Sirvi Autor "Kolde, Raivo, juhendaja" järgi
Nüüd näidatakse 1 - 20 32
- Tulemused lehekülje kohta
- Sorteerimisvalikud
Kirje AdherenceFromOMOP: tarkvarapakett sekundaarse ravijärgimuse mõõtmiseks OMOP andmeformaadis terviseandmetel(Tartu Ülikool, 2023) Holm, Johannes; Kolde, Raivo, juhendaja; Oja, Marek, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutRavijärgimus on kontseptsioon, mis näitab, kui korralikult inimene tarvitab temale määratud ravimeid. Eriti oluline on järgimus krooniliste haiguste korral, kus ravi tulemuslikkus sõltub suuresti tarvitamise järjepidevusest ja püsivusest. Madal populatsiooni üldine ravijärgimus on multidimensionaalne probleem, mis mõjutab suurel määral nii rahvatervist kui ka globaalset majandust. Probleemi lahendamiseks on eelnevalt vajalik standardiseerida ravijärgimuse mõõtmine, mis võimaldaks tuvastada probleemi suurust ning mõõta lahenduse mõju. Metoodikaid ravijärgimuse mõõtmiseks on erinevaid, kuid arvestades terviseandmete digitaliseerimise aktuaalsust viimase kümnendi jooksul, võiks suure valimi järgimuse mõõtmiseks rakendada sekundaarset andmebaasianalüüsi kasutades standardiseeritud elektroonilisi tervishoiu andmeid. Üks terviseandmete standard on OMOP (ingl Observational Medical Outcomes Partnership) ühtne andmemudel, mille globaalne lai levik aitab erinevatel institutsioonidel lihtsamini koostöös uurimusi läbi viia. Käesoleva töö põhiline eesmärk oli luua tarkvara pakett, mis võimaldab mõõta valimi ravijärgimust, kasutades OMOP standardiseeritud terviseandmeid. Sekundaarne töö eesmärk oli kasutada loodud paketti, et leida ravijärgimuse hetkeolukord Eestis, kasutades juhuvalimiga saadud 10% Eesti populatsiooni retseptide väljaostu kirjeid aastatest 2016-2019. Sekundaarsest eesmärgist lähtuvalt võrreldi järgimust soo, vanuserühmade ja tarvitatud ravimrühmade kaupa. Kõik vaadeldud tunnused mängisid statistiliselt olulist rolli ravijärgimuse määramisel. Naiste ravijärgimus oli statistiliselt kõrgem ning vanus mõjus järgimusele samuti positiivselt ja seda kuni väga kõrge eani. Ühtlasi vaadeldi paketi võimaluste näitlikustamiseks lühikese vaatlusperioodi jooksul ravijärgimuse muutust ajas ning võrreldi depressiooni diagnoosiga ning ilma diagnoosita inimeste ravijärgimust. Loodud pakett on funktsionaalne ning loob eeldused edasiseks ravijärgimuse uurimiseks Tartu Ülikooli terviseinformaatika töörühmas ning loodetavasti leiab tulevikus rakendust ka teiste institutsioonide OMOP andmetel.Kirje COVID-19 ennustavate riskimudelite loomine Eesti terviseandmete põhjal(Tartu Ülikool, 2022) Habakukk, Sille; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutCOVID-19 pandeemia on pannud tervishoiusüsteemid üle maailma töötama kõrgendatud koormusel. Jätkusuutliku tervishoiuteenuse osutamiseks on tihti vaja teha otsuseid, milliste patsientidega tegeleda eelisjärjekorras. Taoliste meditsiiniliste otsuste tegemisel kasutatakse tihti ennustavaid riskimudeleid, mida COVID-19 jaoks viiruse uudsuse tõttu pandeemia alguses ei eksisteerinud. Esimese haigestumislaine ajal loodud riskimudelid andsid pealtnäha häid tulemusi, kuid olles treenitud vähestel haigusega seotud andmetel pigem ei saavutanud rahuldavaid tulemusi välisel valideerimisel teistel andmestikel. Seetõttu ei saanud neid mudeleid kasutusele võtta ka Eestis. Selle töö eesmärk oli kasutada elektroonilisi terviseandmeid, et luua riskimudelid, mis ennustaksid hästi COVID-19 haiguskulgu ka Eesti rahvastikul. Riskimudelid treeniti ennustama patsientide haigla- või intensiivravi vajadust või surma 30 päeva jooksul peale COVID-19 nakatumist. Tulemuseks saadud riskimudelid kasutasid juhumetsa algoritmi, mis ei ole riskimudelite loomisel standardpraktika, kuid oli stabiilselt hea COVID-19 raske põdemise eristamisel ja vältis paremini andmetele ülesobitamist. Samas leiti, et mudelite ennustatud tõenäosuste absoluutväärtused vajavad kalibreerimist kui haiguspilt muutub ajas. Loodud riskimudelid kasutasid arvuliselt paljusid ennustavaid tunnuseid, mistõttu sobiksid peale välise sõltumatu valideerimise rakendamiseks rahvatervise valdkonnas otsuste vastu võtmiseks. Lisaks näidati, et ainult patsiendi eelneva haigusloo põhjal on võimalik ennustada COVID-19 haiguskulgu, ilma patsiendi sümptomeid arvesse võtmata.Kirje COVID-19 ennustavate riskimudelite rakendatavuse hindamine Eesti terviseandmetel(Tartu Ülikool, 2021) David, Marc; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutCOVID-19 leviku tõttu alates aastast 2019 on suurenenud erinevate tervishoiusüsteemide koormus maailmas. Selleks, et haiglate piiratud ressursside kasutust optimeerida, saab kasutada erinevaid riski ennustavaid mudeleid, mis võimaldavad patsientide terviseandmete põhjal ennustada, kui raskeks võib kujuneda patsiendi haiguse kulg. Piisavalt täpset mudelit saab kasutada näiteks patsiendi vaktsiini või ravi vajaduse hindamiseks. Üks mudeli tõhusust mõjutav tegur on kasutatud treeningandmete hulk. Kuna Eesti terviseandmeid on suhteliselt vähe ning nendel uue mudeli treenimine on keeruline, siis on efektiivsem leida juba eelnevalt treenitud mudel ning seda väliselt valideerida Eesti terviseandmetel. Käesolevas töö eesmärk on maailmas häid tulemusi näidanud mudeleid väliselt valideerida Eesti terviseandmetel ning seejärel analüüsida, kas need mudelid on piisavalt head praktiliseks kasutuseks meditsiinis. Töö tulemused näitasid, et mudelite diskrimineerimine on hea ning võrreldav teiste mudelitele tehtud väliste valideerimistega, kuid kalibreerimine on kehvem. Mudelid ennustavad Eesti andmetel madalamaid riskitõenäosusi kui reaalsuses patsientidel täheldati. Seda selgitab asjaolu, et valideerimiseks kasutatud andmeid oli võrdlemisi vähe ning need võisid selle tõttu olla kallutatud. Mudelite rakendatavust mõjutab ka see, et mudelid on treenitud ja valideeritud terviseandmetel, mis on pärit COVID-19 pandeemia algusest, mistõttu riski ennustamisel ei arvesta mudelid viiruse uute mutatsioonidega ega vaktsineeritud patsientidega. Lahendusena tuleks treenida uued mudelid, kasutades uuemaid andmeid ning parandada valideerimiseks kasutatud andmestike kvaliteeti.Kirje Covid-19 mõju krooniliste haiguste põdejatele Eestis(Tartu Ülikool, 2023) Piikov, Hendrik; Kolde, Raivo, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkondCOVID-19 pandeemia on avaldanud mõju kogu maailma tervishoiusüsteemidele ja elanikkonnale, eriti krooniliste haigustega inimestele. Need patsiendid kuuluvad suurema riskiga rühma nii COVID-19 raske kulgemise kui ka nende põhihaiguste halvenemise osas. Käesoleva uurimistöö eesmärgiks on keskenduda kroonilisi haiguseid põdevatele inimestele ning hinnata nende ligipääsu tervishoiuteenustele COVID-19 pandeemia esimese aasta jooksul. Selleks kasutati elektroonilisi terviseandmeid, et ennustusmudelit treenida. Ennustumudel kasutab gradientvõimendus algoritmi ehk järjestikus õppe algoritmi. Uurimistöö tulemusena selgus, et mudel hindab üsna hästi inimeste ligipääsu tervishoiuteenustele. Samas selgus ka, et mudelit on vaja kalibreerida iga teatud perioodi tagant ning et riskimudeleid saab kasutada järgmistel nakkushaiguste levikutel.Kirje Creating prediction models for cervical cancer forecasting(2022) Jerina, Valerija; Kolde, Raivo, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkondThe aim of this bachelor’s thesis is to create prediction models for cervical cancer (ICD-10 C53) and pre-cancerous condition (ICD-10 R87.613) forecasting. The analysis is based on health data of 10% of Estonian population that was provided by STACC OÜ. The thesis gives an overview on cervical cancer, shows which prediction models were created using different machine learning algorithms, evaluates their performance, and gives an overview on factors that might affect risk of getting the diseases.Kirje Diagnoosi trajektooride visualiseerimine(Tartu Ülikool, 2021) Lomp, Patrick; Kolde, Raivo, juhendaja; Pajusalu, Maarja, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutLõputöö eesmärk on luua interaktiivne tööriist, mis aitab visualiseerida graafide abil meditsiiniliste andmete analüüsi tulemusi. Töös loodud rakendus kuulub R tarkvarapaketi Trajectories alla. Trajectories paketis asetseb algoritm, mis tuvastab tihedalt koos esinevad sündmused terviseandmetes. Selliste diagnooside, ravimite väljakirjutamise ja protseduuride trajektoore on toorandmetes keeruline mõista. Sellepärast on vaja hästi visualiseerivaid vahendeid, et leida andmestikust relevantseid mustreid. Antud töös luuakse Shiny rakendus, mille abil saab sirvida elektroonilistes terviseandmetes leitud mustreid ja teha edasisi vaatlusi soovitud trajektooridel.Kirje Eesnäärmevähi ravitrajektoorid Eestis 2012.–2019. a tervisedokumentide põhjal(Tartu Ülikool, 2022) Kannus, Alari; Kolde, Raivo, juhendaja; Oja, Marek, juhendaja; Tamm, Sirli, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutTöös kasutati Eesti terviseandmekogude (Haigekassa, retseptikeskus, terviseinfosüsteem) 10% juhuvalimi andmeid aastatest 2012-2019, et uurida eesnäärmevähi ravimeetodite kasutamist esmase diagnoosiga patsientide riskirühmades, meetodite kasutamise osakaalude ja järjestuse alusel moodustuvates ravitrajektoorides. Andmestik oli transformeeritud OHDSI OMOP ühtsele andmemudelile. Riskikohorte kirjeldavaks andmeanalüüsiks kasutati OHDSI Atlas veebitööriistu ja MS Excel statistika funktsioone. Andmestikust leiti 778 esmase diagnoosiga isikut. Riskirühmade ja staadiumi määramine oli võimalik 52% kaasatutest. Lokaalse ravi meetoditest kasutati kirurgilist ravi 46% ja kiiritusravi 37%. Hormoonravi kasutas 63% patsientidest ning nendest enamik kasutas ainult ühte ravimit, teises reas said hormoonravi 28% patsientidest. Rahvusvahelistele ravijuhenditele baseeruvad ravitrajektoorid on, kasutatud terviseandmekogude põhjal, samalaadsed ka Eestis.Kirje Eesnäärmevähi riskimudeli arendamine Eesti terviseandmete põhjal(Tartu Ülikool, 2024) Objärtel, Telver; Kals, Mart, juhendaja; Reigo, Anu, juhendaja; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Molekulaar- ja rakubioloogia instituutEesnäärmevähk on meeste seas üks kõige levinum ja üks kõige suurema suremusega kasvaja, mida on varajastes staadiumites raske tuvastada. Selles väitekirjas koostati statistiline mudel, mis ennustab 40–59-aastaste meeste eesnäärmevähiriski. Mudeli loomisel kasutati Eesti meeste terviseandmeid perioodist 2012–2019 (RITA MAITT andmebaas). Mudelit valideeriti Eesti geenivaramu kohordis (30 045 meest, kellest 622 olid juhud). Parim mudel kasutab riski ennustamisel teavet vanuse, eesnäärme suurenemuse ja kroonilise prostatiidi kohta. Valideerimisandmestikul oli mudeli 5–aastane ennustusvõime hea (𝐴𝑈𝑅𝑂𝐶 = 0,852; 95% usaldusintervall 84,1– 86,2; 𝐴𝑈𝑃𝑅𝐶 = 7,83). Eesnäärmevähi polügeenne riskiskoor ei suurendanud mudeli ennustusvõimet. Mudelit saab kasutada PSA mõõtmise või eesnäärme muu kliinilise uuringu näidustamiseks.Kirje Eesti alaliste elanike määramine kasutades masinõppe meetodeid(Tartu Ülikool, 2023) Saks, Egle; Trasberg, Terje, juhendaja; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutRiiklikul statistikal on oluline roll levitada ühiskonna kohta teadmisi ja fakte, mis võimaldaksid teha informeeritud otsuseid. Üks olulisemaid riikliku statistika levitavaid teadmisi on info rahvastiku kohta ning selle keskmes on info rahvaarvu kohta. Järjest kiiremini muutuvas maailmas vananeb informatsioon kiiremini kui varem ning seega oodatakse ka rahvastikustatistikat kiiremini ja tihemini. Euroopa Komisjon valmistab juba ette määrust, millega tuleks alaliste elanike arvu riigis avaldada kaks korda aastas. Praegu pannakse Eestis alalise elanikkonna kogum kokku kasutades 18 erinevat registrit, mis muudab tihemini avaldamise keeruliseks. Selle magistritöö eesmärk on uurida, millised andmed on residentsuse määramiseks kõige olulisemad ja kuidas saavad elanikkonna määramisega vähendatud andmete kontekstis hakkama masinõppe mudelid. Töö eesmärgi täitmiseks on kasutatud Eesti Statistikaameti poolt kättesaadavaks tehtud andmeid. Andmetel rakendatakse peakomponentide analüüsi ning testitakse viit erinevat masinõppe mudelit. Tulemused näitavad, et vähendatud andmestik toimib üsna võrdväärselt algse andmestikuga ning residentsuse tuvastamiseks võib piisata ka väiksemast hulgast registritest. Masinõppe meetoditest toimivad kõige paremini otsustusmets ja XGBoost.Kirje Emakakaela vähieelsete muutuste avastamine ja jälgimine Eestis aastatel 2012–2019(Tartu Ülikool, 2022) Mooses, Kerli; Kolde, Raivo, juhendaja; Oja, Marek, juhendaja; Tamm, Sirli, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutEmakakaelavähk on üks levinumaid pahaloomulisi kasvajaid naistel, mis on varajase avastamise ja vaktsineerimisega olulisel määral välditav. Töö eesmärk oli hinnata emakakaela vähieelsete seisundite avastamisele suunatud uuringute kasutamist Eestis ning nende vastavust ravijuhendile. Analüüsist selgus, et 21–65-aastastest naistest on aastatel 2012–2019 teinud vähemalt ühe PAP või HPV testi 85,1%. Samas 13,7%-l naistest oli kahe PAP testi vaheline aeg üle soovitusliku 3,5 aasta. Võrreldes ravijuhendi 2. versiooniga (2012–2014) vähenes ravijuhendi 3. versiooni perioodil (2016–2019) oluliselt PAP testide arv 16–44-aastaste ja 55–65-aastaste seas ning suurenes HPV testide arv üle 30-aastaste seas (p < 0,05). HPV suhtes testitud 21–24-aastaste ja 25–29-aastaste naiste seas oli nii eelneva PAP testita naisi (vastavalt 5,1% ja 7,7%) kui ka naisi, kelle eelnev PAP testi tulemus ei vajanud ravijuhendi kohaselt järgnevat HPV testi (vastavalt 46,4% ja 47,3%). HSILi diagnoosiga naistest 74,4%-le teostati kolposkoopia kaheteist kuu jooksul peal HSIL diagnoosi saamist. Kokkuvõtlikult võib hinnata, et kuigi esineb mõningast liigtestimist, on üldiselt ravijuhendi järgimine Eestis hea. Emakakaelavähi ennetuse seisukohalt on kindlasti oluline pöörata enam tähelepanu naistele, kes ei käi üldse või käivad ebaregulaarselt kontrollis.Kirje Epikriisi tekstide genereerimine GPT-2 mudeliga(2023) Lepson, Mihkel; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituutVabatekstiliste terviseandmete analüüsimisel ja kasutamisel on palju piiranguid, sest täielikult anonümiseerida on neid võimatu. Õpetamiseks ja andmetöötlusmetoodikate väljatöötamiseks ei pea aga kasutama ilmtingimata päris andmeid, piisaks ka genereeritud sünteetilistest andmetest. Magistritöö eesmärk on treenida generatiivne tekstimudel, mis võimaldab genereerida epikriisi tekste vastavalt etteantud dokumendi osale, patsiendi demograafilistele andmetele ja diagnoosile. Töös treenitakse GPT-2 small mudel Tartu Ülikooli Eesti geenivaramuga liitunud patsientide epikriisi tekstidel. Saadud mudelil leitakse parim genereerimise algoritm, näidatakse, et genereeritud tekste on võimalik kasutada klassifitseerimismudeli treenimisel ning näidatakse, et on võimalik hinnata genereeritud tekstide originaalsust.Kirje Fact Extraction from Medical Text using Neural Networks(Tartu Ülikool, 2020) Mahmoud, Nesma; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutFact extraction from free text is a challenging task requiring a great deal of human effort to program regular expressions and build rule-based solutions. It is essential in the medical field where many care details are only stored as free text and automated fact extraction is the only way to interpret the large scale medical databases. Such medical texts represent communication between doctors and the text is often not syntactically valid, concepts are not represented consistently and the text is rife with misspellings. The described problems make it challenging to develop rule-based solutions to handle all the potential ways a fact might be written down. In this thesis, The effectiveness of neural networks was explored to do the fact extraction on texts from discharge reports on the Estonian Health Information System. We used the whole dataset of medical texts to train word embedding models. On the subsets of the data with annotations of particular facts, different classification models were tested to detect those. We found that employing pre-trained word embeddings allowed us to efficiently learn new models for fact extraction using relatively small amounts of annotated data. We managed to achieve an F1 score of 0.86% for a new tag using 732 samples as the training dataset, validate on 82 samples, and testing over 3258 samples.Kirje Juhumetsa mudelite loomine tasakaalustamata andmetega(2020) Haug, Markus; Kolde, Raivo, juhendaja; Tartu Ülikool. Matemaatika ja statistika instituut; Tartu Ülikool. Loodus- ja täppisteaduste valdkondAntud bakalaureusetöö eesmärk on tutvustada erinevaid meetodeid, mida kasutatakse juhumetsa mudelite loomiseks tasakaalustamata andmetel. Töö esimeses pooles tutvustatakse klassifitseeriva juhumetsa olemust ning tasakaalustamata andmetel mudelite loomise probleemi. Töö teises osas pakutakse välja ja võrreldakse erinevaid meetodeid, mida saab kasutada tasakaalustamata andmete probleemi lahendamiseks.Kirje Kaalulangetuse edukust ennustavate iseloomujoonte määramine(Tartu Ülikool, 2024) Puudist, Eerik Sven; Vainik, Uku, juhendaja; Kolde, Raivo, juhendaja; Arumäe, Kadri, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutThis study examines the relationship of personality traits with changes in body mass index (BMI) using a more detailed personality measurement questionnaire and a larger sample (N > 45000) compared to previous studies. Using regression models (linear models, random forest, XGBoost), Gaussian mixture models, and factor analysis, we examine the relationships of personality traits with a person’s largest historical BMI, largest BMI decline, and BMI regain. The goal is to find which character traits influence those outcomes the most to assist in developing personalized weight loss treatment plans. We point out that BMI is related to almost all aspects of one’s personality. Those relationships seem to be linear. However, the factors predicting the change in BMI are different between genders, and therefore both genders should be addressed separately in the development of weight loss methodologies.Kirje Koroonapandeemia mõju krooniliste haiguste ravile Eestis(Tartu Ülikool, 2022) Lepson, Henrik; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutKirje Krooniliste astmahaigete pikatoimeliste ravimiandmete imputeerimine(Tartu Ülikool, 2022) Annilo, Agnes; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutImputeerimine on statistiline meetod puuduolevate väärtuste asendamiseks andmestikus. Puuduolevate andmete tõttu võib analüüs ning terve uuring olla vigane ja mitte peegeldada üldkogumit. Selleks, et tulevased analüüsid ning mudelid, mis aitavad arstidel patsiente paremini ravida, oleksid täpsemad, on vajalik, et puuduvad andmed asendatakse võimalikult tõepäraselt. Bakalaureusetöö eesmärk oli uurida võimalikke imputeerimise meetodeid Eesti astma- ning kroonilise obstruktiivse kopsuhaigusega patsientide andmetel ning viia läbi nende võrdlus. Töö teoreetilises osas kirjeldatakse astma ravimeetodeid ja imputeerimismeetodite ning analüüsimeetodite teoreetilist tausta. Lõpus tehakse rakendatud imputeerimismeetodite analüüs ning antakse autori hinnang meetodite rakendatavusele.Kirje MDL-meetod diferentsiaalselt metüleeritud regioonide tuvastamiseks(Tartu Ülikool, 2013-06-06) Märtens, Kaspar; Kolde, Raivo, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutBioloogilist huvi pakub küsimus, millised tegurid reguleerivad geenide avaldumist. DNA metülatsioon on üks mitmetest mehhanismidest, mida rakkudes kasutatakse geenide vaigistamiseks. Metülatsioon omab funktsionaalset rolli ainult DNA järjestuse kindlatel positsioonidel, mida nimetatakse CpG saitideks. Tihti on järjestikuste CpG saitide metüleeritus sarnane, seega on mõttekas otsida ühesuguse metülatsioonimustriga pikemaid regioone. Diferentsiaalselt metüleeritud regioonideks (DMR) nimetatakse selliseid järjestikusi CpG saite, kus erinevate gruppide (näiteks vähihaigete ja tervete, noorte ja vanade indiviidide või erinevat tüüpi kudede) vahel on metüleerituses erinevusi. Käesoleva bakalaureusetöö eesmärgiks on välja töötada meetod diferentsiaalselt metüleeritud regioonide tuvastamiseks, mida saaks kasutada eelkõige metülatsioonikiibi andmetel. Selleks soovime jagada DNA järjestuse optimaalsel viisil segmentideks ning seejärel teha iga segmendi kohta otsuse, kas seal esineb diferentsiaalne metülatsioon või mitte. Töö algul antakse ülevaade DNA metülatsioonist ning formuleeritakse matemaatiline probleem, mis seisneb andmetest järjestikuste segmentide leidmises. Järgneb ülevaade tõenäosuslike mudelite kodeerimisest ning MDL-printsiibist, sest sellele toetume optimaalse segmentatsiooni leidmisel. Peatükis 3 on toodud üldine raamistik, mille kohaselt jagada andmed parimal viisil segmentideks, kasutades segmendiviisi defineeritud mudeleid ning valides neist MDLi mõttes parima. Selline raamistik võimaldab kasutada segmentidel andmete kirjeldamiseks suvalisi mudeleid, mille alusel on võimalik arvutada andmete tõepära. Seejärel on seda raamistikku kasutatud kahe konkreetse meetodi jaoks. Neist on lähemalt uuritud meetodit, mis põhineb segmentidele lineaarsete mudelite sobitamisel: testime seda nii simuleeritud kui ka bioloogilistel andmetel, lisaks võrdleme saadud tulemusi ühe võimaliku alternatiiviga. Need mõlemad meetodid implementeeriti programmeerimiskeeles R.Kirje Patsientide enim levinud ravitrajektooride leidmine DTW(Tartu Ülikool, 2022) Loorits, Brandon; Kolde, Raivo, juhendaja; Haug, Markus, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutLõputöö eesmärk on luua töövoog, mis aitab leida kasutajal enim levinud ravitrajektoorid teatud haigusega seotud patsientide kohordil. Välja pakutud töövoog koosneb 7 osast - andmete soovitud kujule viimine, sarnasusmaatriksi arvutamine dünaamilise ajadeformatsiooni meetodil, klasterdamine, siluetianalüüs, trajektooride korrigeerimine, tulemustrajektooride loomine ja visualiseerimine. Lõputöös pakutakse välja töövoog, mis potentsiaalselt aitab leida kasutajal enim levinud ravitrajektoorid automaatselt. Antud töövoog kasutab ravitrajektooride sarnasuse määramiseks dünaamilist ajadeformatsiooni, klasterdamise meetodina hierarhilist aglomeratiivset klasterdamist ning klasterdamise hindamiseks siluetianalüüsi. Töövoo tulemused visualiseeritakse kui ka prinditakse väljundina.Kirje Patsientide ravitrajektooride modelleerimine Markovi ahelatega(Tartu Ülikool, 2022) Haug, Markus; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutSuur hulk digitaliseeritult hoiustatud meditsiiniliseid andmeid tekitab võimaluse patsientide ravitrajektooride uurimiseks. Trajektooride uurimine on aluseks erinevate tervishoiuülesannete lahendamiseks, nagu näiteks parima tervishoiupraktika selgitamiseks, tervishoiuökonoomika hindamiseks ja ravitrajektooride modelleerimiseks. Käesoleva magistritöö eesmärgiks on eelmainitud ülesannete lahendamiseks luua universaalsed tööriistad. Töö käigus arendatakse välja kaks R-paketti. Esimene pakett tekitab patsientide ravitrajektoore. Teine pakett põhineb trajektooride modelleerimisel Markovi ahelatega. Valminud tööriistad on kasutatavad kõikidel andmebaasisüsteemidel, mis sisaldavad endas vabavaralist Observational Health Data Sciences and Informatics Observational Medical Outcomes Partnership Common Data Model (edaspidi OHDSI OMOP CDM) andmemudelit. Töö käigus demonstreeritakse loodud pakettide kasutamist südamepuudulikkusega patsientide andmetel, mis pärinevad Eesti Haigekassast.Kirje Pikaajalise COVID-19 mõju hindamine ravimite kasutuse ja tervishoiu kontaktide kaudu(Tartu Ülikool, 2022) Vesilind, Kaarel; Kolde, Raivo, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituutPaljudel inimestel, kes on COVID-19 läbi põdenud, on täheldatud ka pärast haiguse akuutse faasi lõppu mitmeid püsivaid tervisehädasid. Üldnimetusena kutsutakse seda pikaajaliseks COVID-ks (ingl long COVID). Käesoleva uurimistöö eesmärk on uurida pikaajalise COVID-i mõju ravimite tarvitamisele ja tervishoiu kontaktidele Eesti populatsioonis. Uurin-gumetoodika on enese vastu kontrollitud uuring (ingl Self controlled case series study) ning uuringus kasutatakse administratiivseid terviseandmeid, mis on kogutud üle mitme registri. Uuringus võrreldi COVID-19 rühma tulemusi muude hingamisteede haigustega inimestega, kes ei olnud COVID-19 läbi põdenud. Töö tulemustena leiti, et COVID-19 rühm tarbib roh-kem südame-veresoonkonna ravimeid, närvisüsteemi ravimeid ning vitamiine. Muude hin-gamisteede haigustega inimesed tarbisid rohkem erinevaid antibiootikume sisaldavaid ravi-meid, osasid hingamisteede ravimeid ning meeleelundite ravimeid. Lisaks leiti, et COVID-19 läbi põdenud inimestel on hingamisteede haigustega inimestest rohkem ambulatoorseid kontakte. Statsionaarsetes kontaktides olulist erinevust kahe rühma vahel välja ei tulnud.