مقاله ترجمه شده اعمال روش تحلیل مؤلفه‌های اصلی (PCA) به داده‌های پزشکی کد محصول : 96111324 Application of Principal Component Analysis (PCA) to Medical Data

سال انتشار: 2017


چکیده:

اهداف: اعمال تحلیل مؤلفه‌های اصلی به داده‌های پزشکی بمنظور جستجوی فاکتور‌هایی که تصور می‌شود باعث افزایش ریسک بیماری‌های ایسکمیک قلب می‌شوند بسیار مهم است. روش‌ها/تحلیل آماری: PCA در مد-R با استفاده از همبستگی و کوواریانس برای داده‌های پزشکی انجام شد. متغیر‌های مربوط به تست‌های شیمیایی خون یعنی کلسترول، لیپوپروتئین پرچگالی، تری‌گلیسرید، آپو پروتئین A-1، آپو پروتئین B، لیپوپروتئین کم‌چگالی، فسفولیپلید‌ها، لیپید کل، گلوکز و اسید اوریک، برای شناخت رابطه بین آن‌ها و عضویت متغیر گروهی بررسی می‌شوند. یافته‌ها: نتایج نشان دادند که در میان این فاکتور‌ها، کلسترول، تری‌گلیسرید، آپو پروتئین B، لیپوپروتئین کم‌چگالی، فسفولیپید‌ها، لیپید کل، و اسید اوریک در گروه IHD در مقایسه با گروه کنترل بالاتر هستند.

مشخص شد که لیپوپروتئین پرچگالی و آپو پروتئین A-1 در گروه IHD پایین‌تر هستند، درحالی که در گروه کنترل بالاتر هستند. کلسترول همبستگی بالایی با لیپوپروتئین کم‌چگالی داشت و همبستگی متوسطی با لیپید کل داشت. کلسترول، آپو پروتئین B و لیپوپروتئین کم‌چگالی به مؤلفه 1 تعلق داشتند، آپو پروتئین A-1، فسفولیپید‌ها و اسید اوریک به مؤلفه 2 تعلق داشتند، تری‌گلیسرید و لیپید کل به مؤلفه 3 تعلق داشتند و لیپوپروتئین پرچگالی و گلوکز به مؤلفه 4 تعلق داشتند. چهار مؤلفه اول 60.67 درصد تغییرپذیری مؤلفه‌ها را توضیح داد‌ه‌اند. اصلاحات/کاربرد‌ها: نتایج نهایی نشان دادند که سطح کلسترول میانگین، که بعنوان فاکتور ریسک اصلی بیماری ایسکمیک قلب در نظر گرفته می‌شود، حتی در گروه کنترل بالاتر است.


کلمات کلیدی اصلی این محصول: مقاله تحلیل مولفه های اصلی ، مقاله روش PCA ، مقاله در مورد تحلیل مولفه های اصلی ، مقاله درباره تحلیل مولفه های اصلی ، مقاله در مورد روش PCA ، مقاله درباره روش PCA ، دانلود مقاله تحلیل مولفه های اصلی ، دانلود مقاله روش PCA ، مقاله داده های پزشکی
کلمات کلیدی انگلیسی: Application , Ischemic Heart Diseases , PCA
صفحات فارسی : 17
صفحات انگلیسی : 9
بلافاصله پس از پرداخت، لینک دانلود را مشاهده خواهید کرد.
یک نسخه از لینک دانلود، به ایمیل شما ارسال خواهد شد.