiból következtetéseket levonni. A kockázati tényezők közötti várható összetett kölcsönhatások, valamint az adatbázison belüli és az adatbázisok közötti adatok heterogenitásának elemzése kétségtelenül szükségessé teszi olyan fejlett elemzési eszközök létrehozását, amelyek mind a klinikai forgatókönyvekhez, mind azok keresztmetszeti hasznosításához igazodnak. A projekt fő célja olyan új gépi tanulási eszközök kialakítása, amelyek meghatározzák a magas vérnyomású beteg DM-2-ra történő progressziójának jellemzését, valamint a kardiovaszkuláris eseményekkel való potenciális kapcsolatuk meghatározását. (Hungarian)
4 August 2022
0 references
Chronické patologie představují 75 % výdajů na zdravotnictví. Tato skutečnost, spolu se zvýšením střední délky života, dělá to velmi zajímavé studovat, jaké faktory ovlivňují progresi chronických patologií. Hypertenze (HTA) je jednou z nejčastějších chronických patologií a může být spojena s nástupem jiných chronických onemocnění, jako je diabetes mellitus 2. typu (DM-2). Kromě komorbidit AH a DM-2 jejich současný výskyt významně zvyšuje riziko kardiovaskulárních příhod. Vzhledem k tomu, že neexistuje jednotný záznam o veškeré péči a farmakologických informacích, budou použity heterogenní údaje shromážděné Fakultní nemocnicí v Móstoles (HUM) a Fakultní nemocnicí Fuenlabrada (HUF), které technologicky podporuje Univerzita Rey Juan Carlos. Na jedné straně údaje související s HUM pocházejí od populace odvozené z jednotky hypertenze a byly shromážděny během sledování v rámci této jednotky. Na druhé straně klinické údaje poskytnuté HUF odpovídají diagnóze a farmakologickému dávkování celé populace připojené k nemocnici. Metody strojového učení prokázaly svůj potenciál identifikovat relevantní proměnné a odvodit z dostatečně reprezentativních údajů o problému. Analýza očekávaných složitých vzájemných vztahů mezi rizikovými faktory, jakož i různorodost údajů v rámci databáze a mezi nimi bude nepochybně vyžadovat vytvoření pokročilých analytických nástrojů přizpůsobených jak klinickým scénářům, tak jejich průřezovému využití. Hlavním cílem projektu je navrhnout nové nástroje pro strojové učení s cílem identifikovat rizikové faktory pro charakterizaci progrese hypertenzního pacienta na DM-2 a určit jejich potenciální vztah s kardiovaskulárními příhodami. (Czech)
4 August 2022
0 references
Hroniskās patoloģijas veido 75 % no veselības aprūpes izdevumiem. Šis fakts kopā ar paredzamā dzīves ilguma pieaugumu padara ļoti interesantu pētīt, kādi faktori ietekmē hronisku patoloģiju progresēšanu. Hipertensija (HTA) ir viena no izplatītākajām hroniskām patoloģijām, un tā var būt saistīta ar citu hronisku slimību rašanos, piemēram, 2. tipa cukura diabētu (DM-2). Papildus AH un DM-2 blakusslimībām to vienlaicīga parādīšanās ievērojami palielina kardiovaskulāro notikumu risku. Tā kā nav vienota ieraksta par visu aprūpes un farmakoloģisko informāciju, tiks izmantoti neviendabīgi dati, ko savākusi Móstoles Universitātes slimnīca (HUM) un Fuenlabradas Universitātes slimnīca (HUF), ko tehnoloģiski atbalsta Rey Juan Carlos universitāte. No vienas puses, dati, kas saistīti ar HUM, ir iegūti no populācijas, kas iegūta no Hipertensijas vienības, un tika savākti šajā vienībā pēcpārbaudes laikā. No otras puses, HUF sniegtie klīniskie dati atbilst diagnozei un farmakoloģiskajai izsniegšanai visiem slimnīcas iedzīvotājiem. Mašīnmācīšanās metodes ir apliecinājušas savu potenciālu identificēt attiecīgos mainīgos lielumus un izdarīt secinājumus no pietiekami reprezentatīviem problēmas datiem. Lai analizētu sagaidāmās sarežģītās savstarpējās saiknes starp riska faktoriem, kā arī datu bāzu un starpdatubāzu datu neviendabīgumu, neapšaubāmi būs jāizveido progresīvi analīzes rīki, kas pielāgoti gan klīniskajiem scenārijiem, gan to šķērsgriezuma izmantošanai. Projekta galvenais mērķis ir izstrādāt jaunus mašīnmācīšanās rīkus, lai noteiktu riska faktorus, kas raksturo hipertensīva pacienta progresēšanu DM-2, kā arī noteikt to iespējamo saistību ar kardiovaskulāriem notikumiem. (Latvian)
4 August 2022
0 references
Is ionann paiteolaíochtaí ainsealacha agus 75 % den chaiteachas ar shláinte. Mar gheall ar an bhfíric seo, mar aon leis an méadú ar ionchas saoil, tá sé an-suimiúil staidéar a dhéanamh ar na fachtóirí a mbíonn tionchar acu ar dhul chun cinn paiteolaíochtaí ainsealacha. Tá Hipirtheannas (HTA) ar cheann de na paiteolaíochtaí ainsealacha is coitianta, agus d’fhéadfadh baint a bheith aige le coinníollacha ainsealacha eile amhail diaibéiteas de chineál 2 mellitus (DM-2). Chomh maith le comorbidities AH agus DM-2, méadaíonn a dtarlú comhuaineach an baol a bhaineann le himeachtaí cardashoithíoch. Ós rud é nach bhfuil aon taifead aontaithe ar gach faisnéis cúraim agus cógaseolaíochta, úsáidfear sonraí ilchineálacha a bhailigh Ospidéal Ollscoile Móstoles (HUM) agus Ospidéal Ollscoile Fuenlabrada (HUF), le tacaíocht theicneolaíoch ó Ollscoil Rey Juan Carlos. Ar thaobh amháin, tagann na sonraí a bhaineann le HUM ó dhaonra a dhíorthaítear ón Aonad Hipirtheannas agus bailíodh iad le linn obair leantach laistigh den aonad seo. Ar an taobh eile, comhfhreagraíonn na sonraí cliniciúla a chuir HUF ar fáil d’dhiagnóisiú agus d’urghnamh cógaseolaíochta an daonra ar fad a ghabhann leis an ospidéal. Tá sé léirithe ag modhanna meaisínfhoghlama go bhféadfadh siad athróga ábhartha a shainaithint agus tátal a bhaint as sonraí atá ionadaíoch go leor ar an bhfadhb. Maidir leis an anailís ar na hidirghaolmhaireachtaí casta a bhfuiltear ag súil leo idir fachtóirí riosca, chomh maith le hilchineálacht na sonraí laistigh agus idir-bunachair sonraí, beidh gá, gan amhras, le harduirlisí anailíse a chruthú a bheidh curtha in oiriúint do chásanna cliniciúla agus dá saothrú trasghearrthach araon. Is é príomhchuspóir an tionscadail uirlisí nua meaisínfhoghlama a dhearadh chun tosca riosca a shainaithint chun dul chun cinn othar hipirtheannach go DM-2 a shainaithint, chomh maith leis an ngaol a d’fhéadfadh a bheith acu le himeachtaí cardashoithíocha a chinneadh. (Irish)
4 August 2022
0 references
Kronične patologije predstavljajo 75 % izdatkov za zdravstvo. Zaradi tega dejstva, skupaj s podaljšanjem pričakovane življenjske dobe, je zelo zanimivo preučiti, kateri dejavniki vplivajo na napredovanje kroničnih patologij. Hipertenzija (HTA) je ena od najbolj razširjenih kroničnih bolezni in je lahko povezana z nastopom drugih kroničnih bolezni, kot je sladkorna bolezen tipa 2. Poleg sočasnih bolezni AH in DM-2 njun hkratni pojav bistveno poveča tveganje za kardiovaskularne dogodke. Ker ni enotne evidence o vseh zdravstvenih in farmakoloških informacijah, bodo uporabljeni heterogeni podatki, ki jih zbirata univerzitetna bolnišnica Móstoles (HUM) in univerzitetna bolnišnica Fuenlabrada (HUF), tehnološko podprta z Univerzo Rey Juan Carlos. Po eni strani podatki, povezani s HUM, izvirajo iz populacije, izpeljane iz enote za hipertenzijo, in so bili zbrani med spremljanjem v tej enoti. Po drugi strani klinični podatki, ki jih je predložil HUF, ustrezajo diagnozi in farmakološki uporabi celotne populacije, ki je del bolnišnice. Metode strojnega učenja so pokazale, da lahko prepoznajo ustrezne spremenljivke in sklepajo na podlagi dovolj reprezentativnih podatkov o problemu. Analiza pričakovanih zapletenih medsebojnih odnosov med dejavniki tveganja ter heterogenost podatkov znotraj in med zbirkami podatkov bo nedvomno zahtevala oblikovanje naprednih orodij za analizo, prilagojenih kliničnim scenarijem in njihovemu presečnemu izkoriščanju. Glavni cilj projekta je zasnovati nova orodja za strojno učenje, da bi prepoznali dejavnike tveganja, da bi opredelili napredovanje hipertenzivnega bolnika na DM-2, ter določili njihov potencialni odnos s kardiovaskularnimi dogodki. (Slovenian)
4 August 2022
0 references
Хроничните патологии представляват 75 % от разходите за здравеопазване. Този факт, заедно с увеличаването на продължителността на живота, прави много интересно да се проучи кои фактори влияят върху развитието на хроничните патологии. Хипертонията (HTA) е една от най-разпространените хронични патологии и може да бъде свързана с появата на други хронични заболявания като захарен диабет тип 2 (DM-2). В допълнение към коморбидността на AH и DM-2, едновременното им възникване значително увеличава риска от сърдечносъдови събития. Тъй като няма единен запис на цялата информация за грижите и фармакологичната информация, ще бъдат използвани разнородни данни, събрани от Университетската болница в Мостоле (ХУМ) и Университетската болница във Фуенлабрада (HUF), технологично подкрепяни от университета „Рей Хуан Карлос“. От една страна, данните, свързани с HUM, произхождат от популация, получена от звеното за хипертония, и са събрани по време на проследяването в рамките на тази единица. От друга страна, клиничните данни, предоставени от HUF, съответстват на диагностиката и фармакологичното отпускане на цялата популация, свързана с болницата. Методите за машинно самообучение показаха потенциала си да идентифицират съответните променливи и да правят изводи от достатъчно представителни данни за проблема. Анализът на очакваните сложни взаимовръзки между рисковите фактори, както и разнородността на данните от вътрешната и междубазата данни несъмнено ще изискват създаването на усъвършенствани инструменти за анализ, адаптирани както към клиничните сценарии, така и към тяхното използване на моментното състояние. Основната цел на проекта е да се разработят нови инструменти за машинно самообучение, за да се идентифицират рисковите фактори за характеризиране на прогресирането на хипертоничен пациент към DM-2, както и да се определи тяхната потенциална връзка със сърдечносъдовите събития. (Bulgarian)
4 August 2022
0 references
Il-patoloġiji kroniċi jammontaw għal 75 % tan-nefqa fuq is-saħħa. Dan il-fatt, flimkien maż-żieda fl-istennija tal-għomor, jagħmilha interessanti ħafna li wieħed jistudja liema fatturi jinfluwenzaw il-progressjoni ta’ patoloġiji kroniċi. Pressjoni għolja (HTA) hija waħda mill-aktar patoloġiji kroniċi prevalenti, u tista’ tkun assoċjata mal-bidu ta’ kundizzjonijiet kroniċi oħra bħad-dijabete mellitus tat-tip 2 (DM-2). Minbarra l-komorbiditajiet ta’ AH u DM-2, l-okkorrenza simultanja tagħhom iżżid b’mod sinifikanti r-riskju ta’ avvenimenti kardjovaskulari. Peress li m’hemm l-ebda rekord unifikat ta’ kull informazzjoni dwar il-kura u l-informazzjoni farmakoloġika, se tintuża dejta eteroġenja miġbura mill-Isptar Universitarju ta’ Móstoles (HUM) u l-Isptar Universitarju ta’ Fuenlabrada (HUF), teknoloġikament appoġġat mill-Università Rey Juan Carlos. Minn naħa, id-data assoċjata mal-HUM ġejja minn popolazzjoni derivata mill-Unità ta’ Pressjoni Għolja u nġabret matul is-segwitu f’din l-unità. Min-naħa l-oħra, id-dejta klinika pprovduta mill-HUF tikkorrispondi għad-dijanjożi u t-tqassim farmakoloġiku tal-popolazzjoni kollha mwaħħla mal-isptar. Il-metodi tat-tagħlim awtomatiku wrew il-potenzjal tagħhom li jidentifikaw il-varjabbli rilevanti u jiddeduċu minn data suffiċjentement rappreżentattiva tal-problema. L-analiżi tal-interrelazzjonijiet kumplessi mistennija bejn il-fatturi ta’ riskju, kif ukoll l-eteroġeneità tad-data intra u interdatabase, bla dubju se jeħtieġu l-ħolqien ta’ għodod ta’ analiżi avvanzati adattati kemm għax-xenarji kliniċi kif ukoll għall-isfruttament trasversali tagħhom. L-għan ewlieni tal-proġett huwa li jitfasslu għodod ġodda għat-tagħlim awtomatiku biex jiġu identifikati l-fatturi ta’ riskju li jikkaratterizzaw il-progressjoni ta’ pazjent bi pressjoni għolja għal DM-2, kif ukoll li tiġi ddeterminata r-relazzjoni potenzjali tagħhom ma’ avvenimenti kardjovaskulari. (Maltese)
4 August 2022
0 references
As patologias crónicas representam 75 % das despesas de saúde. Este facto, aliado ao aumento da esperança de vida, torna muito interessante estudar quais os fatores que influenciam a progressão das patologias crónicas. A hipertensão arterial (ATS) é uma das patologias crónicas mais prevalentes e pode estar associada ao aparecimento de outras doenças crónicas, como a diabetes mellitus tipo 2 (DM-2). Além das comorbidades da HA e DM-2, a sua ocorrência simultânea aumenta significativamente o risco de acontecimentos cardiovasculares. Uma vez que não existe um registo unificado de todos os cuidados e informações farmacológicas, serão utilizados dados heterogéneos recolhidos pelo Hospital Universitário de Móstoles (HUM) e pelo Hospital Universitário de Fuenlabrada (HUF), apoiados tecnologicamente pela Universidade Rey Juan Carlos. Por um lado, os dados associados à HUM provêm de uma população derivada da Unidade de Hipertensão e foram coletados durante o seguimento dentro desta unidade. Por outro lado, os dados clínicos fornecidos pelo HUF correspondem ao diagnóstico e dispensação farmacológica de toda a população vinculada ao hospital. Os métodos de aprendizagem automática mostraram o seu potencial para identificar variáveis relevantes e fazer inferências a partir de dados suficientemente representativos do problema. A análise das esperadas inter-relações complexas entre os fatores de risco, bem como a heterogeneidade dos dados intra e interbases de dados, exigirá, sem dúvida, a criação de ferramentas de análise avançadas adaptadas a ambos os cenários clínicos e à sua exploração transversal. O principal objetivo do projeto é conceber novas ferramentas de aprendizagem automática para identificar fatores de risco que caracterizem a progressão de um doente hipertenso para DM-2, bem como determinar a sua potencial relação com eventos cardiovasculares. (Portuguese)
4 August 2022
0 references
Kroniske patologier tegner sig for 75 % af sundhedsudgifterne. Dette faktum, kombineret med stigningen i den forventede levetid, gør det meget interessant at studere, hvilke faktorer påvirker progressionen af kroniske patologier. Hypertension (HTA) er en af de mest udbredte kroniske patologier og kan være forbundet med udbrud af andre kroniske tilstande såsom type 2-diabetes mellitus (DM-2). Ud over komorbiditeterne for AH og DM-2 øger deres samtidige forekomst betydeligt risikoen for kardiovaskulære hændelser. Da der ikke er nogen samlet registrering af alle pleje og farmakologiske oplysninger, vil heterogene data indsamlet af University Hospital of Móstoles (HUM) og University Hospital of Fuenlabrada (HUF), teknologisk støttet af Rey Juan Carlos Universitet, blive brugt. På den ene side stammer de data, der er forbundet med HUM, fra en population, der stammer fra Hypertension-enheden, og blev indsamlet under opfølgningen inden for denne enhed. På den anden side svarer de kliniske data fra HUF til diagnose og farmakologisk udlevering af hele den befolkning, der er tilknyttet hospitalet. Maskinlæringsmetoder har vist deres potentiale til at identificere relevante variabler og drage slutning ud fra tilstrækkeligt repræsentative data om problemet. Analysen af de forventede komplekse indbyrdes forbindelser mellem risikofaktorer samt heterogeniteten af intra- og interdatabasedata vil uden tvivl kræve, at der oprettes avancerede analyseværktøjer, der er tilpasset både kliniske scenarier og deres tværsnitsudnyttelse. Hovedformålet med projektet er at designe nye maskinlæringsværktøjer til at identificere risikofaktorer, der karakteriserer en hypertensiv patients progression til DM-2, samt at bestemme deres potentielle forhold til kardiovaskulære hændelser. (Danish)
4 August 2022
0 references
Patologiile cronice reprezintă 75 % din cheltuielile de sănătate. Acest fapt, împreună cu creșterea speranței de viață, face foarte interesant să se studieze ce factori influențează progresia patologiilor cronice. Hipertensiunea arterială (HTA) este una dintre cele mai răspândite patologii cronice și poate fi asociată cu debutul altor afecțiuni cronice, cum ar fi diabetul zaharat de tip 2 (DM-2). În plus față de comorbiditățile AH și DM-2, apariția simultană a acestora crește semnificativ riscul de evenimente cardiovasculare. Deoarece nu există nicio înregistrare unificată a tuturor informațiilor de îngrijire și farmacologice, vor fi utilizate date eterogene colectate de Spitalul Universitar din Móstoles (HUM) și de Spitalul Universitar din Fuenlabrada (HUF), susținute tehnologic de Universitatea Rey Juan Carlos. Pe de o parte, datele asociate cu HUM provin de la o populație derivată din unitatea de hipertensiune arterială și au fost colectate în timpul monitorizării în cadrul acestei unități. Pe de altă parte, datele clinice furnizate de HUF corespund diagnosticului și distribuirii farmacologice a întregii populații atașate spitalului. Metodele de învățare automată și-au demonstrat potențialul de a identifica variabilele relevante și de a deduce datele suficient de reprezentative ale problemei. Analiza interdependențelor complexe preconizate între factorii de risc, precum și eterogenitatea datelor intra și inter-date, va necesita, fără îndoială, crearea unor instrumente avansate de analiză adaptate atât scenariilor clinice, cât și exploatării transversale a acestora. Obiectivul principal al proiectului este de a proiecta noi instrumente de învățare automată pentru a identifica factorii de risc pentru a caracteriza progresia unui pacient hipertensiv la DM-2, precum și pentru a determina relația lor potențială cu evenimentele cardiovasculare. (Romanian)
4 August 2022
0 references
Kroniska sjukdomar står för 75 % av hälso- och sjukvårdsutgifterna. Detta faktum, i kombination med den ökade livslängden, gör det mycket intressant att studera vilka faktorer som påverkar utvecklingen av kroniska patologier. Hypertoni (HTA) är en av de vanligaste kroniska patologierna och kan associeras med uppkomsten av andra kroniska tillstånd såsom typ 2-diabetes mellitus (DM-2). Förutom komorbiditeterna hos AH och DM-2 ökar deras samtidiga förekomst signifikant risken för kardiovaskulära händelser. Eftersom det inte finns någon enhetlig förteckning över all vård- och farmakologisk information kommer heterogena data som samlats in av Universitetssjukhuset i Móstoles (HUM) och Universitetssjukhuset i Fuenlabrada (HUF), tekniskt stödda av Rey Juan Carlos University, att användas. Å ena sidan kommer de data som hör samman med HUM från en population som härrör från Hypertensionsenheten och samlades in under uppföljningen inom denna enhet. Å andra sidan motsvarar de kliniska data som HUF tillhandahåller diagnos och farmakologisk dosering av hela den population som är knuten till sjukhuset. Maskininlärningsmetoder har visat sin potential att identifiera relevanta variabler och dra slutsatser av tillräckligt representativa uppgifter om problemet. Analysen av de förväntade komplexa sambanden mellan riskfaktorer, liksom heterogeniteten mellan data inom och mellan databaser, kommer utan tvekan att kräva att avancerade analysverktyg skapas som är anpassade till både kliniska scenarier och deras tvärsektionella utnyttjande. Huvudsyftet med projektet är att utforma nya maskininlärningsverktyg för att identifiera riskfaktorer för att karakterisera en hypertensiv patients progression till DM-2, samt att fastställa deras potentiella samband med kardiovaskulära händelser. (Swedish)
4 August 2022
0 references
Fuenlabrada
0 references
20 December 2023
0 references
Identifiers
DTS17_00158
0 references