Sirvi Autor "Eigo, Natalja, juhendaja" järgi

Nüüd näidatakse 1 - 4 4

Eesti täiskasvanud rahvastiku tervisekäitumise uuringu lisavalimi moodustamine
(2019) Muhu, Kristina; Traat, Imbi, juhendaja; Eigo, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Bakalaureusetöö eesmärk on lisavalimimahu leidmine Eesti täiskasvanud rahvastiku tervisekäitumise uuringu jaoks, mis on regulaarne uuring, kuid mille valimimahust ei piisa esinduslike tulemuste saamiseks väikestes gruppides. Töö käigus leitakse lisavalimimaht nii, et etteantud täpsusega tulemused saadakse kaheksa maakonna rühma kaupa, mis on jagatud kahte vanuserühma 16-34 ja 35-64. Töös antakse ülevaade Eesti täiskasvanud rahvastiku tervisekäitumise uuringust ning ühisuuringust Finbalt Health Monitor. Töö teises osas tuletatakse valimimahu arvutamise valemid etteantud täpsuse korral ning leitakse vastavad valimimahud 16 kihis. Kolmandas osas täpsustatakse lisavalimimahud arvestades 2016. aasta Eesti täiskasvanud rahvastiku tervisekäitumise uuringu vastamismäärasid.
Haigekassa kindlustamata patsientide vigastuste andmete imputeerimine
(2018) Kirpu, Viktoria; Lepik, Natalja, juhendaja; Eigo, Natalja, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Töö eesmärk on Haigekassale saadetavate andmete täiendamine kasutades lisainformatsiooni allikana tervise infosüsteemi andmeid. Selleks on mõlema andmebaasi andmed omavahel ühendatud ning vastavalt sellele leitud paljudele Haigekassa andmebaasis ravikindlustuseta patsientide vanused. Vaadeldavat tunnust toovad välja tervise infosüsteemi epikriisid, kuid Haigekassa raviarvetel see info puudub. Nendele epikriisidele, kus patsientidele vanust ei õnnestunud leida, imputeeritakse puuduolevad andmed kolmel meetodil: üldine Hot-Deck omistus, lähima naabri meetod ja Hot-Deck omistus klassis kombineerituna lähima naabri meetodiga. Ühendamise protsessis suudeti leida vanused 5633 ravikindlustuseta patsiendi raviarvele ja vanuseta jäid 3515 raviarvet. Edasise analüüsi tulemuste põhjal otsustati kasutada üldise juhusliku Hot-Deck meetodiga saadud väärtusi, sest imputeerimiste simuleerimise katsel andis vaadeldav meetod kõige täpsemaid ja stabiilsemaid tulemusi.
Tervishoiutöötajate aruandluskoormuse vähendamine veereva ja kahe hetke valimidisaini abil
(2020) Sokurova, Diana; Traat, Imbi, juhendaja; Eigo, Natalja, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
Käesoleva magistritöö eesmärk on uurida, kas iga-aastast aruandlust saab asendada uuringutega, kus küsitletakse ainult osa tervishoiuteenuse osutajaid, kuid hinnangud üldkogumi kohta soovitakse anda iga-aastaselt. Töö raames vaadeldakse kaht valikudisaini: veerev ja kahe hetke disain. Mõlemal juhul saadakse kogu üldkogum uurides vaadeldavat ja sellele eelnevat aastat. Veerevat disaini rakendatakse kahel erineval viisil – kogu üldkogumil või ainult osal üldkogumist. Viimasel juhul teatud osa üldkogumist (haiglad) täidab aruandeid iga-aastaselt. Kahe hetke disainis on olemas kattuv osa, samuti haiglad, mida vaadeldakse igal aastal, kuid hinnangud kasutavad kattuva osa põhjal leitud prognoosikonstanti. Käesolevas töös vaadeldakse kindlat aruannet – „Tervishoiutöötajad“ aastatel 2013 – 2018 ning uuritakse kolme parameetri hindamist: tervishoiutöötajate arv, tegelikult täidetud ametikohtade arv ja keskmine vanus. Tervishoiuteenuse osutajate kahe järjestikuse aasta vahel jagamiseks kasutatakse algoritmi, mis tagab võimalikult sarnased pooled teenuse liikide ja isikute arvu (või andmetabeli rida-de) suhtes. Lahendatakse ka küsimus, kuidas võtta arvesse üldkogumi iga-aastast muutumist uute ja töö lõpetanud asutuste suhtes. Parimateks hinnanguteks osutusid kattuva osaga veereva disaini hinnangud, kus haiglad esitasid aruandeid iga-aastaselt
Vähki haigestumise riski hindamine soo, vanuse ja aasta järgi
(2020) Kirpu, Viktoria; Möls, Märt, juhendaja; Eigo, Natalja, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
Magistritöös uuriti vähki haigestumise riski patsiendi vanuse, diagnoosimise aasta ja võimalusel patsiendi soo järgi. Sissejuhatuseks toodi töös välja lühike ülevaade kasutatud vähiregistri ja Statistikaameti andmebaasi rahvaarvu andmetest, vähi olemusest ning analüüsis käsitletud vähipaikmetest: eesnääre ja emakakael. Mudelite loomisel kasutati Poissoni ja kvaasi-Poissoni regressiooni, andmetele leiti Clopper–Pearson’i usaldusintervallid ning mudeli kasvamis-, kahanemis- ja käänukohtade tuvastamiseks rakendati hii^2-testi ja t-testi. Graafikute abil uuriti standardiseeritud haigestumuskordaja muutumist. Uuriti 2017. aasta andmete alusel loodud mudelite prognoosivõimet.